DE19944888A1 - Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung - Google Patents
Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer DomänenbildungInfo
- Publication number
- DE19944888A1 DE19944888A1 DE19944888A DE19944888A DE19944888A1 DE 19944888 A1 DE19944888 A1 DE 19944888A1 DE 19944888 A DE19944888 A DE 19944888A DE 19944888 A DE19944888 A DE 19944888A DE 19944888 A1 DE19944888 A1 DE 19944888A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic
- location
- vectors
- domains
- state
- 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.)
- Ceased
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)
- Image Processing (AREA)
- Image Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Description
Im Straßenverkehr, insbesondere auf den Autobahnen und Schnellstraßen, können
sich die Verkehrszustände sehr schnell ändern. Infolge des hohen Verkehrsflusses
und der individuellen Fahrweise der Verkehrsteilnehmer entsteht eine Dynamik im
Verkehr, die kaum vorausschauend erkannt werden kann. Hinzu kommen
Störungseinflüsse wie Geschwindigkeitsbegrenzungen, Änderung der Anzahl der
Fahrspuren, Baustellen und Unfälle, welche plötzlich eine Fahrspur oder die ganze
Autobahn blockieren. Die Störungen breiten sich dann wellenartig aus und führen auch
in größeren Entfernungen zur Beeinträchtigung des Verkehrs. Auch die
Gegenfahrbahnen sind in der Regel betroffen, weil auch dort die Verkehrsteilnehmer
angesichts des Geschehens ihre Geschwindigkeit aus verschiedenen Beweggründen
drosseln. Durch diese Verkehrsdynamik kommt es häufig zu einzelnen oder Serien-
Auffahrunfällen, weil der Sicherheitsabstand nicht eingehalten worden war oder die
Fahrer diese kritische Verkehrsdynamik einfach nicht mehr beherrschen.
Es besteht deshalb ein dringender Bedarf an rechtzeitigen und aktuellen Informationen
über die Verkehrszustände in örtlich möglichst genau bezeichneten
Streckenabschnitten. Dabei ist nicht nur das Stauereignis wichtig, sondern auch die
streckenbezogene Angabe von Verkehrszuständen, welche einem Verkehrsstau in der
Regel voraus gehen, zum Beispiel stockender oder dichter Verkehr. Es ist also eine
differenzierte Erkennung der Verkehrszustände erwünscht und notwendig, und zwar
trotz häufigem Fehlen von Zusatzinformationen über den aktuellen Stand der
Strecken, z. B. über Baustellen, Zahl der Fahrspuren oder deren topologischen Verlauf:
Steigungen, Gefällstrecken u. ä.
Steigungen, Gefällstrecken u. ä.
Die Verkehrsdomänen mit in einer Verkehrsdomäne jeweils überall gleichen oder
ähnlichen Verkehrszuständen breiten sich aus, sie wachsen, teilen sich auf, wandern,
und die Verkehrszustände gehen ineinander über, bis sie sich schließlich auflösen, das
heißt wieder freie Fahrt besteht. Diese Domänen müssen also gefunden, klassifiziert,
lokalisiert und dynamisch verfolgt werden.
Daran schließt sich das Meldungsmanagement für Verkehrsmeldungen an, das
letztlich die Ergebnisse in einer für die Autofahrer geeigneten Form aufbereitet.
Bei der Realisierung dieser Zielsetzung bestehen folgende Probleme:
Aus den einzelnen Verkehrsmeßwerten ist die Verkehrslage nicht erkennbar. Dazu
müssen die Größen und Änderungen der Verkehrsmeßwerte überein bestimmtes
Zeitintervall betrachtet werden. Durch diese "Integration" darf der so ermittelte Verlauf
der Verkehrsmeßwerte jedoch nicht seine Aktualität verlieren.
Es ist ferner notwendig, Verkehrsmeßwerte von unterschiedlichen Sensoren zu
verarbeiten, die ortsfest oder mobil sein können, synchrone, asynchrone oder
ereignisinduzierte Meßwerte liefern und deren Meßwerte auch lückenhaft und sehr
verrauscht sein können.
Es ist außerdem wünschenswert, daß das Verfahren nicht an eine vorgegebene
Streckeneinteilung gebunden ist, also streckenunabhängig arbeitet und auch
Streckenkenntnisse über Spurzahl, Baustellen, Geschwindigkeitsbegrenzungen,
Topologie der Streckenabschnitte usw. nicht erforderlich sind.
Aus den Verkehrsmeßdaten kann nicht eindeutig auf die Verkehrslage an den
jeweiligen Meßpunkten geschlossen werden. Dazu ist es notwendig, den Verlauf der
Meßwerte über Ort und Zeit zu kennen. Die spezifischen Eigenschaften des Verkehrs
sind in den Meßwerten nur zusammen mit ihrem Orts-Zeitverlauf enthalten. Ziel ist
deshalb die Zusammenfassung von Verkehrsdaten verschiedenen physikalischen
Inhalts zu resultierenden Merkmalsvektoren, welche die Verkehrslage eindeutig
charakterisieren. Zusätzlich ist auch eine Unterscheidung zwischen den Zuständen
"kein Verkehr" und "Totalstau", welche die gleichen Meßwerte ergeben, erforderlich.
Das erfindungsgemäße Verfahren gemäß Anspruch 1 löst diese Probleme konsistent.
Die Erstellung von Verkehrsinformationen gemäß Anspruch 1 (wie auch nach einem
der Ansprüche 2 bis 6) kann unmittelbar oder nach Zwischenschritten erfolgen. So
können vor der Erstellung von Verkehrsinformationen im Anspruch 1 Zwischenschritte
nach Merkmalen der Ansprüche 2 bis 6 oder anderen Ansprüchen erfolgen etc.
Bei der weiteren Verarbeitung von die Verkehrssituation beschreibenden
Merkmalsvektoren ergeben sich folgende weitere Probleme:
Die differenzierten Verkehrszustände, z. B. gestreut, stockend, dicht und frei, sind
nicht eindeutig definierbar und abgrenzbar bezüglich der Eingangsdaten. Binäre
Grenzübergänge zwischen diesen Verkehrszuständen entsprechen auch nicht dem
subjektiven Empfinden der Verkehrsteilnehmer. Es ist deshalb eine graduelle
Beschreibung der Verkehrszustände und ein gleitender Übergang von Zustand zu
Zustand notwendig.
Die Beschreibung der Verkehrszustände an einem Ort muß vergleichbar sein Es ist
auch eine einheitliche Skalierung für nachfolgende Berechnungen und die
Zusammenfassung aller Merkmale an einem Ort erforderlich.
Gegenstand des Anspruchs 2 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Weiterverarbeitung einer solchen Verkehrszustandsbeschreibung ergeben sich
folgende Probleme:
Die Verkehrsmeßwerte, die mit verschiedenen Sensoren erfaßt werden und als
Quellinformationen für die Verkehrszustandsbeschreibungen dienen, sind sowohl
örtlich als auch zeitlich lückenhaft. Lücken können auch dadurch entstehen, daß an
einem Ort keine oder zu wenig Meßwerte vorhanden sind. In diesen Fällen können die
Verkehrszustände an diesen Orten nicht direkt ermittelt werden.
Die Verkehrszustände können direkt nur an den Meßpunkten ermittelt werden. Da
nicht beliebig viele Sensoren im Straßenverkehrsnetz angebracht werden können,
liegen auch zwischen den Meßpunkten keine Verkehrsmeßwerte vor.
Ziel ist aber eine kontinuierliche Beschreibung der Verkehrszustände über die ganze
Strecke und letztlich für das ganze Straßenverkehrsnetz.
Diese Zielsetzung kann durch eine Extrapolation der Meßwerte selbst nicht erreicht
werden. Eine Interpolation der Werte zwischen zwei Meßpunkten stattdessen ist
aufwendig und die Interpolationsweite muß begrenzt werden. Man kann die Lücken
auch mit gemittelten historischen Daten füllen. Dies führt aber zu Verfälschungen.
Ersatzwerte aus Modellrechnungen zur Schließung der Meßwertlücken auf Basis der
verfügbaren Meßwerte sind aufwendig und setzen eine hohe Qualität dieser
verfügbaren Meßwerte voraus.
Der Gegenstand des Anspruchs 3 löst diese Probleme konsistent.
Zur Bildung von Verkehrsdomänen jeweils einheitlichen Verkehrszustandes sowie
deren Verfolgung über Ort und Zeit müssen Zustandsvektoren miteinander verglichen
werden. Dabei treten folgende Probleme auf:
Die ermittelten Verkehrslagen an den verschiedenen Orten des
Straßenverkehrsnetzes müssen einem der differenzierten Verkehrszustände (gestaut,
stockend, dicht oder frei) zugeordnet werden. Zu diesem Zweck müssen die
Beschreibungen der örtlichen Verkehrslagen miteinander verglichen werden.
Ebenso müssen die zu Domänen zusammengefaßten Orte gleicher Verkehrszustände
miteinander verglichen werden, um Änderungen und Dynamik dieser Domänen
bezüglich Ort und Zeit feststellen zu können.
Diese Vergleiche können jedoch nicht als Identitätsvergleich auf der Basis identisch
gleicher Verkehrsmeßwerte oder der charakteristischen Merkmalsvektoren, welche die
lokale Verkehrssituation in anderer Form beschreiben, vorgenommen werden, weil
diese stochastischen Werte nie vollständig gleich sind, aus unterschiedlichen
physikalischen Meßwerten hervorgehen und damit verschiedene Maßeinheiten haben
und unterschiedlich skaliert sind.
Ziel ist deshalb, auf der Basis der Ortszustandsvektoren, welche in ihren Komponenten
die Wahrscheinlichkeiten für die differenzierten Verkehrszustände enthalten, mit Hilfe
eines Ähnlichkeitsmaßes sowohl die Ortszustandsvektoren als auch die Domänen
jeweils miteinander zu vergleichen.
Gegenstand des Anspruchs 4 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Segmentierung von Verkehrsdomänen in Straßenverkehrsnetzen müssen die
folgenden Probleme gelöst werden:
Orte mit gleichen oder ähnlichen Verkehrszuständen müssen zu Domänen gleicher
Verkehrszustände zusammengefaßt werden bzw. die Domänen ähnlicher
Verkehrszustände müssen voneinander segmentiert werden.
Die Domänen sollen nicht an feste Streckenabschnitte gebunden sein, sondern deren
Anfang und Ende sollen sich, entsprechend den tatsächlichen Verkehrslagen und
deren Dynamik, stetig an den richtigen Stellen festlegen lassen.
Die Domänen sollen eine Zustandsbeschreibung enthalten, die aus den
Zustandsbeschreibungen der in ihnen zusammengefaßten Orten resultiert.
