WO1999042971A1 - Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung - Google Patents

Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung Download PDF

Info

Publication number
WO1999042971A1
WO1999042971A1 PCT/DE1999/000523 DE9900523W WO9942971A1 WO 1999042971 A1 WO1999042971 A1 WO 1999042971A1 DE 9900523 W DE9900523 W DE 9900523W WO 9942971 A1 WO9942971 A1 WO 9942971A1
Authority
WO
WIPO (PCT)
Prior art keywords
traffic
location
domains
vectors
domain
Prior art date
Application number
PCT/DE1999/000523
Other languages
English (en)
French (fr)
Inventor
Claudius SCHNÖRR
Original Assignee
DDG GESELLSCHAFT FüR 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
Priority claimed from DE19905284A external-priority patent/DE19905284A1/de
Application filed by DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH filed Critical DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH
Priority to AT99915492T priority Critical patent/ATE258330T1/de
Priority to EP99915492A priority patent/EP1057156B1/de
Priority to DE59908367T priority patent/DE59908367D1/de
Publication of WO1999042971A1 publication Critical patent/WO1999042971A1/de

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

  • Traffic conditions can change very quickly in road traffic, especially on motorways and expressways. Due to the high flow of traffic and the individual driving style of the road users, a dynamic arises in the
  • Oncoming lanes are usually affected, because road users also slow down their speed there for various reasons. This traffic dynamics often leads to individual or series rear-end collisions because the safety distance was not maintained or the drivers simply no longer mastered this critical traffic dynamics.
  • a differentiated detection of the traffic conditions is therefore desirable and necessary, despite the frequent lack of additional information about the current status of the routes, e.g. about construction sites, number of lanes or their topological course: inclines, descents, etc.
  • the traffic domains with traffic conditions that are the same or similar everywhere in a traffic domain spread they grow, divide, migrate, and the traffic conditions merge into one another until they finally dissolve, i.e. there is free movement again. These domains must therefore be found, classified, localized and tracked dynamically. This is followed by the message management for traffic reports, which ultimately prepares the results in a form suitable for drivers.
  • the traffic situation cannot be recognized from the individual traffic measurements.
  • the sizes and changes in the measured traffic values over a certain time interval must be considered.
  • the course of the measured traffic values thus determined must not lose its topicality.
  • the method is not tied to a predetermined route division, that is to say it works independently of the route, and route knowledge about the number of lanes, construction sites, speed limits, topology of the route sections, etc. is not required.
  • the traffic situation at the respective measuring points cannot be concluded unambiguously from the traffic measurement data. To do this, it is necessary to know the course of the measured values over time and place. The specific properties of traffic are only included in the measured values together with their local-time profile. The aim is therefore to combine traffic data of different physical contents into resulting feature vectors that uniquely characterize the traffic situation. In addition, a distinction between the states “no traffic” and “total congestion”, which give the same measured values, is also necessary.
  • the inventive method according to claim 1 solves these problems consistently.
  • the differentiated traffic conditions e.g. scattered, stagnant, dense and free, cannot be clearly defined and delimited with regard to the input data.
  • Binary border crossings between these traffic conditions also do not correspond to the subjective perception of road users. It is therefore a gradual one
  • the subject of claim 2 is a method that solves these tasks consistently.
  • the traffic measurements which are recorded with various sensors and serve as source information for the traffic condition descriptions, are incomplete both locally and in time. Gaps can also result from the fact that there are no or too few measured values at one location. In these cases, the traffic conditions at these locations cannot be determined directly.
  • the traffic conditions can only be determined directly at the measuring points. Since it is not possible to install any number of sensors in the road network, there are no traffic measurements between the measuring points.
  • Road traffic networks must be assigned to one of the differentiated traffic conditions (congested, stagnant, dense or free). For this purpose, the descriptions of the local traffic conditions must be compared.
  • the locations of the same traffic conditions combined into domains must be compared with one another in order to be able to determine changes and dynamics of these domains with regard to location and time.
  • the aim is therefore to compare both the location status vectors and the domains with one another on the basis of the location status vectors, which contain the probabilities for the differentiated traffic conditions in their components, using a similarity measure.
  • the subject of claim 4 is a method that solves these tasks consistently.
  • the beginning and end should be able to be set in the right places according to the actual traffic situation and its dynamics.
  • the domains should contain a description of the status, which results from the status descriptions of the locations summarized in them.
  • the subject of claim 5 is a method that solves these tasks consistently.
  • the domain segmentation of the road network must be repeated at intervals. These update steps must ensure that the segmentation always corresponds to the current traffic situation.
  • the new traffic domains currently found must be assigned to the already existing domains found in the previous update step.
  • the message management must generate new, change and delete messages from this.
  • the subject of claim 6 is a method that realizes this objective and solves the problems consistently.
  • the methods according to claims 1 to 6 were tested in practical operation.
  • the subjects of claims 2 to 6 are in connection with the invention according to claim 1 and in each case independently thereof claimed.
  • the subclaims relate to each independent claim.
  • the traffic situation classification and reporting method according to the invention can be used on all motorways and expressways to reduce the risk of accidents.
  • Critical traffic situations can sometimes even be avoided.
  • the system is not only necessary for security reasons. It is also the basis for route planning, travel time forecasts, traffic jam prognoses, diversion recommendations, signal and traffic influencing as well as, if necessary, direct vehicle influencing and traffic control and numerous other services.
  • the simplest solution is the long-known traffic radio.
  • the police report accidents and, as a result, traffic jam lengths and traffic conditions that they e.g. sighting on their helicopter control flights to the state registration offices.
  • traffic radio As useful as traffic radio is, the manual recording of traffic events is incomplete, the traffic conditions are subjectively classified and the timeliness of the messages leaves much to be desired.
  • Newer registration systems such as the message generator from Heusch-Boesefeldt works according to the threshold value analysis.
  • the routes between two motorway junctions form the routes under consideration.
  • the division of the route and thus the resolution is therefore rigid and relatively rough.
  • the traffic condition that is assigned to one of these routes depends exclusively on the speed measurements on this route. If the measured speeds fall below a predefined threshold value, the entire route is reported as congested. So there is a local, binary classification, namely jammed or free.
  • the speed measurement values are included over the distance under consideration.
  • the spatial and temporal resolution of the process is determined by the rough route division. The dynamic spreading of traffic jams against the direction of travel can only be recorded to a limited extent.
  • the actuality of the recorded traffic situation is limited.
  • the speed measurements must be available as synchronous, stationary data.
  • Other data e.g. of mobile sensors in the vehicles (FCD) themselves cannot be processed. Characteristic formation does not take place and is fundamentally not possible.
  • Differentiated traffic conditions cannot be recorded. Different physical measured values cannot be processed either, because they cannot be combined and if the threshold value analysis was also applied to other measured values, the question of the priorities would not be decidable.
  • a suitable form of the traffic situation description about the location for higher-value traffic status classification methods cannot be provided. The classification of the traffic conditions based on this threshold analysis of the
  • the stability of the messages must be artificially enforced by the rough route division and the additional condition that only a repeated congestion classification or free classification of a route triggers a new message or deletion message. This complicates message management, the local and temporal resolution of the system is restricted and dynamic domain tracking is not possible in principle.
  • the end of the sector and a decrease in the flow of traffic in the sector under consideration, or an increase or decrease in the integrated flow balance between the beginning and end of the sector, are indicators of an accident, ie these criteria indicate a traffic jam event.
  • the methods all work with sectors as measuring sections. So they only work with a fixed route division of the entire traffic network under consideration.
  • a drop in speed at the beginning of the sector with a high speed at the end of the sector and a decrease in the flow of traffic in the sector under consideration are an indicator of an accident, i.e. these criteria indicate a traffic jam event.
  • a modified, refined procedure for accident detection is the dynamic one
  • the travel time of the vehicles through the sector is forecast and a forecast for the traffic flow at the end of the sector is made.
  • the difference between the measured and the predicted traffic flow is then determined and integrated at the end of the sector for small time intervals. If there is a trouble-free situation, the positive and negative deviations over time will cancel each other out.
  • the cumulative difference fluctuates somewhat around the zero line.
  • the prognostic value lies above the measured values over time.
  • the cumulative difference in traffic flows is therefore an indicator of the accident.
  • the forecast is subject to uncertainties that cannot be determined analytically.
  • the subjective behavior of drivers within the sector is unpredictable. Therefore, assumptions are made about the distribution of driving behavior among road users.
  • Topological conditions such as inclines and descents or daily construction sites can influence the travel time through the sector. After all, the exact intervals go through the interval The entry times of the vehicles in the sector are lost, which means that data is reduced.
  • the difference formation is therefore subject to stochastic fluctuations.
  • the difference formation is very sensitive to incorrect output data.
  • a "stabilization mechanism" in the form of a correction element depending on the quality of the sensor system, must therefore be introduced.
  • the sector-specific cruising speed is calculated using the theoretically determined transit time. This value, which is determined from local variables, must be corrected using the sector-specific analysis.
  • the fuzzy logic makes the selection between local and sector-related consideration. This selection is based on the quality of the data collection. With this algorithm, the evaluation jumps back and forth in borderline cases. A comparison is made between the current evaluation and that in the last acquisition cycle
  • Measuring distance between two measuring points and the difference in this case not the traffic flows, but the speed-traffic density values, which are calculated from the local data.
  • a trend factor is determined from the ratio of traffic flows between the two measuring points over a predetermined period of time, e.g. 30 minutes and the first derivative, that is the
  • Measuring distance that is, determined at two measuring points.
  • a dynamic determination and tracking of the traffic domains via the location and the time is therefore not possible.
  • the message management is subject to the same restrictions.
  • the known methods are therefore of limited use in practice for recording the traffic condition at individual locations and the traffic situation in the road network.
  • Fig. 1 Time functions of the measured values of induction loops for a
  • FIG. 2 median-filtered time functions from FIG. 1,
  • Fig. 4 Schematic representation of the processing chain:
  • Fig. 6 Fuzzy classification or discriminant functions for the locally and temporally filtered measured variables (or the features)
  • Fig. 7 Determination of the normalized location state vector at a location x from the status vectors per feature, which are derived from the features
  • Fig. 8 State extrapolation of the state vector components over the location with e.g. a local Gaussian filter
  • Fig. 10 Sketch to visualize the results and the temporal assignments of the traffic domains identified by the messages to successive ones
  • Fig. 11 Generated traffic reports of the realized prototype using the example of a traffic jam event
  • Fig. 12 Generated traffic reports of the realized prototype using the example of a traffic jam event while simultaneously displaying the
  • the domain formation is not dependent on a route-dependent or stability-related
  • the message management is based on the determined dynamic of the domains and is not tied to fixed locations.
  • Newly determined domains can be assigned to previously reported domains using a similarity measure. Since the states of the domains are continuously described, the process also allows for state transitions in the life course of a person
  • the algorithm offers degrees of freedom in order to use parameters to determine the desired sensitivity of the system with regard to - the time response to incoming data
  • the quality of the messages is realized by a high local and temporal
  • the system is based on a continuous description of the traffic conditions.
  • the algorithm can process and use synchronous, asynchronous and event-induced traffic data of different physical contents.
  • the measuring points can be stationary, but it can also be measured at variable locations.
  • the system does not require complex interpolation of the measured values along the roads under consideration.
  • the messages of the system become a function test with real historical traffic data and for monitoring in operation in congruence with the
  • the visualization also shows the dynamics of the
  • the system also enables a distinction to be made between a total traffic jam and completely free traffic, even though there are no sensible traffic measurements in either of these two extreme cases.
  • Such a system is based on the following, individually usable processes for processing and reprocessing
  • the method according to the invention for recording the traffic situation with a history window, multidimensional morphological data filtering and feature vector formation receives traffic data from various sensors as source information and converts this via location-time filtering into features for each measurement location, which describe the local traffic situation.
  • Induction loops are installed stationary at different intervals on the highway and deliver synchronously, averaged over the cycle time, the measured values for the speed, the flow of traffic, the time and the location of the measurement. Speed and flow values can also be available separately for cars and trucks.
  • Infrared or radar sensors are also stationary and provide event-induced asynchronous measurements.
  • Floating cars only measure the speed of one vehicle in each vehicle, i.e. at variable locations and asynchronously.
  • the measured values are thus the speed, time and location coordinate of the measurement.
  • the local traffic density is calculated from these source data and the measurement vectors are formed over location x and time t.
  • the measured values can drop out temporarily, so that local and temporal gaps arise, in addition to the locations that are not covered by detectors.
  • All measurement vectors are displayed via sliding "history windows" for each measurement category - speed v, traffic flow f and density d - from e.g. Passed on for 20 minutes.
  • the previous values are deleted.
  • the location is in these history windows at small intervals, e.g. 200m discretizes, the time in intervals of e.g. 1 minute.
  • the history windows are synchronized with the synchronous detector data from e.g.
  • the measured values are obtained as sliding time functions while maintaining the local-time relationship and with great topicality (FIG. 4). Since the measured values are very noisy (FIG. 1), a local and temporal filtering of the speed and density values is carried out in order to reduce the fluctuations, but without suppressing significant state transitions. The analysis of the time functions of the measurement vectors shows that a median filter is suitable for this (FIG. 2).
  • Dilation and erosion are also morphological filters.
  • the filters must also have measurement value gaps, i.e. with missing measured values at some location and time coordinates within the history window, work.
  • measurement value gaps i.e. with missing measured values at some location and time coordinates within the history window.
  • Detector data received synchronously, asynchronously, event-induced, stationary, variable location Process detector data
  • the method according to the invention for detecting the traffic condition of a road traffic network by means of fuzzy classification and the formation of value-continuous location status vectors uses feature vectors which are obtained by preprocessing the measured values and describe the traffic situation at each measurement location (x). However, measured values or other calculated values, e.g. Travel times are processed. The method converts these feature vectors via a fuzzy classification into a suitable description of the traffic conditions in the form of location status vectors.
  • each traffic pattern is assigned a vector of features that represents a point in the feature space.
  • the n-dimensional feature space is spanned by the feature axes (Fig. 5).
  • the classification of the patterns now corresponds to a spatial division of the feature space. This can be done by separating functions that set exact limits. However, an approach is chosen here that uses discriminant functions for each class. A pattern is then assigned to the class whose discriminant function for the characteristics of this pattern is greater than the others
  • Each component is assigned a probability using the component-by-component fuzzy classification. These component state vectors are then combined by vectorial addition with subsequent normalization to form a single state vector for each location (FIG. 7).
  • the state probabilities can also be multiplied component by component. Instead of normalizing the vectors to the sum of the components equal to 1, normalization to the vector amount equal to 1 is also possible. From other sources, e.g. Local state vectors determined from model-based methods are included in the same way when the feature-based state vectors are combined with the location state vectors, if necessary taking into account additional weighting factors. Local state vectors, which contain the probabilities for the different traffic conditions, are now available at all locations where sufficient measured values were available and feature vectors could be calculated therefrom.
  • the method according to the invention for detecting the traffic condition by means of fuzzy classification and location condition vectors is therefore characterized by the following processing steps: - Classification of the traffic conditions Characteristics of the traffic conditions: jammed ... free - division of the characteristic space through fuzzy discriminant functions
  • Fuzzy classification of the components of the existing feature vectors at each location probability of the traffic conditions per feature - vectorial addition and normalization to a status vector for each location:
  • Road traffic network representing complete traffic condition description is based on location condition vectors.
  • the components of these normalized location status vectors represent the probabilities for the existence of a traffic status at the location in question.
  • positional state vectors are now available at practically all locations (FIG.
  • the maximum extrapolation range is dynamically limited, ie not rigidly, but in dependence on the extrapolation result by means of a threshold for the amount of extrapolated state vectors.
  • the weighting of the existing location state vectors must also decrease with increasing extrapolation range
  • the Gaussian filter To ensure the stability of the detection of the differentiated traffic conditions even more, a component-wise averaging of the status vectors is carried out at each location with the values of the previous update run. This smooth temporal smoothing based on the continuous description of the condition at each location is much more effective than an artificially enforced stability over time in subsequent processing steps.
  • Such smooth smoothing is a form of an autoregressive filter (AR)
  • the filter parameter a tstep is set to a fixed interval of e.g. 10 minutes:
  • z ⁇ eu and z aii stand for the newly determined position state vector components of a road or those determined in a previous calculation cycle
  • tstep and t10min stand for the selected time interval in seconds between 2
  • Traffic status descriptions and traffic domains through probabilistic similarity measures are based on location status vectors, which e.g. from feature vectors for each measurement location via a fuzzy classification and a subsequent weighted extrapolation for each selectable discretization of the distance between the measurement points, e.g. every 200m.
  • the components of these location state vectors are the probabilities for the presence of the differentiated traffic conditions at each location.
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the whole
  • Places with similar traffic conditions that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network. Results for each of these traffic domains
  • the comparison of the location state vectors is carried out component by component on the basis of the probabilities contained in the vector components for the presence of the differentiated traffic conditions at the location under consideration.
  • the basis for comparison is a measure of similarity, for which a metric, i.e. a
  • a similarity measure is also used to compare the domains with one another.
  • the similarity measure for the traffic domains is also a metric, which applies a state vector metric to the
  • Domain state vector is used and the local position and length of the domain under consideration are also taken into account.
  • the state of maximum probability in particular the index of the maximum component of a state vector relative to the other components, can be used as a measure of similarity for both state vectors, the location state vector or the domain state vector.
  • the Euclidean vector norm can also be used as a metric for the state vectors: Sum ((vek1-vek2) 2 ).
  • the location of the traffic domains which is included in the metric as a measure of similarity, can be taken into account as follows:
  • Amount (length.domain1 - length.domain2) / max (length.domain, length.domain2).
  • the method according to the invention for determining domains of the same traffic conditions is based on location state vectors which, for example. from feature vectors for each measurement location via a fuzzy classification and a subsequent weighted extrapolation for each selectable discretization of the distance between the measurement points, e.g. every 200m.
  • the components of these location state vectors are the probabilities for the presence of the differentiated traffic conditions at each location.
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the entire road network (FIG. 9 left).
  • Places with similar traffic conditions that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network.
  • the comparison of the traffic condition descriptions by the location condition vectors is carried out component by component using a probabilistic similarity measure, for which a metric, that is to say a distance measure, is used.
  • the traffic state with the maximum probability is determined from its state vector.
  • the location whose state vector e.g. "Congestion” indicates in both directions whether the components of the state vectors of the neighboring locations are most likely to show the same traffic condition or the component with the traffic condition to be compared is at most below the maximum component by the hysteresis value. Due to this hysteresis, places whose state vectors speak for themselves another traffic state, but differ only slightly from the state of the starting point, are also counted as "traffic jam domain".
  • the state vector of the traffic domain found in this way is the normalized sum of the state vectors of the locations of the domain. For example, the sum of the components equal to 1 is selected as the norm.
  • the focus of the domain is the sum of the location coordinates of the domain, which are weighted with the amount of the corresponding local location state vectors.
  • the domain formation can also be found by means of a cluster analysis with a subsequent relaxation process over the location.
  • the distances between the state vectors and their spatial distance can serve as a similarity measure for the cluster search.
  • the result of this method is local agglomerations with similar traffic conditions within the agglomerations. However, this procedure is much more computationally complex.
  • the domain list may contain neighboring domains that are very similar to each other due to the process for their formation
  • Domain state vectors are. These are summarized. The list of domains is sorted for each street according to the geographic focus of the domains. Domains are summarized if they are separated by a gap up to a maximum length and their state probabilities are the same or differ at most by the specified hysteresis amount as shown above.
  • the result is a current list of traffic domains for a street or the road network.
  • the entire road network is broken down into the domains.
  • the domains include again a continuous description of the condition.
  • the domain division of the road network is repeatedly determined and updated at time intervals (FIG. 9, right).
  • Domain state vectors vectorial addition and normalization of the state vectors of the locations of the domains
  • the method according to the invention for the dynamic tracking of domains of the same traffic conditions is based on location condition vectors, which consist of the feature vectors for each measurement location and a weighted extrapolation for each selectable discretization of the route between the measurement points, e.g. every 200m.
  • location condition vectors consist of the feature vectors for each measurement location and a weighted extrapolation for each selectable discretization of the route between the measurement points, e.g. every 200m.
  • the components of these location state vectors are
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the entire road network. Places with similar traffic conditions, that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network.
  • the comparison of the traffic condition descriptions by the location condition vectors is carried out component by component using a probabilistic similarity measure, for which a metric, that is to say a distance measure, is used.
  • the domain state vectors contain i.a. again a continuous description of the condition.
  • the domain division of the road network is repeatedly determined and updated at time intervals.
  • the method according to the invention for dynamic tracking of these domains works as follows:
  • the current domains determined in an update run are compared with the domains ascertained in the previous update run, each of which has been stored in a message list.
  • the newly found domains are assigned to the existing domains using a similarity measure.
  • the basis of the similarity measure is the continuous domain state vectors as well as the position and length of the stretches that are taken up by the domains. If a minimum similarity is found, the domain route under consideration is assigned to the corresponding message or the already existing domain. This is done for all newly discovered domains and existing messages.
  • a new message may be generated for new domains, the message attributes for domains assigned to existing messages are updated and change messages may be generated, and messages which could not be assigned to a domain or only to a domain with the traffic state "free" are deleted.
  • a hysteresis parameter can be used to control when new and change reports are considered significant and actually executed. This enables the number of messages to be reduced without restricting the internal information for domain formation and tracking of the procedure.
  • the result of the method according to the invention is a dynamic tracking of the domains with similar traffic conditions with each update step and a constantly updated message list.
  • the message list with the domain properties contained in each message is the basis for information about the traffic conditions on the road network. This information is stored until the next update step and is brought to the attention of the vehicle driver in a suitable manner, e.g. via mobile radio or signal systems, or they are used for control interventions in traffic or the direct influence of vehicles.
  • the information that is passed on to road users can also be given individually depending on their respective positions and destinations in the road network.
  • the measured traffic values in the section of road under consideration are represented by different gray values over time.
  • the reports of the traffic conditions or the domains are also shown in this coordinate system. With the time axis moving over the image, the traffic situation and its dynamics can be recognized and from the congruence between measurement and reporting the quality of the process results (Fig.
  • FIGS. 11 and 12 Examples of this, which a realized prototype produces, are shown in FIGS. 11 and 12.
  • the algorithm is executed repeatedly over time.
  • the update section therefore moves from left to right.
  • the saved values to the left of the current time of evaluation are viewed.
  • the locations of domains found are shown by vertical lines. If messages are activated for these domains, this is indicated by a white spot in the focus of the domain.
  • a connecting line is then also drawn between the focal points of the domain, which visualize the time assignment by the method for dynamic tracking of the domains.
  • the different gray values of the lines correspond to different colors with which the states are reproduced, stagnant, dense and freely reproduced. You can also see small diamonds, which show the local traffic conditions on the
  • the traffic measurements are shown in gray in the background. For example, in the figures. to see the speed values, with dark gray values representing low speeds, and correspondingly light gray values representing high speeds. You can immediately see how the messages generated in the
  • the method according to the invention for the dynamic tracking and assignment of domains of the same traffic conditions and the message management are therefore characterized by the following processing steps: - Dynamic tracking of the domains
  • Message list Information about traffic conditions and traffic situation. Update of the message list with every update run. If new domains can be assigned in the message list: the previous message remains or a change message regarding location, length and traffic condition
  • the invention relates to methods which can be used independently of one another, but also to a traffic situation classification and reporting system for the
  • a message management that shows the traffic conditions or traffic domains in a stable and consistent manner, is constantly updated and also shows the growth of the domains, their migration and division as well as their transitions into the other classified traffic conditions until they are resolved in the class "free" the technology and the critical analysis of the known
  • the method according to the invention solves these tasks, which are characterized by the following essential processing steps - the local traffic density is determined from the source data of the sensors and a measurement vector is formed for each measurement location and measurement time
  • the components of the measurement vectors are represented as history-time functions which slide with the update slides.
  • the components of the measurement vectors are spatially and temporally filtered, based on the analysis of the time functions, preferably using a median filter, forming the
  • Probabilities for the traffic conditions are now assigned to the measured values in terms of time and space using a fuzzy classification.
  • the domain state vector is determined by normalization. A current list of domains with continuous traffic state information results for each street under consideration. With each further update step, the identified domains are continuously added to the existing domains of the message list
  • the results are visualized.
  • the display can be used for monitoring and gives a visual impression of the traffic dynamics and an overview of the entire traffic situation. Procedures have been tried

