WO2023039620A1 - Method for measuring the traffic volume using das - Google Patents

Method for measuring the traffic volume using das Download PDF

Info

Publication number
WO2023039620A1
WO2023039620A1 PCT/AT2022/060245 AT2022060245W WO2023039620A1 WO 2023039620 A1 WO2023039620 A1 WO 2023039620A1 AT 2022060245 W AT2022060245 W AT 2022060245W WO 2023039620 A1 WO2023039620 A1 WO 2023039620A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicles
determined
vehicle
waveguide
time
Prior art date
Application number
PCT/AT2022/060245
Other languages
German (de)
French (fr)
Inventor
Martin Litzenberger
Christoph Wiesmeyr
Original Assignee
AIT Austrian Institute of Technology GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AIT Austrian Institute of Technology GmbH filed Critical AIT Austrian Institute of Technology GmbH
Publication of WO2023039620A1 publication Critical patent/WO2023039620A1/en

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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel

Definitions

  • the invention relates to a method for measuring the traffic density and/or speed of a number of vehicles moving on a driving section, in particular a road, according to patent claim 1, comprising a method for measuring the traffic density and/or the speed on a road a number of driving sections for vehicles, according to claim 12, and an arrangement according to claim 13.
  • Roads and highways are essential to modern transportation, and reliable traffic monitoring systems are required to ensure a continuous, unobstructed flow of traffic.
  • traffic monitoring systems provide information about the traffic conditions currently prevailing on a road or a freeway, such as the number and speed of vehicles on a specific stretch of road. This data can provide information regarding the occurrence of traffic obstacles such as traffic jams or accidents on the streets or highways and thus contribute to the rapid elimination of these traffic obstacles. Traffic monitoring systems also help to promptly take action to avoid a complete standstill, such as closing a lane or allowing traffic to use the hard shoulder.
  • Traffic monitoring systems are known from the prior art, in which sensors are arranged either overhead, under or next to the roadway in order to detect the flow of traffic.
  • sensors can be, for example, laser scanners, infrared, radar or ultrasonic sensors, but magnetic or acoustic sensors or video cameras can also be used.
  • passing vehicles cause changes in the magnetic field that can be used to measure traffic flow.
  • Monitoring based on acoustic sensors can be implemented using a microphone array, for example.
  • smartphone connection data or vehicle GPS data for example, can also be evaluated in order to analyze the traffic flow.
  • DAS Distributed Acoustic Sensing
  • DAS systems use a series of electromagnetic waves transmitted over a waveguide, such as an optical fiber such as a fiber optic cable.
  • the electromagnetic wave backscattered from the waveguide which is influenced by deformation of the waveguide by e.g. ground vibrations, is measured and analyzed.
  • ground vibrations induced by passing vehicles affect the DAS signal, and traffic information related to the road section can be derived based on the DAS signal.
  • cables in the form of fiber optic cables are laid anyway for the operationally required communication applications.
  • the pressure changes or acoustic vibrations emitted by vehicles can be measured in space and time.
  • the object of the invention is therefore to provide a specific method with which traffic information such as traffic density and/or the speed of a number of vehicles can be determined based on DAS measurements.
  • the invention solves this problem with a method for measuring the traffic density and/or speed of a number of vehicles moving along a route, in particular a road, according to patent claim 1.
  • a) along the route by means of a waveguide , in particular a fiber optic cable, measured values for characterizing vibrations or pressure changes are determined at a large number of locations along the route, b) the waveguide is arranged along the route and is affected by the shocks, vibrations or pressure changes emanating from the route, c) at specified levels Points in time, in particular with a frequency between 100 Hz and 10 kHz, preferably between 1 and 4 kHz, in each case an electromagnetic pulse is emitted into the waveguide, and the electromagnetic wave returning from the waveguide is measured, with the time delay corresponding to d) the strength and/or phase and/or energy of the returning electromagnetic wave is used as a measured value to characterize vibrations or pressure changes in the relevant location, and e) for a Number of location points along the driving section and for a number of times a measured value, in particular a measurement signal, is provided to characterize the vibration or a pressure change.