Gegenstand des Anspruchs 5 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Verfolgung der Domänen und deren Zuordnung zu durch frühere
Verkehrsmeldungen ausgewiesene Domänen bestehen folgende Probleme:
Die Domänensegmentation des Straßenverkehrsnetzes muß in zeitlichen Intervallen
wiederholt werden. Diese Aktualisierungsschritte müssen sicherstellen, daß die
Segmentation immer dem aktuellen Verkehrszustand entspricht.
Die aktuell gefundenen neuen Verkehrsdomänen müssen den bereits bestehenden, im
vorhergehenden Aktualisierungsschritt gefundenen Domänen zugeordnet werden.
Das Meldungsmanagement muß daraus Neu-, Änderungs- und Löschmeldungen
erzeugen.
Gegenstand des Anspruchs 6 ist ein Verfahren, das diese Zielsetzung realisiert und
die Probleme konsistent löst. Die Verfahren gemäß den Ansprüchen 1 bis 6 wurden im
praktischen Betrieb erprobt. Die Gegenstände der Ansprüche 2 bis 6 werden im
Zusammenhang mit der Erfindung nach Anspruch 1 sowie jeweils unabhängig hiervon
beansprucht. Die Unteransprüche sind auf jeden unabhängigen Anspruch
rückbezogen.
Das erfindungsgemäße Verkehrslage-Klassifikations- und Meldungsverfahren ist auf
allen Autobahnen und Schnellstraßen zur Verringerung der Unfallgefahr einsetzbar.
Kritische Verkehrssituationen können teilweise sogar vermieden werden. Das System
ist aber nicht nur aus Sicherheitsgründen notwendig. Es ist auch die Grundlage für
Routenplanungen, Reisezeitprognosen, Stauverlaufsprognosen, Umleitungs
empfehlungen, Signal- und Verkehrsbeeinflussung sowie gegebenenfalls direkte
Fahrzeugbeeinflussung und Verkehrslenkung und zahlreiche andere Dienste.
Der einfachste Lösungsansatz ist der schon seit langem bekannte Verkehrsfunk. Die
Polizei meldet Unfälle und in deren Folge Staulängen sowie Verkehrszustände, die sie
z. Bsp. bei ihren Hubschrauber-Kontrollflügen sichten, an die Landesmeldestellen. So
nützlich der Verkehrsfunk ist, so ist die manuelle Erfassung der Verkehrsereignisse
doch lückenhaft, die Verkehrszustände sind subjektiv klassifiziert und die Aktualität der
Meldungen läßt zu wünschen übrig.
Es gibt auch andere Verfahren zur Erfassung der Verkehrslage auf Autobahnen und
Schnellstraßen. Diese bekannten Verfahren arbeiten alle mit festgelegten
Streckenabschnitten oder -segmenten nach der Schwellwertanalyse oder der Methode
der Verkehrsbilanzierung. Weiterentwicklungen sind nur Modifikationen dieser beiden
Verfahren, um ihre inhärenten Schwächen zu mindern. Das heißt: Die bekannten
Verfahren sind alle streckengebunden und können deshalb nur synchrone Meßwerte
von ortsfesten Sensoren verarbeiten.
Neuere Erfassungssysteme wie z. Bsp. der Meldungsgenerator der Firma Heusch-
Boesefeldt, arbeiten nach der Schwellwertanalyse. Sie erhalten synchrone
Verkehrsdaten von stationären Detektoren, die an den Autobahnen installiert sind.
Dabei bilden jeweils die Strecken zwischen zwei Autobahnanschlußstellen die
betrachteten Strecken. Die Streckeneinteilung und damit die Auflösung ist also starr
und relativ grob vorgegeben. Der Verkehrszustand, der einer dieser Strecken
zugeordnet wird, richtet sich ausschließlich nach den Geschwindigkeitsmeßwerten auf
dieser Strecke. Unterschreiten die gemessenen Geschwindigkeiten einen fest
vorgegebenen Schwellwert, so wird die ganze Strecke als gestaut gemeldet. Es erfolgt
also eine lokale, binäre Klassifikation, nämlich gestaut oder frei.
Bei diesem Schwellwertverfahren werden die Geschwindigkeitsmeßwerte über die
jeweils betrachtete Strecke einbezogen. Die örtliche und zeitliche Auflösung des
Verfahrens ist durch die grobe Streckeneinteilung determiniert. Die dynamische
Stauausbreitung gegen die Fahrtrichtung kann nur bedingt erfaßt werden. Die
Aktualität der erfaßten Verkehrslage ist eingeschränkt. Die Geschwindigkeitsmeßwerte
müssen als synchrone, ortsfeste Daten vorliegen. Andere Daten, z. Bsp. von mobilen
Sensoren in den Fahrzeugen (FCD) selbst, können nicht verarbeitet werden. Eine
Merkmalsbildung findet nicht statt und ist auch grundsätzlich nicht möglich.
Differenzierte Verkehrszustände können nicht erfaßt werden. Unterschiedliche
physikalische Meßwerte können auch nicht verarbeitet werden, weil sie nicht
zusammengefaßt werden können und bei Anwendung der Schwellwertanalyse auch
auf andere Meßwerte die Frage der Prioritäten nicht entscheidbar wäre. Eine
geeignete Form der Verkehrssituationsbeschreibung über den Ort für höherwertige
Verkehrszustandsklassifikationsverfahren kann nicht bereitgestellt werden.
Die Klassifikation der Verkehrszustände nach dieser Schwellwertanalyse der
Geschwindigkeiten führt zu lokalen Instabilitäten. Bei einem z. Bsp. "stop and go"-
Verkehr oder einem zäh fließenden Verkehr, der sich an der Schwellwertgrenze
bewegt, springen die Meldungen ständig zwischen gestaut und frei hin und her.
Insofern ist es auch nicht sicher, daß die Unterschreitung des Schwellwertes auch
tatsächlich ein Stauereignis ist. Die Stabilität der Meldungen muß künstlich erzwungen
werden durch die grobe Streckeneinteilung und die zusätzliche Bedingung, daß erst
eine zeitlich wiederholte Stauklassifikation bzw. Freiklassifikation einer Strecke eine
Neumeldung bzw. Löschmeldung auslöst. Das Meldungsmanagement wird dadurch
kompliziert, die örtliche und zeitliche Auflösung des Systems ist eingeschränkt und
eine dynamische Domänenverfolgung ist prinzipiell nicht möglich.
Andere bekannte Verfahren arbeiten nach dem Prinzip der Verkehrsbilanzierung.
Diese Verfahren basieren auf der Beobachtung einzelner Sektoren innerhalb einer
ganzen Strecke. Am Sektoranfang und Sektorende werden die Geschwindigkeiten und
die Verkehrsflüsse-( = Anzahl der Fahrzeuge pro Zeiteinheit) gemessen. Ein Einbruch
der Geschwindigkeit am Sektoranfang bei gleichzeitig hoher Geschwindigkeit am
Sektorende sowie eine Abnahme des Verkehrsflusses im betrachteten Sektor bzw. ein
Ansteigen oder Abfallen der integrierten Flußbilanz zwischen Sektoranfang und -ende
sind Indikatoren für einen Störfall, das heißt diese Kriterien zeigen ein Stauereignis an.
Die Verfahren arbeiten alle mit Sektoren als Meßstrecken. Sie funktionieren also nur
mit einer festen Streckeneinteilung des ganzen betrachteten Verkehrsnetzes.
Ein solches Verfahren, das in den Produktwerbeschriften "Open Road,
Verkehrstechnische Steuerungen, Analysen und Prognosen" und "OpenRoad, Traffic
Control, Data Analysis and Forecast" der Inform GmbH, Aachen zu OpenRoad, in der
Leistungsbeschreibung "OpenRoad Verkehrsdatenanalyse" der Inform GmbH vom
14.10.1997 und in der Publikation von Steinauer, Krux und Offermann, "Fuzzy-Logik
kontra Schwellwertanalyse bei der Störfallerkennung" in der Straßenverkehrstechnik
7/1997 beschrieben ist, arbeitet nach dem Prinzip der Verkehrsbilanzierung. Dieses
"Störfallerkennungsverfahren" basiert auf der Beobachtung einzelner Sektoren
innerhalb einer ganzen Strecke. Am Sektoranfang und Sektorende werden die
Geschwindigkeiten und die Verkehrsflüsse ( = die Anzahl der Fahrzeuge pro
Zeiteinheit) gemessen. Ein Einbruch der Geschwindigkeit am Sektoranfang bei
gleichzeitig hoher Geschwindigkeit am Sektorende sowie eine Abnahme des
Verkehrsflusses im betrachteten Sektor sind ein Indikator für einen Störfall, das heißt
diese Kriterien zeigen ein Stauereignis an.
Ein modifiziertes, verfeinertes Verfahren zur Störfallerkennung ist die dynamische
Verkehrsbilanzierung (Publikation von Steinauer, Krux und Offermann,
Straßenverkehrstechnik 71997; US-Patent-5,684,475 von Krause und Pozybill 1996;
Openroad Verkehrsdatenanalyse, Leistungsbeschreibung, 1997). Bei diesem
Verfahren wird auf der Basis der am Sektoranfang ermittelten lokalen Meßgrößen
Geschwindigkeit und Verkehrsfluß sowie der Länge des betrachteten Sektors die
Reisezeit der Fahrzeuge durch den Sektor prognostiziert und damit eine Vorhersage
für den Verkehrsfluß am Sektorende gemacht. Es wird dann am Sektorende für kleine
Zeitintervalle die Differenz zwischen dem gemessenen und dem prognostizierten
Verkehrsfluß bestimmt und integriert. Liegt eine störungsfreie Situation vor, so werden
sich die positiven und negativen Abweichungen über der Zeit gegenseitig aufheben.
Die kumulierte Differenz schwankt in diesem Fall etwas um die Nullinie. Liegt jedoch
ein Störfall in dem Sektor vor, so liegt der Prognosewert im zeitlichen Verlauf über den
Meßwerten. Die kumulierte Differenz der Verkehrsflüsse ist also ein Indikator für den
Störfall.
Die Prognose unterliegt Unsicherheiten, die analytisch nicht faßbar sind. Das
subjektive Verhalten der Fahrer innerhalb des Sektors ist nicht vorhersehbar. Es
werden daher Annahmen über die Verteilung des Fahrverhaltens der
Verkehrsteilnehmer getroffen. Topologische Gegebenheiten wie Steigungen und
Gefällstrecken oder Tagesbaustellen können die Fahrzeit durch den Sektor
beeinflussen. Schließlich gehen durch die Intervallbildung die exakten
Eintrittszeitpunkte der Fahrzeuge in den Sektor verloren, das heißt es erfolgt eine
Datenreduktion. Die Differenzbildung unterliegt deshalb stochastischen
Schwankungen. Aus Verkehrsfluß, Geschwindigkeit und kumulierter Differenz der
Verkehrsflüsse werden deshalb mit Hilfe der Fuzzy-Logik sechs Stufen der
Verkehrsqualität ermittelt, welche die Verkehrszustände in dem Sektor
charakterisieren: frei, lebhaft, dicht, gebunden, zäh und gestaut. Die Verkehrszustände
frei, lebhaft, dicht und gebunden werden über die sektorielle Verkehrsdichte bestimmt,
die Unterscheidung zwischen gebunden, zäh und gestaut wird über die
Reisegeschwindigkeit getroffen. Die Klassifikation der Verkehrszustände erfolgt also
anhand der Meßwerte durch Einteilung der Meßwerte in Bereiche.