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Erstellung von die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden Verkehrsinformationen durch Bearbeitung von zu mehreren Zeitpunkten erfaßten Verkehrsmeßwerten. Hierbei werden die erfaßten Verkehrsmeßwerte je betracheter Straße über den Ort (x) und die Zeit (t) ihrer Erfassung je Meßwertkategorie in wiederholt aktualisierten Historienfenstern, die eine bestimmte Zeitspanne vom aktuellen Zeitpunkt der Erstellung der Verkehrsinformation in die Vergangenheit reichen und Ort und Zeit in Intervallen diskretisieren, eingetragen und abgespeichert, wobei die erfaßten Verkehrsmeßwerte in den jeweils aktuell betrachteten einzelnen Historienfenstern über ihren Zeit- und Ortsverlauf mit verschiedenen Filtern gefiltert werden, wobei je Filter ein Merkmal gebildet wird, worauf sich zu jeweils einem Ort des Verkehrsnetzes ein sich auf diesen Ort beziehender, die Verkehrssituation beschreibender Merkmalsvektor durch Zusammenfassen der einzelnen Merkmale ergibt, wobei auf den die lokale Verkehrssituation beschreibenden Merkmalsvektoren basierende, ausgebbare Verkehrsinformationen erstellt werden.

Description

Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung
Hintergrund der Erfindung
Im Straßenverkehr, insbesondere auf den Autobahnen und Schnellstraßen, können sich die Verkehrszustände sehr schnell ändern. Infolge des hohen Verkehrsflusses und der individuellen Fahrweise der Verkehrsteilnehmer entsteht eine Dynamik im
Verkehr, die kaum vorausschauend erkannt werden kann. Hinzu kommen Störungseinflüsse wie Geschwindigkeitsbegrenzungen, Änderung der Anzahl der Fahrspuren, Baustellen und Unfälle, welche plötzlich eine Fahrspur oder die ganze Autobahn blockieren. Die Störungen breiten sich dann wellenartig aus und führen auch in größeren Entfernungen zur Beeinträchtigung des Verkehrs. Auch die
Gegenfahrbahnen sind in der Regel betroffen, weil auch dort die Verkehrsteilnehmer angesichts des Geschehens ihre Geschwindigkeit aus verschiedenen Beweggründen drosseln. Durch diese Verkehrsdynamik kommt es häufig zu einzelnen oder Serien- Auffahrunfällen, weil der Sicherheitsabstand nicht eingehalten worden war oder die Fahrer diese kritische Verkehrsdynamik einfach nicht mehr beherrschen.
Es besteht deshalb ein dringender Bedarf an rechtzeitigen und aktuellen Informationen über die Verkehrszustände in örtlich möglichst genau bezeichneten Streckenabschnitten. Dabei ist nicht nur das Stauereignis wichtig, sondern auch die streckenbezogene Angabe von Verkehrszuständen, welche einem Verkehrsstau in der
Regel voraus gehen, zum Beispiel stockender oder dichter Verkehr. Es ist also eine differenzierte Erkennung der Verkehrszustände erwünscht und notwendig, und zwar trotz häufigem Fehlen von Zusatzinformationen über den aktuellen Stand der Strecken, z.B. über Baustellen, Zahl der Fahrspuren oder deren topologischen Verlauf: Steigungen, Gefällstrecken u.a.
Die Verkehrsdomänen mit in einer Verkehrsdomäne jeweils überall gleichen oder ähnlichen Verkehrszuständen breiten sich aus, sie wachsen, teilen sich auf, wandern, und die Verkehrszustände gehen ineinander über, bis sie sich schließlich auflösen, das heißt wieder freie Fahrt besteht. Diese Domänen müssen also gefunden, klassifiziert, lokalisiert und dynamisch verfolgt werden. Daran schließt sich das Meldungsmanagement für Verkehrsmeldungen an, das letztlich die Ergebnisse in einer für die Autofahrer geeigneten Form aufbereitet.
Bei der Realisierung dieser Zielsetzung bestehen folgende Probleme:
Aus den einzelnen Verkehrsmeßwerten ist die Verkehrslage nicht erkennbar. Dazu müssen die Größen und Änderungen der Verkehrsmeßwerte über ein bestimmtes Zeitintervall betrachtet werden. Durch diese "Integration" darf der so ermittelte Verlauf der Verkehrsmeßwerte jedoch nicht seine Aktualität verlieren.
Es ist ferner notwendig, Verkehrsmeßwerte von unterschiedlichen Sensoren zu verarbeiten, die ortsfest oder mobil sein können, synchrone, asynchrone oder ereignisinduzierte Meßwerte liefern und deren Meßwerte auch lückenhaft und sehr verrauscht sein können.
Es ist außerdem wünschenswert, daß das Verfahren nicht an eine vorgegebene Streckeneinteilung gebunden ist, also streckenunabhängig arbeitet und auch Streckenkenntnisse über Spurzahl, Baustellen, Geschwindigkeitsbegrenzungen, Topologie der Streckenabschnitte usw. nicht erforderlich sind.
Aus den Verkehrsmeßdaten kann nicht eindeutig auf die Verkehrslage an den jeweiligen Meßpunkten geschlossen werden. Dazu ist es notwendig, den Verlauf der Meßwerte über Ort und Zeit zu kennen. Die spezifischen Eigenschaften des Verkehrs sind in den Meßwerten nur zusammen mit ihrem Orts-Zeitverlauf enthalten. Ziel ist deshalb die Zusammenfassung von Verkehrsdaten verschiedenen physikalischen Inhalts zu resultierenden Merkmalsvektoren, welche die Verkehrslage eindeutig charakterisieren. Zusätzlich ist auch eine Unterscheidung zwischen den Zuständen "kein Verkehr" und "Totalstau", welche die gleichen Meßwerte ergeben, erforderlich.
Das erfindungsgemäße Verfahren gemäß Anspruch 1 löst diese Probleme konsistent.
Die Erstellung von Verkehrsinformationen gemäß Anspruch 1 (wie auch nach einem der Ansprüche 2 bis 6) kann unmittelbar oder nach Zwischenschritten erfolgen. So können vor der Erstellung von Verkehrsinformationen im Anspruch 1 Zwischenschritte nach Merkmalen der Ansprüche 2 bis 6 oder anderen Ansprüchen erfolgen etc.
Bei der weiteren Verarbeitung von die Verkehrssituation beschreibenden Merkmalsvektoren ergeben sich folgende weitere Probleme:
Die differenzierten Verkehrszustände, z.B. gestreut, stockend, dicht und frei, sind nicht eindeutig definierbar und abgrenzbar bezüglich der Eingangsdaten. Binäre Grenzübergänge zwischen diesen Verkehrszuständen entsprechen auch nicht dem subjektiven Empfinden der Verkehrsteilnehmer. Es ist deshalb eine graduelle
Beschreibung der Verkehrszustände und ein gleitender Übergang von Zustand zu Zustand notwendig.
Die Beschreibung der Verkehrszustände an einem Ort muß vergleichbar sein Es ist auch eine einheitliche Skalierung für nachfolgende Berechnungen und die
Zusammenfassung aller Merkmale an einem Ort erforderlich.
Gegenstand des Anspruchs 2 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Weiterverarbeitung einer solchen Verkehrszustandsbeschreibung ergeben sich folgende Probleme:
Die Verkehrsmeßwerte, die mit verschiedenen Sensoren erfaßt werden und als Quellinformationen für die Verkehrszustandsbeschreibungen dienen, sind sowohl örtlich als auch zeitlich lückenhaft. Lücken können auch dadurch entstehen, daß an einem Ort keine oder zu wenig Meßwerte vorhanden sind. In diesen Fällen können die Verkehrszustände an diesen Orten nicht direkt ermittelt werden.
Die Verkehrszustände können direkt nur an den Meßpunkten ermittelt werden. Da nicht beliebig viele Sensoren im Straßenverkehrsnetz angebracht werden können, liegen auch zwischen den Meßpunkten keine Verkehrsmeßwerte vor.
Ziel ist aber eine kontinuierliche Beschreibung der Verkehrszustände über die ganze Strecke und letztlich für das ganze Straßenverkehrsnetz. Diese Zielsetzung kann durch eine Extrapolation der Meßwerte selbst nicht erreicht werden. Eine Interpolation der Werte zwischen zwei Meßpunkten stattdessen ist aufwendig und die Interpolationsweite muß begrenzt werden. Man kann die Lücken auch mit gemittelten historischen Daten füllen. Dies führt aber zu Verfälschungen. Ersatzwerte aus Modellrechnungen zur Schließung der Meßwertlücken auf Basis der verfügbaren Meßwerte sind aufwendig und setzen eine hohe Qualität dieser verfügbaren Meßwerte voraus.
Der Gegenstand des Anspruchs 3 löst diese Probleme konsistent.
Zur Bildung von Verkehrsdomänen jeweils einheitlichen Verkehrszustandes sowie deren Verfolgung über Ort und Zeit müssen Zustandsvektoren miteinander verglichen werden. Dabei treten folgende Probleme auf:
Die ermittelten Verkehrslagen an den verschiedenen Orten des
Straßenverkehrsnetzes müssen einem der differenzierten Verkehrszustände (gestaut, stockend, dicht oder frei) zugeordnet werden. Zu diesem Zweck müssen die Beschreibungen der örtlichen Verkehrslagen miteinander verglichen werden.
Ebenso müssen die zu Domänen zusammengefaßten Orte gleicher Verkehrszustände miteinander verglichen werden, um Änderungen und Dynamik dieser Domänen bezüglich Ort und Zeit festellen zu können.
Diese Vergleiche können jedoch nicht als Identitätsvergleich auf der Basis identisch gleicher Verkehrsmeßwerte oder der charakteristischen Merkmalsvektoren, welche die lokale Verkehrssituation in anderer Form beschreiben, vorgenommen werden, weil diese stochastischen Werte nie vollständig gleich sind, aus unterschiedlichen physikalischen Meßwerten hervorgehen und damit verschiedene Maßeinheiten haben und unterschiedlich skaliert sind.
Ziel ist deshalb, auf der Basis der Ortszustandsvektoren, welche in ihren Komponenten die Wahrscheinlichkeiten für die differenzierten Verkehrszustände enthalten, mit Hilfe eines Ähnlichkeitsmaßes sowohl die Ortszustandsvektoren als auch die Domänen jeweils miteinander zu vergleichen. Gegenstand des Anspruchs 4 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Segmentierung von Verkehrsdomänen in Straßenverkehrsnetzen müssen die folgenden Probleme gelöst werden:
Orte mit gleichen oder ähnlichen Verkehrszuständen müssen zu Domänen gleicher Verkehrszustände zusammengefaßt werden bzw. die Domänen ähnlicher Verkehrszustände müssen voneinander segmentiert werden.
Die Domänen sollen nicht an feste Streckenabschnitte gebunden sein, sondern deren
Anfang und Ende sollen sich, entsprechend den tatsächlichen Verkehrslagen und deren Dynamik, stetig an den richtigen Stellen festlegen lassen.
Die Domänen sollen eine Zustandsbeschreibung enthalten, die aus den Zustandsbeschreibungen der in ihnen zusammengefaßten Orten resultiert.
Gegenstand des Anspruchs 5 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Verfolgung der Domänen und deren Zuordnung zu durch frühere Vehrsmeldungen ausgewiesene Domänen bestehen folgende Probleme:
Die Domänensegmentation des Straßenverkehrsnetzes muß in zeitlichen Intervallen wiederholt werden. Diese Aktualisierungsschritte müssen sicherstellen, daß die Segmentation immer dem aktuellen Verkehrszustand entspricht.
Die aktuell gefundenen neuen Verkehrsdomänen müssen den bereits bestehenden, im vorhergehenden Aktualisierungsschritt gefundenen Domänen zugeordnet werden.
Das Meldungsmanagement muß daraus Neu-, Änderungs- und Löschmeldungen erzeugen.
Gegenstand des Anspruchs 6 ist ein Verfahren, das diese Zielsetzung realisiert und die Probleme konsistent löst. Die Verfahren gemäß den Ansprüchen 1 bis 6 wurden im praktischen Betrieb erprobt. Die Gegenstände der Ansprüche 2 bis 6 werden im Zusammenhang mit der Erfindung nach Anspruch 1 sowie jeweils unabhängig hiervon beansprucht. Die Unteransprüche sind auf jeden unabhängigen Anspruch rückbezogen.
Das erfindungsgemäße Verkehrslage-Klassifikations- und Meldungsverfahren ist auf allen Autobahnen und Schnellstraßen zur Verringerung der Unfallgefahr einsetzbar.
Kritische Verkehrssituationen können teilweise sogar vermieden werden. Das System ist aber nicht nur aus Sicherheitsgründen notwendig. Es ist auch die Grundlage für Routenplanungen, Reisezeitprognosen, Stauverlaufsprognosen, Umleitungsempfehlungen, Signal-und Verkehrsbeeinflussung sowie gegebenenfalls direkte Fahrzeugbeeinflussung und Verkehrslenkung und zahlreiche andere Dienste.
Stand der Technik
Der einfachste Lösungsansatz ist der schon seit langem bekannte Verkehrsfunk. Die Polizei meldet Unfälle und in deren Folge Staulängen sowie Verkehrszustände, die sie z.Bsp. bei ihren Hubschrauber-Kontrollflügen sichten, an die Landesmeldestellen. So nützlich der Verkehrsfunk ist, so ist die manuelle Erfassung der Verkehrsereignisse doch lückenhaft, die Verkehrszustände sind subjektiv klassifiziert und die Aktualität der Meldungen läßt zu wünschen übrig. Es gibt auch andere Verfahren zur Erfassung der Verkehrslage auf Autobahnen und Schnellstraßen. Diese bekannten Verfahren arbeiten alle mit festgelegten
Streckenabschnitten oder -Segmenten nach der Schwellwertanalyse oder der Methode der Verkehrsbilanzierung. Weiterentwicklungen sind nur Modifikationen dieser beiden Verfahren, um ihre inhärenten Schwächen zu mindern. Das heißt: Die bekannten Verfahren sind alle streckengebunden und können deshalb nur synchrone Meßwerte von ortsfesten Sensoren verarbeiten.