  • a probability is determined as to whether a respective measured value corresponds to the presence of a vehicle, with the probabilities being mapped via the location points in a diagram, in particular in a waterfall diagram, in which the lanes contained therein Correspond to trajectories of the vehicles, with a trajectory describing the time-path profile of a vehicle, in particular the movement of a vehicle in relation to the location points for a number of points in time, it being provided in particular that the lanes correspond to straight lines with width, g) the number of lanes and/or their gradient being determined from the values of the diagram, in particular the waterfall diagram, and h) the number of lanes and/or their gradient being used to determine the speed of the vehicles and/or the number of vehicles is used.
  • one waveguide such as an optical fiber or a glass fiber cable and one measuring and processing unit, eg an opto-electronic interrogator device, are advantageously required in order to be able to reliably derive traffic information.
  • This is cheaper and requires less maintenance than conventional traffic monitoring systems, which require a large number of sensors along the roadway and are therefore associated with higher installation, maintenance and energy costs.
  • a further advantage of the procedure according to the invention is that the waveguide can be installed parallel to the roadway and not above or below the roadway surface, so that road construction work, for example, does not impair the method according to the invention. Furthermore, the passive nature of the waveguide makes it immune to electromagnetic interference and lightning and therefore requires less maintenance than, for example, copper-based cables.
  • a trajectory of a vehicle is understood to be the path-time profile of the respective vehicle in world coordinates, which is represented as a track in the waterfall diagram in the form of an x-y profile in image coordinates. Most preferably, these tracks are in the form of straight lines with a width corresponding to the length of the vehicle.
  • a number of time windows is specified for location points separately in the area of the vehicle and/or its trajectory in the respective location point
  • the signal energy is determined separately by Fourier transformation within predetermined frequency bands, and this signal energy is assigned to a point in time assigned to the respective time window, so that a discrete signal that assigns the associated signal energies to each location point for individual points in time is available and the probability of the presence of a vehicle is derived by calculating and combining the signal energies for different frequency bands, where a) if a single frequency band is specified, this frequency band, in particular after carrying out a standardization step, as a measure for the probability of the presence of a vehicle is considered, and / or b) the signal energies are combined by using a machine learning method, it being provided in particular that the combination of individual frequency bands is learned in a training step.
  • the signal energy in a frequency band is understood to mean the sum of the squares of the absolute values of the Fourier coefficients from the respective frequency band.
  • An alternative procedure for a particularly reliable determination of the probability of whether a respective measured value corresponds to a vehicle can be provided if selected, in particular all, measured values are subjected to a pattern analysis in detection step f), the similarity to a predetermined pattern being determined in the pattern analysis is used, and the similarity to the predetermined pattern is used as the probability of the presence of a vehicle.
  • a particularly exact pattern analysis is possible if a pattern matching method is used for the pattern analysis.
  • a further alternative procedure for a particularly reliable determination of the probability of whether a respective measured value corresponds to a vehicle can be provided if selected, in particular all, measured values are classified in detection step f) using a machine learning method using a classifier, in particular a previously trained classifier and in this way the probability of the presence of a vehicle is determined.
  • a particularly precise determination of the number of traces and/or their gradient from the values of the diagram can be achieved if in step g) a binary image is generated from selected, in particular all, values of the diagram, in particular the waterfall diagram, using a predetermined threshold value is, and in the respective binary image the number of tracks and / or their respective slope are determined by means of Hough transformation.
  • a binary image is understood below to mean an image matrix whose elements can only have two different values, namely 0 or 1.
  • step g) An alternative procedure for a particularly precise determination of the number of tracks and/or their gradient from the values in the diagram can be provided if - in step g) a binary image is generated in each case from selected, in particular all, values of the diagram, in particular the waterfall diagram, by means of a predetermined threshold value, and
  • orientation of the local gradients of selected tracks, in particular all tracks are determined in the respective binary image by means of an image processing method, in particular by means of Sobel, Prewitt and/or Roberts operators, in the form of an orientation image,
  • a histogram is formed from the orientation image of the orientations of the local gradients and the maximum values are determined in the histogram, where pairs of angles with a direction difference of 180 degrees are determined from the maximum values, and where the velocities (v) are determined from the pairs of angles of the vehicles is determined.