Die Differenzbildung ist sehr empfindlich gegenüber fehlerhaften Ausgangsdaten. Für
die praktische Anwendbarkeit muß deshalb ein "Stabilisierungsmechanismus" in Form
eines Korrekturgliedes, abhängig von der Qualität der Sensorik, eingeführt werden. Die
sektorbezogene Reisegeschwindigkeit wird mit der theoretisch ermittelten
Durchfahrzeit berechnet. Dieser aus lokalen Größen ermittelte Wert muß über die
sektorbezogene Betrachtung korrigiert werden. Die Auswahl zwischen lokaler und
sektorbezogener Betrachtung wird durch die Fuzzy-Logik getroffen. Diese Auswahl
erfolgt nach der Qualität der Datenerfassung.
Auch bei diesem Algorithmus springt in Grenzfällen die Bewertung hin und her. Über
den Vergleich der aktuellen Bewertung mit der im letzten Erfassungszyklus wird ein
Hystereseverhalten zur Stabilisierung eingesetzt.
Sowohl das einfache als auch das dynamische Verkehrsbilanzierungsverfahren
benötigen synchrone, ortsfest gemessene Verkehrsdaten. Asynchrone Daten von
z. Bsp. sogenannten Floating-Cars können nicht verwertet werden. Es ist auch keine
dynamische Domänenbildung und -verfolgung für die klassifizierten Verkehrszustände
möglich. Die Meßsektoren sind systembedingt festgelegt und stellen eine starre
Einteilung der Verkehrszustände bzgl. fester Strecken dar. Die Systembezeichnung
"dynamisch" hat deshalb nur für die Differenzbildung in Zeitintervallen Gültigkeit, deren
Ergebnisse aber korrigiert werden müssen.
Ein Meldungsmanagement wird hier nicht angestrebt, weil dieses Verfahren für die
Steuerung einer Streckenbeeinflussungsanlage gedacht ist. Es sind dazu relativ kurze
Segmente und innerhalb jedes Segmentes mehrere Signalanzeigen notwendig, sonst
ist das Wachstum eines Staus gegen die Fahrtrichtung schneller als die Anzeige. Das
Verfahren setzt auch Kenntnisse bezüglich der betrachteten Strecken voraus. Der
Aufwand für die Streckeneinrichtungen ist groß, und trotzdem ist ein Überblick über die
Verkehrslage ohne dynamische Domänenbildung und ein dynamisches
Meldungsmanagement nicht vorhanden. Das Verfahren ist auch nicht fehlertolerant.
Beim Ausfall einzelner Meßstellen oder ganzer Erfassungsquerschnitte bricht das
System zusammen und zeigt permanent falsche Verkehrszustände an. Deshalb ist ein
Ersatzwertverfahren, z. Bsp. über eine redundante Zweitdatenerfassung oder über eine
Modellbildung zur Überwachung und Fehlererkennung absolut notwendig.
Das dynamische Verkehrsbilanzierungsverfahren wurde weiter modifiziert, um seine
Schwächen zu vermeiden (Siemens/WO9525321A1: "Method of sensing traffic and
detecting traffic situations on roads, preferably freeways", 1995 und 1997). Bei diesem
modifizierten Verfahren zur Verkehrssituationserkennung ist die Grundlage wieder eine
Meßstrecke zwischen zwei Meßpunkten und die Differenzbildung, in diesem Fall
jedoch nicht der Verkehrsflüsse, sondern der Geschwindigkeits-Verkehrsdichte-Werte,
welche aus den lokalen Daten berechnet werden. Zusätzlich wird ein Trendfaktor aus
dem Verhältnis der Verkehrsflüsse zwischen den beiden Meßpunkten über eine
vorgegebene Zeitperiode von z. Bsp. 30 Minuten und die erste Ableitung, das heißt die
Steigung der Tangente, berechnet. Aus diesen drei Verkehrsparametern wird mit Hilfe
einer Fuzzy-Logik ein Indikator für eine kritische Verkehrssituation in der Meßstrecke
detektiert.
Eine Weiterentwicklung des gleichen Verfahrens verwendet eine dynamische
Kalibrierung der genannten Verkehrsparameter, abhängig von ihren
Vergangenheitswerten, zur Korrektur der Differenzbildungen
(Siemens/WO9525321A1: "Method of Detecting Traffic and Traffic Situations on
Roads, Preferably Motorways"). Der Kalibrierungsfaktor für die Geschwindigkeits-
Dichte-Differenz wird außerdem als Schwellwert benutzt, dessen Überschreitung eine
kritische Verkehrssituation anzeigt. Mit diesen Maßnahmen wird die Abhängigkeit der
Differenzbildungen von vielen Einflußgrößen wie der Distanz zwischen den
Meßpunkten, den Meßfehlern und -toleranzen, der Geometrie bzw. Topologie der
Meßstrecke, dem Straßenzustand, der unterschiedlichen Fahrweise bei Tag und Nacht
usw. korrigiert.
Bei diesen bilanzierenden Verfahren erfolgt die Klassifizierung der Verkehrszustände
direkt anhand der Meßwerte durch Einteilung der Meßwerte in Bereiche. Bei dem
zuletzt genannten Verfahren wird auf den Verkehrsfluß, die Geschwindigkeit und die
integrierte Flußbilanz eine Fuzzy-Logik angewendet zur Klassifizierung der
Verkehrszustände, die damit bereits endgültig festgelegt werden. Eine
Zusammenfassung von verschiedenen Merkmalen erfolgt nicht. Die so ermittelten
Verkehrszustände für die jeweiligen Meßstrecken sind, nicht kontinuierlich, gleitende
Übergänge sind nicht adäquat beschreibbar. Die real vorhandene Verkehrsdynamik
wird damit bei der Erfassung der Verkehrszustände weitgehend unterdrückt.
Da alle diese Verfahren nur mit einer festen Streckeneinteilung des ganzen
betrachteten Verkehrsnetzes arbeiten, kann die Entscheidung für einen bestimmten
Verkehrszustand aufgrund der Meßwerte am Anfang und Ende einer Meßstrecke
deshalb immer nur für die jeweilige Strecke getroffen werden. Mit diesen Verfahren
kann prinzipiell der graduelle Verlauf der Zustandsinformation über die betrachtete
Strecke nicht ermittelt werden.
Entsprechend gibt es bei diesen Verfahren auch keine graduelle
Zustandsbeschreibung. Deshalb können sie auch kein auf einer solchen
Zustandsbeschreibung basierendes Ähnlichkeitsmaß für die Zuordnung der
Verkehrslagen an den verschiedenen Orten zu den differenzierten Verkehrszuständen
verwenden.
Nachfolgend können deshalb auch nur die Streckenabschnitte zusammengefaßt
werden, bei denen anhand der Meßwerte auf den vorgegebenen Strecken die
Entscheidung für den gleichen Verkehrszustand getroffen wurde. Diese Systeme
können Anfang und Ende der Verkehrsdomänen, in denen die gleichen
Verkehrszustände herrschen, nicht ausweisen, sondern nur im Rahmen der
funktionsbedingten Streckeneinteilung. Eine dynamische Domänenbildung ist bei den
bekannten Verfahren prinzipiell nicht möglich.
Damit ist folglich auch keine dynamische Domänenverfolgung möglich. Auch das
Meldungsmanagement unterliegt diesen Einschränkungen.
Die bekannten Verfahren lösen die dargestellten Probleme nicht und sie bieten auch
keinen Lösungsansatz:
- - Nur synchrone Meßdaten von stationären Sensoren können verarbeitet werden.
- - Die Verfahren sind alle streckengebunden, wodurch die örtliche Auflösung eingeschränkt ist.
- - Als Merkmal wird nur die über die Zeit integrierte Flußdifferenz berechnet.
- - Der Verlauf der Meßwerte über Ort und Zeit wird nur integriert über die festgelegte Meßstrecke, das heißt an zwei Meßpunkten, ermittelt.
- - Es gibt keine graduelle Beschreibung des Verkehrszustandes über den Ort, der auch gleitende Übergänge adäquat erfassen kann.
- - Eine Ähnlichkeitszuordnung auf Basis einer kontinuierlichen Zustandsbeschreibung ist daher weder für einzelne Orte noch für ausgewiesene Verkehrsdomänen möglich.
- - Eine dynamische Bestimmung und Verfolgung der Verkehrsdomänen über den Ort und die Zeit ist damit nicht möglich. Das Meldungsmanagement unterliegt den gleichen Einschränkungen.
Die bekannten Verfahren sind deshalb für die Praxis zur Erfassung des
Verkehrszustandes an einzelnen Orten sowie der Verkehrslage im
Straßenverkehrsnetz nur eingeschränkt brauchbar.
Besondere Vorteile und weitere Merkmale eines erfindungsgemäßen Verfahrens und
Systems ergeben sich aus der nachfolgenden Beschreibung eines Ausführungs
beispiels anhand der Zeichnung. Dabei zeigt:
Fig. 1 Zeitfunktionen der Meßwerte von Induktionsschleifen für ein
Stauereignis,
Fig. 2 Mediangefilterte Zeitfunktionen aus Fig. 1,
Fig. 3 Dilatierte Tophat-Funktion der Breite 15 Minuten angewendet auf die
Geschwindigkeitsmeßwerte bei stockendem Verkehrszustand,
Fig. 4 Schematische Darstellung der Verarbeitungskette:
Eingehende Verkehrsmeßwerte:
Eintrag in die Historienfenster über Ort x und Zeit t, Bildung von Merkmalsvektoren je Ort nach den orts-zeitlichen Filterungen der Meßwerte,
Eingehende Verkehrsmeßwerte:
Eintrag in die Historienfenster über Ort x und Zeit t, Bildung von Merkmalsvektoren je Ort nach den orts-zeitlichen Filterungen der Meßwerte,
Fig. 5 Skizze eines Merkmalsraumes mit Klasseneinteilung,
Fig. 6 Fuzzy-Klassifikations- bzw. Diskriminanzfunktionen für die örtlich und
zeitlich gefilterten Meßgrößen (oder die Merkmale),
Fig. 7 Bestimmung des normierten Ortszustandsvektors an einem Ort x aus
den Zustandsvektoren je Merkmal, die sich aus den Merkmalen durch
Fuzzy-Klassifikation ergeben,
Fig. 8 Zustandsextrapolation der Zustandsvektorkomponenten über den Ort
mit z. B. einem lokalen Gaußfilter,
Fig. 9 Skizze zur Visualisierung der Ergebnisse des.
