WO1995025321A1 - Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen - Google Patents

Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen Download PDF

Info

Publication number
WO1995025321A1
WO1995025321A1 PCT/DE1995/000265 DE9500265W WO9525321A1 WO 1995025321 A1 WO1995025321 A1 WO 1995025321A1 DE 9500265 W DE9500265 W DE 9500265W WO 9525321 A1 WO9525321 A1 WO 9525321A1
Authority
WO
WIPO (PCT)
Prior art keywords
traffic
trend
factor
mqi
speed
Prior art date
Application number
PCT/DE1995/000265
Other languages
English (en)
French (fr)
Inventor
Fritz Busch
Andrea Ghio
Johannes Konrad
Original Assignee
Siemens Aktiengesellschaft
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 Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to US08/704,728 priority Critical patent/US5696502A/en
Priority to EP95910428A priority patent/EP0750774B1/de
Priority to DE59502343T priority patent/DE59502343D1/de
Publication of WO1995025321A1 publication Critical patent/WO1995025321A1/de
Priority to FI963627A priority patent/FI963627A/fi
Priority to NO963843A priority patent/NO963843L/no

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

Definitions

  • the invention relates to a method for traffic detection and traffic situation detection on highways according to the preamble of claim 1.
  • control is point-based if it relates to a certain point in the flow of traffic (e.g. construction sites or road narrowing), route-related (generally known as "line control"), if it relates to a route, or network-related if it relates to the route automatically redirects from a normal route to an alternative route (alternate direction).
  • traffic e.g. construction sites or road narrowing
  • route-related generally known as "line control”
  • network-related if it relates to the route automatically redirects from a normal route to an alternative route (alternate direction).
  • the control logic is used to keep the relationships between the traffic situation and the controlled display manageable relatively simple.
  • the prepared local measured values such as generally smoothed traffic volume, smoothed speed and local traffic density, are compared with predefined threshold values in order to make a statement or to control the variable message sign.
  • the object of the invention is an early and reliable, automatic detection of critical traffic situations, such as traffic disturbances due to the formation of a traffic jam or accident, on highways, in order to warn road users in good time of this situation.
  • measuring points set up for this purpose for example, traffic sensors for each lane are attached to each measuring section brought, traffic data recorded and processed in a processing device provided for a traffic control.
  • a traffic data processing device certain traffic parameters are derived from the regularly recorded traffic data: speed and traffic strength.
  • speed and traffic strength are derived from the regularly recorded traffic data.
  • two adjacent measuring points form a measuring section which has a certain distance, for example 3 km.
  • the following traffic quantities are formed from the traffic data from these measuring points:
  • a speed density difference (vk-D) according to the relationship as specified in claim 1.
  • the speed density difference takes into account the speed and the traffic density of both measurement cross sections.
  • a trend factor is formed as the second traffic parameter, which is continuously formed from the ratio of the traffic volumes of the first and the second measuring point, but only takes into account the values over a certain period of time, for example the last 30 minutes.
  • the third traffic parameter w ' . i the traffic volume trend of the respective measuring point as a measure. :, r the dynamic situation development, ie the temporal development of the traffic volume.
  • the trend in traffic intensity is derived from the function of the traffic intensity over time or from the slope of the tangents on this functional curve.
  • These three traffic parameters are processed in a fuzzy logic for recognizing critical traffic situations in order to obtain a statement about the probability of a critical traffic situation as an output variable.
  • This probability variable is evaluated as a function of a predefinable threshold value in order to generate a display recommendation for the variable message signs.
  • fuzzy logic for traffic situation detection on highways has a number of advantages.
  • the evaluation of the input data is very simple. Several inputs can be linked further. This makes it possible to use several inputs simultaneously for one measure, even if they are not particularly meaningful individually. On average, this leads to a faster response time.
  • more complicated logics for situation interpretation which are only possible by linking a lot of data (traffic volume, speed and local density at the cross-section and at the measurement cross-section on or behind it, trend factors, possibly environmental data), with the fuzzy Logic can be better managed. Because of the soft thinking of fuzzy logic, it is possible to make a soft one instead of a rigid binary decision (jam or no jam on a cross section)
  • transition which can be represented in the form of a probability (e.g. the probability of a traffic jam at this cross section is 70%). This has the advantage that this result can be evaluated with a correspondingly predeterminable threshold value in such a way that a reliable display recommendation can be made at an early stage.
  • the traffic data (Q), which is also called traffic volume, and the traffic density (K) are used as traffic data .
  • the traffic volume indicates the number of vehicles on a measurement cross-section, based on a unit of time, for example one hour.
  • the traffic density is a measure of the number of vehicles in relation to a certain section of the route. It is operated with a so-called local traffic density, which relates the number of vehicles to the measurement cross section and takes the corresponding speed into account.
  • the traffic parameter speed density difference vk-D is calculated from the local traffic data, average speed and the traffic density of two adjacent measuring cross sections (measuring points) according to the formula given in claim 1.
  • the first ter of the speed density difference refers to the measurement cross section i, the second to the downstream measurement cross section i + 1.
  • they are in each case related to the adjustable maximum values of the traffic quantities of the cross sections (max. Free speed and max. Traffic density). If the traffic condition on the measurement cross section is undisturbed, ie the speed is not low and the traffic density is not high, then the corresponding term is in the range of very small values. If there is an unstable traffic condition on the measurement cross section, ie the speed is low and the traffic density is high, the value of the ter concerned increases. The difference between the two terms can be used to draw conclusions about the current traffic situation.
  • the trend factor (FT) is used as an indicator of a fault. It monitors the inflow and outflow of the vehicles in the measuring section, which can have a certain distance, for example 3 km, and is formed by the two measuring points (MQi and (MQi + 1)). in the
  • the trend factor In the event of a critical traffic situation, more vehicles drive into the measurement section than out, the trend factor (FT) thereby increases exponentially.
  • the calculation of the trend factor is based on the generally unsmoothed traffic volumes, i.e. the traffic volumes at the two cross sections. This achieves higher accuracy and faster response.
  • the trend factor In order to reduce the influence of measurement errors, the trend factor is only calculated on the basis of the last measurement intervals, ie a period of 30 minutes, for example.
  • the third traffic parameter is used to assess the dynamic situation development.
  • the calculation is based on the generally unsmoothed recorded traffic data.
  • the traffic volume trend is also considered on the two measurement cross sections.
  • These three traffic parameters are the input data for the fuzzy logic. This brings the input variables, which originate from two adjacent measurement cross-sections, into context via a knowledge base defined by rules and from this derives the probability of a critical traffic situation, for example an accident.
  • the input variables of the fuzzy logic depend on many influences, in particular on the measuring point distance, the path geometry, i.e. Incline or descent, environmental conditions, such as wetness, snow, black ice, day or night, and possible other influences.
  • the influences are not only stationary, but also dynamic. Therefore, in a further development of the method according to the invention, the traffic parameters are calibrated so that the fuzzy system can always evaluate the input parameters (traffic parameters) independently of external influences.
  • the quantities are dynamically calibrated depending on their past values.
  • the trend factor and the speed difference are automatically calibrated.
  • a calibration factor for the speed density difference and a calibration factor for the trend factor are formed from these traffic data and related to the current traffic parameters in a calibration device which is arranged between the traffic data processing and the fuzzy processing.
  • the current speed density difference is divided by the speed density difference calibration factor and the respective current trend factor by the trend calibration factor.
  • the speed density difference depends on environmental conditions, such as wetness, fog, day / night etc.
  • This fuzzy input variable is therefore evaluated by the dynamic calibration factor.
  • the value of this factor can be regarded as the threshold for the speed density difference from which there is a high probability of a critical traffic situation (disruption).
  • the calibration factor is only calculated if the speed density difference is below a certain threshold, for example 0.3.
  • the factor is made up of the mean value, the standard deviation from the speed density difference and its defined threshold. The calculation of the mean value and the standard deviation is only carried out on the basis of the relative maxima of the speed density-difference curve:
  • the current speed density difference is divided by this calibration factor.
  • the characteristic value of the trend factor is sought, which is estimated to be "small". This characteristic value is defined in such a way that it includes the set of all values of the trend factor u whose relative total frequency is below one
  • Threshold For this purpose, a frequency table is introduced, the classes of which are defined in accordance with the table.
  • a class is a defined value range of the trend factor, whereby all classes together describe the entire value range of the trend factor. For every measuring interval
  • Spare sheet the current trend factor is assigned to a class, the respective class is then incremented.
  • the measured value for which the relative total frequency is below the predetermined threshold value can thus be determined for each interval.
  • the classification is more graded for very small and large values, a finer gradation is chosen for the important calibration range:
  • the current trend factor is divided by this calibration factor.
  • the method according to the invention for detecting critical traffic situations is used in a special embodiment of the invention for accident detection.
  • the traffic parameters: trend factor and traffic strength trend of the first measurement cross section, are used to identify a crowd formation in a crowd detection and to derive a pulse probability parameter.
  • an accident criterion is derived from the traffic parameter traffic intensity trend of the second measurement cross section and the pulse probability variable with the aid of the fuzzy decision, which together with the trend factor and the speed density difference enables an accident detection.
  • the traffic parameters and traffic strength trend are measured.
  • a bulk detection is carried out.
  • a group represents a vehicle collective with high traffic volume and traffic density, which leads into the measuring section.
  • the traffic factor trend factor used for accident detection allows two interpretation options for very large values. There is an accident, i.e. Over a longer period of time, more vehicles have entered the measuring section than moved in, or a group has entered the measuring section.
  • a group is a density wave, as it is e.g. in the event of a sudden removal of a bottleneck.
  • a bulk detection is carried out, as stated above.
  • the traffic quantity trend, the pulse probability in the previous measurement interval, and the trend factor are used as the input variable of the fuzzy logic.
  • a value for the probability of a group in the measurement section under consideration is directly available as the output variable.
  • the possibility of an accident is inferred from the variables traffic strength trend, old accident probability and pulse probability.
  • the possibility of an accident is represented by the output variable accident criterion. If this value is high, the preliminary investigation indicates an accident.
  • the probability of an accident is very high.
  • the possibility of an accident decreases, as well as with an increase in the pulse probability.
  • An exception is the case if a malfunction was very likely in the last measurement interval.
  • the accident Criterion essentially independent of the pulse probability and the traffic volume trend, because in the case of the incident already detected in the last measurement interval, both the pulse probability and the traffic volume trend can increase again.
  • the accident detection is the decision stage that ultimately leads to the result of the probability of an accident. Depending on this size, a warning is activated on the display cross section.
  • the probability of an accident is derived from the variables: accident criterion, trend factor and speed density difference using a fuzzy rule base, as already explained. If there is a very large positive difference in speed density, there is very likely an accident. The greater (positive) the difference in speed density, the more likely an accident is. With a growing trend factor, the probability of an accident increases even more with a positive difference in speed density. With a large accident criterion, the trend factor has more influence. With a smaller accident criterion, i.e. the features do not indicate an accident, the speed density difference alone decides, since in this case it is safer than the trend factor. Based on the likelihood of an accident, a display recommendation, e.g. Traffic jam warning, derived for the Kas Edison ⁇ sign and causes the display.
  • a display recommendation e.g. Traffic jam warning
  • the car road AS shown here as a freeway with, for example, two lanes in one direction of travel, has two measurement sections MQi and MQ (i + 1) which are arranged at a certain distance and form a measurement section MA.
  • the traffic sensors VS for example vehicle detectors, which can be formed, for example, by double induction loops, traffic data VD are recorded and fed to a traffic data preparation VDA.
  • the speed v, the traffic density K and the traffic volume Q are recorded and further processed as traffic data.
  • the traffic parameters: speed density difference vk-D, the trend factor FT and the traffic volumes QTi and QTi + 1 are determined separately at the measurement cross sections MQi and MQi + t and fed to further processing of a fuzzy logic.
  • the fuzzy processing device is designated FUB.
  • the probability variable WG for a critical traffic situation formed there, as already explained above, is evaluated in the result evaluation device EBE on the basis of a predefinable threshold value SW in order to generate a control signal SG, for example as a display recommendation, for an alternating traffic sign VWZ.
  • the calibration described above is shown schematically in FIG.
  • the traffic data VD or traffic parameters vk-D and FT are used to form a calibration factor for the speed density difference KFv and a calibration factor for the trend factor KFT.
  • These factors are fed to the calibration device KE, in which the traffic parameters speed density difference and trend factor are thus calibrated and / or as calibrated parameters vK-D; FT of the fuzzy processing FUB for the further processing already explained.
  • Fig. 3 the accident detection is shown schematically.
  • the input variables trend factor FT and traffic strength trend QTi at the measurement interface MQi become one Pulse probability quantity PWG derived using fuzzy logic.
  • This pulse probability variable PWG is considered in a preliminary accident investigation STV with the traffic parameter traffic intensity trend QT (i + l) of the measurement cross section MQ (i + l) and an accident criterion STK is derived from this.
  • This ' ⁇ criterion STK is considered together with the trend factor FT and the speed density difference vk-D in order to be able to conclude an accident. This is indicated by the malfunction detection STE.
  • an accident probability variable SWG is inferred, which is further processed in a subsequent result evaluation device EBE.