  • the position and/or the height of the maximum values in the histogram is determined, with the position in the histogram of the speed of the vehicles and the height in the histogram of the number of vehicles corresponds, which have a respective speed.
  • a particularly precise procedure for determining the volume of traffic and/or the traffic density can be provided that
  • the traffic volume is determined by forming the sum of all vehicles in a particular area under consideration and in relation to the duration of the time segment represented by the histogram, and/or
  • the traffic density is determined by forming the sum of all vehicles in a particular area under consideration and in relation to the size of the local section represented by the histogram.
  • the length of the vehicles is deduced by means of a filter based on the widths of the lanes, the width of a lane corresponding to a section in the diagram at a respective point in time (t) along the location,
  • the driving section is divided into a number of subsections, the subsections being designed in such a way that speeds can be determined from the trajectories of the vehicles, with a diagram in each case Subsection is formed, it being provided in particular that the subsections are chosen so large that the tracks are completely included and the slope of the tracks can be determined.
  • a road can advantageously be divided into a number of driving sections in order to determine the traffic condition over the entire length of a road.
  • the length of which is suitably chosen, typically 500 m long.
  • a measurement of the traffic density and/or the speed on a road comprising a number of driving sections is advantageously possible if the measurement of the traffic density on the individual driving sections is carried out using a method according to the invention.
  • the object of the invention is also to provide an arrangement for measuring the traffic density and/or speed of a number of vehicles that are moving on a road section, in particular a road.
  • the invention solves this problem with the features of claim 14. According to the invention, it is provided that the arrangement comprises the following:
  • a waveguide in particular a fiber optic cable, arranged along a section of travel, in particular a road, which is affected by the vibrations emanating from the section of travel and
  • FIG. 1 shows a schematic representation of a DAS system for traffic monitoring
  • Fig. 3 shows a schematic example of a line in the Hough transform defined by angle 0 and radius r
  • FIG. 4 shows a schematic example of a transformed binary image based on a pre-processed DAS signal
  • Fig. 5 shows a Hough transform image of the binary image in Fig. 4,
  • 8b is a binary image of the lanes of three vehicles, with the x-axis representing location along the driving segment and the y-axis representing time;
  • FIG. 9 shows an orientation image with the evaluated local orientations of the gradients of the lanes in FIG. 8b, the x-axis representing the location along the driving section and the y-axis representing the time,
  • FIG. 10 shows an example of a histogram of the local orientation of the gradients from FIG. 9,
  • FIG. 11 shows an example for the evaluation of the local orientations over an entire driving section.
  • a waveguide in the form of a glass fiber cable 1 is laid parallel to the travel section 3 .
  • a measurement and Processing unit in the form of an interrogator device 2 is connected to one end of the fiber optic cable 1 and delivers a series of electromagnetic pulses to the fiber optic cable 1 in the form of laser light pulses. Portions of the emitted light are backscattered and are measured with the same interrogator device 2 as is indicated schematically in FIG.
  • Shocks, vibrations or pressure changes generated by passing cars or trucks stretch and/or compress the fiber optic cable 1 and therefore affect the length of the optical path. This induces a measurable phase shift in the backscattered light, which can be determined using interferometric methods.
  • a light pulse is emitted into the glass fiber cable 1 and the light returning from the glass fiber cable 1 is measured.
  • the signal is assigned to a location along the driving section 3 in accordance with the time delay of the returning light.
  • the strength and/or phase and/or energy of the returning light can be used as a measured value for characterizing vibrations or pressure changes in the location in question.
  • a measured value m(x, t) in particular a measurement signal, is available for characterizing the vibration or a pressure change for a number of location points along the driving section 3 and for a number of points in time t.
