EP1071057A1 - Method and device for traffic condition prognosis by cascading state feedback - Google Patents

Method and device for traffic condition prognosis by cascading state feedback Download PDF

Info

Publication number
EP1071057A1
EP1071057A1 EP00250248A EP00250248A EP1071057A1 EP 1071057 A1 EP1071057 A1 EP 1071057A1 EP 00250248 A EP00250248 A EP 00250248A EP 00250248 A EP00250248 A EP 00250248A EP 1071057 A1 EP1071057 A1 EP 1071057A1
Authority
EP
European Patent Office
Prior art keywords
traffic
forecast
time
data
measurement data
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.)
Granted
Application number
EP00250248A
Other languages
German (de)
French (fr)
Other versions
EP1071057B1 (en
Inventor
Markus Dipl.-Phys. Dr. Becker
Ulrich Dipl.-Phys. Dr. Fastenrath
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DDG Gesellschaft fuer Verkehrsdaten mbH
Original Assignee
DDG Gesellschaft fuer Verkehrsdaten mbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DDG Gesellschaft fuer Verkehrsdaten mbH filed Critical DDG Gesellschaft fuer Verkehrsdaten mbH
Publication of EP1071057A1 publication Critical patent/EP1071057A1/en
Application granted granted Critical
Publication of EP1071057B1 publication Critical patent/EP1071057B1/en
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The method involves detecting spatially and/or temporally incomplete data relating to the state of the traffic network up until the creation point of the forecast. The gaps in the data are filled using a representative traffic model to generate simulated replacement data. Replacement data are generated from the traffic model for future time points. A forecast is made of the state of the traffic network at a future a time point based on the existing data and replacement data. An Independent claim is included for an apparatus for carrying out the method.

Description

Die Erfindung betrifft ein Verfahren zur Erstellung einer Verkehrsprognose.The invention relates to a method for creating a traffic forecast.

Verkehrsinformationssysteme erzeugen aktuelle Verkehrsinformationen, wie Verkehrsmeldungen oder Reisezeitschätzungen und Navigationsinformationen, basierend auf Meßdaten aus entlang Straßen des Verkehrsnetzes angeordneten stationären Sensoren und/oder in im Verkehrsnetz beweglichen Fahrzeugen angeordneten Sensoren (FCD) und/oder anderen Meßdatenquellen.Traffic information systems generate current traffic information such as Traffic reports or travel time estimates and navigation information, based on measurement data arranged along roads of the traffic network stationary sensors and / or in vehicles moving in the traffic network arranged sensors (FCD) and / or other measurement data sources.

Aus der WO 98/27525 ist ein Verfahren zur Vervollständigung von räumlichen Lücken in den Meßdaten durch mehrfache Rückkopplung von zu vergangenen Zeitpunkten erstellten Prognosen und anderen Daten bekannt.WO 98/27525 describes a method for completing spatial gaps in the measurement data by multiple feedback from past times predictions and other data.

Aufgabe der vorliegenden Erfindung ist die Schaffung eines Verfahrens bzw. einer Vorrichtung zur Prognose von den Zustand eines Verkehrsnetzes zu einem künftigen Prognosezeitpunkt betreffenden Ortszustandsdaten aufgrund von sich auf mehrere Orte und mehrere Zeitpunkte beziehenden, den Zustand eines Verkehrsnetzes betreffenden Meßdaten. Die Aufgabe wird jeweils durch die unabhängigen Ansprüche gelöst.The object of the present invention is to create a method or a method Device for forecasting the state of a traffic network to a future one Local state data relating to the point in time of the prognosis based on itself on several Locations and several points in time relate to the state of a transport network relevant measurement data. The task is defined by the independent claims solved.

Die vorliegende Erfindung ermöglicht eine sehr zuverlässige Prognose von künftigen Verkehrszuständen durch Analyse des Werte-Verlaufes von zu mehreren vergangenen Zeitpunkten gemessenen Meßdaten zur Erstellung von Meßdaten simulierenden Ersatzdaten für Meßdatenlücken in der Vergangenheit und in der Zukunft. Dabei können auch Meßdaten verwendet werden, die zeitlich asynchron erfaßt werden. The present invention enables a very reliable forecast of future ones Traffic conditions by analyzing the course of values of too many Measurement data measured in the past for the creation of measurement data simulating replacement data for measurement data gaps in the past and in the Future. Measurement data that are asynchronous in time can also be used be recorded.

Zur Erstellung von Vekehrsprognosen kann im Prinzip aus räumlich und/oder zeitlich lückenhaften Meßdaten eine räumlich und zeitlich lückenlose Verkehrsdaten-Quelle für die Vergangenheit und darauf auch für die Zukunft simuliert (also virtuell erzeugt) werden. Das Ergebnis hiervon sind auf Straßenabschnitte (auch als Richtungsmeßquerschnitte RMQ bezeichnet) bezogene zeitlich künstlich synchronisierte Verkehrsdaten. Diese weisen zweckmäßig ein einheitliches Format dergestalt auf, daß sie in gleichen zyklischen Intervallen und/oder gleichen Einheiten vorliegen; die Intervalle können beispielsweise eine Minute betragen. Bei der Erstellung der räumlich/zeitlich lückenlosen Verkehrsdatenbasis können durch Fehlerschätzung bei der Berechnung für die einzelnen Werte Qualitätsangaben mitgeneriert werden.In principle, the creation of traffic forecasts can be done spatially and / or temporally patchy measurement data a spatially and temporally gapless traffic data source for the past and then also simulated for the future (i.e. generated virtually) become. The result of this are on road sections (also called Directional measurement cross sections RMQ) related artificially in time synchronized traffic data. These expediently have a uniform format such that they are at the same cyclic intervals and / or the same units present; the intervals can be, for example, one minute. In the Creation of the spatially / temporally seamless traffic database can be done by Error estimate in the calculation for the individual values of quality information can also be generated.

Weitere Merkmale und Vorteile ergeben sich aus den Unteransprüchen und der nachfolgenden Beschreibung eines Ausführungsbeispieles. Dabei zeigt:

Fig. 1
als Blockschaltbild Komponenten einer Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens,
Fig. 2
im Verlaufe der Zeit von einem Sensor gemessene Meßdaten, aus einer historischen Datenbank entnommene Meßdaten und eine Intervallschätzung (=LOS-Schätzung),
Fig. 3
als Tabelle grundsätzlich zur Vervollständigung von bestimmten Meßdatenlücken etc. geeignete Ersatzdatenquellen.
Further features and advantages result from the subclaims and the following description of an exemplary embodiment. It shows:
Fig. 1
components of a device for performing the method according to the invention as a block diagram,
Fig. 2
measurement data measured over time by a sensor, measurement data taken from a historical database and an interval estimate (= LOS estimate),
Fig. 3
as a table, suitable substitute data sources to complete certain measurement data gaps, etc.