Abstract

Verfahren zur Verkehrserfassung und Verkehrssituationserkennung auf Autostraßen (AS), vorzugsweise Autobahnen. Mit dafür eingerichteten Meßstellen (Meßquerschnitte MO1, MO2, ...) zur KFZ-Detektion mit Verkehrssensoren (VS) und mit einer Verkehrsdaten-Verarbeitungs-Einrichtung (VDVE) für eine Verkehrssteuerung werden regelmäßig Verkehrsdaten (VD), wie KFZ-Geschwindigkeit (v), Verkehrsstärke (Q) und Verkehrsdichte (K), ermittelt und daraus bestimmte Verkehrskenngrößen in einer Verkehrsdatenaufbereitung (VDA) gebildet. Zwei benachbarte Meßstellen (MQi, MQ(i+1)) bilden einen Meßabschnitt (MA) mit einer bestimmten Streckenlänge (1). Aus den Verkehrsdaten (VD) von zwei solchen Meßstellen werden folgende Verkehrskenngrößen gebildet: a) die Geschwindigkeitsdichtedifferenz (vk-D), welche aus den lokalen Verkehrsdaten mittlerer Geschwindigkeit (v) und Verkehrsdichte (K) berechnet wird; b) ein Trennfaktor (FT), der fortlaufend aus dem Verhältnis der Verkehrsstärken (Qi/Q(i+1)) der ersten und der zweiten Meßstelle (MQi, MO(i+1)) gebildet ist, jedoch ermittelt über einen bestimmten Zeitraum (t) im Minutenbereich; c) der Verkehrsstärketrend (QTi, QT(i+1)) der jeweiligen Meßstelle (MQi, MQ(i+1)), wobei anhand der Funktion der Verkehrsstärke (Q) über der Zeit (Kurve Q (t)) aus der Steigung der Tangente an die Kurve der Trend abgeleitet wird. Daraus wird in einer Fuzzy-Logik (FUB) die Wahrscheinlichkeit einer kritischen Verkehrssituation (WG) abgeleitet.