Domänenwachstumsverfahrens auf Basis der Ortszustandsvektoren,
Fig. 10 Skizze zur Visualisierung der Ergebnisse und die zeitliche Zuordnungen
der durch die Meldungen
ausgewiesenen Verkehrsdomänen zu aufeinanderfolgenden
Zeitpunkten,
Fig. 11 Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel
eines Stauereignisses,
Fig. 12 Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel
eines Stauereignisses bei gleichzeitiger Darstellung der
Geschwindigkeitsmeßwerte im Hintergrund.
Im folgenden werden beispielhaft die Eigenschaften eines erfindungsgemäßen
effizienten Verkehrslage-Klassifikations- und -Meldungssystems präzisiert.
Die Verkehrszustände gestaut, stockend, dicht und frei werden mittels Merkmalen
klassifiziert. Weitere Zustände können bei Bedarf durch Einbindung weiterer Merkmale
ergänzt werden.
Ähnliche Verkehrszustände, welche durch örtliche Zustandsindikatoren festgestellt
wurden, werden zu Verkehrsdomänen zusammengefaßt. Wachstum, Wanderung,
gegebenenfalls Teilung sowie Übergänge dieser Domänen in die anderen
klassifizierten Verkehrszustände bis zu ihrer Auflösung in der Klasse "frei" werden
dynamisch verfolgt.
Die Domänenbildung ist nicht an ein streckenabhängiges oder stabilitätsbedingtes
Raster gebunden. Die Feinheit der örtlichen Auflösung ist wählbar.
Die "Wahrscheinlichkeiten" für die angezeigten Verkehrszustände bzw. deren
Signifikanz werden festgestellt.
Das Meldungsmanagement stützt sich auf die ermittelte Dynamik der Domänen und ist
nicht an feste Orte gebunden.
Neu ermittelte Domänen können bereits gemeldeten Domänen über ein
Ähnlichkeitsmaß zugeordnet werden. Da die Zustände der Domänen kontinuierlich
beschrieben werden, läßt das Verfahren auch Zustandsübergänge im Lebenslauf einer
Domäne zu.
Der Algorithmus bietet Freiheitsgrade, um über Parameter die gewünschte Sensibilität
des Systems bzgl.
- - der zeitlichen Reaktion auf eingehende Daten,
- - der Auflösung bei der Sicht des Systems auf die Verkehrsdomänen und
- - der Häufigkeit von Meldungen ohne Beeinflussung der Domänenbildung
anzupassen.
Es sind keine Streckenkenntnisse erforderlich. Es sind auch keine weiteren
Modellbildungen notwendig. Falls solche Zusatzinformationen jedoch vorhanden sind,
können sie zur weiteren Verbesserung der Systemergebnisse durch ergänzende
Verwendung von Verkehrsmodellen leicht genutzt werden.
Die Qualität der Meldungen wird realisiert durch eine hohe örtliche und zeitliche
Auflösung und einer damit hohen Aktualität, durch die Konsistenz der Meldungen,
unabhängig von der Herkunft der Daten und vom jeweiligen Detektortyp, und durch
eine hohe Stabilität. Es erfolgt eine frühzeitige Warnung vor staugefährdeten
Streckenabschnitten durch die Meldung der Zustände dicht und stockend.
Das System basiert auf einer kontinuierlichen Beschreibung der Verkehrszustände.
Sein Algorithmus kann synchrone, asynchrone und ereignisinduzierte Verkehrsdaten
auch unterschiedlichen physikalischen Inhalts verarbeiten und nutzen. Die Meßstellen
können ortsfest sein, es kann aber auch an variablen Orten gemessen werden.
Das System benötigt keine aufwendige Interpolation der Meßwerte entlang der
betrachteten Straßen.
Die Meldungen des Systems werden zum Funktionstest mit realen historischen
Verkehrsdaten und zur Überwachung im Betrieb in Kongruenz mit den
Verkehrsmeßwerten visualisiert. Die Visualisierung zeigt auch die Dynamik der
Verkehrslage.
Däs System ermöglicht auch die Unterscheidung zwischen einem Totalstau und völlig
freiem Verkehr, obwohl in diesen beiden Extremfällen jeweils keine sinnvollen
Verkehrsmeßwerte vorliegen.
Nach jedem Verarbeitungszyklus liegt für jede betrachtete Straße eine Liste
gemeldeter Verkehrsdomänen vor, die eine lückenlose dynamische Darstellung der
Verkehrssituation des betrachteten Straßennetzes darstellt.
Grundlage eines solchen Systems sind die folgenden, auch einzeln sinnvoll
verwendbaren Verfahren zur Verarbeitung und Aufbereitung von
Verkehrsinformationen.
Das erfindungsgemäße Verfahren zur Verkehrslageerfassung mit Historienfenster,
mehrdimensionaler morphologischer Datenfilterung und Merkmalsvektorbildung erhält
Verkehrsdaten von verschiedenen Sensoren als Quellinformationen und setzt diese
über orts-zeitliche Filterungen in Merkmale je Meßort um, welche die örtliche
Verkehrssituation beschreiben.
Induktionsschleifen sind stationär in unterschiedlichen Abständen an der Autobahn
installiert und liefern synchron, gemittelt über die Taktzeit, die Meßwerte für die
Geschwindigkeit, den Verkehrsfluß, den Zeitpunkt und den Ort der Messung.
Geschwindigkeits- und Flußwerte können auch getrennt für PKWs und LKWs
vorliegen.
Infrarot- oder Radarsensoren sind ebenfalls ortsfest und liefern ereignisinduziert
asynchrone Meßwerte.
"Floating-Cars" messen nur die Geschwindigkeit jeweils eines Fahrzeuges in diesem
Fahrzeug, also an variablen Orten und asynchron. Die Meßwerte sind also
Geschwindigkeit, Zeitpunkt und Ortskoordinate der Messung.
Aus diesen Quelldaten wird die lokale Verkehrsdichte berechnet und die Meßvektoren
über Ort x und Zeit t gebildet. Die Meßwerte können zeitweise ausfallen, so daß
örtliche und zeitliche Lücken entstehen, zusätzlich zu den Orten, die nicht durch
Detektoren abgedeckt sind. Diese Daten unterschiedlicher Herkunft und Qualität
werden nun zu konsistenten und stabilen Aussagen über die Verkehrssituation
verarbeitet.
Zunächst werden fehlerhafte Daten eliminiert. Konnte der über die Taktzeit gleitende
Mittelwert der Geschwindigkeit mangels Verkehr nicht bestimmt werden, so wird ein
speziell definierter Wert angezeigt. Die Meßwerte fehlen aber auch dann, wenn eine
Vollsperrung des Verkehrs vorliegt. In beiden Fällen ist der Fluß null. Für die
Entscheidung, welche Situation wirklich vorliegt, dient ein Gedächtnis über den
vorgängigen Verlauf der Geschwindigkeit und des Flusses. Da innerhalb eines Staus in
kleinen Bereichen sehr kleine Fluß- und Geschwindigkeitswerte auftreten können,
werden Werte unterhalb einer Mindestgröße nicht zur Dichteberechnung
herangezogen.
Alle Meßvektoren werden über gleitende "Historienfenster" je Meßwertkategorie -
Geschwindigkeit v, Verkehrsfluß f und Dichte d - von z. Bsp. 20 min weitergegeben. Die
weiter zurückliegenden Werte werden gelöscht. Der Ort ist in diesen Historienfenstern
in kleinen Intervallen von z. Bsp. 200 m diskretisiert, die Zeit in Intervallen von z. Bsp. 1
Minute. Die Historienfenster werden im Takt der synchronen Detektordaten von z. Bsp.
1 min weitergeführt. So erhält man die Meßwerte als gleitende Zeitfunktionen unter
Erhaltung des Orts-Zeit-Bezugs und mit großer Aktualität (Fig. 4).
Da die Meßwerte stark verrauscht sind (Fig. 1), wird eine örtliche und zeitliche Filterung
der Geschwindigkeits- und Dichte-Werte durchgeführt, um die Schwankungen zu
senken, ohne jedoch signifikante Zustandsübergänge zu unterdrücken. Die Analyse
der Zeitfunktionen der Meßvektoren zeigt, daß dazu ein Medianfilter geeignet ist (Fig.
2).
Als Merkmal für den stockenden Verkehr wird die Standardabweichung der Flußwerte
aus dem Historienfenster und die dilatierte Tophat-Funktion der Geschwindigkeiten mit
z. Bsp. 15 Minuten Breite herangezogen (Fig. 3), um Maße für die zeitliche
Schwankung des Verkehrs zu erhalten. Je größer diese beiden Merkmale sind, desto
eher liegt stockender Verkehr vor.
Für die Tophat-Funktion, ein morphologisches Filter, gilt (siehe Serra, J., "Image
Analysis and Mathematical Morphology", 1982, Academic Press):
Tophat (v) = v-Opening mit Opening(v) = Dilatation(Erosion(v)).
Dilation und Erosion sind ebenfalls morphologische Filter.
Die Filter müssen dabei auch mit Meßwertlücken, d. h. bei fehlenden Meßwerten an
manchen Orts- und Zeitkoordinaten innerhalb der Historienfenster, funktionieren. Bei
den morphologischen Rangfolgeoperationen, Median, Erosion und Dilatation, aus
denen auch die Tophat-Filterung besteht, ist diese Notwendigkeit aber leicht zu
berücksichtigen: nicht vorhandene Meßwerte werden weggelassen. Zur Berechnung
der Standardabweichung der Flußwerte werden ebenfalls nur vorhandene Werte
verwendet.
Nach dieser Vorverarbeitung (Fig. 4) liegt für jeden Ort x der resultierende
Merkmalsvektor vor:
(v.med20, d.med20, f.sigma20, v.tophat15)T(x).
Dabei bedeuten:
- - v.med20 = Geschwindigkeitsmeßwerte mediangefiltert mit Fensterbreite 20 min.
- - d.med20 = Dichtewerte median-gefiltert, Fensterbreite 20 min.
- - f.sigma20 = Standardabweichung der Flußwerte innerhalb 20 min.
- - v.tophat15 = Geschwindigkeitswerte tophat-gefiltert mit Fensterbreite 15 min.
Diese Merkmale sind Größen, die beispielsweise Meßwerte mit gemindertem
Rauschanteil wiedergeben, oder die den Grad der Geschwindigkeits- und
Flußschwankungen in Abhängigkeit vom Ort quantifizieren.