Neuere Erfassungssysteme wie z.Bsp. der Meldungsgenerator der Firma Heusch- Boesefeldt, arbeiten nach der Schwellwertanalyse. Sie erhalten synchrone Verkehrsdaten von stationären Detektoren, die an den Autobahnen installiert sind. Dabei bilden jeweils die Strecken zwischen zwei Autobahnanschlußstellen die betrachteten Strecken. Die Streckeneinteilung und damit die Auflösung ist also starr und relativ grob vorgegeben. Der Verkehrszustand, der einer dieser Strecken zugeordnet wird, richtet sich ausschließlich nach den Geschwindigkeitsmeßwerten auf dieser Strecke. Unterschreiten die gemessenen Geschwindigkeiten einen fest vorgegebenen Schwellwert, so wird die ganze Strecke als gestaut gemeldet. Es erfolgt also eine lokale, binäre Klassifikation, nämlich gestaut oder frei. Bei diesem Schwellwertverfahren werden die Geschwindigkeitsmeßwerte über die jeweils betrachtete Strecke einbezogen. Die örtliche und zeitliche Auflösung des Verfahrens ist durch die grobe Streckeneinteilung determiniert. Die dynamische Stauausbreitung gegen die Fahrtrichtung kann nur bedingt erfaßt werden. Die Aktualität der erfaßten Verkehrslage ist eingeschränkt. Die Geschwindigkeitsmeßwerte müssen als synchrone, ortsfeste Daten vorliegen. Andere Daten, z.Bsp. von mobilen Sensoren in den Fahrzeugen (FCD) selbst, können nicht verarbeitet werden. Eine Merkmalsbildung findet nicht statt und ist auch grundsätzlich nicht möglich. Differenzierte Verkehrszustände können nicht erfaßt werden. Unterschiedliche physikalische Meßwerte können auch nicht verarbeitet werden, weil sie nicht zusammengefaßt werden können und bei Anwendung der Schwellwertanalyse auch auf andere Meßwerte die Frage der Prioritäten nicht entscheidbar wäre. Eine geeignete Form der Verkehrssituationsbeschreibung über den Ort für höherwertige Verkehrszustandsklassifikationsverfahren kann nicht bereitgestellt werden. Die Klassifikation der Verkehrszustände nach dieser Schwellwertanalyse der
Geschwindigkeiten führt zu lokalen Instabilitäten. Bei einem z.Bsp. "stop and go"- Verkehr oder einem zäh fließenden Verkehr, der sich an der Seh well wertgrenze bewegt, springen die Meldungen ständig zwischen gestaut und frei hin und her. Insofern ist es auch nicht sicher, daß die Unterschreitung des Schwellwertes auch tatsächlich ein Stauereignis ist. Die Stabilität der Meldungen muß künstlich erzwungen werden durch die grobe Streckeneinteilung und die zusätzliche Bedingung, daß erst eine zeitlich wiederholte Stauklassifikation bzw. Freiklassifikation einer Strecke eine Neumeldung bzw. Löschmeldung auslöst. Das Meldungsmanagement wird dadurch kompliziert, die örtliche und zeitliche Auflösung des Systems ist eingeschränkt und eine dynamische Domänenverfolgung ist prinzipiell nicht möglich.
Andere bekannte Verfahren arbeiten nach dem Prinzip der Verkehrsbilanzierung. Diese Verfahren basieren auf der Beobachtung einzelner Sektoren innerhalb einer ganzen Strecke. Am Sektoranfang und Sektorende werden die Geschwindigkeiten und die Verkehrsflüsse (=Anzahl der Fahrzeuge pro Zeiteinheit) gemessen. Ein Einbruch der Geschwindigkeit am Sektoranfang bei gleichzeitig hoher Geschwindigkeit am
Sektorende sowie eine Abnahme des Verkehrsflusses im betrachteten Sektor bzw. ein Ansteigen oder Abfallen der integrierten Flußbilanz zwischen Sektoranfang und -ende sind Indikatoren für einen Störfall, das heißt diese Kriterien zeigen ein Stauereignis an. Die Verfahren arbeiten alle mit Sektoren als Meßstrecken. Sie funktionieren also nur mit einer festen Streckeneinteilung des ganzen betrachteten Verkehrsnetzes. Ein solches Verfahren, das in den Produktwerbeschriften "Open Road, Verkehrstechnische Steuerungen, Analysen und Prognosen" und "OpenRoad, Traffic Control, Data Analysis and Forecast" der Inform GmbH, Aachen zu OpenRoad, in der Leistungsbeschreibung "OpenRoad Verkehrsdatenanalyse" der Inform GmbH vom 14.10.1997 und in der Publikation von Steinauer, Krux und Offermann, "Fuzzy-Logik kontra Schwellwertanalyse bei der Störfallerkennung" in der Straßenverkehrstechnik 7/1997 beschrieben ist, arbeitet nach dem Prinzip der Verkehrsbilanzierung. Dieses "Störfallerkennungsverfahren" basiert auf der Beobachtung einzelner Sektoren innerhalb einer ganzen Strecke. Am Sektoranfang und Sektorende werden die Geschwindigkeiten und die Verkehrsflüsse (= die Anzahl der Fahrzeuge pro
Zeiteinheit) gemessen. Ein Einbruch der Geschwindigkeit am Sektoranfang bei gleichzeitig hoher Geschwindigkeit am Sektorende sowie eine Abnahme des Verkehrsflusses im betrachteten Sektor sind ein Indikator für einen Störfall, das heißt diese Kriterien zeigen ein Stauereignis an. Ein modifiziertes, verfeinertes Verfahren zur Störfallerkennung ist die dynamische
Verkehrsbiianzierung (Publikation von Steinauer, Krux und Offermann, Straßenverkehrstechnik 7/1997; US-Patent-5, 684,475 von Krause und Pozybill 1996; Openroad Verkehrsdatenanalyse, Leistungsbeschreibung, 1997). Bei diesem Verfahren wird auf der Basis der am Sektoranfang ermittelten lokalen Meßgrößen Geschwindigkeit und Verkehrsfluß sowie der Länge des betrachteten Sektors die
Reisezeit der Fahrzeuge durch den Sektor prognostiziert und damit eine Vorhersage für den Verkehrsfluß am Sektorende gemacht. Es wird dann am Sektorende für kleine Zeitintervalle die Differenz zwischen dem gemessenen und dem prognostizierten Verkehrsfluß bestimmt und integriert. Liegt eine störungsfreie Situation vor, so werden sich die positiven und negativen Abweichungen über der Zeit gegenseitig aufheben.
Die kumulierte Differenz schwankt in diesem Fall etwas um die Nullinie. Liegt jedoch ein Störfall in dem Sektor vor, so liegt der Prognosewert im zeitlichen Verlauf über den Meßwerten. Die kumulierte Differenz der Verkehrsflüsse ist also ein Indikator für den Störfall. Die Prognose unterliegt Unsicherheiten, die analytisch nicht faßbar sind. Das subjektive Verhalten der Fahrer innerhalb des Sektors ist nicht vorhersehbar. Es werden daher Annahmen über die Verteilung des Fahrverhaltens der Verkehrsteilnehmer getroffen. Topologische Gegebenheiten wie Steigungen und Gefällstrecken oder Tagesbaustellen können die Fahrzeit durch den Sektor beeinflussen. Schließlich gehen durch die Intervallbildung die exakten Eintrittszeitpunkte der Fahrzeuge in den Sektor verloren, das heißt es erfolgt eine Datenreduktion. Die Differenzbildung unterliegt deshalb stochastischen Schwankungen. Aus Verkehrsfluß, Geschwindigkeit und kumulierterter Differenz der Verkehrsflüsse werden deshalb mit Hilfe der Fuzzy-Logik sechs Stufen der Verkehrsqualität ermittelt, welche die Verkehrszustände in dem Sektor charakterisieren: frei, lebhaft, dicht, gebunden, zäh und gestaut. Die Verkehrszustände frei, lebhaft, dicht und gebunden werden über die sektorielle Verkehrsdichte bestimmt, die Unterscheidung zwischen gebunden, zäh und gestaut wird über die Reisegeschwindigkeit getroffen. Die Klassifikation der Verkehrszustände erfolgt also anhand der Meßwerte durch Einteilung der Meßwerte in Bereiche.
Die Differenzbildung ist sehr empfindlich gegenüber fehlerhaften Ausgangsdaten. Für die praktische Anwendbarkeit muß deshalb ein "Stabilisierungsmechanismus" in Form eines Korrekturgliedes, abhängig von der Qualität der Sensorik, eingeführt werden. Die sektorbezogene Reisegeschwindigkeit wird mit der theoretisch ermittelten Durchfahrzeit berechnet. Dieser aus lokalen Größen ermittelte Wert muß über die sektorbezogene Betrachtung korrigiert werden. Die Auswahl zwischen lokaler und sektorbezogener Betrachtung wird durch die Fuzzy-Logik getroffen. Diese Auswahl erfolgt nach der Qualität der Datenerfassung. Auch bei diesem Algorithmus springt in Grenzfällen die Bewertung hin und her. Über den Vergleich der aktuellen Bewertung mit der im letzten Erfassungszyklus wird ein
Hystereseverhaiten zur Stabilisierung eingesetzt.
Sowohl das einfache als auch das dynamische Verkehrsbilanzierungsverfahren benötigen synchrone, ortsfest gemessene Verkehrsdaten. Asynchrone Daten von z.Bsp. sogenannten Floating-Cars können nicht verwertet werden. Es ist auch keine dynamische Domänenbildung und -Verfolgung für die klassifizierten Verkehrszustände möglich. Die Meßsektoren sind systembedingt festgelegt und stellen eine starre Einteilung der Verkehrszustände bzgl. fester Strecken dar. Die Systembezeichnung "dynamisch" hat deshalb nur für die Differenzbildung in Zeitintervallen Gültigkeit, deren Ergebnisse aber korrigiert werden müssen. Ein Meldungsmanagement wird hier nicht angestrebt, weil dieses Verfahren für die
Steuerung einer Streckenbeeinflussungsanlage gedacht ist. Es sind dazu relativ kurze Segmente und innerhalb jedes Segmentes mehrere Signalanzeigen notwendig, sonst ist das Wachstum eines Staus gegen die Fahrtrichtung schneller als die Anzeige. Das Verfahren setzt auch Kenntnisse bezüglich der betrachteten Strecken voraus. Der Aufwand für die Streckeneinrichtungen ist groß, und trotzdem ist ein Überblick über die Verkehrslage ohne dynamische Domänenbildung und ein dynamisches Meldungsmanagement nicht vorhanden. Das Verfahren ist auch nicht fehlertolerant. Beim Ausfall einzelner Meßstellen oder ganzer Erfassungsquerschnitte bricht das System zusammen und zeigt permanent falsche Verkehrszustände an. Deshalb ist ein Ersatzwertverfahren, z.Bsp. über eine redundante Zweitdatenerfassung oder über eine
Modellbildung zur Überwachung und Fehlererkennung absolut notwendig. Das dynamische Verkehrsbilanzierungsverfahren wurde weiter modifiziert, um seine Schwächen zu vermeiden (Siemens/W09525321A1 : "Method of sensing traffic and detecting traffic situations on roads, preferably freeways", 1995 und 1997). Bei diesem modifizierten Verfahren zur Verkehrssituationserkennung ist die Grundlage wieder eine
Meßstrecke zwischen zwei Meßpunkten und die Differenzbildung, in diesem Fall jedoch nicht der Verkehrsflüsse, sondern der Geschwindigkeits-Verkehrsdichte-Werte, welche aus den lokalen Daten berechnet werden. Zusätzlich wird ein Trendfaktor aus dem Verhältnis der Verkehrsflüsse zwischen den beiden Meßpunkten über eine vorgegebene Zeitperiode von z.Bsp. 30 Minuten und die erste Ableitung, das heißt die
Steigung der Tangente, berechnet. Aus diesen drei Verkehrsparametern wird mit Hilfe einer Fuzzy-Logik ein Indikator für eine kritische Verkehrssituation in der Meßstrecke detektiert. Eine Weiterentwicklung des gleichen Verfahrens verwendet eine dynamische Kalibrierung der genannten Verkehrsparameter, abhängig von ihren
Vergangenheitswerten, zur Korrektur der Differenzbildungen (Siemens W09525321A1 : "Method of Detecting Traffic and Traffic Situations on Roads, Preferably Motorways"). Der Kalibrierungsfaktor für die Geschwindigkeits- Dichte-Differenz wird außerdem als Schwellwert benutzt, dessen Überschreitung eine kritische Verkehrssituation anzeigt. Mit diesen Maßnahmen wird die Abhängigkeit der
Differenzbildungen von vielen Einflußgrößen wie der Distanz zwischen den Meßpunkten, den Meßfehlern und -toleranzen, der Geometrie bzw. Topologie der Meßstrecke, dem Straßenzustand, der unterschiedlichen Fahrweise bei Tag und Nacht usw. korrigiert. Bei diesen bilanzierenden Verfahren erfolgt die Klassifizierung der Verkehrszustände direkt anhand der Meßwerte durch Einteilung der Meßwerte in Bereiche. Bei dem zuletzt genannten Verfahren wird auf den Verkehrsfluß, die Geschwindigkeit und die integrierte Flußbilanz eine Fuzzy-Logik angewendet zur Klassifizierung der Verkehrszustände, die damit bereits endgültig festgelegt werden. Eine Zusammenfassung von verschiedenen Merkmalen erfolgt nicht. Die so ermittelten
10 Verkehrszustände für die jeweiligen Meßstrecken sind nicht kontinuierlich, gleitende Übergänge sind nicht adäquat beschreibbar. Die real vorhandene Verkehrsdynamik wird damit bei der Erfassung der Verkehrszustände weitgehend unterdrückt. Da alle diese Verfahren nur mit einer festen Streckeneinteilung des ganzen betrachteten Verkehrsnetzes arbeiten, kann die Entscheidung für einen bestimmten
Verkehrszustand aufgrund der Meßwerte am Anfang und Ende einer Meßstrecke deshalb immer nur für die jeweilige Strecke getroffen werden. Mit diesen Verfahren kann prinzipiell der graduelle Verlauf der Zustandsinformation über die betrachtete Strecke nicht ermittelt werden. Entsprechend gibt es bei diesen Verfahren auch keine graduelle
Zustandsbeschreibung. Deshalb können sie auch kein auf einer solchen Zustandsbeschreibung basierendes Ähnlichkeitsmaß für die Zuordnung der Verkehrslagen an den verschiedenen Orten zu den differenzierten Verkehrszuständen verwenden. Nachfolgend können deshalb auch nur die Streckenabschnitte zusammengefaßt werden, bei denen anhand der Meßwerte auf den vorgegebenen Strecken die Entscheidung für den gleichen Verkehrszustand getroffen wurde. Diese Systeme können Anfang und Ende der Verkehrsdomänen, in denen die gleichen Verkehrszustände herrschen, nicht ausweisen, sondern nur im Rahmen der funktionsbedingten Streckeneinteilung. Eine dynamische Domänenbildung ist bei den bekannten Verfahren prinzipiell nicht möglich.