Figur 1 verdeutlicht den Datenfluß anhand eines Blockschaltbildes einer Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens.Figure 1 illustrates the data flow using a block diagram of a device to carry out the method according to the invention.

Die verwendeten Meßdaten umfassen von in im Verkehrsnetz beweglichen Fahrzeugen angeordneten Sensoren erfaßte Daten 1 (FCD), von stationären Sensoren im Straßenverkehrsnetz erfaßte Daten 2 (SES) sowie von einer anderen Verkehrsinformationszentrale (VIZ) kommende Daten 3 (beispielsweise basierend auf Landesmeldestellen-Meldungen, Polizeifunk etc.). The measurement data used include those that are movable in the transport network Vehicles arranged sensors acquired data 1 (FCD), from stationary Data collected from road traffic sensors 2 (SES) and from another Traffic information center (VIZ) coming data 3 (for example based on State registration office reports, police radio etc.).

Die am Ende ausgegebenen Daten 4 repräsentieren räumlich und zeitlich mit zur Weiterverarbeitung ausreichender Genauigkeit lückenlos (aus den Daten 1 bis 3) vervollständigte Ortszustandsdaten 4. Die Ortszustandsdaten 4 (Geschwindigkeiten, Verkehrsdichte, Staus etc.) sind räumlich dergestalt lückenlos, daß beispielsweise für eine digitale Karte des Straßenverkehrsnetzes mit räumlichen Unterabschnitten für jeden räumlichen Unterabschnitt ein Meßdatum für einen relevanten Zeitpunkt vorliegt, was eine einfachere und bessere Weiterverarbeitung ermöglicht. Zeitlich lückenlos können sie beispielsweise insofern sein, daß für eine ausreichende Zahl von vor dem aktuellen Zeitpunkt liegenden, kurz zurückliegenden Zeitpunkten vervollständigte Meßdaten (Ortszustandsdaten) vorliegen.The data 4 output at the end also represent in space and time Processing of sufficient accuracy without gaps (from data 1 to 3) completed location status data 4. The location status data 4 (speeds, Traffic density, traffic jams, etc.) are spatially complete in such a way that, for example, for a digital map of the road network with spatial subsections for each spatial subsection has a measurement date for a relevant point in time, which enables easier and better processing. Gaps in time For example, they can be such that for a sufficient number of before current times, recent times completed Measurement data (location status data) are available.

Die Vervollständigung erfolgt im wesentlichen in einer Multidatenlogik MDL 5, in welcher im wesentlichen das erfindungsgemäße Verfahren abläuft In den Teilmodulen M1 bis M3 6 bis 8 laufen verkehrstechnische Analyseverfahren ab, in welchen unterschiedliche Verkehrsflußmodelle (beispielsweise gemäß Ansprüchen 2 - 4) basierend auf den in der MDL 5 vervollständigten Meßdaten verwendet und optimiert werden. Die Multimodell-Logik MML 9 verknüpft die Ergebnisse der auf unterschiedlichen Analyseverfahren beruhenden Module M1 bis M3, insbesondere in Form einer Zuverlässigkeits-/Glaubwürdigkeits-Analyse und -Auswahl.The completion takes place essentially in a multi-data logic MDL 5, in which essentially runs the method according to the invention in the sub-modules M1 to M3 6 to 8 run traffic analysis methods, in which different traffic flow models (for example according to claims 2-4) based on the measurement data completed in MDL 5 used and optimized become. The multi-model logic MML 9 links the results of the modules M1 to M3 based on different analysis methods, in particular in Form of reliability / credibility analysis and selection.

Die Simulationskomponente SIM 10 berechnet erfindungsgemäß aufgrund der von der Multimodell-Logik 9 erzeugten Daten eine Prognose für die Zukunft, wobei der durch die Prognose betroffene Prognosezeitpunkt gegenüber dem Prognose-Erstellung-Zeitpunkt in der Zukunft liegt. Bei der Zukunftsprognose, ausgehend von zu einem vergangenen Zeitpunkt erfaßten Meßdaten, ist eine optimierte Ausnutzung gemessener Meßdaten durch eine genauere Ablaufanalyse von Vorgängen (Staubildung etc.) im Straßenverkehrsnetz möglich. Die Komponente HPR 11 generiert aus den von der MML 9 erzeugten aktuellen Daten Ganglinien (also zeitliche Verläufe der Meßdaten) und versucht, den Zusammenhang zwischen Verkehrszuständen und bestimmten Selektionsmerkmalen zu lernen. Die Ergebnisse der Simulationskomponente 10 werden über eine Rückkopptungseinheit RER in die Multidatenlogik rückgekoppelt zur Optimierung der (neben den Daten 1 bis 3) in die MDL einfließenden Meßdaten-Basis. According to the invention, the simulation component SIM 10 calculates on the basis of the Multimodel logic 9 generated a forecast for the future, the data provided by the forecast affected forecast time compared to the forecast creation time lies in the future. In the future forecast, starting from one measurement data recorded in the past is an optimized utilization measured data through a more precise process analysis of processes (Congestion etc.) possible in the road network. The component generates HPR 11 from the current data generated by the MML 9 hydrographs (i.e. temporal courses the measured data) and tries to establish the relationship between traffic conditions and to learn certain selection characteristics. The results of the Simulation components 10 are fed into the via a feedback unit RER Multi-data logic fed back to optimize the (in addition to data 1 to 3) in the MDL-based measurement data basis.

Die von der Komponente HPR generierten Ganglinien und Zusammenhänge zwischen Verkehrszuständen und Selektionsmerkmalen werden (über ein hier nicht dargestelltes Modul ZYR) ebenfalls als Eingang in die Multidatenlogik 5 eingekoppelt.The hydrographs and relationships between the HPR component Traffic conditions and selection features are (via a not shown here Module ZYR) also coupled as input to the multi-data logic 5.

