DE19753034A1 - Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens - Google Patents
Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des VerfahrensInfo
- Publication number
- DE19753034A1 DE19753034A1 DE19753034A DE19753034A DE19753034A1 DE 19753034 A1 DE19753034 A1 DE 19753034A1 DE 19753034 A DE19753034 A DE 19753034A DE 19753034 A DE19753034 A DE 19753034A DE 19753034 A1 DE19753034 A1 DE 19753034A1
- Authority
- DE
- Germany
- Prior art keywords
- parameters
- traffic
- data
- parameter
- key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
Die Erfindung betrifft ein Verfahren zur Prognose eines den Zustand eines Systems
repräsentierenden Parameters, insbesondere eines den Zustand eines
Verkehrsnetzes repräsentierenden Verkehrsparameters und eine Vorrichtung zum
Durchführen des Verfahrens.
Eine Prognose eines den Zustand eines Verkehrsnetzes betreffenden
Verkehrsparameters für einen künftigen Zeitpunkt kann unter Berücksichtigung
zeitperiodischer Verläufe dieses Parameters erfolgen. Die periodischen Verläufe des
Verkehrsparameters, auch bezeichnet als Ganglinien, können aus Verkehrsdaten zu
diesem Verkehrsparameter zu unterschiedlichen Zeitpunkten durch statistische
Verdichtung gewonnen werden. Eine Ganglinie (also ein Verlauf) eines
Verkehrsparameters kann beispielsweise der Verlauf während der Tageszeit eines
bestimmten Wochentages, während einer Woche oder/und während des Jahres sein.
Als Ganglinien komprimierte und gespeicherte Verläufe von Verkehrsparametern
können mit Selektionsmerkmalen versehen werden, so daß eine Prognose durch
Vergleich beispielsweise der aktuellen Situation mit mindestens einem
Selektionsmerkmal mindestens einer Ganglinie möglich ist. Problematisch ist dabei
u. a., daß die aktuelle Situation hinsichtlich eines Selektionsparameters zu einer
Ganglinie nicht hinreichend zuverlässig auf den künftigen, zu prognostizierenden
Verlauf des durch diese Ganglinie repräsentierten Verkehrsparameters schließen läßt.
Aufgabe der vorliegenden Erfindung ist eine möglichst effiziente Optimierung von
Prognosen, insbesondere Verkehrsprognosen. Die Aufgabe wird durch die
Gegenstände der unabhängigen Ansprüche gelöst.
Ein erfindungsgemäßes Verfahren optimiert Prognosen von Parametern, insbesondere
Verkehrsparametern. Dabei kann ein Parameter eines Systems, insbesondere ein
Verkehrsparameter eines Verkehrsnetzes, aufgrund von einen zweiten Parameter des
Systems betreffenden Daten und mindestens einer Ganglinie qualitativ hochwertig
prognostiziert werden. Dies ist insbesondere in Fällen von Vorteil, in welchen auf den
künftigen zu prognostizierenden Verlauf eines Verkehrsparameters aufgrund aktueller
Werte eines anderen Verkehrsparameters besser zu schließen ist als aufgrund der
aktuellen Werte des ersteren Verkehrsparameters. Wenn beispielsweise am frühen
Morgen eine Prognose für die PKW-Reisezeiten am späten Morgen erstellt werden
soll, sind die aktuellen PKW-Reisezeiten ungeeignet für eine Prognose der künftigen
PKW-Reisezeiten, da frühmorgens wochentags wie am Wochenende noch kaum
PKWs fahren, was jedoch keine Aussage über am späten Morgen fahrende PKWs ist.
Aus einem starken LKW-Fluß am frühen Morgen kann jedoch beispielsweise
abgelesen werden, daß heute ein werktag-ähnlicher Verkehr stattfinden wird, so daß
eine Prognose von PKW-Reisezeiten am späten Morgen aufgrund des LKW-Flusses
am frühen Morgen besser möglich ist als aufgrund von PKW-Reisezeiten am frühen
Morgen.
Ein derartiges Verfahren könnte auch als gekoppeltes Einschmelzen (statistisches
Verdichten von tatsächlichen Verläufen von Parametern) und probabilistische
Selektion bezeichnet werden. Um Ganglinien (Verläufe) von Verkehrsparametern zu
erhalten, werden tatsächliche Verläufe untersucht und zusammen mit
Selektionsmerkmalen (beispielsweise Istwerte oder Verläufe zu bestimmten
Zeitpunkten) gespeichert. Ferner wird untersucht, welche Abhängigkeiten zwischen
verschiedenen Verkehrsparametern bestehen, um eine Prognose eines ersten
Parameters aufgrund von Daten zu einem zweiten Parameter zu ermöglichen.