Description

Beschreibung
Verfahren zur Verkehrserfassung und Verkehrssituationserken¬ nung auf Autostraßen, vorzugsweise Autobahnen
Die Erfindung bezieht sich auf ein Verfahren zur Verkehrser¬ fassung und Verkehrssituationserkennung auf Autostraßen gemäß dem Oberbegriff des Anspruchs 1.
Das ständig zunehmende Verkehrsaufkommen auf der Straße, vor¬ zugsweise Autobahn, mit dem dadurch bedingten Sicherheitsver¬ lust und die Schwierigkeiten, das gesamte Straßen- bzw. Auto- bahnnetz entsprechend zu erweitern, haben in den letzten
Jahrzehnten zu Überlegungen geführt, die Leistungsfähigkeit sowie die Sicherheit der Autostraßen mit Hilfe der Elektronik zu steigern.
Es gibt in der Zwischenzeit diverse Anlagen und verschiedene Verfahren, die aufgrund von Verkehrsmessungen passende Anzei¬ gen an den Wechselverkehrszeichen anschalten. Die Steuerung ist punktbedingt, wenn sie sich auf einem bestimmten Punkt des Verkehrsablaufs bezieht (beispielsweise Baustellen oder Fahrbahnverengungen), streckenbedingt (im allgemeinen unter der Bezeichnung "Linienbeeinflussung" bekannt) , wenn sie sich auf eine Strecke bezieht, oder netzbedingt, wenn sie sich die automatische Umleitung von einer Normalroute auf eine Alter¬ nativroute vornimmt (Wechselwegweisung) .
Bisherige Linienbeeinflussungen sind sehr aufwendig und teuer und werden daher nur gezielt an besonderes befahrenen Strek- ken errichtet. Dabei ist ein sehr hoher Aufwand bezüglich der Datenerfassung bzw. -auswertung sowie für die Informations- Übertragung mittels Wechselverkehrszeichen erforderlich. Um die Zusammenhänge zwischen der Verkehrssituation und der ge¬ steuerten Anzeige überschaubar zu halten, ist die Steuerlogik relativ einfach aufgebaut. Die aufbereiteten lokalen Meßwer¬ te, wie im allgemeinen geglättete Verkehrsstärke, geglättete Geschwindigkeit und lokale Verkehrsdichte, werden mit vorde¬ finierten Schwellwerten verglichen, um eine Aussage zu tref- fen bzw. um das Wechselverkehrszeichen anzusteuern.
Bei in Betrieb befindlichen Anlagen mit Verkehrserfassung und Steuerung des Verkehrs durch Wechselverkehrszeichen wird bis¬ her die Steuerung mit eindeutigen Ja/Nein-Aussagen, basierend auf Entscheidungslogiken, durchgeführt. Beispielsweise kann eine Harmonisierung des Verkehrs aufgrund hoher Belastung er¬ reicht werden, indem auf sämtlichen Fahrspuren eine gleiche Geschwindigkeitsbeschränkung angezeigt wird. Eine Stauerken¬ nung und Warnung kann aufgrund einer Verringerung der Fahrge- schwindigkeit erfolgen. Wird eine verhältnismäßig starke Ver¬ kehrsunruhe erkannt, so kann dem mit einer gleichmäßigen Ge¬ schwindigkeitsbeschränkung begegnet werden. Witterungsabhän¬ gige Umfeldbedingungen, die mit getrennten Sensoren erfaßt werden, werden zur Linienbeeinflussung ebenfalls angezeigt. Eine frühzeitige und zuverlässige Erkennung von gefährlichen Verkehrszuständen ist mit den bekannten Anlagen nicht ohne weiteres möglich, weil die erfaßten Verkehrsdaten keinen deutlichen Aufschluß über das tatsächliche Verkehrsgeschehen ergeben.
Aufgabe der Erfindung ist eine frühzeitige und zuverlässige, automatische Erkennung von kritischen Verkehrssituationen, wie Verkehrsstörungen durch Staubildung oder Unfall, auf Au¬ tostraßen, um die Verkehrsteilnehmer rechtzeitig vor dieser Situation zu warnen.
Diese Aufgabe wird bei dem eingangs beschriebenen Verfahren mit den kennzeichnenden Merkmalen des Anspruchs 1 gelöst .
Mit dem erfindungsgemäßen Verfahren werden an den Autostraßen mit. dafür eingerichteten Meßstellen, beispielsweise sind an jedem Meßguerschnitt für jede Fahrspur Verkehrssensoren ange- bracht, Verkehrsdaten erfaßt und in einer dafür vorgesehenen Verarbeitungseinrichtung für eine Verkehrssteuerung verarbei¬ tet. Aus den regelmäßig erfaßten Verkehrsdaten: Geschwindig¬ keit und Verkehrsstärke, werden in einer Verkehrsdatenaufbe¬ reitungseinrichtung bestimmte Verkehrskenngrößen abgeleitet. Dazu bilden zwei benachbarte Meßstellen einen Meßabschnitt, der eine bestimmte Streckenlänge, beispielsweise 3 km, auf¬ weist. Aus den Verkehrsdaten von diesen Meßstellen werden folgende Verkehrsgrößen gebildet :
Eine Geschwindigkeitsdichtedifferenz (vk-D) gemäß der Bezie¬ hung, wie sie im Anspruch 1 angegeben ist. Die Geschwindig¬ keitsdichtedifferenz berücksichtigt die Geschwindigkeit und die Verkehrsdichte beider Meßquerschnitte. Als zweite Ver- kehrskenngröße wird ein Trendfaktor gebildet, der fortlaufend aus dem Verhältnis der Verkehrsstärken der ersten und der zweiten Meßstelle gebildet ist, jedoch nur die Werte über ei¬ nen bestimmten Zeitraum, z.B. den letzten 30 Minuten, berück¬ sichtigt. Als dritte Verkehrskenngröße w' . i der Verkehrsstär- ketrend der jeweiligen Meßstelle als Maß . :,r die dynamische Situationsentwicklung, d.h. die zeitliche Entwicklung der Verkehrsstärke, gebildet. Dabei wird aus der Funktion der Verkehrsstärke über der Zeit bzw. aus der Steigung der Tan¬ gente an dieser Funktionskurve der Trend der Verkehrsstärke abgeleitet. Diese drei Verkehrskenngrößen werden in einer Fu- zzy-Logik zur Erkennung kritischer Verkehrssituationen bear¬ beitet, um als Ausgangsgröße eine Aussage über die Wahr¬ scheinlichkeit für eine kritische Verkehrssituation zu erhal¬ ten. Diese Wahrscheinlichkeitsgröße wird in Abhängigkeit von einem vorgebbaren Schwellwert bewertet, um eine Anzeigeemp¬ fehlung für die Wechselverkehrszeichen zu generieren.
Die Anwendung der Fuzzy-Logik für die Verkehrsituationserken¬ nung auf Autostraßen hat eine Reihe von Vorteilen. Das Aus- werten der Input-Daten ist sehr einfach. Mehrere Inputs kön¬ nen weiter verknüpft werden. Dadurch ist es möglich, für eine Maßnahme mehrere Eingänge gleichzeitig zu benutzen, auch wenn sie einzeln nicht besonders aussagekräftig sind. Das führt durchschnittlich zu einer schnelleren Reaktionszeit. Außerdem können kompliziertere Logiken für die Situationsinterpreta- tion, die nur mit der Verknüpfung vieler Daten möglich sind (Verkehrsstärke, Geschwindigkeit und lokale Dichte am Quer¬ schnitt und am darauf bzw. dahinter liegenden Meßguerschnitt, Trendfaktoren, evtl. Umfelddaten), mit der Fuzzy-Logik besser verwaltet werden. Wegen der weichen Denkweise der Fuzzy-Logik ist es möglich, statt einer starren binären Entscheidung (Stau oder kein Stau an einem Querschnitt) einen weichen
Obergang zu ermitteln, der in Form einer Wahrscheinlichkeit (z.B. die Wahrscheinlichkeit eines Staus an diesem Quer¬ schnitt beträgt 70%) dargestellt werden kann. Das hat den Vorteil, daß dieses Ergebnis mit einem entsprechend vorgebba- ren Schwellwert so bewertet werden kann, daß frühzeitig eine zuverlässige Anzeigeempfehlung ausgesprochen werden kann.
Als Verkehrsdaten werden neben der Fahrzeuggeschwindigkeit, die an beiden Meßstellen ermittelt wird und im allgemeinen als geglätteter Mittelwert (v) für die jeweilige Meßstelle verarbeitet wird, die Verkehrsstärke (Q) , die auch Verkehrs¬ menge genannt wird, und die Verkehrsdichte (K) verwendet. Die Verkehrsstärke gibt die Anzahl der Fahrzeuge an einem Me߬ querschnitt an, bezogen auf eine Zeiteinheit, beispielsweise eine Stunde. Die Verkehrsdichte ist ein Maß für die Anzahl der Fahrzeuge bezogen auf einen bestimmten Streckenabschnitt. Es wird mit einer sogenannten lokalen Verkehrsdichte ope¬ riert, die die Anzahl der Fahrzeuge auf den Meßquerschnitt bezieht und die entsprechende Geschwindigkeit berücksichtigt . Die Verkehrsdichte ist der Quotient der Verkehrsstärke und der mittleren Geschwindigkeit (K = Q/v) .