Basierend auf den Augsangsdaten der SIM 10, der MML 9 und der HPR 11 werden in einer Datenfusionseinheit 14 Daten erstellt, welche prognostizierte Verkehrszustände von Abschnitten des Straßenverkehrsnetzes repräsentieren.Based on the initial data of SIM 10, MML 9 and HPR 11, in a data fusion unit 14 creates data which predicted traffic conditions represent sections of the road network.

Eine Grundidee der MDL 5 besteht darin, aus räumlich und/oder zeitlich unvollständig eingehenden Meßdaten 1 bis 3 (von Sensoren etc.) durch Vervollständigung eine räumlich und zeitlich lückenlose und zeitlich synchrone Meßdatenquelle für die Vergangenheit und eine zwischen dem Prognose-Erstellungs-Zeitpunkt und dem Prognosezeitpunkt liegende Zukunft zu simulieren, um eine einfache hochwertige Weiterverarbeitung (für Verkehrsmeldungen, Prognosen, Navigationshinweise etc.) zu ermöglichen.
Figur 2 verdeutlicht die Problematik bei eingehenden Meßdaten aufgrund einer Meßdatenhistorie. In Figur 2 zeigt die nach rechts weisende Achse die Zeit und die nach oben weisende Achse die Geschwindigkeit. Die durchgezogene Linienfolge zeigt zu verschiedenen Zeitpunkten mit einem stationären Sensor (SES) an einer Position im Straßenverkehrsnetz erfaßte Fahrzeugdurchschnittsgeschwindigkeiten (beispielsweise alle Fahrzeuge in einer Minute). Die vom Sensor erfaßten Meßdaten betreffen mehrere bezüglich des jetzigen Zeitpunktes vergangene, hintereinanderliegende und kurz zurückliegende Zeitpunkte: diese Meßdaten werden derart eingebunden, daß ihr zeitlicher Verlauf einer Analyse unterworfen wird und zur Vervollständigung anderer Meßdaten verwendet wird.A basic idea of the MDL 5 is to use measurement data 1 to 3 (from sensors, etc.) that are incompletely and spatially and / or temporally incomplete by completing a spatially and temporally seamless and temporally synchronous measurement data source for the past and one between the forecast creation time and to simulate the future at the time of the forecast in order to enable simple high-quality further processing (for traffic reports, forecasts, navigation information, etc.).
Figure 2 illustrates the problem with incoming measurement data based on a measurement data history. In Figure 2, the rightward axis shows time and the upward axis shows speed. The solid line sequence shows vehicle average speeds (for example all vehicles in one minute) recorded at various points in time with a stationary sensor (SES) in a position in the road network. The measurement data recorded by the sensor relate to several points in time that are past, one behind the other and a short time ago with respect to the current point in time: these measurement data are integrated in such a way that their temporal course is subjected to an analysis and is used to complete other measurement data.

Anschaulich erklärt sich dies beispielsweise anhand eines Fahrzeuges, welches zu einem Zeitpunkt einen Sensor an einem Ort passiert und nach einer gewissen Zeit an einem anderen Ort hinter dem Sensor eine bestimmte (gleiche oder bei Staus etc. andere bestimmbare) Geschwindigkeit hat. Aus verschiedenen Geschwindigkeiten von Fahrzeugen zu mehreren Zeitpunkten am Ort des Sensors kann somit auf vermutete (als Meßwert nicht vorliegende) Geschwindigkeiten der Fahrzeuge an Orten hinter dem Sensor wie auch (bei sich ausbreitenden Staus vor dem Sensor) geschlossen werden. This is clearly explained, for example, with the help of a vehicle that is too passes a sensor in one place at a time and turns on after a certain time a different location behind the sensor (same or in the case of traffic jams etc. other determinable) speed. From different speeds of Vehicles at several points in time at the location of the sensor can therefore be suspected Vehicle speeds at locations behind (not available as measured value) the sensor as well as (in the case of spreading traffic jams in front of the sensor) closed become.

Neben Daten von stationären Sensoren kann dies auch mit von im Verkehr mitschwimmenden Fahrzeugen implementieren Meßsensoren generierten Meßdaten erfolgen; diese Meßdaten sind ebenfalls unvollständig, da sie nur unter bestimmten Bedingungen und/oder in bestimmten Zeitintervallen übermittelt werden; auch diese Meßdaten aus Fahrzeugen werden in der Regel als Paket übermittelt, wobei in einem Paket mehrere Durchschnittsgeschwindigkeiten (des Fahrzeuges) an verschiedenen Orten (entlang einer vom Fahrzeug befahrenen Straße) zu verschiedenen Zeitpunkten (den Meßzeitpunkten) auf dem Weg entlang der Straße enthalten sind.In addition to data from stationary sensors, this can also be used in traffic Floating vehicles implement measurement sensors generated measurement data respectively; this measurement data is also incomplete, since it is only under certain Conditions and / or at certain time intervals; this too Measurement data from vehicles are usually transmitted as a package, in one Package several average speeds (of the vehicle) at different Locations (along a road driven by the vehicle) at different times (the measurement times) are included on the way along the road.

Figur 3 verdeutlicht beispielhaft als Tabelle, daß unterschiedlich bedingte Lücken in eingehenden unterschiedlichen generierten Meßdaten mit unterschiedlichen Ersatzdatenquellen vervollständigt werden können. Meßdatenlücken in von stationären Detektoren im Verkehrsnetz erzeugten Meßdaten (SES) können mit Ersatzdatenqueilen aus historischen Datenbanken (HPR in Figur 1) und Verkehrsanalysesystem vervollständigt werden, wobei auch die Meßdatenqualität durch eine Fehlerschätzung (LOS-Schätzung) möglich ist.
Datenausfälle in von einer anderen Verkehrsinformationszentrale (weiche auf Landesmeldestellen, Polizeimeldungen etc. Zugriff hat) kommenden Daten und Daten von einem Sensorerfassungssystem können bei Datenausfall beispielsweise auch aus einer historischen Datenbank HPR vervollständigt werden.FIG. 3 shows, by way of example as a table, that differently caused gaps in incoming different generated measurement data can be filled with different replacement data sources. Measurement data gaps in measurement data (SES) generated by stationary detectors in the traffic network can be completed with replacement data sources from historical databases (HPR in FIG. 1) and traffic analysis system, the measurement data quality also being possible through an error estimate (LOS estimate).
Data failures in data coming from another traffic information center (which has access to state registration offices, police reports etc.) and data from a sensor recording system can also be completed from a historical database HPR in the event of data failure.