Diese Merkmalsbeschreibung ist die notwendige Voraussetzung für darauf
aufsetzende höherwertige Verfahren zur orts- und zeitaufgelösten
Zustandsklassifikation des Verkehrs.
Das erfindungsgemäße Verfahren ist also charakterisiert durch die folgenden
Verarbeitungsschritte:
- - Detektordaten empfangen
- - synchron, asynchron, ereignisinduziert, ortsfest, variabler Ort
- - Detektordaten verarbeiten
- - Lokale Verkehrsdichte berechnen
- - Meßvektor bilden: (v, f, d)T (t, x)
- - Plausibilitätskontrolle, fehlerhafte Daten eliminieren
- - "Historienfenster"
- - Gleitende Orts- und Zeitfunktionen der Meßwerte
- - Filterung über Ort und Zeit
- - Medianfilter für Geschwindigkeits- und Dichte-Daten
- - Standardabweichung der Flußwerte
- - Dilatierte Tophat-Funktion der Geschwindigkeiten
- - Resultierender Merkmalsvektor an jedem Ort x zur Beschreibung der örtlichen Verkehrssituation: (v.med20, d.med20, f.sigma20, v.tophat15)T(x)
Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes eines
Straßenverkehrsnetzes mittels Fuzzy-Klassifikation und die Bildung von
wertekontinuierlichen Ortszustandsvektoren benutzt Merkmalsvektoren, welche durch
eine Vorverarbeitung der Meßwerte gewonnen werden und die Verkehrssituation an
jedem Meßort (x) beschreiben. Es können aber auch direkt Meßwerte oder andere
berechnete Werte, z. Bsp. Reisezeiten, verarbeitet werden. Das Verfahren setzt diese
Merkmalsvektoren über eine Fuzzy-Klassifikation in eine geeignete Beschreibung der
Verkehrszustände in Form von Ortszustandsvektoren um.
Zur Unterscheidung der Verkehrszustände: gestaut, stockend, dicht und frei wird jedem
Verkehrsmuster ein Vektor aus Merkmalen zugeordnet, der im Merkmalsraum einen
Punkt darstellt. Der n-dimensionale Merkmalsraum wird dabei durch die
Merkmalsachsen aufgespannt (Fig. 5):
Die Klassifikation der Muster entspricht nun einer räumlichen Aufteilung des
Merkmalsraumes. Das kann durch Trennfunktionen geschehen, die exakte Grenzen
festlegen. Hier wird jedoch ein Ansatz gewählt, der Diskriminanzfunktionen für jede
Klasse verwendet: Ein Muster wird danach derjenigen Klasse zugeordnet, deren
Diskriminanzfunktion für die Merkmale dieses Musters größer ist als die übrigen
Diskriminanzfunktionen (Duda, R. O. and Hart, P. E.: "Pattern Classification and Scene
Analysis", New York 1972). Jede Klasse steht dabei für einen der zu unterscheidenden
Verkehrszustände.
Um die Diskriminanzfunktionen festzulegen ist eine Definition der genannten
Verkehrszustände nötig. Bereits bei einer, verbalen Beschreibung zeigt sich jedoch,
daß die Beschreibungen subjektiv gefärbt und diffus sind und die Grenzen zwischen
den Verkehrszuständen nicht eindeutig sind, sondern qualitativer Art über jeweilige
Vergleiche mit den anderen Verkehrszuständen. Diesem Problem, daß die Definition
der Verkehrszustände nur "unscharf" möglich ist, wird durch eine Fuzzy-Klassifikation
Rechnung getragen. Die Fuzzy-Klassifikationsfunktionen werden an jedem Ort auf die
vorliegenden Merkmalsvektoren angewendet (Fig. 6).
Über die komponentenweise Fuzzy-Klassifikation wird jedem Verkehrszustand eine
Wahrscheinlichkeit zugeordnet. Diese Komponenten-Zustandsvektoren werden sodann
durch vektorielle Addition mit anschließender Normierung zu einem einzigen
Zustandsvektor für jeden Ort zusammengeführt (Fig. 7).
Anstelle einer Summation kann auch eine komponentenweise Multiplikation der
Zustandswahrscheinlichkeiten erfolgen. Statt die Vektoren auf die Summe der
Komponenten gleich 1 zu normieren, kommt auch eine Normierung auf den
Vektorbetrag gleich 1 in Betracht.
Aus anderen Quellen, z. Bsp. aus modellgestützten Verfahren, ermittelte örtliche
Zustandsvektoren werden in gleicher Weise bei der Kombination der
merkmalsbasierten Zustandsvektoren zu den Ortszustandsvektoren einbezogen, ggf.
unter Berücksichtigung von zusätzlichen Gewichtungsfaktoren.
Es liegen nun an allen Orten, an denen genügend Meßwerte vorhanden waren und
daraus Merkmalsvektoren berechnet werden konnten, lokale Zustandsvektoren vor,
welche die Wahrscheinlichkeiten für die verschiedenen Verkehrszustände enthalten.
Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes mittels
Fuzzy-Klassifikation und Ortszustandsvektoren ist also charakterisiert durch die
folgenden Verarbeitungsschritte:
- - Klassifikation der Verkehrszustände
- - Merkmale der Verkehrszustände: gestaut. . . frei
- - Aufteilung des Merkmalraumes durch Fuzzy-Diskriminanzfunktionen
- - Fuzzy-Klassifikation der Komponenten der vorhandenen Merkmalsvektoren an jedem Ort: Wahrscheinlichkeit der Verkehrszustände je Merkmal
- - Vektorielle Addition und Normierung zu einem Zustandsvektor für jeden Ort:
Ortszustandvektor
Das erfindungsgemäße Verfahren zur Erstellung einer die Verkehrslage eines
Straßenverkehrsnetzes-repräsentierenden lückenlosen Verkehrszustandsbeschreibung
geht von Ortszustandsvektoren aus. Die Komponenten dieser normierten
Ortzustandsvektoren stellen die Wahrscheinlichkeiten für das Vorliegen eines
Verkehrszustandes an dem betreffenden Ort dar.
Um diese Lücken zu überbrücken, wird erfindungsgemäß eine Extrapolation der lokal
vorhandenen Ortszustandsvektoren mittels z. Bsp. eines lokalen Gaußfilters über den
Ort vorgenommen (Faltung mit einer Gaußkurve oder einer der Gaußkurve ähnlichen
Glockenkurve, z. Bsp. f(x) = 1/(1+x2n), n eine natürliche Zahl), und zwar für jede
Komponente des Ortszustandsvektors getrennt. Die Extrapolationsweite wird durch die
Parameter des Gaußfilters festgelegt. Durch diese Ortsfilterung sind nun praktisch an
allen Orten Ortszustandsvektoren vorhanden (Fig. 8). Diese Extrapolation darf jedoch
nur bis zu einer gewissen Entfernung von den lokal vorliegenden Ortszustandsvektoren
vorgenommen werden, damit die Extrapolationswerte die realen Verhältnisse auch
noch richtig beschreiben. Über eine Schwelle für den Betrag der extrapolierten
Zustandsvektoren wird die maximale Extrapolationsweite dynamisch begrenzt, d. h.
nicht starr, sondern in Abhängigkeit vom Extrapolationsergebnis. Mit zunehmender
Extrapolationsweite muß außerdem die Gewichtung der vorliegenden
Ortszustandsvektoren abnehmen. Das leistet z. Bsp. das Gaußfilter.
Um die Stabilität der Erkennung der differenzierten Verkehrszustände noch
weitergehender zu sichern, wird zusätzlich an jedem Ort eine komponentenweise
Mittelung der Zustandsvektoren jeweils mit den Werten des vorhergehenden
Aktualisierungslaufes durchgeführt. Diese gleitende zeitliche Glättung auf der Basis der
kontinuierlichen Zustandsbeschreibung an jedem Ort ist wesentlich wirksamer als eine
künstlich über die Zeit erzwungene Stabilität in nachfolgenden Verarbeitungsschritten.
Eine solche gleitende Glättung ist eine Ausprägung eines autoregressiven Filters (AR)
(Papoulis, A.: "Probability, Random Variables, and Stochastic Processes", McGraw-Hill
Series, in: Systems Science, McGraw-Hill 1991).
Um diese gleitende zeitliche Glättung zusätzlich näherungsweise unabhängig von den
gewählten Zeitintervallen zwischen den Aktualisierungen der einzelnen Straßen zu
haften, wird der Filterparameter atstep auf ein festes Intervall von z. Bsp. 10 Minuten
bezogen:
z = atstepzneu+(1-atstep)zalt mit atstep = -(1-at10min)tstep/t10min
Dabei stehen zneu bzw. zalt für die neu ermittelten bzw. in einem vorhergehenden
Berechnungszyklus ermittelten Ortszustandsvektorkomponenten einer Straße, und
tstep und t10 min stehen für das gewählte Zeitintervall in Sekunden zwischen 2
Aktualisierungsläufen der betreffenden Straße und für 600 Sekunden respektive. Das
so berechnete z wird dann im nächsten Aktualisierungslauf für diese Straße zu zalt.
Es werden also zwei Verarbeitungsschritte durchgeführt:
- - Extrapolation jeder Komponente der Ortszustandsvektoren über den Ort durch Filterung mit z. Bsp. einem lokalen Gaußfilter.
- - Gleitende (autoregressive) Mittelwertbildung der Ortszustandvektoren über die Zeit.
Das erfindungsgemäße Verfahren zum Vergleich von
Verkehrszustandsbeschreibungen und Verkehrsdomänen durch probabilistische.
Ähnlichkeitsmaße geht von Ortszustandsvektoren aus, welche z. Bsp. aus
Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine
nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke
zwischen den Meßpunkten, z. Bsp. alle 200 m, ermittelt werden. Die Komponenten
dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der
differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also
eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort
und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze
Straßenverkehrsnetz.
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren,
werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen
Straßenverkehrsnetzes darstellen zu können. Für jede dieser Verkehrsdomänen ergibt
sich deren Zustandsvektor durch vektorielle Addition und anschließende Normierung
der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind.
Die definitive Festlegung des Verkehrszustandes an dem jeweils betrachteten Ort, die
Zusammenfassung der Orte gleichen Verkehrszustandes zu Domänen und die
Wertung der Domänen untereinander setzt voraus, daß ein objektiver Vergleich der
Ortszustandsvektoren untereinander und der Domänenzustandsvektoren
untereinander möglich ist. Erfindungsgemäß werden dazu probabilistische
Ähnlichkeitsmaße verwendet.
Der Vergleich der Ortszustandsvektoren erfolgt komponentenweise auf der Basis der in
den Vektorkomponenten enthaltenen Wahrscheinlichkeiten für das Vorhandensein der
differenzierten Verkehrszustände an dem jeweils betrachteten Ort.