Vorzugsweise wird dabei die feste oder zeitabhängige Stärke von Kopplungen jeweils
mindestens zweier Parameter untersucht und mit abgespeichert. Auch ist eine
Aktualisierung der die Kopplungsstärke mindestens zweier Parameter
repräsentierenden Kennzahl aufgrund aktueller tatsächlicher Verläufe der Parameter
und/oder der Qualität von Prognosen möglich. In den gespeicherten Daten zu
Ganglinien sind Kopplungen verschiedener Parameter mit berücksichtigt.
Vorteilhaft ist dabei ferner eine Berücksichtigung und Speicherung der Varianz (oder
Variabilität) der zu einer Ganglinie verdichteten Verläufe eines Parameters und die
Berücksichtigung der Varianz (oder Variabilität) bei der Prognose eines Parameters.
Vorteilhaft ist ferner insbesondere eine Verringerung der Gewichtung einer Kopplung
zwischen zwei oder mehr Parametern im Laufe der Zeit, um so veraltete Kopplungen
automatisch zu schwächen und/oder zu unterdrücken. Dies kann insbesondere
erfolgen, falls die Ganglinien-Datenmenge im Laufe der Zeit sehr groß wird.
Eine probabilistische Selektion einer Ganglinie kann darin bestehen, zur Prognose
eines Parameters für einen künftigen Zeitpunkt aufgrund von Daten zu einem
anderen Parameter zum aktuellen Zeitpunkt für die Selektion einer Ganglinie zur
Prognose die Wahrscheinlichkeit zu berücksichtigen, daß aufgrund einer Messung
des zweiten Parameters eine bestimmte Ganglinie eine gute Prognose für den ersten
Parameter ermöglicht. Diese Wahrscheinlichkeit kann zur Ganglinienbasis als
Kennzahl für die Kopplung zweier Größen abgespeichert sein und zur Prognose
abgerufen werden. Die Wahrscheinlichkeit kann neben der Kopplungsstärke von zwei
Parametern auch den Abstand der Messung des zweiten Parameters von einer zur
Prognose verwendeten Ganglinie des zweiten Parameters oder einer anderen
Ganglinie berücksichtigen.
Eine Selbstkorrektur der Ganglinienbasis erfolgt vorzugsweise durch Mitführen einer
Fehlerganglinie, in welcher Abweichungen von prognostizierten Verläufen von
tatsächlichen Verläufen zur Korrektur von Ganglinien berücksichtigt werden.
Zur Selbstkorrektur ist ferner eine laufende Korrektur der Kennzahlen zur
Kopplungsstärke jeweils mindestens zweier Parameter zweckmäßig; insbesondere
große Abweichungen von tatsächlichen Werten zu prognostizierten Werten können
zur Abschwächung, geringe Abweichungen der tatsächlichen Werte von den
prognostizierten Werten können zur Stärkung einer Kopplung führen.
Zweckmäßig ist insbesondere eine Realisierung als neuronales Netz.
Das Verfahren kann insbesondere als Programm in einer Verkehrszentrale realisiert
werden; in der Verkehrszentrale kann insbesondere eine Datenbank mit Ganglinien
(Verläufen von verkehrstechnischen oder anderen Parametern) und/oder eine
Datenbank mit Kennzahlen zur Kopplung jeweils mindestens zweier Parameter
umfassen.
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden
Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Dabei zeigt:
Fig. 1 als Blockschaltbild die statistische Verdichtung (Einschmelzen) von
Verkehrsdaten zu Ganglinien und Kopplungskennzahlen für eine
Prognosedatenbank sowie eine probabilistische Selektion zur
Erstellung von Verkehrsprognosen,
Fig. 2 ein Beispiel einer Prognose eines Parameters aufgrund von aktuellen
Daten zu einem anderen Parameter.
Im in Fig. 1 gezeigten Beispiel werden Verkehrsdaten 1 von Floating-cars (FCD),
Verkehrsdaten 2 von above-ground-Detektoren (SES-Daten) und Verkehrsdaten 3
von Induktionsschleifen-Daten (VIZ) an mehreren Orten zu mehreren Zeitpunkten
gemessen, wobei sich an einem Ort beispielsweise einer der beiden im Kasten 4
beispielhaft dargestellten Verläufe 5, 6 eines Verkehrsparameters ergeben kann.