Damit ist folglich auch keine dynamische Domänenverfolgung möglich. Auch das Meldungsmanagement unterliegt diesen Einschränkungen.
Die bekannten Verfahren lösen die dargestellten Probleme nicht und sie bieten auch keinen Lösungsansatz:
Nur synchrone Meßdaten von stationären Sensoren können verarbeitet werden.
Die Verfahren sind alle streckengebunden, wodurch die örtliche Auflösung eingeschränkt ist. - Als Merkmal wird nur die über die Zeit integrierte Flußdifferenz berechnet. - Der Verlauf der Meßwerte über Ort und Zeit wird nur integriert über die festgelegte
Meßstrecke, das heißt an zwei Meßpunkten, ermittelt.
Es gibt keine graduelle Beschreibung des Verkehrszustandes über den Ort, der auch gleitende Übergänge adäquat erfassen kann.
1 1 Eine Ähnlichkeitszuordnung auf Basis einer kontinuierlichen Zustandsbeschreibung ist daher weder für einzelne Orte noch für ausgewiesene Verkehrsdomänen möglich.
Eine dynamische Bestimmung und Verfolgung der Verkehrsdomänen über den Ort und die Zeit ist damit nicht möglich. Das Meldungsmanagement unterliegt den gleichen Einschränkungen Die bekannten Verfahren sind deshalb für die Praxis zur Erfassung des Verkehrszustandes an einzelnen Orten sowie der Verkehrslage im Straßenverkehrsnetz nur eingeschränkt brauchbar.
Besondere Vorteile und weitere Merkmale eines erfindungsgemäßen Verfahrens und Systems ergeben sich aus der nachfolgenden Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Dabei zeigt:
Fig. 1 : Zeitfunktionen der Meßwerte von Induktionsschleifen für ein
Stauereignis, Fig. 2: Mediangefilterte Zeitfunktionen aus Fig. 1 ,
Fig. 3: Dilatierte Tophat-Funktion der Breite 15 Minuten angewendet auf die Geschwindigkeitsmeßwerte bei stockendem Verkehrszustand,
Fig. 4: Schematische Darstellung der Verarbeitungskette:
Eingehende Verkehrsmeßwerte:
Eintrag in die Historienfenster über Ort x und Zeit t, Bildung von
Merkmalsvektoren je Ort nach den orts-zeitlichen Filterungen der Meßwerte,
Fig. 5: Skizze eines Merkmalsraumes mit Klasseneinteilung,
Fig. 6: Fuzzy-Kiassifikations- bzw. Diskriminanzfunktionen für die örtlich und zeitlich gefilterten Meßgrößen (oder die Merkmale), Fig. 7: Bestimmung des normierten Ortszustandsvektors an einem Ort x aus den Zustandsvektoren je Merkmal, die sich aus den Merkmalen durch
Fuzzy-Klassifikation ergeben, Fig. 8: Zustandsextrapolation der Zustandsvektorkomponenten über den Ort mit z.B. einem lokalen Gaußfilter,
12 Fig. 9: Skizze zur Visualisierung der Ergebnisse des
Domänenwachstumsverfahrens auf Basis der Ortszustandsvektoren, Fig. 10: Skizze zur Visualisierung der Ergebnisse und die zeitliche Zuordnungen der durch die Meldungen ausgewiesenen Verkehrsdomänen zu aufeinanderfolgenden
Zeitpunkten, Fig. 11 : Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel eines Stauereignisses, Fig. 12: Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel eines Stauereignisses bei gleichzeitiger Darstellung der
Geschwindigkeitsmeßwerte im Hintergrund.
Im folgenden werden beispielhaft die Eigenschaften eines erfindungsgemäßen effizienten Verkehrslage-Klassifikations- und -Meldungssystems präzisiert. Die Verkehrszustände gestaut, stockend, dicht und frei werden mittels Merkmalen klassifiziert. Weitere Zustände können bei Bedarf durch Einbindung weiterer Merkmale ergänzt werden.
Ähnliche Verkehrszustände, welche durch örtliche Zustandsindikatoren festgestellt wurden, werden zu Verkehrsdomänen zusammengefaßt. Wachstum, Wanderung, gegebenenfalls Teilung sowie Übergänge dieser Domänen in die anderen klassifizierten Verkehrszustände bis zu ihrer Auflösung in der Klasse "frei" werden dynamisch verfolgt.
Die Domänenbildung ist nicht an ein streckenabhängiges oder stabilitätsbedingtes
Raster gebunden. Die Feinheit der örtlichen Auflösung ist wählbar. Die „Wahrscheinlichkeiten" für die angezeigten Verkehrszustände bzw. deren
Signifikanz werden festgestellt.
Das Meldungsmanagement stützt sich auf die ermittelte Dynamik der Domänen und ist nicht an feste Orte gebunden.
Neu ermittelte Domänen können bereits gemeldeten Domänen über ein Ähnlichkeitsmaß zugeordnet werden. Da die Zustände der Domänen kontinuierlich beschrieben werden, läßt das Verfahren auch Zustandsübergänge im Lebenslauf einer
Domäne zu.
Der Algorithmus bietet Freiheitsgrade, um über Parameter die gewünschte Sensibilität des Systems bzgl. - der zeitlichen Reaktion auf eingehende Daten,
13 der Auflösung bei der Sicht des Systems auf die Verkehrsdomänen und der Häufigkeit von Meldungen ohne Beeinflussung der Domänenbildung anzupassen.
Es sind keine Streckenkenntnisse erforderlich. Es sind auch keine weiteren Modellbildungen notwendig. Falls solche Zusatzinformationen jedoch vorhanden sind, können sie zur weiteren Verbesserung der Systemergebnisse durch ergänzende
Verwendung von Verkehrsmodellen leicht genutzt werden.
Die Qualität der Meldungen wird realisiert durch eine hohe örtliche und zeitliche
Auflösung und einer damit hohen Aktualität, durch die Konsistenz der Meldungen, unabhängig von der Herkunft der Daten und vom jeweiligen Detektortyp, und durch eine hohe Stabilität. Es erfolgt eine frühzeitige Warnung vor stau gefährdeten
Streckenabschnitten durch die Meldung der Zustände dicht und stockend.
Das System basiert auf einer kontinuierlichen Beschreibung der Verkehrszustände.
Sein Algorithmus kann synchrone, asynchrone und ereignisinduzierte Verkehrsdaten auch unterschiedlichen physikalischen Inhalts verarbeiten und nutzen. Die Meßstellen können ortsfest sein, es kann aber auch an variablen Orten gemessen werden.
Das System benötigt keine aufwendige Interpolation der Meßwerte entlang der betrachteten Straßen.
Die Meldungen des Systems werden zum Funktionstest mit realen historischen Verkehrsdaten und zur Überwachung im Betrieb in Kongruenz mit den
Verkehrsmeßwerten visualisiert. Die Visualisierung zeigt auch die Dynamik der
Verkehrslage.
Das System ermöglicht auch die Unterscheidung zwischen einem Totalstau und völlig freiem Verkehr, obwohl in diesen beiden Extremfällen jeweils keine sinnvollen Verkehrsmeßwerte vorliegen.
Nach jedem Verarbeitungszyklus liegt für jede betrachtete Straße eine Liste gemeldeter Verkehrsdomänen vor, die eine lückenlose dynamische Darstellung der
Verkehrssituation des betrachteten Straßennetzes darstellt.
Grundlage eines solchen Systems sind die folgenden, auch einzeln sinnvoll verwendbaren Verfahren zur Verarbeitung und Aufbereitung von
Verkehrsinformationen.
Verkehrsdaten-Vorverarbeitung und Merkmalsbildung
14 Das erfindungsgemäße Verfahren zur Verkehrslageerfassung mit Historienfenster, mehrdimensionaler morphologischer Datenfilterung und Merkmalsvektorbildung erhält Verkehrsdaten von verschiedenen Sensoren als Quellinformationen und setzt diese über orts-zeitliche Filterungen in Merkmale je Meßort um, welche die örtliche Verkehrssituation beschreiben.
Induktionsschleifen sind stationär in unterschiedlichen Abständen an der Autobahn installiert und liefern synchron, gemittelt über die Taktzeit, die Meßwerte für die Geschwindigkeit, den Verkehrsfluß, den Zeitpunkt und den Ort der Messung. Geschwindigkeits- und Flußwerte können auch getrennt für PKWs und LKWs vorliegen.
Infrarot- oder Radarsensoren sind ebenfalls ortsfest und liefern ereignisinduziert asynchrone Meßwerte.
"Floating-Cars" messen nur die Geschwindigkeit jeweils eines Fahrzeuges in diesem Fahrzeug, also an variablen Orten und asynchron. Die Meßwerte sind also Geschwindigkeit, Zeitpunkt und Ortskoordinate der Messung.
Aus diesen Quelldaten wird die lokale Verkehrsdichte berechnet und die Meßvektoren über Ort x und Zeit t gebildet. Die Meßwerte können zeitweise ausfallen, so daß örtliche und zeitliche Lücken entstehen, zusätzlich zu den Orten, die nicht durch Detektoren abgedeckt sind. Diese Daten unterschiedlicher Herkunft und Qualität werden nun zu konsistenten und stabilen Aussagen über die Verkehrssituation verarbeitet.
Zunächst werden fehlerhafte Daten eliminiert. Konnte der über die Taktzeit gleitende Mittelwert der Geschwindigkeit mangels Verkehr nicht bestimmt werden, so wird ein speziell definierter Wert angezeigt. Die Meßwerte fehlen aber auch dann, wenn eine Vollsperrung des Verkehrs vorliegt. In beiden Fällen ist der Fluß null. Für die Entscheidung, welche Situation wirklich vorliegt, dient ein Gedächtnis über den vorgängigen Verlauf der Geschwindigkeit und des Flusses. Da innerhalb eines Staus in kleinen Bereichen sehr kleine Fluß- und Geschwindigkeitswerte auftreten können, werden Werte unterhalb einer Mindestgröße nicht zur Dichteberechnung herangezogen.
Alle Meßvektoren werden über gleitende "Historienfenster" je Meßwertkategorie - Geschwindigkeit v, Verkehrsfluß f und Dichte d - von z.Bsp. 20 min weitergegeben. Die weiter zurückliegenden Werte werden gelöscht. Der Ort ist in diesen Historienfenstern in kleinen Intervallen von z.Bsp. 200m diskretisieret, die Zeit in Intervallen von z.Bsp. 1 Minute. Die Historienfenster werden im Takt der synchronen Detektordaten von z.Bsp.
15 1 min weitergeführt. So erhält man die Meßwerte als gleitende Zeitfunktionen unter Erhaltung des Orts-Zeit-Bezugs und mit großer Aktualität (Fig. 4). Da die Meßwerte stark verrauscht sind (Fig. 1), wird eine örtliche und zeitliche Filterung der Geschwindigkeits- und Dichte-Werte durchgeführt, um die Schwankungen zu senken, ohne jedoch signifikante Zustandsübergänge zu unterdrücken. Die Analyse der Zeitfunktionen der Meßvektoren zeigt, daß dazu ein Medianfilter geeignet ist (Fig. 2).
Als Merkmal für den stockenden Verkehr wird die Standardabweichung der Flußwerte aus dem Historienfenster und die dilatierte Tophat-Funktion der Geschwindigkeiten mit z.Bsp. 15 Minuten Breite herangezogen (Fig. 3), um Maße für die zeitliche
Schwankung des Verkehrs zu erhalten. Je größer diese beiden Merkmale sind, desto eher liegt stockender Verkehr vor.
Für die Tophat-Funktion, ein morphologisches Filter, gilt (siehe Serra, J., „Image Analysis and Mathematical Morphology", 1982, Academic Press): Tophat (v) = v-Opening mit Opening(v) = Dilatation(Erosion(v)).
Dilation und Erosion sind ebenfalls morphologische Filter.
Die Filter müssen dabei auch mit Meßwertlücken, d.h. bei fehlenden Meßwerten an manchen Orts- und Zeitkoordinaten innerhalb der Historienfenster, funktionieren. Bei den morphologischen Rangfolgeoperationen, Mediän, Erosion und Dilatation, aus denen auch die Tophat-Filterung besteht, ist diese Notwendigkeit aber leicht zu berücksichtigen: nicht vorhandene Meßwerte werden weggelassen. Zur Berechnung der Standardabweichung der Flußwerte werden ebenfalls nur vorhandene Werte verwendet.
Nach dieser Vorverarbeitung (Fig. 4) liegt für jeden Ort x der resultierende Merkmalsvektor vor:
(v.med20, d.med20, f.sigma20, v.tophat15)τ (x). Dabei bedeuten: v.med20 = Geschwindigkeitsmeßwerte mediangefiltert mit Fensterbreite 20 min; d.med20 = Dichtewerte median-gefiltert, Fensterbreite 20 min; - f.sigma20 = Standardabweichung der Flußwerte innerhalb 20 min; v.tophat15 = Geschwindigkeitswerte tophat-gefiltert mit Fensterbreite 15 min. Diese Merkmale sind Größen, die beispielsweise Meßwerte mit gemindertem Rauschanteil wiedergeben, oder die den Grad der Geschwindigkeits- und Flußschwankungen in Abhängigkeit vom Ort quantifizieren.
16 Diese Merkmalsbeschreibung ist die notwendige Voraussetzung für darauf aufsetzende höherwertige Verfahren zur orts- und zeitaufgelösten Zustandsklassifikation des Verkehrs.
Das erfindungsgemäße Verfahren ist also charakterisiert durch die folgenden Verarbeitungsschritte:
Detektordaten empfangen synchron, asynchron, ereignisinduziert, ortsfest, variabler Ort Detektordaten verarbeiten
Lokale Verkehrsdichte berechnen - Meßvektor bilden: (v, f, d)τ (t, x)
Plausibilitätskontrolle, fehlerhafte Daten eliminieren "Historienfenster"
Gleitende Orts- und Zeitfunktionen der Meßwerte Filterung über Ort und Zeit - Medianfilter für Geschwindigkeits- und Dichte-Daten
Standardabweichung der Flußwerte Dilatierte Tophat-Funktion der Geschwindigkeiten
Resultierender Merkmalsvektor an jedem Ort x zur Beschreibung der örtlichen Verkehrssituation: (v.med20, d.med20, f.sigma20, v.tophat15)τ (x)
Klassifikation der Verkehrszustände auf Basis von Verkehrssituationsbeschreibungen
Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes eines Straßenverkehrsnetzes mittels Fuzzy-Klassifikation und die Bildung von wertekontinuierlichen Ortszustandsvektoren benutzt Merkmalsvektoren, welche durch eine Vorverarbeitung der Meßwerte gewonnen werden und die Verkehrssituation an jedem Meßort (x) beschreiben. Es können aber auch direkt Meßwerte oder andere berechnete Werte, z.Bsp. Reisezeiten, verarbeitet werden. Das Verfahren setzt diese Merkmalsvektoren über eine Fuzzy-Klassifikation in eine geeignete Beschreibung der Verkehrszustände in Form von Ortszustandsvektoren um.
Zur Unterscheidung der Verkehrszustände: gestaut, stockend, dicht und frei wird jedem Verkehrsmuster ein Vektor aus Merkmalen zugeordnet, der im Merkmalsraum einen Punkt darstellt. Der n-dimensionale Merkmalsraum wird dabei durch die Merkmalsachsen aufgespannt (Fig. 5).
17 Die Klassifikation der Muster entspricht nun einer räumlichen Aufteilung des Merkmalsraumes. Das kann durch Trennfunktionen geschehen, die exakte Grenzen festlegen. Hier wird jedoch ein Ansatz gewählt, der Diskriminanzfunktionen für jede Klasse verwendet. Ein Muster wird danach derjenigen Klasse zugeordnet, deren Diskriminanzfunktion für die Merkmale dieses Musters größer ist als die übrigen
Diskriminanzfunktionen (Duda, R.O. and Hart, P.E.: "Pattern Classification and Scene
Analysis", New York 1972). Jede Klasse steht dabei für einen der zu unterscheidenden
Verkehrszustände.
Um die Diskriminanzfunktionen festzulegen ist eine Definition der genannten Verkehrszustände nötig. Bereits bei einer verbalen Beschreibung zeigt sich jedoch, daß die Beschreibungen subjektiv gefärbt und diffus sind und die Grenzen zwischen den Verkehrszuständen nicht eindeutig sind, sondern qualitativer Art über jeweilige Vergleiche mit den anderen Verkehrszuständen. Diesem Problem, daß die Definition der Verkehrszustände nur "unscharf" möglich ist, wird durch eine Fuzzy-Klassifikation Rechnung getragen. Die Fuzzy-Klassifikationsfunktionen werden an jedem Ort auf die vorliegenden Merkmalsvektoren angewendet (Fig. 6).
Über die komponentenweise Fuzzy-Klassifikation wird jedem Verkehrszustand eine Wahrscheinlichkeit zugeordnet. Diese Komponenten-Zustandsvektoren werden sodann durch vektorielle Addition mit anschließender Normierung zu einem einzigen Zustandsvektor für jeden Ort zusammengeführt (Fig. 7).
Anstelle einer Summation kann auch eine komponentenweise Multiplikation der Zustandswahrscheinlichkeiten erfolgen. Statt die Vektoren auf die Summe der Komponenten gleich 1 zu normieren, kommt auch eine Normierung auf den Vektorbetrag gleich 1 in Betracht. Aus anderen Quellen, z.Bsp. aus modellgestützten Verfahren, ermittelte örtliche Zustandsvektoren werden in gleicher weise bei der Kombination der merkmalsbasierten Zustandsvektoren zu den Ortszustandsvektoren einbezogen, ggf. unter Berücksichtigung von zusätzlichen Gewichtungsfaktoren. Es liegen nun an allen Orten, an denen genügend Meßwerte vorhanden waren und daraus Merkmalsvektoren berechnet werden konnten, lokale Zustandsvektoren vor, welche die Wahrscheinlichkeiten für die verschiedenen Verkehrszustände enthalten. Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes mittels Fuzzy-Klassifikation und Ortszustandsvektoren ist also charakterisiert durch die folgenden Verarbeitungsschritte: - Klassifikation der Verkehrszustände Merkmale der Verkehrszustände: gestaut ... frei - Aufteilung des Merkmalraumes durch Fuzzy-Diskriminanzfunktionen
Fuzzy-Klassifikation der Komponenten der vorhandenen Merkmalsvektoren an jedem Ort: Wahrscheinlichkeit der Verkehrszustände je Merkmal - Vektorielle Addition und Normierung zu einem Zustandsvektor für jeden Ort:
Ortszustandvektor
Extrapolation zur Erstellung einer lückenlosen Verkehrszustandsbeschreibung
Das erfindungsgemäße Verfahren zur Erstellung einer die Verkehrslage eines
Straßenverkehrsnetzes repräsentierenden lückenlosen Verkehrszustandsbeschreibung geht von Ortszustandsvektoren aus. Die Komponenten dieser normierten Ortzustandsvektoren stellen die Wahrscheinlichkeiten für das Vorliegen eines Verkehrszustandes an dem betreffenden Ort dar. Um diese Lücken zu überbrücken, wird erfindungsgemäß eine Extrapolation der lokal vorhandenen Ortszustandsvektoren mittels z.Bsp. eines lokalen Gaußfilters über den Ort vorgenommen (Faltung mit einer Gaußkurve oder einer der Gaußkurve ähnlichen Glockenkurve, z.Bsp. f(x) = 1/(1 +X2"), n eine natürliche Zahl), und zwar für jede Komponente des Ortszustandsvektors getrennt. Die Extrapolationsweite wird durch die Parameter des Gaußfilters festgelegt. Durch diese Ortsfilterung sind nun praktisch an allen Orten Ortszustandsvektoren vorhanden (Fig. 8). Diese Extrapolation darf jedoch nur bis zu einer gewissen Entfernung von den lokal vorliegenden Ortszustandsvektoren vorgenommen werden, damit die Extrapolationswerte die realen Verhältnisse auch noch richtig beschreiben. Über eine Schwelle für den Betrag der extrapolierten Zustandsvektoren wird die maximale Extrapolationsweite dynamisch begrenzt, d.h. nicht starr, sondern in Abhängigkeit vom Extrapolationsergebnis. Mit zunehmender Extrapolationsweite muß außerdem die Gewichtung der vorliegenden Ortszustandsvektoren abnehmen. Das leistet z.Bsp. das Gaußfilter. Um die Stabilität der Erkennung der differenzierten Verkehrszustände noch weitergehender zu sichern, wird zusätzlich an jedem Ort eine komponentenweise Mittelung der Zustandsvektoren jeweils mit den Werten des vorhergehenden Aktualisierungslaufes durchgeführt. Diese gleitende zeitliche Glättung auf der Basis der kontinuierlichen Zustandsbeschreibung an jedem Ort ist wesentlich wirksamer als eine künstlich über die Zeit erzwungene Stabilität in nachfolgenden Verarbeitungsschritten. Eine solche gleitende Glättung ist eine Ausprägung eines autoregressiven Filters (AR)
19 (Papoulis, A.: "Probability, Random Variables, and Stochastic Processes", McGraw-Hill Series, in: Systems Science, McGraw-Hill 1991).
Um diese gleitende zeitliche Glättung zusätzlich näherungsweise unabhängig von den gewählten Zeitintervallen zwischen den Aktualisierungen der einzelnen Straßen zu halten, wird der Filterparameter atstep auf ein festes Intervall von z.Bsp. 10 Minuten bezogen:
Z = θtste neu + ( _3tstep)Zaιt mit atstep = 1 - ( -atιomιn)
Dabei stehen zπeu bzw. zaii für die neu ermittelten bzw. in einem vorhergehenden Berechnungszyklus ermittelten Ortszustandsvektorkomponenten einer Straße, und tstep und t10min stehen für das gewählte Zeitintervall in Sekunden zwischen 2
Aktualisierungsläufen der betreffenden Straße und für 600 Sekunden respektive. Das so berechnete z wird dann im nächsten Aktualisierungslauf für diese Straße zu zait. Es werden also zwei Verarbeitungsschritte durchgeführt:
Extrapolation jeder Komponente der Ortszustandsvektoren über den Ort durch Filterung mit z.Bsp. einem lokalen Gaußfilter.
Gleitende (autoregressive) Mittelwertbildung der Ortszustandvektoren über die Zeit.
Vergleich von Verkehrszustandsbeschreibungen durch probabilistische Ähnlichkeitsmaße
Das erfindungsgemäße Verfahren zum Vergleich von
Verkehrszustandsbeschreibungen und Verkehrsdomänen durch probabilistische Ähnlichkeitsmaße geht von Ortszustandsvektoren aus, welche z.Bsp. aus Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze
Straßenverkehrsnetz.
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Für jede dieser Verkehrsdomänen ergibt
20 sich deren Zustandsvektor durch vektorielle Addition und anschließende Normierung der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind.
Die definitive Festlegung des Verkehrszustandes an dem jeweils betrachteten Ort, die
Zusammenfassung der Orte gleichen Verkehrszustandes zu Domänen und die Wertung der Domänen untereinander setzt voraus, daß ein objektiver Vergleich der
Ortszustandsvektoren untereinander und der Domänenzustandsvektoren untereinander möglich ist. Erfindungsgemäß werden dazu probabilistische
Ähnlichkeitsmaße verwendet.
Der Vergleich der Ortszustandsvektoren erfolgt komponentenweise auf der Basis der in den Vektorkomponenten enthaltenen Wahrscheinlichkeiten für das Vorhandensein der differenzierten Verkehrszustände an dem jeweils betrachteten Ort.
Vergleichsgrundlage ist ein Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein
Abstandsmaß verwendet wird. Auch für den Vergleich der Domänen untereinander wird erfindungsgemäß ein Ähnlichkeitsmaß benutzt. Das Ähnlichkeitsmaß für die Verkehrsdomänen ist ebenfalls eine Metrik, welche eine Zustandsvektormetrik auf den
Domänenzustandsvektor verwendet und zusätzlich auch die örtliche Lage und Länge der betrachteten Domäne berücksichtigt.
Als Ähnlichkeitsmaß kann für beide Zustandsvektoren, den Ortszustandsvektor oder den Domänenzustandsvektor, der Zustand maximaler Wahrscheinlichkeit verwendet werden, insbesondere der Index der maximalen Komponente eines Zustandvektors relativ zu den anderen Komponenten.
Als Metrik für die Zustandsvektoren kann auch die euklidische Vektornorm verwendet werden: Summe((vek1- vek2)2).
Die Lage der Verkehrsdomänen, welche in die Metrik als Ähnlichkeitsmaß einbezogen wird, kann wie folgt berücksichtigt werden:
Betrag (mitte. domänel - mitte. domäne2) / (laenge.domänel + laenge.domäne2) * 2.
Als Metrik für die Länge der Verkehrsdomäne kann benutzt werden:
Betrag(laenge.domäne1 - laenge.domäne2) / max(laenge. domänel , laenge.domäne2).
Dynamische Domänenbildung gleicher Verkehrszustände
21 Das erfindungsgemäße Verfahren zur Ermittlung von Domänen gleicher Verkehrszustände geht von Ortszustandsvektoren aus, welche z.Bsp. aus Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze Straßenverkehrsnetz (Fig. 9 links).
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Der Vergleich der Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein Abstandsmaß, verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch vektorielle Addition und anschließender Normierung der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind. Die Abgrenzung der Domänen untereinander erfolgt so, daß eine stabile
Domänenverfolgung möglich ist. Dieses Segmentationsproblem wird wie folgt gelöst: Für jeden Ort wird der mit der maximalen Wahrscheinlichkeit vorliegende Verkehrszustand aus dessen Zustandsvektor bestimmt. Beginnend mit dem Ort, dessen Zustandsvektor z.Bsp. "Stau" anzeigt, wird in beiden Richtungen gesucht, ob die Komponenten der Zustandsvektoren der Nachbarorte mit der größten Wahrscheinlichkeit den gleichen Verkehrszustand ausweisen oder die Komponente mit dem zu vergleichenden Verkehrszustand höchstens um den Hysteresewert unter der Maximalkomponente liegt. Durch diese Hysterese werden Orte, deren Zustandsvektoren für sich alleine gesehen eher für einen anderen Verkehrszustand sprechen, aber nur wenig vom Zustand des Ausgangsortes abweichen, auch zur "Staudomäne" gezählt. Der Zustandsvektor der so gefundenen Verkehrsdomäne ist die normierte Summe der Zustandsvektoren der Orte der Domäne. Als Norm wird beispielsweise die Summe der Komponenten gleich 1 gewählt. Der Schwerpunkt der Domäne ist die Summe der Ortskoordinaten der Domäne, die mit dem Betrag der entsprechenden lokalen Ortszustandsvektoren gewichtet sind.
22 In gleicher weise werden die Domänen für die Klassen der Verkehrszustände stockend, dicht und frei gebildet.
Alternativ kann die Domänenbildung auch mittels einer Clusteranalyse mit anschließendem Relaxationsprozeß über den Ort gefunden werden. Als Ähnlichkeitsmaß für die Clustersuche können die Abstände der Zustandvektoren und deren Ortsabstand dienen. Resultat bei dieser Methode sind örtliche Ballungen mit jeweils ähnlichem Verkehrszustand innerhalb der Ballungen. Dieses Vorgehen ist jedoch wesentlich rechenaufwendiger.
Die Domänenliste kann aufgrund des Verfahrens für ihre Bildung benachbarte Domänen enthalten, die einander sehr ähnlich bezüglich ihres
Domänenzustandsvektors sind. Diese werden zusammengefaßt. Die Domänenliste wird dazu je Straße nach den Ortsschwerpunkten der Domänen sortiert. Domänen werden dann zusammengefaßt, wenn sie nur durch eine Lücke bis zu einer maximalen Länge getrennt sind und ihre Zustandswahrscheinlichkeiten gleich sind oder höchstens um den festgelegten Hysteresebetrag gemäß obiger Darstellung abweichen.
Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der Domänen zerlegt. Die Domänen enthalten u.a. wieder eine kontinuierliche Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird in zeitlichen Intervallen wiederholt bestimmt und aktualisiert (Fig. 9 rechts).
Das erfindungsgemäße Verfahren zur dynamischen Domänenbildung gleicher Verkehrszustände ist also charakterisiert durch die folgenden Verarbeitungsschritte: Domänenbildung
Zusammenfassung der Orte mit ähnlichen Zustandsvektoren mit "Hysterese" zu Domänen
Domänenzustandsvektoren: vektorielle Addition und Normierung der Zustandsvektoren der Orte der Domänen