Vergleichsgrundlage ist ein Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein
Abstandsmaß verwendet wird. Auch für den Vergleich der Domänen untereinander
wird erfindungsgemäß ein Ähnlichkeitsmaß benutzt. Das Ähnlichkeitsmaß für die
Verkehrsdomänen ist ebenfalls eine Metrik, welche eine Zustandsvektormetrik auf den
Domänenzustandsvektor verwendet und zusätzlich auch die örtliche Lage und Länge
der betrachteten Domäne berücksichtigt.
Als Ähnlichkeitsmaß kann für beide Zustandsvektoren, den Ortszustandsvektor oder
den Domänenzustandsvektor, der Zustand maximaler Wahrscheinlichkeit verwendet
werden, insbesondere der Index der maximalen Komponente eines Zustandvektors
relativ zu den anderen Komponenten.
Als Metrik für die Zustandsvektoren kann auch die euklidische Vektornorm verwendet
werden: Summe((vek1-vek2)2).
Die Lage der Verkehrsdomänen, welche in die Metrik als Ähnlichkeitsmaß einbezogen
wird, kann wie folgt berücksichtigt werden:
Betrag(mitte.domäne1 - mitte.domäne2)(laenge.domäne1 + laenge.domäne2)*2.
Betrag(mitte.domäne1 - mitte.domäne2)(laenge.domäne1 + laenge.domäne2)*2.
Als Metrik für die Länge der Verkehrsdomäne kann benutzt werden:
Betrag(laenge.domäne1 - laenge.domäne2)/max(laenge.domäne1, laenge.domäne2).
Das erfindungsgemäße Verfahren zur Ermittlung von Domänen gleicher
Verkehrszustände geht von Ortszustandsvektoren aus, welche z. Bsp. aus
Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine
nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke
zwischen den Meßpunkten, z. Bsp. alle 200 m, ermittelt werden. Die Komponenten
dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der
differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also
eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort
und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze
Straßenverkehrsnetz (Fig. 9 links).
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren,
werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen
Straßenverkehrsnetzes darstellen zu können. Der Vergleich der
Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt
komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das
heißt ein Abstandsmaß, verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch
vektorielle Addition und anschließender Normierung der Ortszustandsvektoren aller
Orte, die in dieser Domäne zusammengefaßt sind.
Die Abgrenzung der Domänen untereinander erfolgt so, daß eine stabile
Domänenverfolgung möglich ist. Dieses Segmentationsproblem wird wie folgt gelöst:
Für jeden Ort wird der mit der maximalen Wahrscheinlichkeit vorliegende
Verkehrszustand aus dessen Zustandsvektor bestimmt.
Beginnend mit dem Ort, dessen Zustandsvektor z. Bsp. "Stau" anzeigt, wird in beiden
Richtungen gesucht, ob die Komponenten der Zustandsvektoren der Nachbarorte mit
der größten Wahrscheinlichkeit den gleichen Verkehrszustand ausweisen oder die
Komponente mit dem zu vergleichenden Verkehrszustand höchstens um den
Hysteresewert unter der Maximalkomponente liegt. Durch diese Hysterese werden
Orte, deren Zustandsvektoren für sich alleine gesehen eher für einen anderen
Verkehrszustand sprechen, aber nur wenig vom Zustand des Ausgangsortes
abweichen, auch zur "Staudomäne" gezählt. Der Zustandsvektor der so gefundenen
Verkehrsdomäne ist die normierte Summe der Zustandsvektoren der Orte der
Domäne. Als Norm wird beispielsweise die Summe der Komponenten gleich 1 gewählt.
Der Schwerpunkt der Domäne ist die Summe der Ortskoordinaten der Domäne, die mit
dem Betrag der entsprechenden lokalen Ortszustandsvektoren gewichtet sind.
In gleicher Weise werden die Domänen für die Klassen der Verkehrszustände
stockend, dicht und frei gebildet.
Alternativ kann die Domänenbildung auch mittels einer Clusteranalyse mit
anschließendem Relaxationsprozeß über den Ort gefunden werden. Als
Ähnlichkeitsmaß für die Clustersuche können die Abstände der Zustandvektoren und
deren Ortsabstand dienen. Resultat bei dieser Methode sind örtliche Ballungen mit
jeweils ähnlichem Verkehrszustand innerhalb der Ballungen. Dieses Vorgehen ist
jedoch wesentlich rechenaufwendiger.
Die Domänenliste kann aufgrund des Verfahrens für ihre Bildung benachbarte
Domänen enthalten, die einander sehr ähnlich bezüglich ihres
Domänenzustandsvektors sind. Diese werden zusammengefaßt. Die Domänenliste
wird dazu je Straße nach den Ortsschwerpunkten der Domänen sortiert. Domänen
werden dann zusammengefaßt, wenn sie nur durch eine Lücke bis zu einer maximalen
Länge getrennt sind und ihre Zustandswahrscheinlichkeiten gleich sind oder höchstens
um den festgelegten Hysteresebetrag gemäß obiger Darstellung abweichen.
Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das
Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der
Domänen zerlegt. Die Domänen enthalten u. a. wieder eine kontinuierliche
Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird in zeitlichen
Intervallen wiederholt bestimmt und aktualisiert (Fig. 9 rechts).
Das erfindungsgemäße Verfahren zur dynamischen Domänenbildung gleicher
Verkehrszustände ist also charakterisiert durch die folgenden Verarbeitungsschritte:
- - Domänenbildung
- - Zusammenfassung der Orte mit ähnlichen Zustandsvektoren mit "Hysterese" zu Domänen
- - Domänenzustandsvektoren:
vektorielle Addition und Normierung der Zustandsvektoren der Orte der Domänen - - Ermittlung: Domänenschwerpunkt, Domänenlänge
- - Resultat: Domäneneinteilung des Straßenverkehrsnetzes.
- - Permanente Aktualisierung in zeitlichen Intervallen
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung von Domänen gleicher
Verkehrszustände geht von Ortszustandsvektoren aus, welche aus den
Merkmalsvektoren für jeden Meßort und durch eine gewichtete Extrapolation für jede
wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z. Bsp. alle 200 m,
ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die
Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem
Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der
Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen
Streckenabschnitts und damit für das ganze Straßenverkehrsnetz.
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren,
werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen
Straßenverkehrsnetzes darstellen zu können. Der Vergleich der
Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt
komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das
heißt ein Abstandsmaß verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch
vektorielle Addition der Ortszustandsvektoren aller Orte, die in dieser Domäne
zusammengefaßt sind.
Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das
Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der
Domänen zerlegt. Die Domänenzustandsvektoren enthalten u. a. wieder eine
kontinuierliche Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird
in zeitlichen Intervallen wiederholt bestimmt und aktualisiert.
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung dieser Domänen
funktioniert wie folgt:
Die in einem Aktualisierungslauf ermittelten aktuellen Domänen werden mit den im vorausgegangenen Aktualisierungslauf festgestellten Domänen, die jeweils in einer Meldeliste gespeichert worden sind, verglichen. Dabei werden die neu gefundenen Domänen den bereits vorhandenen Domänen über ein Ähnlichkeitsmaß zugeordnet. Basis des Ähnlichkeitsmaßes sind die kontinuierlichen Domänenzustandsvektoren sowie Lage und Länge der Strecken, die von den Domänen eingenommen werden. Ist eine Mindestähnlichkeit festgestellt, erfolgt die Zuordnung der betrachteten Domänenstrecke zu der entsprechenden Meldung bzw. der bereits vorhandenen Domäne. Dies wird für alle neu ermittelten Domänen und bereits vorhandenen Meldungen ausgeführt.
Die in einem Aktualisierungslauf ermittelten aktuellen Domänen werden mit den im vorausgegangenen Aktualisierungslauf festgestellten Domänen, die jeweils in einer Meldeliste gespeichert worden sind, verglichen. Dabei werden die neu gefundenen Domänen den bereits vorhandenen Domänen über ein Ähnlichkeitsmaß zugeordnet. Basis des Ähnlichkeitsmaßes sind die kontinuierlichen Domänenzustandsvektoren sowie Lage und Länge der Strecken, die von den Domänen eingenommen werden. Ist eine Mindestähnlichkeit festgestellt, erfolgt die Zuordnung der betrachteten Domänenstrecke zu der entsprechenden Meldung bzw. der bereits vorhandenen Domäne. Dies wird für alle neu ermittelten Domänen und bereits vorhandenen Meldungen ausgeführt.
Diese Zuordnung basierend auf einem kontinuierlichen Ähnlichkeitsmaß für die
kontinuierlichen Domänenzustandsvektoren läßt auch einen zeitlich graduellen
Übergang des Verkehrszustandes im Lebenslauf einer Meldung zu.
Nach diesen Zuordnungen zwischen Domänen und Meldungen wird jeweils geprüft,
welche bisherigen Meldungen in der Meldungliste bestehen bleiben, ob es
Änderungsmeldungen gibt, weil sich die Lage und/oder die Länge der bisherigen
Domänen durch die Zuordnung neu gefundener Domänen verändert haben, und
welche nicht zuordenbaren Domänen neu gemeldet werden müssen. Für neue
Domänen wird gegebenenfalls eine Neumeldung erzeugt, für zu bestehenden
Meldungen zugeordnete Domänen werden die Meldungsattribute aktualisiert und
gegebenenfalls Änderungsmeldungen erzeugt, und Meldungen, die keiner Domäne
oder nur einer Domäne mit dem Verkehrszustand "frei" zugeordnet werden konnten,
werden gelöscht.
Dabei kann über einen Hystereseparameter gesteuert werden, wann Neu- und
Änderungsmeldungen als signifikant betrachtet und tatsächlich ausgeführt werden.
Damit kann die Meldungszahl reduziert werden, ohne die interne Information für die
Domänenbildung und -verfolgung des Verfahrens zu beschneiden.
Das Resultat des erfindungsgemäßen Verfahrens ist eine mit jedem
Aktualisierungsschritt dynamische Verfolgung der Domänen mit ähnlichen
Verkehrszuständen und eine ständig aktualisierte Meldungsliste.
Die Meldungsliste mit den in jeder Meldung enthaltenen Domäneneigenschaften ist die
Basis für die Information über die Verkehrszustände auf dem Straßenverkehrsnetz.
Diese Informationen werden bis zum nächsten Aktualisierungsschritt gespeichert und
in geeigneter Weise den Fahrzeuglenkern zur Kenntnis gebracht, z. Bsp. über
Mobilfunk oder Signalanlagen, oder sie werden für Steuerungseingriffe in den Verkehr
bzw. die direkte Beeinflussung der Fahrzeuge genutzt. Auch können die Informationen,
die an die Verkehrsteilnehmer weitergegeben werden, individuell in Abhängigkeit von
deren jeweiligen Positionen und Zielen im Straßenverkehrsnetz abgegeben werden.