Die Verkehrskenngröße Geschwindigkeitsdichtedifferenz vk-D berechnet sich aus den lokalen Verkehrsdaten mittlere Ge- schwindigkeit und der Verkehrsdichte zweier benachbarter Me߬ querschnitte (Meßstellen) nach der im Anspruch 1 angegebenen Formel. Der erste Ter der Geschwindigkeitsdichtedifferenz bezieht sich auf den Meßquerschnitt i, der zweite auf den stromabwärtsliegenden Meßquerschnitt i+1. Um die Verkehrεgrö- ßen unterschiedlicher Meßquerschnitte vergleichen zu können, werden sie jeweils auf die einstellbaren Maximalwerte der Verkehrsgrößen der Querschnitte bezogen (max. freie Geschwin¬ digkeit und max. Verkehrsdichte) . Ist der Verkehrszustand an dem Meßquerschnitt ungestört, d.h. die Geschwindigkeit ist nicht klein und die Verkehrsdichte nicht groß, dann bewegt sich der entsprechende Term im Bereich sehr kleiner Werte. Herrscht an dem Meßquerschnitt ein instabiler Verkehrszu¬ stand, d.h. die Geschwindigkeit ist klein und die Verkehrs¬ dichte groß, so steigt der Wert des betroffenen Ter s an. Aus der Differenz der beiden Terme können damit Rückschlüsse auf den momentanen Verkehrszustand gezogen werden.
Der Trendfaktor (FT) wird als Indikator für eine Störung her¬ angezogen. Durch ihn erfolgt eine Überwachung des Zu- und Ab¬ flusses der Fahrzeuge im Meßabschnitt, der eine bestimmte Streckenlänge, beispielsweise 3 km, aufweisen kann, und von den beiden Meßstellen (MQi und (MQi+1) ) gebildet ist. Im
Falle einer kritischen Verkehrssituation fahren mehr Fahr¬ zeuge in den Meßabεchnitt hinein als hinaus, der Trendfaktor (FT) steigt dadurch exponentiell an. Die Berechnung des Trendfaktors beruht auf den im allgemeinen ungeglätteten Ver- kehrsmengen, d.h. den Verkehrsstärken an den beiden Meßquer¬ schnitten. Damit wird eine höhere Genauigkeit und ein schnel¬ leres Ansprechen erreicht. Um den Einfluß von Meßfehlern zu verringern, wird der Trendfaktor jeweils nur auf der Basis der letzten Meßintervalle, das bedeutet einen Zeitraum von beispielsweise 30 Minuten, berechnet.
Die dritte Verkehrskenngröße, der Verkehrsstärke-Trend (QTi), dient zur Beurteilung der dynamischen Situationsentwicklung. Die Berechnung beruht auf den im allgemeinen ungeglätteten erfaßten Verkehrsdaten. Der Verkehrsstärketrend wird eben¬ falls an den beiden Meßquerschnitten betrachtet. Diese drei Verkehrskenngrößen sind die Eingangsdaten für die Fuzzy-Logik. Diese bringt die Eingangsgrößen, die von zwei benachbarten Meßquerschnitten stammen, über eine durch Regeln definierte Wissensbasis in Zusammenhang und leitet daraus die Wahrscheinlichkeit für eine kritische Verkehrssituation, bei¬ spielsweise ein Störfall, ab.
Die Eingangsgrößen der Fuzzy-Logik sind von vielen Einflüssen abhängig, insbesondere vom Meßstellenabstand, der Strecken- geometrie, d.h. Steigung oder Gefälle, Umfeldbedingungen, wie Nässe, Schnee, Glatteis, Tag oder Nacht, und möglichen wei¬ teren Einflüssen. Die Einflüsse sind also nicht nur statio¬ när, sonderen auch dynamischer Art. Daher werden in Weiter¬ bildung des erfindungsgemäßens Verfahrens die Verkehrskenn- großen so kalibriert, daß das Fuzzy-System die Eingangsgrößen (Verkehrskenngrößen) unabhängig von äußeren Einflüssen immer gleich bewerten kann. Dazu werden die Größen in Abhängigkeit ihrer Vergangenheitswerte dynamisch kalibriert .
Um den Aufwand für die Kalibrierung zur Erkennung einer kri¬ tischen Verkehrssituation zu minimieren, werden automatisch der Trendfaktor und die Geschwindigkeitsdifferenz kalibriert. Dazu wird aus diesen Verkehrsdaten ein Kalibrierungsfaktor für die Geschwindigkeitsdichtedifferenz und ein Kalibrie- rungsfaktor für den Trendfaktor gebildet und in einer Kali¬ brierungseinrichtung, die zwischen der Verkehrsdatenaufberei¬ tung und der Fuzzy-Bearbeitung angeordnet ist, mit den aktu¬ ellen Verkehrskenngrößen in Beziehung gebracht. Die aktuelle Geschwindigkeitsdichtedifferenz wird durch den Geschwindig- keitsdichtedifferenz-Kalibrierungsfaktor und der jeweilige aktuelle Trendfaktor durch den Trend-Kalibrierungsfaktor di¬ vidiert.
Wie bereits gesagt, ist die Geschwindigkeitsdichtedifferenz abhängig von Umfeldbedingungen, wie Nässe, Nebel, Tag/Nacht usw. Diese Fuzzy-Eingangsgröße wird deshalb durch den dyna¬ mischen Kalibrierungsfaktor bewertet. Der Wert dieses Faktors kann als Schwelle für die Geschwindigkeitdichtedifferenz gel¬ ten, ab der mit hoher Wahrscheinlichkeit der Fall einer kri¬ tischen Verkehrssituation (Störung) vorliegt. Der Kalibrie¬ rungsfaktor wird nur berechnet, wenn die Geschwindigkeits- dichtedifferenz unter einer bestimmten Schwelle, beispiels¬ weise 0,3, liegt. Der Faktor setzt sich aus dem Mittelwert, der Standardabweichung von der Geschwindigkeitsdichte-diffe- renz und seiner festgelegten Schwelle zusammen. Die Berech¬ nung des Mittelwerts und der Standardabweichung wird nur auf Basis der relativen Maxima der Geschwindigkeitsdichte-diffe- renz-Ganglinie durchgeführt:
vk_Diffmittel=α-vk_Diff+ (l-oc)-vk_Diffmittelalt σvk_Diff=α- (vk_Diff-vk_Diffmittel) 2+ (1-α)-σvk_Diffalt vk_Diffmittelalt=vk_Diffmittel σvk Diffalt=σvk Diff
Kalibrierungsfaktor vk_Diff= vk _ Dif fmittel + 2. *Jσv]<_ Diff + 0. 35
PSG
PSG = normalisierte Ausprägung (positiv sehr groß) mit α=0.05 (einstellbar)
Die aktuelle Geschwindigkeitsdichtedifferenz wird durch die¬ sen Kalibrierungsfaktor dividiert. Zur Kalibrierung des Trendfaktors wird der Merkmalswert des Trendfaktors gesucht, den man als "klein" einschätzt. Dieser Merkmalwert wird so definiert, daß er die Menge aller Werte des Trendfaktors u - faßt, deren relative Summenhäufigkeit unterhalb eines
Schwellwertes liegen. Dazu wird eine Häufigkeitstabelle ein¬ geführt, deren Klassen entsprechend der Tabelle definiert werden. Eine Klasse ist ein definierter Wertebereich des Trendfaktors, wobei alle Klassen zusammen den gesamten Werte- bereich des Trendfaktors beschreiben. Für jedes Meßintervall
Ersatzblatt wird der aktuelle Trendfaktor einer Klasse zugeordnet, die jeweilige Klasse wird dann inkrementiert . Für jedes Intervall kann damit der Meßwert ermittelt werden, für den die relative Summenhäufigkeit unterhalb des vorgegebenen Schwellwertes liegt.
Die Klasseneinteilung ist für ganz kleine und große Werte stärker abgestuft, für den wichtigen Kalibrierungsbereich wird eine feinere Abstufung gewählt :
Klasse 0 1 2 3 36 37
Merkmal wertebereich -1..0.15 >0.15 >0.225 >0.275 >1.975 >2.025
FT <0.225 <0.275 <0.325 <2.025 <2.075
Klasseneinteilung
Der Kalibrierungsfaktor berechnet sich dann:
Merkmal
KFT=* normalisierte Ausprägung "klein" des Trendfaktors
Der aktuelle Trendfaktor wird jeweils durch diesen Kalibrie¬ rungsfaktor dividiert.