Ermittlung: Domänenschwerpunkt, Domänenlänge - Resultat: Domäneneinteilung des Straßenverkehrsnetzes.
Permanente Aktualisierung in zeitlichen Intervallen
Dynamische Domänenverfolgung und Meldungsmanagement
23 Das erfindungsgemäße Verfahren zur dynamischen Verfolgung von Domänen gleicher Verkehrszustände geht von Ortszustandsvektoren aus, welche aus den Merkmalsvektoren für jeden Meßort und durch eine gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die
Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze Straßenverkehrsnetz. Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Der Vergleich der Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein Abstandsmaß verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch vektorielle Addition der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind. Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der
Domänen zerlegt. Die Domänenzustandsvektoren enthalten u.a. wieder eine kontinuierliche Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird in zeitlichen Intervallen wiederholt bestimmt und aktualisiert. Das erfindungsgemäße Verfahren zur dynamischen Verfolgung dieser Domänen funktioniert wie folgt:
Die in einem Aktualisierungslauf ermittelten aktuellen Domänen werden mit den im vorausgegangenen Aktualisierungslauf festgestellten Domänen, die jeweils in einer Meldeliste gespeichert worden sind, verglichen. Dabei werden die neu gefundenen Domänen den bereits vorhandenen Domänen über ein Ähnlichkeitsmaß zugeordnet. Basis des Ähnlichkeitsmaßes sind die kontinuierlichen Domänenzustandsvektoren sowie Lage und Länge der Strecken, die von den Domänen eingenommen werden. Ist eine Mindestähnlichkeit festgestellt, erfolgt die Zuordnung der betrachteten Domänenstrecke zu der entsprechenden Meldung bzw. der bereits vorhandenen Domäne. Dies wird für alle neu ermittelten Domänen und bereits vorhandenen Meldungen ausgeführt.
24 Diese Zuordnung basierend auf einem kontinuierlichen Ähnlichkeitsmaß für die kontinuierlichen Domänenzustandsvektoren läßt auch einen zeitlich graduellen Übergang des Verkehrszustandes im Lebenslauf einer Meldung zu. Nach diesen Zuordnungen zwischen Domänen und Meldungen wird jeweils geprüft, welche bisherigen Meldungen in der Meldungliste bestehen bleiben, ob es
Änderungsmeldungen gibt, weil sich die Lage und/oder die Länge der bisherigen Domänen durch die Zuordnung neu gefundener Domänen verändert haben, und welche nicht zuordenbaren Domänen neu gemeldet werden müssen. Für neue Domänen wird gegebenenfalls eine Neumeldung erzeugt, für zu bestehenden Meldungen zugeordnete Domänen werden die Meldungsattribute aktualisiert und gegebenenfalls Änderungsmeldungen erzeugt, und Meldungen, die keiner Domäne oder nur einer Domäne mit dem Verkehrszustand "frei" zugeordnet werden konnten, werden gelöscht. Dabei kann über einen Hystereseparameter gesteuert werden, wann Neu- und Änderungsmeldungen als signifikant betrachtet und tatsächlich ausgeführt werden. Damit kann die Meldungszahl reduziert werden, ohne die interne Information für die Domänenbildung und -Verfolgung des Verfahrens zu beschneiden. Das Resultat des erfindungsgemäßen Verfahrens ist eine mit jedem Aktualisierungsschritt dynamische Verfolgung der Domänen mit ähnlichen Verkehrszuständen und eine ständig aktualisierte Meldungsliste.
Die Meldungsliste mit den in jeder Meldung enthaltenen Domäneneigenschaften ist die Basis für die Information über die Verkehrszustände auf dem Straßenverkehrsnetz. Diese Informationen werden bis zum nächsten Aktualisierungsschritt gespeichert und in geeigneter weise den Fahrzeuglenkem zur Kenntnis gebracht, z.Bsp. über Mobilfunk oder Signalanlagen, oder sie werden für Steuerungseingriffe in den Verkehr bzw. die direkte Beeinflussung der Fahrzeuge genutzt. Auch können die Informationen, die an die Verkehrsteilnehmer weitergegeben werden, individuell in Abhängigkeit von deren jeweiligen Positionen und Zielen im Straßenverkehrsnetz abgegeben werden.
Visualisierung
Für den Funktionstest der Verfahren mit realen historischen Verkehrsdaten und zur optischen Überwachung der Verfahren während des Betriebs sowie für die bildhafte Darstellung der Verkehrszustände auf Straßenabschnitten werden die Meldungsergebnisse der Verfahren erfindungsgemäß visualisiert und mit den
25 ermittelten Verkehrsmeßwerten verglichen. Dazu werden die Verkehrsmeßwerte in dem betrachteten Straßenabschnitt durch unterschiedliche Grauwerte über der Zeit dargestellt. In diesem Koordinatensystem werden auch die Meldungen der Verkehrszustände bzw. die Domänen dargestellt. Mit der über das Bild wandernden Zeitachse kann man die Verkehrslage und ihre Dynamik und aus der Kongruenz zwischen Messung und Meldung die Güte der Verfahrensergebnisse erkennen (Fig.
10).
Beispiele dazu die ein realisierter Prototyp erzeugt, sind in Fig. 1 1 und Fig. 12 gezeigt.
Über den gesamten Ort wird der Algorithmus wiederholt über die Zeit ausgeführt. In den Figuren wandert der Aktualisierungsabschnitt also von links nach rechts. Dazu werden die gespeicherten Werte links des aktuellen Auswertezeitpunkts betrachtet. Die Ortsbereiche von gefundenen Domänen werden durch senkrechte Linien dargestellt. Sind für diese Domänen Meldungen aktiviert, so wird dies durch einen weißen Fleck im Domänenschwerpunkt gekennzeichnet. Ebenfalls wird dann eine Verbindungslinie zwischen den Domänenschwerpunkten gezeichnet, welche die zeitliche Zuordnung durch das Verfahren zur dynamischen Verfolgung der Domänen visualisieren. Die verschiedenen Grauwerte der Linien entsprechen unterschiedlichen Farben, mit denen die Zustände gestaut, stockend, dicht und frei wiedergegeben werden. Ebenfalls zu sehen sind kleine Rauten, welche die lokalen Verkehrszustände an den
Orten anzeigen, an denen direkt Verkehrsmeßwerte vorliegen.
Im Hintergrund sind grau die Verkehrsmeßwerte angezeigt. In den Figuren sind z.Bsp. die Geschwindigkeitswerte zu sehen, wobei dunkle Grauwerte niedrige Geschwindigkeiten wiedergeben, und entsprechend helle Grauwerte für hohe Geschwindigkeiten stehen. Man sieht sofort, wie die erzeugten Meldungen im
Verhältnis zu den Verkehrsmeßwerten in Ort und Zeit liegen. In der Verkehrssituation, die in Fig. 1 1 dargestellt ist, wird die Domäne links unten beispielsweise als dicht gemeldet. Diese Meldung ändert sich kurz danach in gestaut (unterste quer verlaufende Linie). Diese Domänen können bis zum Ende des betrachteten Zeitabschnitts über einen längeren Bereich in x und t stabil verfolgt werden.
Oberhalb, bei größeren x-Werten, wird etwas später eine Domäne stockenden Verkehrs erkannt (mittlere Linie), die sich ebenfalls sehr stabil über die Zeit verfolgen läßt. Noch darüber wird etwas später eine kleinere Domäne dichten Verkehrs erkannt.
26 In Fig. 12 werden die erzeugten Meldungen in Überlagerung mit den gemessenen Geschwindigkeitswerten im Hintergrund zusammen dargestellt. Diese Darstellungsart gibt einen optischen Eindruck über die Verkehrsdynamik und einen Überblick über die gesamte Verkehrslage des Straßenverkehrsnetzes. Ein Prototyp des Verfahrens zur Visualisierung wurde realisiert und im praktischen
Betrieb erprobt.
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung und Zuordnung von Domänen gleicher Verkehrszustände und das Meldungsmanagement ist also charakterisiert durch die folgenden Verarbeitungsschritte: - Dynamische Verfolgung der Domänen
Bei jedem Aktualisierungsschritt:
Zuordnung der neuen Domänen über ein Ähnlichkeitsmaß zu den vorhandenen Meldungen
Resultat: Liste der Domänen und Meldungsliste auf der jeweiligen Straße - Meldungsmanagement
Meldungsliste: Informationen über Verkehrszustände und Verkehrslage Aktualisierung der Meldungsliste bei jedem Aktualisierungslauf Falls Zuordnung neuer Domänen in der Meldungsliste möglich: bisherige Meldung bleibt bestehen oder Änderungsmeldung bezüglich Lage, Länge und Verkehrszustand
Falls Zuordnung in der Meldungsliste nicht möglich: Neumeldung oder Löschung Visualisierung
Optische Darstellung der Kongruenz zwischen Verkehrsmeßwerten und Meldungungen
Dynamik der Domänen bzw. der Verkehrszustände Überblick über die gesamte Verkehrslage
Wesentliche Details
Gegenstand der Erfindung sind Verfahren, die sich unabhängig voneinander einsetzen lassen , aber auch zu einem Verkehrslage-Klassifikations-und Meldungssystem für den
27 Straßenverkehr, vorzugsweise für Autobahnen und Schnellstraßen, kombinieren lassen
Es besteht ein dringender Bedarf an rechtzeitigen und aktuellen Informationen über die differenzierten Verkehrszustände in ortlich möglichst genau bezeichneten Streckenabschnitten aus Sicherheitsgründen, aber auch für zahlreiche andere Dienste und gegebenenfalls für die direkte Fahrzeugbeeinflussung und Verkehrslenkung
Kernprobleme, welche dazu gelost werden müssen, sind
Die Verarbeitung der Verkehrsmeßdaten von unterschiedlichen Sensoren, die ortsfest und mobil sind, synchrone, asynchrone und ereignisinduzierte Meßwerte liefern, lückenhaft und sehr verrauscht sind
Die Klassifizierung der verschiedenen Verkehrszustände gestaut, stockend, dicht und frei, die nicht eindeutig definierbar sind, und die dynamische Bildung und Verfolgung von Domänen gleicher Verkehrszustände, mit hoher örtlicher und zeitlicher Auflosung, auch ohne Streckenkenntnisse und ohne Bindung an ein systembedingtes, streckenabhangiges Raster
Ein Meldungsmanagement, das stabil und konsistent die Verkehrszustände bzw Verkehrsdomanen anzeigt, permanent aktualisiert wird und auch das Wachstum der Domänen, ihre Wanderung und Teilung sowie ihre Übergänge in die anderen klassifizierten Verkehrszustände bis zu ihrer Auflosung in der Klasse „frei" darstellt Die Betrachtung des Standes der Technik und die kritische Analyse der bekannten
Verfahren zeigen, daß es für diese Problemstellung noch keine befriedigende Losung gibt
Das erfindungsgemaßen Verfahren losen diese Aufgabenstellungen, die durch die folgenden wesentlichen Verarbeitungsschritte charakterisiert sind - Aus den Quelldaten der Sensoren wird die lokale Verkehrsdichte ermittelt und für jeden Meßort und Meßzeitpunkt ein Meßvektor gebildet
Die Komponenten der Meßvektoren werden über mit den Aktualisierungsschπtten gleitende Historienfenster als gleitende Orts-Zeitfunktionen dargestellt Es folgt eine komponentenweise orts-zeitliche Filterung der Meßvektoren, aufgrund der Analyse der Zeitfunktionen hier bevorzugt mittels Medianfilter, Bildung der
Standardabweichung und der dilatierten Tophat-Funktion Es ergibt sich an jedem Ort ein resultierender Merkmalsvektor, der die lokalen Verkehrssituationen beschreibt
Den orts-zeitlich gefilterten Meßgroßen werden nun über eine Fuzzy-Klassifikation Wahrscheinlichkeiten für die Verkehrszustände zugeordnet Damit ist es möglich,
28 diese Komponenten der Zustande zu summieren und normiert zu einem einzigen Zustandsvektor für jeden Ort konsistent zusammenzufuhren Sind an einem Ort zu wenig Meßwerte vorhanden, gibt es dort auch keinen Zustandsvektor, es sind Lucken vorhanden Zur Uberbruckung wird eine Extrapolation mit z Bsp einem lokalen Gaußfliter vorgenommen Die Stabilität wird weiter erhöht durch eine gleitende, komponentenweise Mittelung der Zustandsvektoren von jeweils zwei zeitlichen Aktualisierungsschπtten (Autoregressives-Filter) Orte mit ahnlichen Zustandsvektoren werden zu Domänen zusammengefaßt Durch vektorielle Addition der lokalen Zustandsvektoren und anschließender
Normierung wird der Domänenzustandsvektor ermittelt Es resultiert eine aktuelle Liste von Domänen mit kontinuierlicher Verkehrszustandsinformation für jede betrachtete Straße Bei jedem weiteren Aktuahsierungsschπtt werden die identifizierten Domänen den bereits vorhandenen Domänen der Meldungsliste über ein kontinuierliches
Ahnlichkeitsmaß zugeordnet Die Domänen werden also über die Zeit dynamisch verfolgt, wobei auch eine graduelle Zustandsanderung über die Zeit möglich und erlaubt ist Nach dieser Zuordnung wird die Meldungsliste für die betrachtete Straße aktualisiert, und es werden je nach Signifikanz Neu-, Anderungs- und
Loschmeldungen ausgeführt Die Signifikanz wird über einen Parameter gesteuert, womit die Meldungszahl ohne Beeinträchtigung des Verfahrens reduziert werden kann Es resultiert eine aktuelle Meldungsliste je Straße Die Meldungs sten sind die Basis für das Meldungsmanagement In ihnen werden die Informationen über die Verkehrszustände gespeichert und stehen für die genannten Anwendungen zur Verfugung
Die Ergebnisse werden visualisiert Die Darstellung kann der Überwachung dienen und gibt einen optischen Eindruck über die Verkehrsdynamik und einen Überblick über die gesamte Verkehrslage Verfahren wurden erprobt
29