Für den Funktionstest der Verfahren mit realen historischen Verkehrsdaten und zur
optischen Überwachung der Verfahren während des Betriebs sowie für die bildhafte
Darstellung der Verkehrszustände auf Straßenabschnitten werden die
Meldungsergebnisse der Verfahren erfindungsgemäß visualisiert und mit den
ermittelten Verkehrsmeßwerten verglichen. Dazu werden die Verkehrsmeßwerte in
dem betrachteten Straßenabschnitt durch unterschiedliche Grauwerte über der Zeit
dargestellt. In diesem Koordinatensystem werden auch die Meldungen der
Verkehrszustände bzw. die Domänen dargestellt. Mit der über das Bild wandernden
Zeitachse kann man die Verkehrslage und ihre Dynamik und aus der Kongruenz
zwischen Messung und Meldung die Güte der Verfahrensergebnisse erkennen (Fig.
10).
Beispiele dazu, die ein realisierter Prototyp erzeugt, sind in Fig. 11 und Fig. 12 gezeigt.
Über den gesamten Ort wird der Algorithmus wiederholt über die Zeit ausgeführt. In
den Figuren wandert der Aktualisierungsabschnitt also von links nach rechts. Dazu
werden die gespeicherten Werte links des aktuellen Auswertezeitpunkts betrachtet. Die
Ortsbereiche von gefundenen Domänen werden durch senkrechte Linien dargestellt.
Sind für diese Domänen Meldungen aktiviert, so wird dies durch einen weißen Fleck im
Domänenschwerpunkt gekennzeichnet. Ebenfalls wird dann eine Verbindungslinie
zwischen den Domänenschwerpunkten gezeichnet, welche die zeitliche Zuordnung
durch das Verfahren zur dynamischen Verfolgung der Domänen visualisieren. Die
verschiedenen Grauwerte der Linien entsprechen unterschiedlichen Farben, mit denen
die Zustände gestaut, stockend, dicht und frei wiedergegeben werden.
Ebenfalls zu sehen sind kleine Rauten, welche die lokalen Verkehrszustände an den
Orten anzeigen, an denen direkt Verkehrsmeßwerte vorliegen.
Im Hintergrund sind grau die Verkehrsmeßwerte angezeigt. In den Figuren sind z. Bsp.
die Geschwindigkeitswerte zu sehen, wobei dunkle Grauwerte niedrige
Geschwindigkeiten wiedergeben, und entsprechend helle Grauwerte für hohe
Geschwindigkeiten stehen. Man sieht sofort, wie die erzeugten Meldungen im
Verhältnis zu den Verkehrsmeßwerten in Ort und Zeit liegen.
In der Verkehrssituation, die in Fig. 11 dargestellt ist, wird die Domäne links unten
beispielsweise als dicht gemeldet. Diese Meldung ändert sich kurz danach in gestaut
(unterste quer verlaufende Linie). Diese Domänen können bis zum Ende des
betrachteten Zeitabschnitts über einen längeren Bereich in x und t stabil verfolgt
werden.
Oberhalb, bei größeren x-Werten, wird etwas später eine Domäne stockenden
Verkehrs erkannt (mittlere Linie), die sich ebenfalls sehr stabil über die Zeit verfolgen
läßt.
Noch darüber wird etwas später eine kleinere Domäne dichten Verkehrs erkannt.
In Fig. 12 werden die erzeugten Meldungen in Überlagerung mit den gemessenen
Geschwindigkeitswerten im Hintergrund zusammen dargestellt:
Diese Darstellungsart gibt einen optischen Eindruck über die Verkehrsdynamik und
einen Überblick über die gesamte Verkehrslage des Straßenverkehrsnetzes.
Ein Prototyp des Verfahrens zur Visualisierung wurde realisiert und im praktischen
Betrieb erprobt.
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung und Zuordnung von
Domänen gleicher Verkehrszustände und das Meldungsmanagement ist also
charakterisiert durch die folgenden Verarbeitungsschritte:
- - Dynamische Verfolgung der Domänen
- - Bei jedem Aktualisierungsschritt:
Zuordnung der neuen Domänen über ein Ähnlichkeitsmaß zu den vorhandenen Meldungen - - Resultat: Liste der Domänen und Meldungsliste auf der jeweiligen Straße
- - Bei jedem Aktualisierungsschritt:
- - Meldungsmanagement
- - Meldungsliste: Informationen über Verkehrszustände und Verkehrslage
- - Aktualisierung der Meldungsliste bei jedem Aktualisierungslauf
Falls Zuordnung neuer Domänen in der Meldungsliste möglich: - - bisherige Meldung bleibt bestehen oder Änderungsmeldung bezüglich Lage, Länge und Verkehrszustand
- - Falls Zuordnung in der Meldungsliste nicht möglich:
- - Neumeldung oder Löschung
- - Visualisierung
- - Optische Darstellung der Kongruenz zwischen Verkehrsmeßwerten und Meldungen
- - Dynamik der Domänen bzw. der Verkehrszustände
- - Überblick über die gesamte Verkehrslage
Gegenstand der Erfindung sind Verfahren, die sich unabhängig voneinander einsetzen
lassen, aber auch zu einem Verkehrslage-Klassifikations-und Meldungssystem für den
Straßenverkehr, vorzugsweise für Autobahnen und Schnellstraßen, kombinieren
lassen.
Es besteht ein dringender Bedarf an rechtzeitigen und aktuellen Informationen über die
differenzierten Verkehrszustände in örtlich möglichst genau bezeichneten
Streckenabschnitten aus Sicherheitsgründen, aber auch für zahlreiche andere Dienste
und gegebenenfalls für die direkte Fahrzeugbeeinflussung und Verkehrslenkung.
Kernprobleme, welche dazu gelöst werden müssen, sind:
- - Die Verarbeitung der Verkehrsmeßdaten von unterschiedlichen Sensoren, die ortsfest und mobil sind, synchrone, asynchrone und ereignisinduzierte Meßwerte liefern, lückenhaft und sehr verrauscht sind.
- - Die Klassifizierung der verschiedenen Verkehrszustände: gestaut, stockend, dicht und frei, die nicht eindeutig definierbar sind, und die dynamische Bildung und Verfolgung von Domänen gleicher Verkehrszustände, mit hoher örtlicher und zeitlicher Auflösung, auch ohne Streckenkenntnisse und ohne Bindung an ein systembedingtes, streckenabhängiges Raster.
- - Ein Meldungsmanagement, das stabil und konsistent die Verkehrszustände bzw. Verkehrsdomänen anzeigt, permanent aktualisiert wird und auch das Wachstum der Domänen, ihre Wanderung und Teilung sowie ihre Übergänge in die anderen klassifizierten Verkehrszustände bis zu ihrer Auflösung in der Klasse "frei" darstellt.
Die Betrachtung des Standes der Technik und die kritische Analyse der bekannten
Verfahren zeigen, daß es für diese Problemstellung noch keine befriedigende Lösung
gibt.
Das erfindungsgemäßen Verfahren lösen diese Aufgabenstellungen, die durch die
folgenden wesentlichen Verarbeitungsschritte charakterisiert sind:
- - Aus den Quelldaten der Sensoren wird die lokale Verkehrsdichte ermittelt und für jeden Meßort und Meßzeitpunkt ein Meßvektor gebildet.
- - Die Komponenten der Meßvektoren werden über mit den Aktualisierungsschritten gleitende Historienfenster als gleitende Orts-Zeitfunktionen dargestellt.
- - Es folgt eine komponentenweise orts-zeitliche Filterung der Meßvektoren, aufgrund der Analyse der Zeitfunktionen hier bevorzugt mittels Medianfilter, Bildung der Standardabweichung und der dilatierten Tophat-Funktion. Es ergibt sich an jedem Ort ein resultierender Merkmalsvektor, der die lokalen Verkehrssituationen beschreibt.
- - Den orts-zeitlich gefilterten Meßgrößen werden nun über eine Fuzzy-Klassifikation Wahrscheinlichkeiten für die Verkehrszustände zugeordnet. Damit ist es möglich, diese Komponenten der Zustände zu summieren und normiert zu einem einzigen Zustandsvektor für jeden Ort konsistent zusammenzuführen.
- - Sind an einem Ort zu wenig Meßwerte vorhanden, gibt es dort auch keinen Zustandsvektor, es sind Lücken vorhanden. Zur Überbrückung wird eine Extrapolation mit z. Bsp. einem lokalen Gaußfilter vorgenommen. Die Stabilität wird weiter erhöht durch eine gleitende, komponentenweise Mittelung der Zustandsvektoren von jeweils zwei zeitlichen Aktualisierungsschritten (Autoregressives-Filter).
- - Orte mit ähnlichen Zustandsvektoren werden zu Domänen zusammengefaßt. Durch vektorielle Addition der lokalen Zustandsvektoren und anschließender Normierung wird der Domänenzustandsvektor ermittelt. Es resultiert eine aktuelle Liste von Domänen mit kontinuierlicher Verkehrszustandsinformation für jede betrachtete Straße.
- - Bei jedem weiteren Aktualisierungsschritt werden die identifizierten Domänen den bereits vorhandenen Domänen der Meldungsliste über ein kontinuierliches Ähnlichkeitsmaß zugeordnet. Die Domänen werden also über die Zeit dynamisch verfolgt, wobei auch eine graduelle Zustandsänderung über die Zeit möglich und erlaubt ist.
- - Nach dieser Zuordnung wird die Meldungsliste für die betrachtete Straße aktualisiert, und es werden je nach Signifikanz Neu-, Änderungs- und Löschmeldungen ausgeführt. Die Signifikanz wird über einen Parameter gesteuert, womit die Meldungszahl ohne Beeinträchtigung des Verfahrens reduziert werden kann. Es resultiert eine aktuelle Meldungsliste je Straße.
- - Die Meldungslisten sind die Basis für das Meldungsmanagement. In ihnen werden die Informationen über die Verkehrszustände gespeichert und stehen für die genannten Anwendungen zur Verfügung.
- - Die Ergebnisse werden visualisiert. Die Darstellung kann der Überwachung dienen und gibt einen optischen Eindruck über die Verkehrsdynamik und einen Überblick über die gesamte Verkehrslage.
Die Verfahren wurden erprobt.