Das erfindungsgemäße Verfahren zur Erkennung kritischer Ver¬ kehrssituationen wird in einer besonderen Ausgestaltung der Erfindung zur Störfallerkennung verwendet. Dabei wird aus den Verkehrskenngrößen: Trendfaktor und Verkehrsstärketrend des ersten Meßquerschnitts, in einer Pulkerkennung eine Pulkbil¬ dung erkannt und eine Pulkwahrscheinlichkeitsgröße abgelei¬ tet. In einer Störfallvoruntersuchung wird aus der Verkehrs¬ kenngröße Verkehrsstärketrend des zweiten Meßquerschnitts und der Pulkwahrscheinlichkeitsgröße mit Hilfe der Fuzzy-Ent- scheidung ein Störfallkriterium abgeleitet, welches mit dem Trendfaktor und der Geschwindigkeitsdichtedifferenz zusammen betrachtet eine Störfallerkennung ermöglicht.
Für die Fuzzy-Störfallentscheidung werden neben den Entschei- dungskriterien Geschwindigkeitsdichtedifferenz und Trendfak¬ tor die Verkehrεkenngrößen, Verkehrsstärketrend an der Meß
Ersatzbfatt stelle MQI und an der Meßstelle MQ2 verwendet, mit denen eine Voruntersuchung auf einen Störfall durchgeführt wird.
Es wird eine Pulkerkennung durchgeführt. Ein Pulk stellt ein Fahrzeugkollektiv mit hoher Verkehrsstärke und Verkehrsdichte dar, welches in den Meßabschnitt einf hrt.
Die zur Störfallerkennung herangezogene Verkehrskenngröße Trendfaktor läßt bei sehr großen Werten zwei Interpretations- möglichkeiten zu. Es liegt ein Störfall vor, d.h. über einen längeren Zeitraum sind mehr Fahrzeuge in den Meßabεchnitt eingefahren alε auεgefahren, oder in den Meßabεchnitt iεt ein Pulk eingefahren. Ein Pulk ist gewissermaßen eine Dichte¬ welle, wie sie z.B. bei einer plötzlichen Aufhebung eines Engpasεes entsteht. Um diese beiden Fälle sicher zu unter¬ scheiden wird, wie oben gesagt, eine Pulkerkennung durchge¬ führt. Als Eingangsgröße der Fuzzy-Logik werden der Verkehrε- stärketrend, die Pulkwahrscheinlichkeit im vorangegangenen Meßintervall, und der Trendfaktor herangezogen. Als Ausgangs- große steht direkt ein Wert für die Wahrscheinlichkeit eines Pulks im betrachteten Meßabschnitt zur Verfügung.
Mit der Störfallvoruntersuchung wird aus den Größen Verkehrs¬ stärketrend, alte Störfallwahrscheinlichkeit und Pulkwahr- scheinlichkeit auf die Möglichkeit eines Störfalls geschlos¬ sen. Die Möglichkeit eines Störfalls wird durch die Ausgangs¬ variable Störfallkriterium repräsentiert. Ist dieser Wert hoch, so deutet die Voruntersuchung auf einen Störfall hin.
Nimmt nun zudem der Verkehrsstärketrend am stromabwärts lie¬ genden Meßquerschnitt ab bei einem hohen Wert für ein Stör¬ fallkriterium, so ist die Wahrεcheinlichkeit eineε Störfalles sehr hoch. Mit steigendem Verkehrsstärketr-.nd am stromabwärts liegenden Meßquerschnitt sinkt die Möglichkeit eines Stόr- falls, ebenso wie bei Zunahme der Pulkwahrscheinlichkeit. Ei¬ ne Ausnahme bildet der Fall, wenn im letzten Meßintervall ei¬ ne Störung sehr wahrscheinlich war. Hierbei ist das Störfall- kriterium im wesentlichen unabhängig von der Pulkwahrschein¬ lichkeit und dem Verkehrsstärketrend, denn im Fall deε be¬ reits im letzten Meßintervall erkannten Störfalls kann sowohl die Pulkwahrscheinlichkeit als auch der Verkehrsstärketrend wieder steigen. Die Störfallerkennung ist die Entscheidungε- stufe, die letztlich zum Ergebnis der Wahrscheinlichkeit ei¬ nes Störfalles führt. In Abhängigkeit dieεer Größe wird eine Warnung an den Anzeigeguerschnitt aufgeschaltet .
Über eine Fuzzy-Regelbasis wird aus den Größen: Störfallkri¬ terium, Trendfaktor und Geschwindigkeitsdichtedifferenz, die Störfallwahrscheinlichkeit abgeleitet, wie bereits dargelegt. Bei sehr großer positiver Geschwindigkeitdichtedifferenz liegt sehr wahrεcheinlich ein Störfall vor. Je größer (positiv) die Geschwindigkeitεdichtedifferenz, deεto wahr¬ scheinlicher ist ein Störfall. Mit wachsendem Trendfaktor εteigt bei poεitiver Geεchwindigkeitεdichtedifferenz die Wahrscheinlichkeit eines Störfalls noch mehr an. Bei einem großen Störfallkriterium hat der Trendfaktor mehr Einfluß. Bei kleinerem Störfallkriterium, d.h. die Merkmale deuten nicht auf einen Störfall hin, entscheidet die Geschwindig¬ keitsdichtedifferenz allein, da sie in diesem Fall sicherer als der Trendfaktor ist. In der Ergebnisbewertung wird, ba¬ sierend auf der Wahrscheinlichkeit eines Störfalles, eine An- Zeigeempfehlung, z.B. Stauwarnung, für die Wechselverkehrs¬ zeichen abgeleitet und die Anzeige veranlaßt.
Anhand der Zeichnung wird das erfindungsgemäße Verfahren nochmals kurz erläutert. Dabei zeigen Fig. 1 eine prinzipielle Darstellung für das erfindungsgemä¬ ße Verfahren,
Fig. 2 für eine Kalibrierung und
Fig. 3 für eine Störfallerkennung. Die Autoεtraße AS, hier als Autobahn mit z.B. zwei Spuren in einer Fahrtrichtung dargestellt, weist zwei Meßguerschnitte MQi und MQ(i+l) auf, welche in einem bestimmten Abstand an¬ geordnet sind und einen Meßabschnitt MA bilden. Mit den Ver- kehrssensoren VS, z.B. Fahrzeugdetektoren, die beiεpielsweise von Induktionεdoppelschleifen gebildet sein können, werden Verkehrεdaten VD erfaßt und einer Verkehrsdatenaufbereitung VDA zugeführt. Als Verkehrsdaten werden die Geschwindigkeit v, die Verkehrsdichte K und die Verkehrsstärke Q erfaßt und weiterverarbeitet. In der Verkehrsdatenaufbereitung VDA wer¬ den die Verkehrεkenngrößen: Geschwindigkeitsdichtedifferenz vk-D, der Trendfaktor FT und die Verkehrsstärken QTi und QTi+1 getrennt an den Meßquerschnitten MQi und MQi+t ermit¬ telt und zur weiteren Bearbeitung einer Fuzzy-Logik zuge- führt. Die Fuzzy-Bearbeitungseinrichtung ist mit FUB bezeich¬ net. Die dort gebildete, wie bereits oben erläuterte, Wahr¬ scheinlichkeitsgröße WG für eine kritische Verkehrssituation wird in der Ergebnisbewertungseinrichtung EBE aufgrund eines vorgebbaren Schwellwertes SW bewertet, um ein Steuersignal SG, beispielsweiεe alε Anzeigeempfehlung, für ein Wechselver- kehrszeichen VWZ zu erzeugen.
In Fig. 2 ist die bereitε oben beschriebene Kalibrierung εchematisch dargestellt. In einer Einrichtung zur Kalibrie- rungsfaktor-Bildung KFB werden die Verkehrsdaten VD bzw. Ver¬ kehrskenngrößen vk-D und FT zur Bildung eines Kalibrierfak¬ tors für die Geschwindigkeitsdichtedifferenz KFv und eines Kalibrierungsfaktors für den Trendfaktor KFT herangezogen. Diese Faktoren werden der Kalibrierungseinrichtung KE zuge- führt, in der die Verkehrskenngrößen Geschwindigkeitsdichte¬ differenz und Trendfaktor damit kalibriert bzw. und als kali¬ brierte Kenngrößen vK-D; FT der Fuzzy-Bearbeitung FUB für die bereits erläuterte Weiterverarbeitung zugeführt werden.
In Fig. 3 iεt εchematisch die Störfallerkennung dargestellt. In der Pulkerkennung PE wird aus den Eingangsgrößen Trendfak¬ tor FT und Verkehrsεtärketrend QTi am Meßguerεchnitt MQi eine Pulkwahrscheinlichkeitsgröße PWG mit Hilfe der Fuzzy-Logik abgeleitet. Diese Pulkwahrscheinlichkeitsgröße PWG wird in einer Störfallvoruntersuchung STV mit der Verkehrskenngröße Verkehrsεtärketrend QT(i+l) des Meßquerschnitts MQ(i+l) be- trachtet und daraus ein Störfallkriterium STK abgeleitet.
Diese'ε Kriterium STK wird zusammen mit dem Trendfaktor FT und der Geschwindigkeitsdichtedifferenz vk-D betrachtet, um auf einen Störfall schließen zu können. Dies ist mit der Störfal¬ lerkennung STE angedeutet. Wie oben erläutert, wird in der Störfallerkennung STE auf eine Störfallwahrεcheinlichkeitε- größe SWG geschlossen, die in einer anschließenden Ergebniε- bewertungseinrichtung EBE weiterbehandelt wird.