Im Schritt 5 werden die Verläufe (5, 6 usw.) von FCD-Daten 1, SES-Daten 2, VIZ-
Daten 3 gekoppelt eingeschmolzen, also unter Berücksichtigung von Kopplungen zu
Ganglinien, ganglinienbezogenen Selektionsmerkmalen und Kopplungen zwischen
Verkehrsparametern repräsentierenden Kennzahlen statistisch verdichtet und in einer
Prognose-Datenbank abgelegt. Beispielsweise kann der Verlauf der Anzahl von
PKWs in einem Streckenabschnitt an einem Werktag, der Verlauf der Anzahl von
PKWs an einem Abschnitt am Wochenende, der Verlauf der Anzahl von LKWs an
einem Abschnitt an einem Werktag, der Verlauf von LKWs an einem Abschnitt an
einem Sonntag jeweils zu einer eigenen Ganglinie (zeitlicher Verlauf an einem
Wochentag an einer Position) statistisch verdichtet werden und mit
Selektionsmerkmalen versehen werden. Selektionsmerkmale können beispielsweise
die Anzahl von PKWs zu einer bestimmen Uhrzeit, die Anzahl von LKWs zu einer
bestimmten Uhrzeit etc. sein. Selektionsmerkmale sind jeweils zumindestens einer
oder evtl. auch mehreren Ganglinien zugeordnet. Wenn akutell ein Selektionsmerkmal
oder mehrere Selektionsmerkmale einer Ganglinie erfüllt sind, beispielsweise wenn
aktuell (frühmorgens) die Anzahl der LKWs über einem bestimmten Wert liegt, kann
darauf geschlossen werden, daß eine bestimmte Ganglinie (LKW/werktag) aktuell
verfolgt wird. Hieraus kann eine Prognose für den zu den gemessenen Daten
gehörenden Verkehrsparameter zu einem künftigen Zeitpunkt oder erfindungsgemäß
für einen nicht zu den gemessenen Daten zugeordneten Verkehrsparameter zu einem
künftigen Zeitpunkt erstellt werden. Diejenige Ganglinie eines Verkehrsparameters,
welche aufgrund gemessener aktueller Daten am wahrscheinlichsten den künftigen
Verlauf eines Verkehrsparameters repräsentiert, wird ausgewählt, was auch als
probabilistische Selektion bezeichnet werden kann.
Fig. 2 zeigt ein Beispiel einer probabilistischen Selektion. Am frühen Morgen liegen
Verkehrsdaten zur aktuellen Anzahl von PKWs und zur aktuellen Anzahl von LKWs in
einem Straßenabschnitt vor. Die Anzahl von PKWs in einem Straßenabschnitt für
einen künftigen Zeitpunkt, nämlich spätmorgens, soll prognostiziert werden. Aufgrund
der aktuellen (frühmorgens) Anzahl von PKWs ist dies nicht möglich, da sich die
Ganglinien von PKWs werktags und am Wochenende früh morgens kaum
unterscheiden. Hingegen unterscheiden sich bereits frühmorgens deutlich die Anzahl
von LKWs in einer Ganglinie für einen Werktags-Verlauf und einer Ganglinie für einen
Sonntags-Verlauf. Aufgrund der Zahl von LKWs früh morgens auf einer Werktags-
Ganglinie kann deshalb darauf geschlossen werden, daß sich die Anzahl der PKWs
auf einer Werktags-Ganglinie weiterentwickeln wird und daß deshalb spätmorgens die
Anzahl der PKWs auf der PKW-Ganglinie für spätmorgens zutreffend ist. Die
Kopplung der PKW-Werktags-Ganglinie und der LKW-Werktags-Ganglinie betrifft
somit insbesondere das gemeinsame Merkmal "werktags". Dieses Kopplungs-
Merkmal muß jedoch nicht grundsätzlich zur Prognose bekannt sein.
Die Kopplung kann binär oder quantisiert berücksichtigt werden. Wenn mehrere
Ganglinien in Frage kommen, kann die wahrscheinlichste ausgewählt werden.
Das Verfahren wurde zur Prognose von Verkehrsparametern entwickelt. Jedoch ist
auch ein anderer Parameter erfindungsgemäß prognostizierbar. Beispielsweise kann
aus dem morgendlichen PKW-Fluß auf die mittägliche Schadstoff-Konzentration
geschlossen werden etc.