Claims (13)
1. Verfahren zur Erfassung des Verkehrszustandes eines Straßenverkehrsnetzes durch
Bildung von Ortszustandsvektoren aus die Verkehrssituation an jedem Meßort
beschreibenden Merkmalsvektoren oder direkt aus Verkehrsmeßwerten an den
Meßorten
- 1. wobei für jeden Ort die Merkmale, welche die Verkehrssituation an diesem Orten beschreiben, durch eine Fuzzy-Diskriminanzfunktion je Merkmal für jeden möglichen zu klassifizierenden Verkehrszustand (Fig. 6: gestaut, stockend, dicht, frei) bewertet werden, worauf sich ein wertekontinuierlicher Zustandsvektor je Ort und je Merkmal ergibt (Fig. 7 rechts), dessen Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren, worauf vorhandene Zustandsvektoren je Ort zu einem einzigen Zustandsvektor je Ort zusammengefaßt werden und der daraus resultierende Zustandsvektor je Ort als Ortszustandsvektor normiert wird (Fig. 7),
- 2. wobei auf den Ortszustandsvektoren basierende, ausgebbare Verkehrsinformationen erstellt werden.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß Merkmale aus Verkehrsdaten verschiedenen physikalischen Inhalts (Fluß f, Dichte
d, Geschwindigkeit v in Fig. 4) gebildet und konsistent über wertekontinuierliche
Wahrscheinlichkeiten als Klassifikationsergebnis zusammengeführt werden.
3. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß als zu klassifizierendes Merkmal Geschwindigkeit an entsprechenden Orten auch
berechnete Werte verwendet werden, insbesondere Reisegeschwindigkeiten.
4. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß Zustandsvektoren aller Merkmale je Ort zum Ortszustandsvektor je Ort
zusammengefaßt werden (Fig. 7).
5. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß auch aus anderen Quellen verfügbare Zustandsvektoren je Ort bei der
Zusammenfassung zum Ortszustandsvektor je Ort unter Berücksichtigung von
Gewichtungsfaktoren eingehen,
6. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß
- 1. die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch Summation dieser Vektoren je Ort erfolgt und dann eine Normierung auf Summe = 1 vorgenommen wird, oder
- 2. die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch ein komponentenweises Produkt dieser Vektoren je Ort erfogt und dann eine Normierung auf Betrag = 1 vorgenommen wird,
7. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Fuzzy-Diskriminanzfunktionen auf Orte angewendet wird, welche unabhängig
von einer festen Streckeneinteilung von Straßenverkehrsnetz-Segmenten einer
digitalen Karte sind.
8. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Komponenten der Ortszustandsvektoren als kontinuierliche
Wahrscheinlichkeitswerte anstatt diskreten Werten (0/1) für die an diesen Orten
herrschenden Verkehrszustände interpretiert werden,
9. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Komponenten der normierten Ortszustandsvektoren als
Wahrscheinlichkeitswerte für das Vorliegen eines Verkehrszustandes am betreffenden
Ort definiert werden.
10. Verkehrslageerfassungszentrale zur Durchführung des Verfahrens nach einem der
vorhergehenden Ansprüche.
11. Verkehrslageerfassungszentrale, insbesondere nach Anspruch 10, mit
- 1. einer Eingabeeinrichtung zur Eingabe von Verkehrsmeßwerten in die Verkehrslageerfassungszentrale,
- 2. einem Speicher für eingegebene Verkehrsmeßwerte,
- 3. einer Ausgabeeinrichtung zur Ausgabe von Verkehrsinformationen an Verkehrsteilnehmer,
- 4. einer Verkehrsmeßdaten-Bearbeitungs-Vorrichtung, die so ausgebildet ist, daß sie nach einem der Ansprüche 1 bis 8 arbeitet.
12. Verkehrslageerfassungszentrale nach einem der Ansprüche 10 oder 11,
dadurch gekennzeichnet,
daß die Eingabeeinrichtung ein Empfänger oder Zugang zu einem Empfänger zum
Empfang von von den Sensoren insbesondere per Mobilfunk gesendeten
Verkehrsmeßwerten ist.
13. Verkehrslageerfassungszentrale nach einem der Ansprüche 9 bis 12,
dadurch gekennzeichnet,
daß die Ausgabeeinrichtung ein Sender oder ein Zugang zu einem Sender zum
Aussenden von Verkehrsinformationen insbesondere per Mobilfunk an
Verkehrsteilnehmer oder einen Serviceprovider ist.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19944888A DE19944888A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19807793 | 1998-02-19 | ||
DE19944888A DE19944888A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
DE19905284A DE19905284A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19944888A1 true DE19944888A1 (de) | 2000-02-10 |
Family
ID=26044120
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19944889A Ceased DE19944889A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
DE19944891A Ceased DE19944891A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
DE19944888A Ceased DE19944888A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
DE19944890A Ceased DE19944890A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19944889A Ceased DE19944889A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
DE19944891A Ceased DE19944891A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19944890A Ceased DE19944890A1 (de) | 1998-02-19 | 1999-02-03 | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1057156B1 (de) |
AT (1) | ATE258330T1 (de) |
DE (4) | DE19944889A1 (de) |
ES (1) | ES2211066T3 (de) |
WO (1) | WO1999042971A1 (de) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6172941B1 (en) * | 1999-12-16 | 2001-01-09 | Sensor Timing Gmbh | Method to generate self-organizing processes in autonomous mechanisms and organisms |
DE10246184A1 (de) * | 2002-10-02 | 2004-09-30 | Bayerische Motoren Werke Ag | Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren |
CN102592447B (zh) * | 2011-12-20 | 2014-01-29 | 浙江工业大学 | 一种基于fcm的区域路网的道路交通状态判别方法 |
US9421979B2 (en) | 2013-10-17 | 2016-08-23 | Ford Global Technologies, Llc | Road characteristic prediction |
EP3035314B1 (de) * | 2014-12-18 | 2017-11-15 | Be-Mobile Tech NV | Verkehrsdatenfusionssystem und entsprechendes Verfahren zur Bereitstellung eines Verkehrszustands für ein Straßennetz |
US9569960B2 (en) | 2015-02-24 | 2017-02-14 | Here Global B.V. | Method and apparatus for providing traffic jam detection and prediction |
CN105118289A (zh) * | 2015-06-17 | 2015-12-02 | 河南理工大学 | 一种交通态势评估方法 |
CN107146415B (zh) * | 2017-07-05 | 2020-03-10 | 廊坊师范学院 | 一种交通事件检测与定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0676195A (ja) * | 1992-08-27 | 1994-03-18 | Hitachi Ltd | 異常事象検出装置 |
SE470367B (sv) * | 1992-11-19 | 1994-01-31 | Kjell Olsson | Sätt att prediktera trafikparametrar |
ES2153159T3 (es) * | 1996-03-25 | 2001-02-16 | Mannesmann Ag | Procedimiento y sistema para el registro de situacion de trafico por medio de una instalacion estacionaria de registro de datos. |
DE19737440A1 (de) * | 1997-02-14 | 1998-08-27 | Mannesmann Ag | Verfahren zur Bestimmung von Verkehrsdaten und Verkehrsinformationszentrale |
-
1999
- 1999-02-03 DE DE19944889A patent/DE19944889A1/de not_active Ceased
- 1999-02-03 DE DE19944891A patent/DE19944891A1/de not_active Ceased
- 1999-02-03 DE DE19944888A patent/DE19944888A1/de not_active Ceased
- 1999-02-03 DE DE19944890A patent/DE19944890A1/de not_active Ceased
- 1999-02-19 ES ES99915492T patent/ES2211066T3/es not_active Expired - Lifetime
- 1999-02-19 WO PCT/DE1999/000523 patent/WO1999042971A1/de active IP Right Grant
- 1999-02-19 EP EP99915492A patent/EP1057156B1/de not_active Expired - Lifetime
- 1999-02-19 AT AT99915492T patent/ATE258330T1/de active
Also Published As
Publication number | Publication date |
---|---|
DE19944891A1 (de) | 2000-04-20 |
ES2211066T3 (es) | 2004-07-01 |
EP1057156A1 (de) | 2000-12-06 |
EP1057156B1 (de) | 2004-01-21 |
DE19944889A8 (de) | 2005-06-30 |
DE19944890A1 (de) | 2000-11-23 |
DE19944889A1 (de) | 2000-11-23 |
ATE258330T1 (de) | 2004-02-15 |
WO1999042971A1 (de) | 1999-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60319993T2 (de) | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung | |
DE112018000479T5 (de) | Ereignisvorhersagesystem, Ereignisvorhersageverfahren, Aufzeichnungsmedium und sich bewegender Körper | |
DE102012201472A1 (de) | Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen | |
DE202017007599U1 (de) | Systeme zum Erzeugen von erwarteten Fahrgeschwindigkeiten | |
DE102012204306A1 (de) | Verfahren zur Steuerung eines Bereitstellens von Verkehrsinformationsdaten zur Aktualisierung einer Verkehrsinformation | |
EP2116981B1 (de) | Verfahren und Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen | |
DE69631629T2 (de) | Erfassung und Vorhersage von Verkehrsbehinderungen | |
EP1057156B1 (de) | Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung | |
EP1245017B1 (de) | Verfahren zum beschreiben und erzeugen von strassennetzen und strassennetz | |
DE10108611A1 (de) | Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz | |
DE102021207368A1 (de) | Vorrichtung und verfahren zum vorhersagen von verkehrsinformationen | |
DE19905284A1 (de) | Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung | |
DE102005040350A1 (de) | Verfahren zur Prognose eines Verkehrszustandes in einem Straßennetz und Verkehrsmanagementzentrale | |
EP1262934B1 (de) | Verfahren zur Verkehrslageerfassung | |
DE102012201156B4 (de) | Verfahren, Datenverarbeitungsvorrichtung und Computerprogramm zum Bereitstellen von einer Geschwindigkeitswarnungsinformation für ein Navigationsgerät | |
DE102005055244A1 (de) | Verfahren zur verkehrsdatenbasierten Unfallerkennung | |
EP1489552A1 (de) | Verfahren und Vorrichtung zur Verbesserung der Erkennung und/oder Wiedererkennung von Objekten in der Bildverarbeitung | |
EP2887332B1 (de) | Verfahren und System zum Ermitteln einer Verkehrssituation auf einer Straßenstrecke | |
DE10234367B3 (de) | Verfahren zur Abbildung des Verkehrszustandes und System zur Verkehrsorganisation | |
EP1528524B1 (de) | Verfahren zur gangliniengestützen Verkehrsprognose | |
EP2047448B1 (de) | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen | |
DE102010041583A1 (de) | Verfahren zur Ermittlung eines Qualitätsdatenwerts von Verkehrsstörungsmeldeverfahren | |
DE102021204191B4 (de) | Vorrichtung und Verfahren zur echtzeit-basierten dynamischen Verkehrszuordnung für zumindest zwei nachfolgende Fahrbahnen | |
DE10052109B4 (de) | Verfahren zum Beschreiben und Erzeugen von Straßennetzen und Straßennetz | |
EP3816960B1 (de) | Verfahren und anordnung zur verfügbarkeitsprognose von parkplätzen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AC | Divided out of |
Ref country code: DE Ref document number: 19905284 Format of ref document f/p: P |
|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: DDG GESELLSCHAFT FUER VERKEHRSDATEN MBH, 40547 DUE |
|
8131 | Rejection |