Claims

Patentansprüche
1. Verfahren zur Verkehrserfassung und Verkehrsεituations er- kennung auf Autoεtraßen (AS) , vorzugsweise Autobahnen mit dafür eingerichteten Meßstellen (Meßquerschni te MQI, MQ2... ) zur KFZ-Detektion mit Verkehrsεenεoren (VS) und mit einer Verkehrsdaten-Verarbeitungs-Einrichtung (VDVE) für eine Verkehrεsteuerung, wobei regelmäßig Verkehrsdaten (VD) , wie KFZ-Geschwindigkeit (v) , Verkehrsstärke (Q) und Verkehrsdich¬ te (K) , an den Meßstellen (MQI, MQ2, ... ) ermittelt und daraus bestimmte Verkehrskenngrößen in einer Verkehrsdatenaufberei¬ tung (VDA) gebildet werden, gekennzeichnet durch folgende Merkmale:
- zwei benachbarte Meßstellen (MQi, MQ(i+l)) bilden einen Meßabschnitt (MA) mit einer bestimmten Streckenlänge (1)
- aus den Verkehrsdaten (VD) von zwei solchen Meßstellen wer¬ den folgende Verkehrskenngrößen gebildet: a) die Geεchwindigkeitεdichtedifferenz (vk-D) gemäß folgender Beziehung:
Figure imgf000015_0001
vr ,, vr .. ι : maximale freie Geschwindigkeit am Meßquerschnitt i, i + 1 π x ., knux .. i : maximale Verkehrsdichte am Meßquerschnitt i , /' + 1 , : Verkehrsdichte nach dem Meßquerschnitt i k . : Verkehrsdichte vor dem Meßquerschnitt + 1 vi, Vi ♦ ι : mittlere geglättete Geschwindigkeit am Meßquerschnitt , + 1
b) ein Trendfaktor (FT) , der fortlaufend auε dem Verhältnis der Verkehrsstärken (Qi/Q(i+1) ) der ersten und der zweiten Meßstelle (MQi, MQ(i+D), gebildet ist, jedoch ermittelt über einen bestimmten Zeitraum (t) im Minutenbereich, c) der Verkehrsstärketrend (QTi, QT(i+l) ) der jeweiligen Meßstelle (MQi, MQ(i+D), wobei anhand der Funktion der Ver- 13a Meßstelle (MQi, MQ(i+D), gebildet ist, jedoch ermittelt über einen bestimmten Zeitraum (t) im Minutenbereich, c) der Verkehrsstärketrend (QTi, QT(i+l)) der jeweiligen Meßstelle (MQi, MQ(i+l)), wobei anhand der Funktion der Ver kehrsstärke (Q) über der Zeit (Kurve Q(t)) aus der Steigung der Tangente an die Kurve der Trend abgeleitet wird, diese drei Verkehrskenngrößen (vK-D; FT; QTi und QT(i+l) ) werden in einer Fuzzy-Logik (FUB) zur Erkennung kritischer Verkehrssituation im betrachteten Meßabschnitt (MA) bearbei- tet und als Wahrscheinnlichkeitsgrößen (WG) einer nachge¬ schalteten Ergebnisbewertungs-Einrichtung (EBE) zugeführt, in der in Abhängigkeit von einstellbaren Schwellwerten (SW) Steuersignale (SG) für Wechselverkehrszeichen (WVZ) gebildet werden.
Ersat∑bfatt 14
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Verkehrskenngrößen Geschwin¬ digkeitsdichtedifferenz (vk-D) und Trendfaktor (FT) in Abhän- gigkeit von ihren Vergangenheitswerten dynamisch kalibriert werden, wobei aus den Verkehrsdaten (VD) ein Kalibrierungs¬ faktor (KFv) für die Geschwindigkeitsc_*?"itedifferenz (vK-D) und ein Kalibrierungsfaktor (KFT) für ~≤n Trendfaktor (FT) gebildet (KFB) werden, und daß in einer zwischen der Ver- kehrsdaten-Aufbereitung (VDA) und der Fuzzy-Bearbeitung (FUB) angeordneten Kalibrierungseinrichtung (KE) die aktuelle Ge¬ schwindigkeitsdichte-Differenz (vk-D) mit dem Geschwindig- keitsdichtedifferenz-Kalibrierungsfaktor (KFv) und der je¬ weils aktuelle Trendfaktor (FT) mit den Trendfaktor-Kalibie- rungsfaktor (KFT) dividiert werden.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß zur Kalibrierung die Geschwin¬ digkeitsdichte-Differenz (vk-D) bewertet wird, wobei der Wert des Kalibrierungsfaktors (KFv) ein Schwellenwert für die Ge- schwindigkeitεdichtedifferenz (vk-D) iεt, ab welcher mit ho¬ her Wahrεcheinlichkeit eine kritiεche Verkehrεεituation vor¬ liegt. 15
4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß zur Kalibierung des Trendfaktors (FT) ein als "klein" eingeschätzter Merkmalswert des Trend¬ faktors so definiert ist, daß er die Menge aller Werte des Trendfaktors umfaßt, deren relative Summenhäufigkeit unter¬ halb eines Schwellwerteε liegen, wobei eine Häufigkeitstabel¬ le mit mehreren Klasεen mit definierten Wertebereichen des Trendfaktors gebildet werden und der aktuelle Trendfaktor ei¬ ner Klasse zugeordnet wird, um daraus den Kalibrierungsfaktor (KFT) zu ermitteln.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß als kritische Verkehrssituation ein Störfall ermittelt und angezeigt wird, wobei aus dem Trendfaktor (FT) und dem Verkehrsεtärkentrend (QTi) der er¬ sten Meßεtelle (MQi) eine Pulkbildung erkannt (PE) und eine Pulkwahrscheinlichkeitsgröße (PWG) gebildet wird, die mit dem Verkehrsstärketrend (QT(i-l)) der zweiten Meßstelle (MQ(i+l)) in Beziehung gebracht wird, um ein Störfallkriterium (STK) abzuleiten (STV) , wobei ferner aus dem Trendfaktor (FT) und der Geschwindigkeitsdichtedifferenz (vk-D) sowie dem Stör¬ fallkriterium (STK) auf einen Störfall erkannt (STE) wird und eine Störfallwahrscheinlichkeitsgröße (SWG) gebildet wird.
PCT/DE1995/000265 1994-03-14 1995-03-01 Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen WO1995025321A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
US08/704,728 US5696502A (en) 1994-03-14 1995-03-01 Method of sensing traffic and detecting traffic situations on roads, preferably freeways
EP95910428A EP0750774B1 (de) 1994-03-14 1995-03-01 Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen
DE59502343T DE59502343D1 (de) 1994-03-14 1995-03-01 Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen
FI963627A FI963627A (fi) 1994-03-14 1996-09-13 Menetelmä liikenteen ilmaisemiseksi ja tilanteiden tunnistamiseksi autoteillä, ensi sijassa moottoriteillä
NO963843A NO963843L (no) 1994-03-14 1996-09-13 Fremgangsmåte til trafikkregistrering og deteksjon av trafikksituasjonen på veier, foretrukket motorveier