Claims

Patentansprüche
1. Verfahren zur Erstellung von die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden Verkehrsinformationen durch Bearbeitung von zu mehreren Zeitpunkten erfaßten Verkehrsmeßwerten, dadurch gekennzeichnet, daß die erfaßten Verkehrsmeßwerte je betrachteter Straße über den Ort (x) und die Zeit (t) ihrer Erfassung je Meßwertkategorie in wiederholt aktualisierten Historienfenstern, die eine bestimmte Zeitspanne vom aktuellen Zeitpunkt der Erstellung der Verkehrsinformation in die
Vergangenheit reichen und Ort und Zeit in Intervallen diskretisieren, eingetragen und abgespeichert werden (Fig. 4 Mitte), wobei die erfaßten Verkehrsmeßwerte in den jeweils aktuell betrachteten einzelnen Historienfenstern über ihren Zeit- und Ortsverlauf mit verschiedenen Filtern gefiltert werden, wobei je Filter ein Merkmal gebildet wird, worauf sich zu jeweils einem Ort des Verkehrsnetzes ein sich auf diesen Ort beziehender, die Verkehrssituation beschreibender Merkmalsvektor durch Zusammenfassen der einzelnen Merkmale ergibt (Fig. 7 links), - wobei auf den die lokale Verkehrssition beschreibenden Merkmalsvektoren basierende, ausgebbare Verkehrsinformationen erstellt werden.
2. Verfahren, insbesondere nach Anspruch 1 , zur Erfassung des Verkehrszustandes eines Straßenverkehrsnetzes durch Bildung von Ortszustandsvektoren aus die Verkehrssituation an jedem Meßort beschreibenden Merkmalsvektoren oder direkt aus Verkehrsmeßwerten an den
Meßorten wobei für jeden Ort die Merkmale, welche die Verkehrssituation an diesem Orten beschreiben, durch eine Fuzzy-Diskriminanzfunktion je Merkmal für jeden möglichen zu klassifizierenden Verkehrszustand (Fig. 6: gestaut, stockend, dicht, frei) bewertet werden, worauf sich ein wertekontinuierlicher Zustandsvektor je Ort und je Merkmal ergibt (Fig. 7 rechts), dessen Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren,
30 worauf vorhandene Zustandsvektoren je Ort zu einem einzigen Zustandsvektor je Ort zusammengefaßt werden und der daraus resultierende Zustandsvektor je Ort als Ortszustandsvektor normiert wird (Fig. 7), - wobei auf den Ortszustandsvektoren basierende, ausgebbare
Verkehrsinformationen erstellt werden.
3. Verfahren, insbesondere nach einem der vorhergehenden Ansprüche, zur Erstellung einer die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden lückenlosen Verkehrszustandsbeschreibung in Form von
Ortszustandsvektoren, deren Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren, wobei Lücken in der Ortszustandsbeschreibung von Orten aufgrund von an diesen Orten fehlenden Verkehrsmeßwerten durch eine Extrapolation der vorhandenen Ortszustandsvektoren durch eine Filterung in Form einer
Faltung über die vorhandenen Ortszustandsvektoren überbrückt werden (Fig. 8), wobei aus der nun lückenlosen Beschreibung der Verkehrszustände über den Ort durch Ortszustandsvektoren ausgebbare Verkehrsinformationen erstellt werden.
4. Verfahren, insbesondere nach einem der vorhergehenden Ansprüche, zum Vergleich von Verkehrsinformationen in Form von Zustandsvektoren, deren Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren, wobei die Zustandsvektoren die Verkehrslage eines Straßenverkehrsnetzes beschreiben, durch die Ähnlichkeit von Verkehrszuständen repräsentierende Ähnlichkeitsmaße, wobei als Ähnlichkeitsmaß zwischen zwei Zustandsvektoren eine Metrik verwendet wird
31
5. Verfahren, insbesondere nach einem der vorhergehenden Ansprüche, zur Ermittlung von durch innerhalb einer Domäne gleiche Verkehrszustände chrakterisierte Domänen durch Zusammenfassung der Orte mit ähnlichen Ortszustandsvektoren, welche die Verkehrslage eines Straßenverkehrsnetzes beschreiben, zu Domänen (Fig. 9), worauf in einem Domänenwachstumsverfahren Orte mit ähnlichen
Ortszustandsvektoren zu Domänen mit frei definierbaren Enden zusammengefaßt werden, wobei die Domänenenteilung des Straßennetzes in zeitlichen Abständen wiederholt bestimmt wird, wobei auf den Domäneneinteilungen basierende Verkehrsmeldungen erstellt werden.
6. Verfahren, insbesondere nach einem der vorhergehenden Ansprüche, zur stetigen dynamischen Verfolgung von durch innerhalb einer Domäne gleiche
Verkehrszustände charakterisierten Domänen und Zuordnung von Domänen zu bereits durch frühere Verkehrsmeldungen ausgewiesene Domänen in einem Straßenverkehrsnetz, wobei die Domäneneinteilung des Straßennetzes in zeitlichen Abständen wiederholt bestimmt wird, die zum aktuellen Zeitpunkt gefundenen Domänen je betrachteter Straße über ein die zu den Domänen gehörenden Strecken- und Zustandsinformationen kontinuierlich bewertendes Ähnlichkeitsmaß mit den im vorherigen Auswertungszyklus ermittelten Domänen der jeweiligen Straßen verglichen werden (Fig. 10), worauf gegenüber dem vorherigen Auswertezyklus durch ein Meldungsmanagement für neu hinzugekommene Domänen Neumeldungen, für verschwundene Domänen Löschmeldungen und für alle Domänen, die einer bereits gemeldeten Strecke zugeordnet werden konnten, Änderungsmeldungen an die Verkehrsteilnehmer oder
Telematikdienstleister versendet werden,
32 wobei hierauf erstellte Streckeninformationen bestehend aus Lage, Zustand und Länge der Verkehrsdomänen auf jeweils einer gesamten betrachteten Straße zur Generierung der ausgegebenen Verkehrsinformationen in den Neu-, Änderungs- und Löschmeldungen verwendet werden.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß aus den Ortszustandsvektoren der zusammengefaßten Orte ein die Verkehrslage dieser Domänen repräsentierender Domänenzustandsvektor berechnet und einer Domäne zugewiesen wird,
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß für die Berechnung des jeweiligen Domänenzustandsvektors der Mittelwert der Ortszustandsvektoren der in dieser Domäne zusammengefaßten Orte verwendet wird,
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrsinformationen zur direkten Übermittlung an Verkehrsteilnehmer in Form von Neu-, Änderungs- und Löschmeldungen erstellt werden.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Domäneneinteilung des Straßennetzes in zeitlichen Abständen wiederholt bestimmt wird.
1 1. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrsinformartionen in Form von Neu-, Änderungs- und Löschmeldungen in einer ohne weitere Verarbeitung tauglichen Form erstellt werden zur indirekten Verkehrsbeeinflussung und/oder zur direkten Verkehrslenkung.
33
12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß dadurch gekennzeichnet, daß die Verkehrsinformationen verwendet werden zur Erstellung von Meldungen an Verkehrsteilnehmer im Straßenverkehrsnetz betreffend den aktuellen
Verkehrszustand und/oder einen prognostizierten Verkehrszustand und/oder Navigationsanweisungen unter Berücksichtigung des aktuellen und/oder prognostizierten Verkehrszustandes und/oder Geschwindigkeitsanweisungen.
13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrsmeßwerte zur Verkehrslage des Straßenverkehrsnetzes durch stationär an Straßen des Verkehrsnetzes angeordnete Sensoren erfaßt werden,
14. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrsmeßwerte durch mobile Sensoren in im Straßenverkehrsnetz fahrenden Fahrzeugen gemessen werden.
15. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrsmeßwerte von zumindest einigen Sensoren zueinander zeitlich synchron in regulären Zeitintervallen gemessen werden.
16. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß Verkehrsmeßwerte zumindest von einigen Sensoren ereignisinduziert nur bei Eintritt vorgegebener Ereignisse zur Verfügung stehen oder gemessen werden.
17. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß zeitlich asynchrone Verkehrsmeßwerte von zumindest einigen Sensoren vorliegen.
34
18. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß Merkmale aus Verkehrsdaten verschiedenen physikalischen Inhalts (Fluß f, Dichte d, Geschwindigkeit v in Fig. 4)) gebildet und konsistent über wertekontinuierliche Wahrscheinlichkeiten als Klassifikationsergebnis zusammengeführt werden.
19. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das zu klassifizierendes Merkmal Geschwindigkeit durch abgeleitete Werte berechnet wird, insbesondere durch Reisegeschwindigkeiten.
20. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß in den Historienfenstern für die einzelnen Meßwertkategorien ein- und zweidimensionale morphologische Filter über Ort und Zeit auf bezüglich Ort und/oder Zeit lückenhaft vorliegende Verkehrsmeßwerte angewendet werden.
21. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß als Filterfunktion zur Berechnung eines Merkmals für stockenden Verkehr eine morphologische Tophat-Filterung der Verkehrsmeßwerte in der Meßwertkategorie Geschwindigkeit verwendet wird.
22. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß als Filterfunktion zur Glättung der Verkehrsmeßwerte in den Meßwertkategorien Geschwindigkeit und Dichte eine morphologische Medianfilterung verwendet wird.
23. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die örtliche Auflösung über die Ortsdiskretisierung der Historienfenster und der nachfolgenden Verarbeitung frei wählbar ist.
35
24. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß Zustandsvektoren aller Merkmale je Ort zum Ortszustandsvektor je Ort zusammengefaßt werden (Fig. 7).
25. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß auch aus anderen Quellen verfügbare Zustandsvektoren je Ort bei der Zusammenfassung zum Ortszustandsvektor je Ort unter Berücksichtigung von Gewichtungsfaktoren eingehen,
26. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch Summation dieser Vektoren je Ort erfolgt und dann eine Normierung auf Summe = 1 vorgenommen wird, oder die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch ein komponentenweises Produkt dieser Vektoren je Ort erfogt und dann eine Normierung auf Betrag = 1 vorgenommen wird,
27. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Fuzzy-Diskriminanzfunktion auf Orte angewendet wird, welche unabhängig von einer festen Streckeneinteilung von Straßenverkehrsnetz- Segmenten einer digitalen Karte sind.
28. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß über eine Schwelle für den Betrag der extrapolierten Zustandsvektoren die maximale Extrapolationsweite begrenzt wird.
29. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Filterung durch einen Gaußfliter (Faltung mit einer Gaußkurve) erfolgt,
36
30. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß je betrachteter Straße eine gleitende zeitliche Glättung der aktuell ermittelten extrapolierten Zustandsvektoren je Ort mit den im vorangegangenen Aktualisierungsschritt für diese Straße je Ort ermittelten extrapolierten Ortszustandsvektoren vorgenommen wird.
31. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß für diese Glättung ein Autoregressives Filter (AR) eingesetzt wird.
32. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß der Filterparameter des AR-Filters in Abhängigkeit von der Länge der Aktualisierungsintervalle so umgerechnet wird, daß die Filterung unabhängig von den gewählten Aktualisierungsintervallen ist.
33. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß als Ähnlichkeitsmaß für die Ortszustandsvektoren der Zustand maximaler
Wahrscheinlichkeit verwendet wird, insbesondere der Index der maximalen Komponente eines Zustandsvektors relativ zu den anderen Komponenten.
34. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß als Metrik für die Ortszustandsvektoren die euklidische Vektornorm verwendet wird.
35. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß als Ähnlichkeitsmaß für Verkehrsdomänen eine Metrik verwendet wird, welche eine Metrik für Zustandsvektoren auf die Domänenzustandsvektoren anwendet und auch zumindest die örtliche Lage und/oder Länge der Domänen berücksichtigt.
37
36. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das Domänenwachstumsverfahren direkt auf die wertekontinuierlichen extrapolierten Zustandsvektoren der Orte einer betrachteten Strecke angewandt wird.
37. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Verkehrssituation durch eine Verkehrsdomäne angegeben wird, welche die Lage im Streckennetz, die Länge sowie den Verkehrszustand in insbesondere vier Stufen (gestaut, stockend, dicht, frei) als Wahrscheinlichkeiten in Form des Domänenzustandsvektors enthält.
38. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Domänenbildung auch Orte, deren Zustandsvektor für sich alleine gesehen einen anderen Zustand als den der hinsichtlich der Domänenbildung betrachteten Domäne signalisiert, dieser Domäne zuordnen kann.
39. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Komponenten der Ortszustandsvektoren als kontinuierliche Wahrscheinlichkeitswerte anstatt diskreten Werten (0/1) für die an diesen Orten herrschenden Verkehrszustände interpretiert werden,
40. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß durch einen die Zustandsvektorkomponenten betreffenden zu addierenden Hysteresewert der Grad der Zusammenfassung von Orten mit einer anderen maximalen Zustandskomponente als der, die für die Domänenbildung gerade betrachtet wird, gesteuert wird.
38
41. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß über einen Rückgriff auf zurückliegende Verkehrsmeßwerte über ein örtliches Gedächtnis für die eingegangenen Verkehrsmeßwerte zwischen „kein Verkehr" und „Totalstau" unterschieden wird.
42. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß für die Zuordnung von neu ermittelten Domäneninformationen zu bereits vorliegenden Domäneninformationen ein Ähnlichkeitsmaß verwendet wird, das kontinuierlich die Länge, den Ort und den Zustandsvektor dieser Domänen berücksichtigt.
43. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichtlich der Berücksichtigung schneller Änderungen im Verkehrsgeschehen bei der Erstellung von Verkehrsinformationen in Form der Merkmalsvektoren über die Filterparameter der Meßwertfilter als auch des autoregressiven Filters einstellbar ist.
44. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichtlich der Ortsauflösung der extrapolierten Ortszustandsbeschreibung über die Filterparameter des Extrapolationsfilters einstellbar ist.
45. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichtlich der Tendenz, Domänen zusammenzufassen und so die Meldungszahl zu reduzieren, über die
Filterparameter des Extrapolationsfilters einstellbar ist.
46. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
39 daß Zustandsübergänge während des Lebenslaufes einer Meldung zugelassen werden.
47. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß über Signifikanzkriterien von Änderungen bzgl. Lage, Länge und Verkehrszustand der Meldungsinformationen die Zahl der erzeugten Meldungen bei Bedarf reduziert wird.
48. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Ausgabe von Verkehrsinformationen ereignisinduziert im Falle bestimmter vorgegebener Ereignisse erfolgt.
49. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß eine Visualisierung der Verkehrslage sowie deren Dynamik und zur Betriebsüberwachung in einem Orts-/Zeit-Koordinatensystem die Meldungsergebnisse in Kongruenz mit den Meßdaten wiedergegeben werden (Fig. 10, Fig. 1 1 , Fig. 12).
50. Verkehrslageerfassungszentrale, insbesondere zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, mit einer Eingabeeinrichtung zur Eingabe von Verkehrsmeßwerten in die Verkehrslageerfassungszentrale, einem Speicher für eingegebene Verkehrsmeßwerte,
einer Ausgabeeinrichtung zur Ausgabe von Verkehrsinformationen an Verkehrsteilnehmer, - einer Verkehrsmeßdaten-Bearbeitungs-Vorrichtung, die so ausgebildet ist, daß sie nach einem der Ansprüche 1 bis 49 arbeitet.
40
51. Verkehrslageerfassungszentrale nach Anspruch 50, dadurch gekennzeichnet, daß die Eingabeeinrichtung ein Empfänger oder Zugang zu einem Empfänger zum Empfang von von den Sensoren insbesondere per Mobilfunk gesendeten Verkehrsmeßwerten ist.
52. Verkehrslageerfassungszentrale nach Anspruch 50 oder 51 , dadurch gekennzeichnet, daß die Ausgabeeinrichtung ein Sender oder ein Zugang zu einem Sender zum Aussenden von Verkehrsinformationen insbesondere per Mobilfunk an
Verkehrsteilnehmer oder einen Serviceprovider ist.
41
PCT/DE1999/000523 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung WO1999042971A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
AT99915492T ATE258330T1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung
EP99915492A EP1057156B1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung
DE59908367T DE59908367D1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE19807793 1998-02-19
DE19807793.9 1998-02-19
DE19905284A DE19905284A1 (de) 1998-02-19 1999-02-03 Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung
DE19905284.0 1999-02-03