  • Image and signal processing algorithms are used according to the invention in order to derive the traffic density and speed of vehicles moving on a driving section from the determined DAS measured values.
  • the traffic volume i.e. vehicles per unit of time
  • the traffic density i.e. vehicles per unit of length
  • the average speeds in a waterfall diagram based on DAS measurement values, in which individual tracking of each individual vehicle is not possible due to the high density of vehicle trajectories more is possible.
  • a method according to the invention comprises the following steps: In a detection step, a probability Wi . . . W x is first determined as to whether a respective measured value m(x, t) corresponds to the presence of a vehicle. Then these probabilities are displayed in a diagram.
  • the pixel values of the image matrix correspond to the signal energy of segments with a specific time duration and spatial length.
  • the lanes contained therein correspond to trajectories of vehicles that pass driving section 2 .
  • a trajectory describes the time-path profile of a vehicle (see FIG. 7), for example the movement of a vehicle in relation to the location points Mi . . . M x for a number of times t.
  • a trajectory x(t) can be represented both as the location point Mi ... M x , where the front of the vehicle is located, for example, as a function of time t and as the inverse t(x) of this function, i.e. as a function which indicates the time t at which the vehicle is located at the location Mi . . . M x .
  • Vehicles with a finite length have trajectories with a width that represent the time-path profile of the leading edge of the vehicle (to in FIG. 7) as well as the time profile of the trailing edge of the vehicle (t p in FIG. 7). In FIG. 2, these tracks of the vehicles correspond to straight lines with a width which corresponds to the respective vehicle length.
  • the trajectories of the vehicles i.e. the path-time course of a respective vehicle in world coordinates, are shown as traces in the waterfall diagram in the form of an x-y course in image coordinates. These lanes are generally in the form of straight lines with a width equal to the length of the vehicle.
  • individual vehicle trajectories can be seen as straight lines, with the gradient of the lines corresponding to the speed of the vehicle.
  • the sign of the slope that is, whether the line slopes to the right or left on the graph, corresponds to the direction of vehicle motion.
  • a positive slope corresponds to a movement of the vehicle away from the interrogator device 2 assumed in the diagram at the origin, while a negative slope corresponds to a movement of the vehicle towards the interrogator device 2 .
  • the number of lanes and/or their incline is then determined from the values of the diagram, for example the waterfall diagram, and used to determine the speed and/or the number of vehicles.
  • a frequency analysis of the DAS raw signal is carried out in the first exemplary embodiment in the detection step.
  • location points Mi . . . M o each separately in the area of vehicle 3 and/or its trajectory xo(t); to(x) in the respective location Mi ... M x a number of time windows U; Wow...LI? predetermined.
  • each of the time windows U; Ui . . . U 7 of a location Mi This signal energy is assigned to the respective time window U; Ui ... U7 associated time t assigned, so that a discrete signal d (x, t, f), which each location Mi ... M x assigns the associated signal energies for individual times, is available.
  • a Fast Fourier Transform was carried out in 1 s time intervals for the original DAS raw signal, which is recorded with a sampling rate of 1 kHz, and data reduction by calculating the signal energy in a selected frequency band of 5-50 Hz, in the respective 1 s period.
  • the signal energies obtained are shown in FIG. 2 as gray-coded pixel values, with high signal energies being shown light and low signal energies being shown dark.
  • the pre-processed DAS signal then corresponds to the total energy of the DAS raw signal within the selected frequency band.
  • Equation (1) shows the calculation of the pixel value b from the summed energies in the selected frequency band f, where B corresponds to the frequency range and a to the frequency response of the DAS signal.
  • the probability of the presence of a vehicle is derived by calculating and combining the signal energies for different frequency bands f.
  • this combination can be done in different ways: If only one frequency band f is present or specified, this frequency band f can be viewed as a measure of the probability of the presence of a vehicle.
  • a normalization step can first be carried out here in order to obtain values between 0 and 1 as a measure of the probability.
  • the signal energies can also be combined by using a machine learning method.
  • a machine learning method is used that learns in a training step or a training phase how the individual frequency bands f are combined in order to calculate a probability of the presence of a vehicle.