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE4408547A DE4408547A1 (de) 1994-03-14 1994-03-14 Verfahren zur Verkehrserfassung und Verkehrssituationserkennung auf Autostraßen, vorzugsweise Autobahnen
DEP4408547.8 1994-03-14

Publications (1)

Publication Number Publication Date
WO1995025321A1 true WO1995025321A1 (de) 1995-09-21

Family

ID=6512707

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE1995/000265 WO1995025321A1 (de) 1994-03-14 1995-03-01 Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen

Country Status (6)

Country Link
US (1) US5696502A (de)
EP (1) EP0750774B1 (de)
AT (1) ATE166738T1 (de)
DE (2) DE4408547A1 (de)
FI (1) FI963627A (de)
WO (1) WO1995025321A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0789341A1 (de) * 1996-02-06 1997-08-13 MANNESMANN Aktiengesellschaft Fahrzeugautonome Detektion von Verkehrsstau
WO2010097325A1 (de) * 2009-02-27 2010-09-02 Siemens Aktiengesellschaft Verfahren und vorrichtung zur störfallerkennung auf einer strassenstrecke

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19521927C2 (de) * 1995-06-09 1998-08-06 Inst Automation Und Kommunikat Verfahren und Vorrichtung zur verkehrsabhängigen Grünzeitanpassung in einer Verkehrssignalanlage
DE19638070A1 (de) * 1996-09-18 1998-03-19 Deutsche Telekom Mobil Verfahren zur Verkehrsdatenerfassung mittels Mobilfunkgeräten
DE19647127C2 (de) * 1996-11-14 2000-04-20 Daimler Chrysler Ag Verfahren zur automatischen Verkehrsüberwachung mit Staudynamikanalyse
WO1998027525A1 (de) * 1996-12-16 1998-06-25 Mannesmann Ag Verfahren zur vervollständigung und/oder verifizierung von den zustand eines verkehrsnetzes betreffenden daten; verkehrszentrale
US5995900A (en) * 1997-01-24 1999-11-30 Grumman Corporation Infrared traffic sensor with feature curve generation
KR100234987B1 (ko) * 1997-08-20 1999-12-15 윤종용 고속도로의 구간별 주행 시간 안내 시스템
EP0902404B1 (de) * 1997-09-11 2004-11-17 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Verkehrsinformationen
EP0903711A3 (de) * 1997-09-18 2000-08-23 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Verkehrsinformationen
DE19757812A1 (de) * 1997-12-24 1999-07-01 Peter Grohse Chipkarte zum Bezahlen von Autobahngebühren
DE19757863A1 (de) * 1997-12-24 1999-07-08 Peter Grohse Sende- und Empfangseinheit zum Bezahlen von Autobahngebühren
US6313757B1 (en) * 1998-03-05 2001-11-06 Siemens Aktiengesellschaft Method and apparatus for controlling motor vehicle traffic
DE19835979B4 (de) * 1998-08-08 2005-01-05 Daimlerchrysler Ag Verfahren zur Verkehrszustandsüberwachung und Fahrzeugzuflußsteuerung in einem Straßenverkehrsnetz
US6317058B1 (en) 1999-09-15 2001-11-13 Jerome H. Lemelson Intelligent traffic control and warning system and method
EP1269447B1 (de) * 2000-03-15 2004-12-22 Raytheon Company Automatische unfallfeststellung
IL156675A0 (en) * 2001-01-26 2004-01-04 Raytheon Co Vehicle trip determination system and method
DE10103392A1 (de) * 2001-01-26 2002-08-08 Bosch Gmbh Robert Verfahren zur automatischen Stauwarnung
SE0100351D0 (sv) * 2001-02-06 2001-02-06 Sergio Luciani Traffic monitoring system and method
CA2343435C (en) 2001-04-06 2006-12-05 International Road Dynamics Inc. Dynamic work zone safety system
US6600994B1 (en) 2001-05-17 2003-07-29 Horizon Navigation, Inc. Quick selection of destinations in an automobile navigation system
KR20040051778A (ko) * 2002-12-13 2004-06-19 주식회사 엘지씨엔에스 유고 감지 방법
US7096115B1 (en) * 2003-09-23 2006-08-22 Navteq North America, Llc Method and system for developing traffic messages
US7251558B1 (en) * 2003-09-23 2007-07-31 Navteq North America, Llc Method and system for developing traffic messages
DE102005024953A1 (de) * 2005-05-31 2006-12-07 Siemens Ag Verfahren zur Ermittlung von Abbiegeraten in einem Straßennetz
US7831380B2 (en) * 2006-03-03 2010-11-09 Inrix, Inc. Assessing road traffic flow conditions using data obtained from mobile data sources
US8700296B2 (en) 2006-03-03 2014-04-15 Inrix, Inc. Dynamic prediction of road traffic conditions
US7813870B2 (en) * 2006-03-03 2010-10-12 Inrix, Inc. Dynamic time series prediction of future traffic conditions
US20070208501A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Assessing road traffic speed using data obtained from mobile data sources
US7899611B2 (en) * 2006-03-03 2011-03-01 Inrix, Inc. Detecting anomalous road traffic conditions
US20070208493A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Identifying unrepresentative road traffic condition data obtained from mobile data sources
US7912628B2 (en) 2006-03-03 2011-03-22 Inrix, Inc. Determining road traffic conditions using data from multiple data sources
US20070208498A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Displaying road traffic condition information and user controls
US8014936B2 (en) 2006-03-03 2011-09-06 Inrix, Inc. Filtering road traffic condition data obtained from mobile data sources
US7912627B2 (en) 2006-03-03 2011-03-22 Inrix, Inc. Obtaining road traffic condition data from mobile data sources
US7706965B2 (en) * 2006-08-18 2010-04-27 Inrix, Inc. Rectifying erroneous road traffic sensor data
US7908076B2 (en) * 2006-08-18 2011-03-15 Inrix, Inc. Representative road traffic flow information based on historical data
DE102008056858B4 (de) 2008-11-12 2021-02-11 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben eines Hybridfahrzeugs
DE102009006534A1 (de) * 2009-01-28 2010-07-29 Siemens Aktiengesellschaft Verfahren zur Erkennung eines Störfalles auf einem Streckenabschnitt eines Straßennetzes sowie Verkehrsrechner zur Durchführung des Verfahrens
US9087465B2 (en) * 2009-02-27 2015-07-21 Blackberry Limited Adaptive pedestrian billboard system and related methods
EP2422330B1 (de) * 2009-04-22 2015-02-25 Inrix, Inc. Vorhersage von erwarteten strassenverkehrsbedingungen auf der basis von historischen und aktuellen daten
GB0916204D0 (en) * 2009-09-16 2009-10-28 Road Safety Man Ltd Traffic signal control system and method
US20110175753A1 (en) * 2010-01-15 2011-07-21 James Jacob Free Robotic influenced self scheduling F.L.O.W. trafic management system
ES2350551B2 (es) * 2010-08-06 2012-06-22 Universidad De Málaga Sistema y procedimiento de gestion de trafico.
US8930123B2 (en) 2010-11-19 2015-01-06 International Business Machines Corporation Systems and methods for determining traffic intensity using information obtained through crowdsourcing
US9958280B2 (en) 2011-08-16 2018-05-01 Inrix, Inc. Assessing inter-modal passenger travel options
CN102708688B (zh) * 2012-06-08 2014-01-22 四川川大智胜软件股份有限公司 一种基于二级模糊综合判别的城市道路状态辨识方法
DE202013003279U1 (de) * 2013-04-06 2013-07-25 Sadeeb Ottenburger Globale Stauprävention auf Autobahnen / Straßennetze
CN103456172B (zh) * 2013-09-11 2016-01-27 无锡加视诚智能科技有限公司 一种基于视频的交通参数测量方法
US8903636B1 (en) 2013-12-02 2014-12-02 Abdualrahman Abdullah Mohammad Al Kandari Accident detection system and method for accident detection
US9697731B2 (en) * 2014-01-20 2017-07-04 Here Global B.V. Precision traffic indication
CN104050808B (zh) * 2014-06-03 2016-05-18 北京航天福道高技术股份有限公司 公路交通堵塞定位搜寻方法
US9978270B2 (en) 2014-07-28 2018-05-22 Econolite Group, Inc. Self-configuring traffic signal controller
US10495480B1 (en) * 2016-08-18 2019-12-03 Apple Inc. Automated travel lane recommendation
GB2585243A (en) * 2019-07-05 2021-01-06 Valerann Ltd Traffic event and road condition identification and classification
KR20190109324A (ko) * 2019-07-26 2019-09-25 엘지전자 주식회사 로봇 충전대의 위치를 추천하기 위한 방법, 장치 및 시스템
US11508239B2 (en) * 2020-05-19 2022-11-22 The Auto Club Group Road-side detection and alert system and method