Claims (15)
1. Verfahren zur Prognose eines ersteren den Zustand eines Systems
repräsentierenden Parameters,
wobei einen zweiten Parameter des Systems betreffende Daten mindestens
einer von mehreren, einen zeitlichen Verlauf des ersteren, den Zustand des
Systems repräsentierenden Parameters repräsentierenden Ganglinien
zugeordnet werden,
und der erstere Parameter aufgrund der Daten und der mindestens einen
zugeordneten Ganglinie für einen künftigen Zeitpunkt prognostiziert wird.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß das System ein Verkehrsnetz ist,
daß die Parameter den Zustand des Verkehrsnetzes repräsentierende
Verkehrsparameter sind,
daß die Daten einen Verkehrsparameter betreffende Verkehrsdaten für
mindestens einen Zeitpunkt sind.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß mehrere Ganglinien für die Prognose berücksichtigt werden.
4. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß jeweils für die Zuordnung der Daten zu einer Ganglinie eine die
Wahrscheinlichkeit der richtigen Zuordnung und/oder Realitätsapproximations-
Genauigkeit der Zuordnung der Daten zu dieser Ganglinie repräsentierende
Kennzahl bestimmt wird.
5. Verfahren nach Anspruch 4,
dadurch gekennzeichnet,
daß aufgrund der Kennzahl die Gewichtung mehrerer Ganglinien bei der
Prognose festgelegt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß eine Kennzahl (= Kopplungsgrad) für zwei Parameter aufgrund bisheriger
zeitlicher Verläufe der Parameter festgelegt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß eine Kennzahl zu zwei Parametern aufgrund jeweils aktueller Daten zu den
zwei Parametern wiederholt aktualisiert wird.
8. Verfahren nach Anspruch 7,
dadurch gekennzeichnet,
daß bei der Aktualisierung einer Kennzahl aktuellere Daten stärker
berücksichtigt werden als ältere Daten.
9. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Varianz (= Variabilität) der zu einer Ganglinie verdichteten Verläufe von
Parametern bestimmt und bei der Festlegung einer Kennzahl und/oder einer
Prognose berücksichtigt wird.
10. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß Kennlinien mit einem über einem Schwellwert liegenden Alter seit ihrer
letzten Aktualisierung gelöscht werden.
11. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Kennzahl (= Kopplungsgrad) mehr als binär quantifiziert ist und den
Grad der Kopplung zweier Parameter repräsentiert.
12. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß das Verfahren in einem neuronalen Netz abläuft.
13. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß eine Ganglinie aufgrund des bestimmten zeitlichen Verlaufs eines
Parameters bestimmt wird.
14. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die in einer Verkehrszentrale erstellte Prognose berücksichtigende Daten
per Funk, insbesondere Mobilfunk, insbesondere GSM-SMS, an einen
Verkehrsteilnehmer übermittelt werden.
15. Vorrichtung zum Durchführen des Verfahrens nach einem der vorhergehenden
Ansprüche und/oder Merkmalen mindestens eines der vorhergehenden
Ansprüche.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19753034A DE19753034A1 (de) | 1997-11-18 | 1997-11-18 | Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens |
PCT/DE1998/002932 WO1999026210A1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters und vorrichtung zum durchführen des verfahrens |
DE59807678T DE59807678D1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters |
EP98958804A EP1032927B1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters |
AT98958804T ATE235729T1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19753034A DE19753034A1 (de) | 1997-11-18 | 1997-11-18 | Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19753034A1 true DE19753034A1 (de) | 1999-06-17 |
Family
ID=7850246
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19753034A Withdrawn DE19753034A1 (de) | 1997-11-18 | 1997-11-18 | Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens |
DE59807678T Expired - Lifetime DE59807678D1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE59807678T Expired - Lifetime DE59807678D1 (de) | 1997-11-18 | 1998-09-25 | Verfahren zur prognose eines den zustand eines systems repräsentierenden parameters, insbesondere eines den zustand eines verkehrsnetzes repräsentierenden verkehrsparameters |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP1032927B1 (de) |
AT (1) | ATE235729T1 (de) |
DE (2) | DE19753034A1 (de) |
WO (1) | WO1999026210A1 (de) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001020574A1 (de) * | 1999-09-14 | 2001-03-22 | Daimlerchrysler Ag | Verfahren zur verkehrszustandsüberwachung für ein verkehrsnetz mit effektiven engstellen |
DE10022812A1 (de) * | 2000-05-10 | 2001-11-22 | Daimler Chrysler Ag | Verfahren zur Verkehrslagebestimmung auf Basis von Meldefahrzeugdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten |
EP1176569A2 (de) * | 2000-07-28 | 2002-01-30 | DaimlerChrysler AG | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
DE10163505A1 (de) * | 2001-12-21 | 2003-07-17 | Siemens Ag | Verfahren zur Untersuchung einer Messgröße |
DE10200492B4 (de) * | 2002-01-03 | 2004-02-19 | DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH | Verfahren zur selbstkonsistenten Schätzung von prädiktiven Reisezeiten bei Verwendung von mobilen oder stationären Detektoren zur Messung erfahrener Reisezeiten |
DE102005055245A1 (de) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Verfahren zur Erstellung einer Verkehrsmusterdatenbank |
AT503846B1 (de) * | 2006-07-03 | 2008-07-15 | Hofkirchner Hubertus Mag | Verahren und system zur automatisierten ermittlung von optimierten prognosen |
DE202004021667U1 (de) | 2004-03-16 | 2010-05-12 | Epoq Gmbh | Prognosevorrichtung zur Bewertung und Vorhersage stochastischer Ereignisse |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542801B (zh) * | 2011-12-23 | 2014-10-08 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统及方法 |
CN102568205B (zh) * | 2012-01-10 | 2013-12-04 | 吉林大学 | 非常态下基于经验模态分解和分类组合预测的交通参数短时预测方法 |
CN109448361B (zh) * | 2018-09-18 | 2021-10-19 | 云南大学 | 居民交通出行流量预测系统及其预测方法 |
CN110910659B (zh) * | 2019-11-29 | 2021-08-17 | 腾讯云计算(北京)有限责任公司 | 一种交通流量预测方法、装置、设备以及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539645A (en) * | 1993-11-19 | 1996-07-23 | Philips Electronics North America Corporation | Traffic monitoring system with reduced communications requirements |
DE19604084A1 (de) * | 1995-03-23 | 1996-10-02 | Deutsche Telekom Mobil | Verfahren und Einrichtung zur Ermittlung von Dynamischen Verkehrsinformationen |
ATE182709T1 (de) * | 1995-04-28 | 1999-08-15 | Inform Inst Operations Res & M | Verfahren zur störungserkennung im strassenverkehr |
-
1997
- 1997-11-18 DE DE19753034A patent/DE19753034A1/de not_active Withdrawn
-
1998
- 1998-09-25 WO PCT/DE1998/002932 patent/WO1999026210A1/de active IP Right Grant
- 1998-09-25 EP EP98958804A patent/EP1032927B1/de not_active Expired - Lifetime
- 1998-09-25 DE DE59807678T patent/DE59807678D1/de not_active Expired - Lifetime
- 1998-09-25 AT AT98958804T patent/ATE235729T1/de active
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001020574A1 (de) * | 1999-09-14 | 2001-03-22 | Daimlerchrysler Ag | Verfahren zur verkehrszustandsüberwachung für ein verkehrsnetz mit effektiven engstellen |
US6813555B1 (en) | 1999-09-14 | 2004-11-02 | Daimlerchrysler Ag | Method for monitoring the condition of traffic for a traffic network comprising effective narrow points |
DE10022812A1 (de) * | 2000-05-10 | 2001-11-22 | Daimler Chrysler Ag | Verfahren zur Verkehrslagebestimmung auf Basis von Meldefahrzeugdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten |
US6470262B2 (en) | 2000-05-10 | 2002-10-22 | Daimlerchrysler Ag | Method for traffic situation determination on the basis of reporting vehicle data for a traffic network with traffic-controlled network nodes |
EP1176569A2 (de) * | 2000-07-28 | 2002-01-30 | DaimlerChrysler AG | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
US6522970B2 (en) | 2000-07-28 | 2003-02-18 | Daimlerchrysler Ag | Method for determining the traffic state in a traffic network with effective bottlenecks |
EP1176569A3 (de) * | 2000-07-28 | 2003-05-14 | DaimlerChrysler AG | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