Wenn bei einem Sensor Erfassungssysteme nur bestimmte Spuren ( = Fahrbahnen) zu einer Straße überwacht werden, können nicht überwachte Spuren durch einen Spurschätzer, welcher aufgrund von Erfahrungswerten aus überwachten Spuren auf nicht überwachte Spuren schließen kann, vervollständigt werden.If with a sensor detection system only certain lanes (= lanes) to lanes can be monitored by a road Track estimator, which is based on empirical values from monitored tracks tracks that are not monitored can be completed.

Nicht überwachte Knoten eines Verkehrsnetzes, wie Ein- und Ausfahrten können zwischen verschiedenen Meßstellen eines Sensorerfassungssystems unbekannte Werte für Durchschnittsgeschwindigkeiten und/oder Fahrzeugzahlen bedingen, wobei diese unbekannten Faktoren - soweit verfügbar -ebenfalls durch historische Datenbanken relativ genau vervollständigbar sind.Unsupervised nodes of a traffic network, such as entrances and exits unknown between different measuring points of a sensor detection system Values for average speeds and / or number of vehicles require, where these unknown factors - if available - also by historical ones Databases can be completed relatively precisely.

Ein LOS-Schätzer (beispielsweise gemäß Figur 3), ist als Ersatzdatenquelle verwendbar. Wenn das Meldeverhalten von stationären Detektoren (SES) im Straßenverkehrsnetz vorsieht, daß sich ein Detektor stets dann meldet, wenn ein Wechsel zwischen definierten Geschwindigkeitsbereichen in den von ihm gemessenen Meßdaten sicher stattgefunden hat (lokales Übertragungskriterium) und dies dem LOS-Schätzverfahren bekannt ist, kann bei jeder Übermittlung eines Datentelegramms (Prognose-Zeitpunkt) von einem Detektor anhand des übermittelten LOS betreffend die Straße eine Prognose für die mittlere Geschwindigkeit getroffen werden. Die Prognosegüte ist durch die halbe Breite des LOS garantiert, wenn der Prognosewert mit dem Mittelwert des LOS gleichgesetzt wird. Als LOS (Level of Service) wird dabei die Qualität einer Straße in Form der auf ihr fahrbaren Geschwindigkeit bezeichnet. Eine mögliche Einteilung ist von LOS 1 (schlecht, 0 bis 30 km/h), LOS 2 (mittel, 30 bis 60 km/h), LOS 3 (gut, 60 bis 90 km/h), LOS 4 (sehr gut, > 90 km/h).A LOS estimator (for example according to FIG. 3) is used as a substitute data source usable. If the reporting behavior of stationary detectors (SES) in the Road traffic network provides that a detector always reports when a Switch between defined speed ranges in the ones he measured Measured data has taken place safely (local transmission criterion) and this the LOS estimation method is known can with each transmission of a data message (Forecast time) from a detector based on the transmitted LOS the road a forecast for the average speed will be made. The Forecast quality is guaranteed by half the width of the LOS if the forecast value is equated with the mean of the LOS. LOS (Level of Service) is included the quality of a road in the form of the speed that can be driven on it. A possible classification is from LOS 1 (bad, 0 to 30 km / h), LOS 2 (medium, 30 to 60 km / h), LOS 3 (good, 60 to 90 km / h), LOS 4 (very good,> 90 km / h).

Die Prognosegüte einer Prognose ist durch die halbe Breite des Geschwindigkeitsbereichs eines LOS garantiert (beispielsweise 0 bis 30 km/h); wenn der Prognosewert mit dem Mittelwert (in dem Falle beispielsweise 15 km/h) des LOS gleichgesetzt wird, da bei stärkeren Abweichungen ein erneutes Datentelegramm des Detektors übersandt würde.
Das LOS-Schatzverfahren kann auch dazu benutzt werden, eine aktuell im System für einen Richtungsmeßquerschnitt (bei stationären Detektoren beispielsweise ein Meßort in Form einer Brücke) vorliegende (den Zeitverlauf repräsentierende) Ganglinie in den aktuellen LOS-Berech zu verschieben, falls eine Abweichung des letzten aktuellen Meßwertes von einer für den Meßquerschnitt aktuell gültigen Ganglinie existiert. Zum Unterschied des letzten aktuellen Meßwertes der Geschwindigkeit der SES-Daten kann die Differenz zu dem Ganglinienwert des entsprechenden Intervalls gebildet und der Ganglinienwert für die Geschwindigkeit um diese Differenz verschoben werden.The forecast quality of a forecast is guaranteed by half the width of the speed range of a LOS (for example 0 to 30 km / h); if the forecast value is equated with the average value (in the case, for example, 15 km / h) of the LOS, since a renewed data telegram from the detector would be sent if there were major deviations.
The LOS treasure method can also be used to shift a current curve (representing the course of time) present in the system for a directional measurement cross-section (for example, a measurement location in the form of a bridge in the case of stationary detectors) into the current LOS calculation, if a deviation of the last one current measured value of a currently valid curve for the cross section exists. In contrast to the last current measured value of the speed of the SES data, the difference to the curve value of the corresponding interval can be formed and the curve value for the speed can be shifted by this difference.

Falls sich die Geschwindigkeitsganglinie eines Straßenverkehrsabschnittes über der oberen Grenze eines LOS-Bereichs befindet, müssen die Geschwindigkeiten der Ganglinie abgesenkt werden, wenn sich die Geschwindigkeitsganglinie unter der unteren Grenze des LOS-Bereichs befindet, müssen sie angehoben werden.If the speed curve of a road traffic section is above the upper limit of a LOS range, the speeds of the The gait line can be lowered if the speed gait line is below the lower limit of the LOS range, they must be raised.

Die zeitliche Abfolge, in der die Meß- und Ersatzdaten bereitgestellt werden, verdeutlicht sich anhand Figur 2.The time sequence in which the measurement and replacement data are provided can be seen from FIG. 2.

Zum Zeitpunkt 11 (bei Tagesbeginn) wird von dem Ganglinien-Managementsystem HPR die erste Ganglinie für den Detektor (von welchem das dargestellte SES-Diagramm kommt) übermittelt. Wenn dies nicht der Fall ist, kann zur Datenvervollständigung die Ganglinie des Vortages verwendet werden, falls sie persistent im HPR gespeichert ist.At time 11 (at the beginning of the day) the gangway management system HPR is the first curve for the detector (from which the SES diagram shown comes) transmitted. If not, you can go to Data completion the chart of the previous day can be used if it is stored persistently in the HPR.