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0171098A1 (de) * 1984-07-02 1986-02-12 Koninklijke Philips Electronics N.V. Verfahren zur Steuerung eines Strassenverkehrüberwachungssystems und ein Strassenverkehrüberwachungssystem zur Benutzung des Verfahrens

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1192025A (en) * 1966-10-20 1970-05-13 Tateisi Electronics Company A Method of and Apparatus for Detecting Traffic Delay
US5357436A (en) * 1992-10-21 1994-10-18 Rockwell International Corporation Fuzzy logic traffic signal control system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0171098A1 (de) * 1984-07-02 1986-02-12 Koninklijke Philips Electronics N.V. Verfahren zur Steuerung eines Strassenverkehrüberwachungssystems und ein Strassenverkehrüberwachungssystem zur Benutzung des Verfahrens

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
IOKIBE T ET AL: "Traffic prediction method by fuzzy logic", SECOND IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS (CAT. NO.93CH3136-9), PROCEEDINGS OF IEEE 2ND INTERNATIONAL FUZZY SYSTEMS CONFERENCE, SAN FRANCISCO, CA, USA, 28 MARCH-1 APRIL 1993, ISBN 0-7803-0614-7, 1993, NEW YORK, NY, USA, IEEE, USA, pages 673 - 678 vol.2 *
RITTICH ET AL.: "PERSPEKTIVEN DER VERKEHRSLEITTECHNIK", ANT NACHRICHTENTECHNISCHE BERICHTE, no. 9, BACKNANG, DE, pages 111 - 119, XP000331875 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0789341A1 (de) * 1996-02-06 1997-08-13 MANNESMANN Aktiengesellschaft Fahrzeugautonome Detektion von Verkehrsstau
US6131064A (en) * 1996-02-06 2000-10-10 Mannesmann Aktiengesellschaft Vehicle-autonomous detection of traffic backup
WO2010097325A1 (de) * 2009-02-27 2010-09-02 Siemens Aktiengesellschaft Verfahren und vorrichtung zur störfallerkennung auf einer strassenstrecke

Also Published As

Publication number Publication date
FI963627A0 (fi) 1996-09-13
DE59502343D1 (de) 1998-07-02
EP0750774A1 (de) 1997-01-02
US5696502A (en) 1997-12-09
FI963627A (fi) 1996-09-13
ATE166738T1 (de) 1998-06-15
EP0750774B1 (de) 1998-05-27
DE4408547A1 (de) 1995-10-12

Similar Documents

Publication Publication Date Title
WO1995025321A1 (de) Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen
DE69734474T2 (de) Fahrzeugsdetektionsanlage und Signalsverarbeitungsanlage dafür
DE19606258C1 (de) Fahrzeugautonome Detektion von Verkehrsstau
EP1119467B1 (de) Verfahren zur integrierten darstellung der parameter einer abstandsregelungseinrichtung
EP0740280A2 (de) Verfahren zur Störungserkennung im Strassenverkehr
DE19928082C2 (de) Filterungsverfahren zur Bestimmung von Reisegeschwindigkeiten bzw. -zeiten und Domänen-Restgeschwindigkeiten
DE69631629T2 (de) Erfassung und Vorhersage von Verkehrsbehinderungen
EP2447924B1 (de) System zur Ermittlung der Verkehrssituation auf einer Straßenstrecke
DE19549003C1 (de) Verfahren zur Geschwindigkeitsmessung
DE102008003039A1 (de) Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug
DE1574109C2 (de) Gerät zur Ermittlung der relativen Dichte von Verkehrsströmen auf Straßen
EP1758065A2 (de) Verfahren zur Prognose eines Verkehrszustandes in einem Straßennetz und Verkehrsmanagementzentrale
DE3128578A1 (de) &#34;verfahren zur automatischen staudetektion und stauprognose fuer den strassenverkehr&#34;
DE10261172A1 (de) Verfahren und System zur zentralenbasierten, zeitlich vorausschauende Störungserkennung durch Störflanken-Detektion mittels abschnittsbezogener Reisezeitenschätzung
EP1057156B1 (de) Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung
DE102009037461A1 (de) Assistenzsystem zur Erhöhung einer Verkehrssicherheit
WO2008011850A1 (de) Verfahren und vorrichtung zur fusion von verkehrsdaten bei unvollständiger information
DE102006049003B4 (de) Stauanzeigesystem
EP0067905A1 (de) Verfahren und Vorrichtung zur Auswertung von Signalen einer Geschwindigkeitsmesseinrichtung
DE19542871C1 (de) Verfahren und Vorrichtung zur Detektion von Fußgängern
AT410263B (de) Messverfahren zur bestimmung und dokumentation des abstandes zweier fahrzeuge
DE2911734A1 (de) Verfahren zur messung von verkehrsstoerungen
DE2756058A1 (de) Programmierbare spannungsfuehlschaltung
DE102004009898B4 (de) Verfahren zum Ermitteln des Verkehrszustandes auf einem Streckenabschnitt eines Straßennetzes sowie Verkehrsmanagementzentrale zur Durchführung des Verfahrens
DE19905284A1 (de) Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): FI NO US

AL Designated countries for regional patents

Kind code of ref document: A1

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

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 1995910428

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 08704728

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 963627

Country of ref document: FI

WWP Wipo information: published in national office

Ref document number: 1995910428

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 1995910428

Country of ref document: EP