  • a pattern analysis of the DAS raw signal can optionally also be carried out in the detection step. For this purpose, all or only selected measured values m(x, t) are subjected to a pattern analysis, with the similarity to a predetermined pattern being determined in the pattern analysis. The similarity to the specified pattern is used as the probability of the presence of a vehicle.
  • a pattern matching method can be used for the pattern analysis.
  • the simplest form of this method is the convolution of a template for vehicles with the measured values m(x, t), with local maxima in the convolution signal occurring at the points at which the measured values contain vehicle-like patterns.
  • the template for this can be determined empirically from sample data.
  • the DAS raw signal can optionally also be classified in the detection step using a machine learning method. All or selected measured values m(x, t) are classified using a classifier and the probability of the presence of a vehicle is determined in this way.
  • This classifier can be learned in advance in a training phase. For example, vehicles can be marked manually and the associated signals can then be extracted and fed to the learning process as such. Furthermore, signals that do not correspond to any vehicle are also marked and also fed into the learning process as "negative examples”.
  • "Deep Learning”, such as LSTM networks for the analysis of time series, can be used as a learning method.
  • the waterfall diagram containing the probabilities Wi...W x for the presence of a vehicle is converted into a binary image by applying a threshold value. This binary image is then subdivided into smaller binary images in such a way that these contain local sections of a few 100 meters and time sections of a few seconds. For the selection of the size of these location and time sections, it is crucial on the one hand how many result points are required for the traffic density and speed along the road, and on the other hand that sufficiently long vehicle lanes are contained in the time section.
  • the number of tracks and their respective slope are then determined using Hough transformation in the smaller binary images generated in this way.
  • the Hough transformation is an image processing method for recognizing any parameterizable geometric figures in a binary gradient image.
  • binary images can also be examined for the presence of specified lines (see Hough transform for line detection” in Proceedings. 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (see Cat. No PR00149), Jun. 1999 1, pp. 554-560 Vol 1, doi: 10.1109/CVPR.1999.786993 or RO Duda and PE Hart, "Use of the Hough transformation to detect lines and curves in pictures," Com mu n ACM, vol 15, no. 1, pp. 11-15, Jan. 1972, doi: 10.1145/361237.361242).
  • the value provided by the Hough transform for each line indicates the number of positive pixels on each line. All possible lines are parameterized by polar coordinates, i.e. radius r and angle 0 (see Fig. 3).
  • the Hough transform supplies a matrix whose entries are assigned possible values of radius r and angle 0. For each entry (0, r), the Hough transform returns the number of pixels that correspond to a line in the original image. Those entries for which the Hough transform yields the highest values are most likely to correspond to a line in the original image.
  • FIG. 4 An embodiment of a Hough transform of a binary image can be found in Figures 4-6.
  • a binary image of a pre-processed DAS signal is shown schematically in FIG. 4, in which two lines corresponding to vehicles are shown.
  • the Hough transformation transforms the coordinates (x, t) in the binary image into the coordinates (0, r) in Hough space.
  • FIG. 5 two points of intersection can be seen whose coordinates (0, r) correspond to the original two lines in FIG.
  • the position of the points (0, r) in Hough space in Fig. 5 thus represents the lines in the binary image in Fig. 4.
  • Fig. 6 the sum of the logarithmic Hough transform is shown, with the rectangle representing the possible position of the Marked extreme value point for estimating the angle 0.
  • the two points of intersection in Fig. 5 also form the minima of the transformation matrix in Fig. 6.
  • Equation (3) The speed in image coordinates can be found by Equation (3), while the speed in km/h can be found by Equation (4).
  • Equation (4) d corresponds to the distance between two measurement points, sp to the normalized speed in the image coordinates of the binary image and Skm/h to the actual speed in km/h. 3.6
  • the columns that correspond to the angles 0 previously extracted are now extracted from the Hough transformation matrix.
  • the number of extreme points can be determined from these columns, which corresponds to the number of vehicles (see border in FIG. 6).