Zum Zeitpunkt t2 übermittelt dieser Detektor mehrere vergangene Zeitpunkte betreffende Meßdaten (also eine Meßdatenhistorie) aufgrund eines LOS-Wechsels (Durchschnittsgeschwindigkeitsänderung auf einem Straßenabschnitt wie oben angegeben), und der LOS-Schätzer übermittelt auf der Basis dieser Daten eine Prognose für künftige Zeitpunkte.At time t2, this detector transmits several past times relevant measurement data (ie a measurement data history) due to a LOS change (Average speed change on a section of road as above specified), and the LOS estimator transmits a based on this data Forecast for future times.

Zum Zeitpunkt t3 übermittelt der Detektor aufgrund eines erneuten LOS-Wechsels des von ihm beobachteten Straßenabschnittes einen weiteren Satz Meßdaten (weitere Meßdatenhistorie), und der LOS-Schätzer erstellt hierauf basierend eine neue Prognose.At time t3, the detector transmits the signal due to another LOS change another section of measurement data (further Measurement data history), and the LOS estimator creates a new one based on this Forecast.

Zum Zeitpunkt t4 aktualisiert das Ganglinien-Managementsystem HPR die zu Tagesbeginn (t1) gelieferte Ganglinie. Die neue Ganglinie beschreibt das Verkehrsgeschehen wirklich besser als die alte Ganglinie, da dem Teilsystem HPR zur Selektion der Ganglinie mehr Informationen vorliegen.At time t4, the curve management system HPR updates the to The beginning of the day (t1) delivered curve. The new curve describes that Traffic is really better than the old gait line because the HPR subsystem is used Selection of the curve more information is available.

So können Lücken in den Meßdaten durch einen Rückgriff aus Ersatzdaten aus der historischen Datenquelle HPR beseitigt werden.Gaps in the measurement data can be made by using replacement data from the historical data source HPR are eliminated.

Bei sich widersprechenden Daten aus unterschiedlichen Quellen (beispielsweise aktualisierten Ganglinien/alten Ganglinien, LOS-Schätzungen/aktuellen Ganglinien, Meßdatenhistorien/aktuellen Sensormeßdaten) ist ein Auswahlprozeß aufgrund der Meßdatenqualität ausführbar. Dabei kann die Datenquelle ausgewählt werden, für welche die meisten Meßdaten vorliegen, bzw. bei Fehlen von Meßdaten die Ersatzdaten mit der geringsten berechneten Fehlerwahrscheinlichkeit.In the case of conflicting data from different sources (e.g. updated hydrographs / old hydrographs, LOS estimates / current hydrographs, Measurement data histories / current sensor measurement data) is a selection process based on the Measurable data quality executable. The data source can be selected for which most of the measurement data are available, or the absence of measurement data Substitute data with the lowest calculated error probability.

Die vervollständigten Daten können beispielsweise auf Zeitintervalle der Länge 1 min. transformiert werden.The completed data can, for example, on time intervals of length 1 min. be transformed.

Claims (19)