DE10163505A1 (de) * | 2001-12-21 | 2003-07-17 | Siemens Ag | Verfahren zur Untersuchung einer Messgröße |
DE10200492B4 (de) * | 2002-01-03 | 2004-02-19 | DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH | Verfahren zur selbstkonsistenten Schätzung von prädiktiven Reisezeiten bei Verwendung von mobilen oder stationären Detektoren zur Messung erfahrener Reisezeiten |
DE202004021667U1 (de) | 2004-03-16 | 2010-05-12 | Epoq Gmbh | Prognosevorrichtung zur Bewertung und Vorhersage stochastischer Ereignisse |
DE102005055245A1 (de) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Verfahren zur Erstellung einer Verkehrsmusterdatenbank |
AT503846B1 (de) * | 2006-07-03 | 2008-07-15 | Hofkirchner Hubertus Mag | Verahren und system zur automatisierten ermittlung von optimierten prognosen |
Also Published As
Publication number | Publication date |
---|---|
WO1999026210A1 (de) | 1999-05-27 |
EP1032927A1 (de) | 2000-09-06 |
DE59807678D1 (de) | 2003-04-30 |
ATE235729T1 (de) | 2003-04-15 |
EP1032927B1 (de) | 2003-03-26 |
WO1999026210A8 (de) | 1999-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1212738B1 (de) | Verfahren zur verkehrszustandsüberwachung für ein verkehrsnetz mit effektiven engstellen | |
DE19753034A1 (de) | Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens | |
EP2953111B1 (de) | Verfahren und vorrichtung zur ermittlung freier abstellplätze auf lkw-parkplätzen und mitteilung an lkw-fahrer | |
EP1614996B1 (de) | Verfahren und Routenplanungssystem zur dynamischen Routenplanung | |
DE102015225893A1 (de) | Verfahren und System zur Optimierung der Parkplatzsuche eines Fahrzeuges und ein Computerprogrammprodukt | |
WO1997029470A1 (de) | Verfahren zur erfassung von verkehrslagedaten | |
EP1176569A2 (de) | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen | |
DE69937319T2 (de) | Fahrzeugverteilungssystem | |
WO2002063587A1 (de) | Aktualisierung von routen- und verkehrsflussdaten sowie fahrzeugnavigationsgerät | |
DE102013000385A1 (de) | Verfahren und Navigationssystem zum Ermitteln eines Fahrroutenvorschlags für eine bevorstehende Fahrt mit einem Kraftwagen | |
DE10057796A1 (de) | Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose | |
DE102006017845A1 (de) | System und Verfahren zur Parkbuchtreservierung für LKWs | |
DE102017214686A1 (de) | Fahrsystem, Verfahren, sowie ein korrespondierendes Computerprodukt zur Identifikation eines zweckmäßigen Übergabepunkts zur Übergabe der Kontrolle zwischen Fahrzeug und Fahrer sowie zu einer entsprechenden Routenplanung | |
DE10108611A1 (de) | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz | |
WO1996002040A1 (de) | Verfahren und system zur automatischen, rechnersystemgestützten optimierung | |
DE102014214758A1 (de) | Verfahren für ein Navigationssystem | |
DE19964498A1 (de) | Verfahren und System zur Überwachung der verfügbaren Ressourcen in einem Herstellungsprozeß | |
EP3279049A1 (de) | Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn | |
DE102018009790A1 (de) | Verfahren zur dynamischen Routenplanung | |
DE102020208620A1 (de) | Verfahren und Vorrichtung zum Betreiben eines streckengebundenen Transportsystems mithilfe von Methoden künstlicher Intelligenz | |
DE112021003100T5 (de) | Verfahren zum Verwalten der Verteilung eines zum Ankunftspunkt fahrenden Fahrzeug, dazu verwendeter Verwaltungsserver, und Aufzeichnungsmedium, auf dem Programm zum Ausführen des Verfahrens aufgezeichnet ist | |
DE102014203226A1 (de) | Verfahren und System zum Bereitstellen von Eingangsdaten für ein Verkehrsmodell eines Verkehrsnetzes | |
DE102021100424A1 (de) | Verfahren zum Prädizieren eines Fahrerfehlers, insbesondere eines menschlichen Versagens in einem Fahrzeug | |
DE102020107268A1 (de) | Menschenmengenorganisationsverfahren | |
DE102019000617A1 (de) | Verfahren zur automatischen Erkennung mindestens einer Verkehrsstörung auf einer Route eines Fahrzeugs, Navigationssystem zum Ausführen eines solchen Verfahrens, sowie Fahrzeug mit einem solchen Navigationssystem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8130 | Withdrawal |