  • the quality of the vehicle trajectories or the tracks can first be improved in the waterfall diagram by detection using contrast enhancement and/or edge detection. Common methods from image processing can be used for this. However, this step is optional and analysis can also be done without such an improvement.
  • the local orientations in the thus improved binary bitmap image are then “coded” using standard image processing methods. This coding is done in such a way that each pixel can be assigned a local orientation value, i.e. an angle.
  • a binary bitmap image is typically obtained in such a step, in which each pixel is assigned a color value or a gray value corresponding to the local orientation in the image.
  • the angles of the vehicle trajectories in the binary bitmap image represent a measure of the speed.
  • FIG. 8a shows, by way of example, such vehicle trajectories for three vehicles in a waterfall diagram as three lines, with the x-axis representing the location along the road and the y-axis representing time.
  • Figure 8b shows the binary bitmap image generated from Figure 8a by thresholding.
  • the local orientations in the waterfall diagram are used to extract the vehicle speeds.
  • the local gradients in the binary bitmap image are calculated from the image using common image processing methods such as Sobel, Prewitt or Roberts operators. These operators are common methods that are already available in various program libraries and can be found, for example, in and https://de.wikipedia.orq/wiki/Fsoberts- Q erator, each last accessed on July 14, 2022.
  • FIG. 9 shows an orientation image with the evaluated local orientations of the gradients of the lines in FIG. 8, the x-axis representing the location along the road and the y-axis representing time.
  • the gray value scale on the right-hand edge of FIG. 9 shows the coding of the orientation in angular degrees.
  • the black arrows show the orientation of the gradients, the gray arrow shows the orientation of a lane as an example.
  • histograms (see Figure 10) of the pixel values are formed for sections along the x-axis in the orientation image which correspond to periodic local sections (e.g. several meters to 100 m). A histogram of the frequencies of the orientations contained therein is thus obtained for each local section.
  • the maximum values in the histogram are isolated according to their position and their height. Common methods of determining the maximum value are used for this purpose, as they are available in various program libraries. Dominant velocities in the waterfall diagram each generate two corresponding maxima, with a distance of 180°, in the histogram. The corresponding velocities are offset 90° from the local orientations, as illustrated by arrows in FIG. This angle value can be determined by finding two associated maxima with a distance of 180° in the histogram. This angular value corresponds to a driving speed v, according to formulas (3) and (4). Local maxima at 0°, 90° are artifacts corresponding to 0 and °° velocities, respectively, and can easily be discarded.
  • the histogram is then standardized in such a way that a specific frequency in the histogram corresponds to a specific number of vehicles.
  • the normalization depends on the selected size of the local sections. In the exemplary embodiment shown, a frequency of 2000 pixels corresponds to one vehicle if the binary bitmap image has a width of 500 pixels and the width of the gradient is approximately 4 pixels.
  • the number of pixels that corresponds to a vehicle for a selected width of the binary bitmap image depends on the specific embodiment of the method according to the invention and can be determined empirically.
  • FIG. 11 shows a schematic representation of an example for the evaluation of the local orientations over an entire driving section. Histograms (as in FIG. 10) assigned to the individual locations in the driving section are created from the local orientations (as in FIG. 9).
  • a method according to the invention it is optionally possible to classify vehicles into different length ranges, e.g. into large and small vehicles.
  • the width of a track corresponds to a section in the waterfall diagram at a particular point in time t along the location.
  • smaller vehicles can then be analyzed separately from larger vehicles in another image.
  • the separate images can each be further examined separately.
  • a filter can be used for this, which isolates the widths of the trajectories in the waterfall diagram, so that the waterfall diagram can be split into several separate images.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

The invention relates to a method for measuring the traffic density and/or speed of a number of vehicles moving along a route section, wherein, along the route section, a waveguide is used to determine measured values for characterizing vibrations or pressure changes at a multiplicity of local points arranged along the route section, wherein electromagnetic pulses are emitted into the waveguide and the electromagnetic wave returning from the waveguide is measured, wherein the signal is assigned to a local point along the route section in accordance with the time delay, wherein a measured value for characterizing the vibration or a pressure change is provided in each case for a number of local points along the route section and for a number of points in time, wherein a probability of whether a particular measured value corresponds to a presence of a vehicle is determined, and the probabilities are represented in a graph and are used to determine the speed and/or the number of vehicles.