Verfahren zur Erstellung einer Verkehrsprognose für einen Prognosezeitpunkt aus den Zustand eines Verkehrsnetzes betreffenden Meßdaten in einer Verkehrszentrale,
wobei zu mehreren Meßorten im Verkehrsnetz mehrere Zeitpunkte innerhalb eines sich ab dem Prognose-Erstellungs-Zeitpunkt zeitlich rückwärts erstreckenden Zeitraumes betreffende, räumlich und/oder zeitlich lückenhafte Meßdaten zum Zustand des Verkehrsnetzes an den Meßorten erfaßt werden, wobei unter Berücksichtigung des zeitlichen Werte-Verlaufs mehrerer zu diesen Zeitpunkten erfaßter Meßdaten mit zeitlich-räumliche Entwicklungen im Verkehrsnetz repräsentierenden Verkehrsmodellen zeitlich und/oder räumlich die Meßdaten-Lücken auffüllende, Meßdaten simulierende Ersatzdaten generiert werden, und mit den Verkehrsmodellen für gegenüber dem Prognose-Erstellungs-Zeitpunkt künftige, jedoch vor dem Prognosezeitpunkt liegende Zeitpunkte ebenfalls Ersatzdaten generiert werden, worauf eine Prognose von den Zustand des Verkehrsnetzes zu einem gegenüber dem Prognose-Erstellungs-Zeitpunkt künftigen Prognosezeitpunkt an Orten des Verkehrsnetzes repräsentierenden Ortszustandsdaten erstellt wird aufgrund der für Zeitpunkte vor dem Prognose-Erstellungs-Zeitpunkt vorliegenden Meßdaten und Ersatzdaten und der für Zeitpunkte nach dem Prognose-Erstellungs-Zeitpunkt vorliegenden Ersatzdaten. Method for creating a traffic forecast for a forecast time from measurement data relating to the state of a traffic network in a traffic center,
whereby at several measuring points in the traffic network, several points in time within a period of time and backwards from the point in time at which the forecast was created, which are spatially and / or temporally incomplete, are recorded on the state of the traffic network at the measuring points, taking into account the temporal value profile of several measurement data recorded at these points in time with traffic models representing temporal-spatial developments in the traffic network are generated temporally and / or spatially substituting data that simulates measurement data gaps, and substitute data are also generated with the traffic models for future times compared to the forecast creation time, but before the forecast time, whereupon a forecast is made of the state of the traffic network at a location status data which represents future forecast time at locations of the traffic network compared to the forecast creation time on the basis of the measurement data and substitute data available for times before the forecast creation time and for times after the forecast. Replacement data available at the time of creation. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß ein Verkehrsmodell verwendet wird, welches räumliche Meßdaten-Lücken zwischen zwei Meßorten, zu welchen Meßdaten vorliegen, dadurch auffüllt, daß den Orten zwischen den beiden Meßorten Ersatzdaten zugewiesen werden, welche durch Interpolation, insbesondere lineare Interpolation der zu den beiden Meßorten vorliegenden Meßdaten, gewonnen werden. Method according to claim 1,
characterized, that a traffic model is used which fills spatial measurement data gaps between two measurement locations for which measurement data are available by assigning substitute data to the locations between the two measurement locations which are obtained by interpolation, in particular linear interpolation of the measurement data available for the two measurement locations become. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß ein Verkehrsmodell verwendet wird, welches Verkehrsstörungen zwischen zwei Meßpunkten A und B aufgrund der zeitlichen Entwicklung der Verkehrsfluß-Differenz der Verkehrsflüsse an den Meßorten A und B bestimmt. Method according to one of the preceding claims,
characterized, that a traffic model is used which determines traffic disturbances between two measuring points A and B on the basis of the temporal development of the traffic flow difference between the traffic flows at the measuring locations A and B. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß ein Verkehrsflußmodell verwendet wird, welches Ersatzdaten betreffend den Verkehrszustand an Orten und zu Zeiten im Verkehrsnetz, zu welchen keine Meßdaten vorliegen, aus vorliegenden Meßdaten durch Lösungen von Differentialgleichungen betreffend den Verkehrsfluß, die Verkehrsdichte und die Verkehrsgeschwindigkeit bestimmt. Method according to one of the preceding claims,
characterized, that a traffic flow model is used which determines replacement data relating to the traffic condition at locations and at times in the traffic network at which no measurement data are available, from existing measurement data by solutions of differential equations relating to the traffic flow, traffic density and traffic speed. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß die räumlich und/oder zeitlich lückenhaften Meßdaten für zumindest auch den Prognose-Erstellungs-Zeitpunkt vervollständigt werden, indem aus dem zeitlichen Werte-Verlauf von mehrere vergangene Zeitpunkte betreffenden Meßdaten auf den Prognose-Erstellungs-Zeitpunkt gerichtete Prognosen erstellt werden, um derart eine räumlich und/oder zeitlich hinreichend lückenlose, den aktuellen Zustand des Verkehrsnetzes repräsentierene Meß- und Ersatzdatenbasis für die Erstellung einer Prognose für die Zukunft zu generieren. Method according to one of the preceding claims,
characterized, that the spatially and / or temporally incomplete measurement data for at least the forecast creation time are completed by creating forecasts directed at the forecast creation time from the temporal value profile of measurement data relating to a number of past times, in such a way a spatial and / or to generate sufficient measurement and replacement data bases for the creation of a forecast for the future that are sufficiently complete in terms of time and represent the current state of the traffic network. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß der Zustand mehrerer Straßenabschnitte bestimmt wird. Method according to one of the preceding claims,
characterized, that the condition of several road sections is determined. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß Meßdaten von an Straßen des Verkehrsnetzes stationär angeordneten Sensoren erfaßt werden, insbesondere in Form von Meßdaten, die Durchschnittsgeschwindigkeiten mehrerer Fahrzeuge an einer Stelle und/oder die Anzahl von die Stelle passierenden Fahrzeugen pro Zeiteinheit umfassen. Method according to one of the preceding claims,
characterized, that measurement data from sensors arranged stationary on roads of the traffic network are recorded, in particular in the form of measurement data which include average speeds of several vehicles at one location and / or the number of vehicles passing the location per unit of time. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß Meßdaten von an in Verkehrsnetzen beweglichen Fahrzeugen angeordneten Sensoren (FCD) erfaßte werden. Method according to one of the preceding claims,
characterized, that measurement data are recorded by sensors (FCD) arranged on vehicles which are movable in traffic networks. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß die Meßdaten Geschwindigkeiten jeweils eines Fahrzeuges umfassen. Method according to one of the preceding claims,
characterized, that the measurement data include speeds of one vehicle at a time. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß die einen künftigen Zustand des Verkehrsnetzes repräsentierenden Ortszustandsdaten zur Erstellung von an Verkehrsteilnehmer zu sendenden Navigationshinweisen verwendet werden. Method according to one of the preceding claims,
characterized, that the location state data representing a future state of the traffic network is used to create navigation instructions to be sent to road users. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß die einen künftigen Zustand des Verkehrsnetzes zu einem Prognosezeitpunkt repräsentierenden prognostizierten Ortszustandsdaten zur Erstellung von mittlere Fahrzeuggeschwindigkeiten und/oder Reisezeiten in jeweils einem Straßenabschnitt des Verkehrsnetzes repräsentierenden, an Verkehrsteilnehmer zu sendenden Informationen verwendet werden. Method according to one of the preceding claims,
characterized, that the predicted location status data representing a future state of the traffic network at a point in time of the forecast are used to generate average vehicle speeds and / or travel times in each section of the road network to be sent to road users. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß auf einen Zustand zu einem künftigen Prognosezeitpunkt des Verkehrsnetzes repräsentierenden prognostizierten Ortszustandsdaten basierende, den Grad von Stauungen repräsentierende Informationen an Verkehrsteilnehmer gesendet werden. Method according to one of the preceding claims,
characterized, that predicted location data based on a state at a future point in time of the prediction of the traffic network and representing the degree of congestion are sent to road users. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß auch auf den Zustand von Orten zu einem künftigen Prognosezeitpunkt geschlossen wird, zu welchen Orten keine Meßdaten vorliegen. Method according to one of the preceding claims,
characterized, that the state of locations at a future point in time is also inferred, at which locations no measurement data are available. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß der Prognosezeitpunkt in der nahen Zukunft, insbesondere weniger als 30 min hinter dem Prognose-Erstellungs-Zeitpunkt liegt. Method according to one of the preceding claims,
characterized, that the forecast time is in the near future, in particular less than 30 minutes after the forecast creation time. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß der Prognosezeitpunkt um maximal die Zeit hinter dem Prognose-Erstellungs-Zeitpunkt liegt, die der Verkehr benötigt, um sich von einem Netzknoten in Form einer Kreuzung, Einmündung oder dgl. zum nächsten Netzknoten auszubreiten. Method according to one of the preceding claims,
characterized, that the forecast time is at most the time behind the forecast creation time that the traffic needs to spread from a network node in the form of an intersection, junction or the like to the next network node. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß auf den einen zukünftigen Prognosezeitpunkt betreffenden Ortszustandsdaten basierende Informationen an mindestens einen Verkehrsteilnehmer, insbesondere per Mobilfunk (SMS-MT oder SMS-CB) oder Radio (insbesondere RDS-TMC), gesendet werden. Method according to one of the preceding claims,
characterized, that information based on the location status data relating to a future forecast time is sent to at least one road user, in particular by mobile radio (SMS-MT or SMS-CB) or radio (in particular RDS-TMC). Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, daß durch Fehleranalyse der Fehlerfortpflanzung während der verfahrensgemäßen Berechnungen oder durch ein Expertensystem die Genauigkeit und/oder Zuverlässigkeit des Ergebnisses geschätzt wird und diese Schätzung mit Verkehrsinformationen ausgegeben wird. Method according to one of the preceding claims,
characterized, that the accuracy and / or reliability of the result is estimated by error analysis of the error propagation during the method-based calculations or by an expert system and this estimate is output with traffic information. Vorrichtung zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche.Device for carrying out the method according to one of the preceding Expectations. Vorrichtung, insbesondere nach Anspruch 18, zur Erstellung von Verkehrsprognosen für einen künftigen Prognosezeitpunkt aus den Zustand eines Verkehrsnetzes betreffenden Meßdaten in einer Verkehrszentrale, wobei zu mehreren Meßorten im Verkehrsnetz mehrere Zeitpunkte innerhalb eines sich ab dem Prognosezeitpunkt zeitlich rückwärts erstreckenden Zeitraumes betreffende Meßdaten betreffend den Zustand des Verkehrsnetzes an den Meßorten erfaßt werden,
wobei die Vorrichtung eine Prognoseeinrichtung aufweist, die so ausgebildet ist, daß unter Berücksichtigung des zeitlichen Werte-Verlaufs mehrerer zu diesen Zeitpunkten erfaßter Meßdaten mit zeitlich-räumliche Entwicklungen im Verkehrsnetz repräsentierenden Verkehrsmodellen zeitlich und/oder räumlich die Meßdaten-Lücken auffüllende, Meßdaten simulierende Ersatzdaten generiert werden, daß mit den Verkehrsmodellen für gegenüber dem Prognose-Erstellungs-Zeitpunkt künftige, jedoch vor dem Prognosezeitpunkt liegende Zeitpunkte ebenfalls Ersatzdaten generiert werden, und daß darauf eine Prognose von den Zustand des Verkehrsnetzes zu einem gegenüber dem Prognose-Erstellungs-Zeitpunkt künftigen Prognosezeitpunkt an Orten des Verkehrsnetzes repräsentierenden Ortszustandsdaten erstellt wird aufgrund der für Zeitpunkte vor dem Prognose-Erstellungs-Zeitpunkt vorliegenden Meßdaten und Ersatzdaten und der für Zeitpunkte nach dem Prognose-Erstellungs-Zeitpunkt vorliegenden Ersatzdaten. Apparatus, in particular according to claim 18, for producing traffic forecasts for a future forecast time from measurement data relating to the state of a traffic network in a traffic control center, with several measurement points relating to the state of the traffic network at several measurement locations within a period of time which extends backwards from the forecast time Traffic network at the measuring locations are recorded,
the device having a forecasting device which is designed in such a way that, taking into account the temporal course of values of a plurality of measurement data recorded at these times with traffic models representing temporal-spatial developments in the traffic network, substitute data simulating measurement data that fill the measurement data gaps are generated, that substitute data are also generated with the traffic models for future times that are before the forecast creation time, but that lie before the forecast time, and that a forecast is then made of the state of the traffic network at a location status data representing future forecast time at locations of the traffic network compared to the forecast creation time on the basis of the measurement data and substitute data available for times before the forecast creation time and for times after the forecast - Creation time of available replacement data.
EP00250248A 1999-07-23 2000-07-20 Method and device for traffic condition prognosis by cascading state feedback Expired - Lifetime EP1071057B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19935769 1999-07-23
DE19935769A DE19935769C2 (en) 1999-07-23 1999-07-23 Traffic condition forecast through feedback cascade