Publications (1)

Publication Number Publication Date
WO1999042971A1 true WO1999042971A1 (de) 1999-08-26

Family

ID=26044120

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE1999/000523 WO1999042971A1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung

Country Status (5)

Country Link
EP (1) EP1057156B1 (de)
AT (1) ATE258330T1 (de)
DE (4) DE19944889A1 (de)
ES (1) ES2211066T3 (de)
WO (1) WO1999042971A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1146406A1 (de) * 1999-12-16 2001-10-17 Erich Bieramperl Verfahren zur Generierung von sich selbstorganisierenden Prozessen in autonomen Mechanismen und Organismen
CN102592447A (zh) * 2011-12-20 2012-07-18 浙江工业大学 一种基于fcm的区域路网的道路交通状态判别方法
US9145143B2 (en) 2013-10-17 2015-09-29 Ford Global Technologies, Llc Road characteristic prediction

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10246184A1 (de) * 2002-10-02 2004-09-30 Bayerische Motoren Werke Ag Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren
EP3035314B1 (de) * 2014-12-18 2017-11-15 Be-Mobile Tech NV Verkehrsdatenfusionssystem und entsprechendes Verfahren zur Bereitstellung eines Verkehrszustands für ein Straßennetz
US9569960B2 (en) 2015-02-24 2017-02-14 Here Global B.V. Method and apparatus for providing traffic jam detection and prediction
CN105118289A (zh) * 2015-06-17 2015-12-02 河南理工大学 一种交通态势评估方法
CN107146415B (zh) * 2017-07-05 2020-03-10 廊坊师范学院 一种交通事件检测与定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994011839A1 (en) * 1992-11-19 1994-05-26 Kjell Olsson Prediction method of traffic parameters
EP0798684A1 (de) * 1996-03-25 1997-10-01 MANNESMANN Aktiengesellschaft Verfahren und System zur Verkehrslageerfassung durch stationäre Datenerfassungseinrichtung

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0676195A (ja) * 1992-08-27 1994-03-18 Hitachi Ltd 異常事象検出装置
DE19737440A1 (de) * 1997-02-14 1998-08-27 Mannesmann Ag Verfahren zur Bestimmung von Verkehrsdaten und Verkehrsinformationszentrale

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994011839A1 (en) * 1992-11-19 1994-05-26 Kjell Olsson Prediction method of traffic parameters
EP0798684A1 (de) * 1996-03-25 1997-10-01 MANNESMANN Aktiengesellschaft Verfahren und System zur Verkehrslageerfassung durch stationäre Datenerfassungseinrichtung

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HO T K ET AL: "FUZZY LOGIC TRAFFIC CONTROL AT A ROAD JUNCTION WITH TIME-VARYING FLOW RATES", ELECTRONICS LETTERS, vol. 32, no. 17, 15 August 1996 (1996-08-15), pages 1625/1626, XP000624567, ISSN: 0013-5194 *
IOKIBE T ET AL: "TRAFFIC PREDICTION METHOD BY FUZZY LOGIC", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS, SAN FRANCISCO, MAR. 28 - APR. 1, 1993, vol. 2, no. CONF. 2, 28 March 1993 (1993-03-28), INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS, pages 673 - 678, XP000371490, ISBN: 0-7803-0614-7 *
SAYERS T ET AL: "TRAFFIC RESPONSIVE SIGNAL CONTROL USING FUZZY LOGIC - A PRACTICAL MODULAR APPROACH", COLLOQUIUM ON FUZZY LOGIC CONTROLLERS IN PRACTICE, 15 November 1996 (1996-11-15), pages 5/1 - 5/04, XP002035546 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1146406A1 (de) * 1999-12-16 2001-10-17 Erich Bieramperl Verfahren zur Generierung von sich selbstorganisierenden Prozessen in autonomen Mechanismen und Organismen
CN102592447A (zh) * 2011-12-20 2012-07-18 浙江工业大学 一种基于fcm的区域路网的道路交通状态判别方法
CN102592447B (zh) * 2011-12-20 2014-01-29 浙江工业大学 一种基于fcm的区域路网的道路交通状态判别方法
US9145143B2 (en) 2013-10-17 2015-09-29 Ford Global Technologies, Llc Road characteristic prediction
US9421979B2 (en) 2013-10-17 2016-08-23 Ford Global Technologies, Llc Road characteristic prediction

Also Published As

Publication number Publication date
EP1057156B1 (de) 2004-01-21
EP1057156A1 (de) 2000-12-06
DE19944889A8 (de) 2005-06-30
DE19944889A1 (de) 2000-11-23
DE19944888A1 (de) 2000-02-10
ATE258330T1 (de) 2004-02-15
ES2211066T3 (es) 2004-07-01
DE19944890A1 (de) 2000-11-23
DE19944891A1 (de) 2000-04-20

Similar Documents

Publication Publication Date Title
DE69329119T2 (de) Vorhersageverfahren für strassenverkehrparameter
EP0789341B1 (de) Fahrzeugautonome Detektion von Verkehrsstau
DE102012023110B4 (de) Verfahren zum Betrieb eines Navigationssystems und Kraftfahrzeug
DE19633884B4 (de) Verfahren zum Ermitteln der Objektposition eines Objekts
DE102012201472A1 (de) Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen
EP1920268A1 (de) Verfahren für die erfassung eines verkehrsraums
DE102012204306A1 (de) Verfahren zur Steuerung eines Bereitstellens von Verkehrsinformationsdaten zur Aktualisierung einer Verkehrsinformation
EP2116981B1 (de) Verfahren und Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen
DE69631629T2 (de) Erfassung und Vorhersage von Verkehrsbehinderungen
EP1057156B1 (de) Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung
DE102005009604B4 (de) Verfahren und Vorrichtung zum Erzeugen eines Bewertungswertes für Verkehrsdaten
EP1245017B1 (de) Verfahren zum beschreiben und erzeugen von strassennetzen und strassennetz
DE102006057920A1 (de) Verfahren zum Steuern der Anzeige eines Navigationssystems in einem Modus, bei dem keine Route und kein Ziel eingegeben ist
DE10108611A1 (de) Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz
DE102021005764A1 (de) Vorrichtung und Verfahren zu einer Abstands- und Geschwindigkeitsregelung eines Fahrzeugs
DE19905284A1 (de) Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung
DE102005040350A1 (de) Verfahren zur Prognose eines Verkehrszustandes in einem Straßennetz und Verkehrsmanagementzentrale
DE102005055244A1 (de) Verfahren zur verkehrsdatenbasierten Unfallerkennung
DE102016216538A1 (de) Verfahren zum Betreiben einer Steuervorrichtung eines Kraftfahrzeugs, Steuervorrichtung und Kraftfahrzeug
DE102012201156A1 (de) Verfahren und Datenverarbeitungsvorrichtung zum Bereitstellen von einer Geschwindigkeitswarnungsinformation für ein Navigationsgerät
EP1262934A2 (de) Verfahren zur Verkehrslageerfassung
EP2887332B1 (de) Verfahren und System zum Ermitteln einer Verkehrssituation auf einer Straßenstrecke
DE102012220357A1 (de) Verfahren zur Ausgabe mindestens einer Geschwindigkeitsinformation in einem Fahrzeug, Informationssystem und Ausgabevorrichtung
DE10234367B3 (de) Verfahren zur Abbildung des Verkehrszustandes und System zur Verkehrsorganisation
DE102004049936B4 (de) Verfahren und Vorrichtung zur Wertung der Qualität von Verkehrsinformationen

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): JP US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI 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: 1999915492

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 1999915492

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 1999915492

Country of ref document: EP