Publications (2)

Publication Number Publication Date
EP1071057A1 true EP1071057A1 (en) 2001-01-24
EP1071057B1 EP1071057B1 (en) 2007-05-02

Family

ID=7916561

Family Applications (1)

Application Number Title Priority Date Filing Date
EP00250248A Expired - Lifetime EP1071057B1 (en) 1999-07-23 2000-07-20 Method and device for traffic condition prognosis by cascading state feedback

Country Status (4)

Country Link
EP (1) EP1071057B1 (en)
AT (1) ATE361516T1 (en)
DE (2) DE19935769C2 (en)
ES (1) ES2286981T3 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1174842A1 (en) * 2000-07-18 2002-01-23 DDG Gesellschaft für Verkehrsdaten mbH Method to create forecasted traffic data for traffic information
EP1406226A2 (en) * 2002-10-02 2004-04-07 Bayerische Motoren Werke Aktiengesellschaft Method for improving the quality of information on traffic disturbances
EP3996064A1 (en) * 2020-11-10 2022-05-11 IFP Energies nouvelles Method for determining a number of passages of vehicles on at least one road portion of a road network

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10200492B4 (en) * 2002-01-03 2004-02-19 DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH Method for self-consistent estimation of predictive travel times when using mobile or stationary detectors to measure experienced travel times
JP4982143B2 (en) * 2006-09-27 2012-07-25 クラリオン株式会社 Traffic situation prediction device
US8024110B2 (en) * 2007-05-22 2011-09-20 Xanavi Informatics Corporation Method of estimation of traffic information, device of estimation of traffic information and car navigation device
DE102010011041A1 (en) * 2010-03-11 2011-09-15 Volkswagen Ag Method for processing traffic-related data in motor car, involves merging data sets of traffic-related data into combined data set if data sets satisfy predetermined criterion, and transmitting filtered and/or fused data to driver

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5684475A (en) * 1995-04-28 1997-11-04 Inform Institut Fur Operations Research Und Management Gmbh Method for recognizing disruptions in road traffic
DE19737440A1 (en) * 1997-02-14 1998-08-27 Mannesmann Ag Method for determining traffic data and traffic information center
EP0902405A2 (en) * 1997-09-11 1999-03-17 Siemens Aktiengesellschaft Method for sending traffic information
EP0921509A2 (en) * 1997-10-16 1999-06-09 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE279765T1 (en) * 1996-12-16 2004-10-15 Atx Europe Gmbh METHOD FOR COMPLETING AND/OR VERIFYING DATA CONCERNING THE STATUS OF A TRANSPORT NETWORK; TRAFFIC CENTER

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5684475A (en) * 1995-04-28 1997-11-04 Inform Institut Fur Operations Research Und Management Gmbh Method for recognizing disruptions in road traffic
DE19737440A1 (en) * 1997-02-14 1998-08-27 Mannesmann Ag Method for determining traffic data and traffic information center
EP0902405A2 (en) * 1997-09-11 1999-03-17 Siemens Aktiengesellschaft Method for sending traffic information
EP0921509A2 (en) * 1997-10-16 1999-06-09 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KERNER B S ET AL: "STRUCTURE AND PARAMETERS OF CLUSTER IN TRAFFIC FLOW", PHYSICAL REVIEW E. STATISTICAL PHYSICS, PLASMAS, FLUIDS, AND RELATED INTERDISCIPLINARY TOPICS,AMERICAN INSTITUTE OF PHYSICS, NEW YORK, NY,US, vol. 50, no. 1, July 1994 (1994-07-01), pages 54 - 83, XP000874333, ISSN: 1063-651X *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1174842A1 (en) * 2000-07-18 2002-01-23 DDG Gesellschaft für Verkehrsdaten mbH Method to create forecasted traffic data for traffic information
EP1406226A2 (en) * 2002-10-02 2004-04-07 Bayerische Motoren Werke Aktiengesellschaft Method for improving the quality of information on traffic disturbances
EP1406226A3 (en) * 2002-10-02 2004-06-09 Bayerische Motoren Werke Aktiengesellschaft Method for improving the quality of information on traffic disturbances
EP3996064A1 (en) * 2020-11-10 2022-05-11 IFP Energies nouvelles Method for determining a number of passages of vehicles on at least one road portion of a road network
FR3116144A1 (en) * 2020-11-10 2022-05-13 IFP Energies Nouvelles Method for determining a number of vehicle passages on at least one road portion of a road network

Also Published As

Publication number Publication date
DE50014288D1 (en) 2007-06-14
DE19935769A1 (en) 2001-02-01
DE19935769C2 (en) 2002-02-07
EP1071057B1 (en) 2007-05-02
ATE361516T1 (en) 2007-05-15
ES2286981T3 (en) 2007-12-16

Similar Documents

Publication Publication Date Title
EP1212738B1 (en) Method for monitoring the condition of traffic for a traffic network comprising effective narrow points
DE19650844C2 (en) Procedure for determining route data
CN101488284A (en) Intelligent management system for road traffic condition instant prediction
WO2013113588A1 (en) Method for providing parking information on free parking spaces
EP3438946A2 (en) Method for predicting a switching time of a set of signals of signalling facility
Padiath et al. Prediction of traffic density for congestion analysis under Indian traffic conditions
DE19725556A1 (en) Method and device for predicting traffic conditions
EP0936590A2 (en) Traffic conditions determination method and arrangement on a road network
Ramadhan et al. Application of area traffic control using the max-pressure algorithm
DE19935769C2 (en) Traffic condition forecast through feedback cascade
EP1071058B1 (en) Method and device for cascaded state feedback
DE102005055244A1 (en) Traffic data-based accident detecting method, involves concluding existence of accident when accident criterion is derived and determined from characteristic properties and parameters of temporal-spatial traffic patterns
DE10334140B4 (en) Method and system for determining traffic data
McLin et al. Development and evaluation of a control system for regional traffic management
EP1528524B1 (en) Method for traffic prognosis based on historical data
EP2047448B1 (en) Method and device for generating early warnings signalling traffic collapses at narrow points
DE10326973A1 (en) Traffic information method for automatically determining a high-quality measure for traffic information applies a traffic reference position while comparing journey times over a section of journey
Thakuriah et al. Probe-based surveillance for travel time information in ITS
DE10234367B3 (en) Traffic situation imaging method for traffic flow organization system uses correlation of flow lines dependent on measured traffic parameters
EP1406227A1 (en) Method to examine the quality of the method to announce traffic problems
DE102008024781A1 (en) Estimated travel time determining method for car, involves predicting estimated travel time of motor vehicle based on actual detected travel characteristics datum and average travel time associated to actual detected characteristics datum
DE102013202255B4 (en) Method and device for determining traffic volumes
DE10110326A1 (en) Determination system for finding actual traffic situation using positions of mobile phones with varying density of mobile phones over time related to traffic situation and vehicle behavior
EP1406226B1 (en) Method for improving the quality of information on traffic disturbances
Naye Real-time arrival prediction models for light rail train systems

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

AX Request for extension of the european patent

Free format text: AL;LT;LV;MK;RO;SI

17P Request for examination filed

Effective date: 20010129

AKX Designation fees paid

Free format text: AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

RIN1 Information on inventor provided before grant (corrected)

Inventor name: BECKER, MARKUS DIPL.-PHYS. DR.

Inventor name: FASTENRATH, ULRICH DIPL.-PHYS. DR.

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

RIN1 Information on inventor provided before grant (corrected)

Inventor name: FASTENRATH, ULRICH DIPL.-PHYS. DR. RER, NAT.

Inventor name: BECKER, MARKUS DIPL.-PHYS. DR. RER, NAT.

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 20070502

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

REF Corresponds to:

Ref document number: 50014288

Country of ref document: DE

Date of ref document: 20070614

Kind code of ref document: P

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070802

ET Fr: translation filed
REG Reference to a national code

Ref country code: CH

Ref legal event code: NV

Representative=s name: E. BLUM & CO. AG PATENT- UND MARKENANWAELTE VSP

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2286981

Country of ref document: ES

Kind code of ref document: T3

REG Reference to a national code

Ref country code: IE

Ref legal event code: FD4D

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

Ref country code: PT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20071002

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20080205

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: MC

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20070731

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070803

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: CY

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20070720

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 16

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 17

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 18

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 19

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: NL

Payment date: 20190722

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20190723

Year of fee payment: 20

Ref country code: ES

Payment date: 20190822

Year of fee payment: 20

Ref country code: FR

Payment date: 20190724

Year of fee payment: 20

Ref country code: IT

Payment date: 20190723

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: BE

Payment date: 20190722

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20190725

Year of fee payment: 20

Ref country code: AT

Payment date: 20190719

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: CH

Payment date: 20190725

Year of fee payment: 20

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 50014288

Country of ref document: DE

REG Reference to a national code

Ref country code: NL

Ref legal event code: MK

Effective date: 20200719

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20200719

REG Reference to a national code

Ref country code: BE

Ref legal event code: MK

Effective date: 20200720

REG Reference to a national code

Ref country code: AT

Ref legal event code: MK07

Ref document number: 361516

Country of ref document: AT

Kind code of ref document: T

Effective date: 20200720

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20200719

REG Reference to a national code

Ref country code: ES

Ref legal event code: FD2A

Effective date: 20210129

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: ES

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20200721