Description

Verfahren zur Messung der Verkehrsstärke mit DAS Procedure for measuring traffic volume with DAS
Die Erfindung betrifft ein Verfahren zur Messung der Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen, die sich auf einem Fahrabschnitt, insbesondere einer Straße, fortbewegen, gemäß Patentanspruch 1 , ein Verfahren zur Messung der Verkehrsdichte und/oder der Geschwindigkeit auf einer Straße, umfassend eine Anzahl von Fahrabschnitten für Fahrzeuge, gemäß Patentanspruch 12, sowie eine Anordnung gemäß Patentanspruch 13. The invention relates to a method for measuring the traffic density and/or speed of a number of vehicles moving on a driving section, in particular a road, according to patent claim 1, comprising a method for measuring the traffic density and/or the speed on a road a number of driving sections for vehicles, according to claim 12, and an arrangement according to claim 13.
Straßen und Autobahnen sind für das moderne Verkehrswesen unerlässlich und verlässliche Verkehrsüberwachungssysteme sind erforderlich, um einen kontinuierlichen, ungehinderten Verkehrsfluss sicherzustellen. Derartige Verkehrsüberwachungssysteme liefern Informationen über die aktuell auf einer Straße oder einer Autobahn herrschenden Verkehrsbedingungen, wie beispielsweise die Anzahl und die Geschwindigkeit von Fahrzeugen auf einem bestimmten Streckenabschnitt. Diese Daten können Informationen hinsichtlich des Auftretens von Verkehrshindernissen wie Staus oder Unfällen auf den Straßen bzw. Autobahnen liefern und derart zu einer raschen Behebung dieser Verkehrshindernisse beitragen. Verkehrsüberwachungssysteme tragen auch dazu bei, umgehend Maßnahmen, die einen völligen Verkehrsstillstand vermeiden sollen, wie die Sperrung einer Spur oder die Verwendung des Pannenstreifens für den Verkehr, ergreifen zu können. Roads and highways are essential to modern transportation, and reliable traffic monitoring systems are required to ensure a continuous, unobstructed flow of traffic. Such traffic monitoring systems provide information about the traffic conditions currently prevailing on a road or a freeway, such as the number and speed of vehicles on a specific stretch of road. This data can provide information regarding the occurrence of traffic obstacles such as traffic jams or accidents on the streets or highways and thus contribute to the rapid elimination of these traffic obstacles. Traffic monitoring systems also help to promptly take action to avoid a complete standstill, such as closing a lane or allowing traffic to use the hard shoulder.
Aus dem Stand der Technik sind Verkehrsüberwachungssysteme bekannt, bei denen Sensoren entweder über Kopf, unter oder neben der Fahrbahn angeordnet sind, um den Verkehrsfluss zu detektieren. Derartige Sensoren können beispielsweise Laserscanner, Infrarot-, Radar- oder Ultraschallsensoren sein, es können aber auch magnetische oder akustische Sensoren oder Videokameras eingesetzt werden. So verursachen beispielsweise vorbeifahrende Fahrzeuge Veränderungen im Magnetfeld, die zur Messung des Verkehrsflusses herangezogen werden können. Monitoring basierend auf akustischen Sensoren kann beispielsweise durch ein Mikrophon-Array realisiert werden. Es können aber auch z.B. Smartphone-Verbindungsdaten oder Fahrzeug-GPS-Daten ausgewertet werden, um den Verkehrsfluss zu analysieren. Traffic monitoring systems are known from the prior art, in which sensors are arranged either overhead, under or next to the roadway in order to detect the flow of traffic. Such sensors can be, for example, laser scanners, infrared, radar or ultrasonic sensors, but magnetic or acoustic sensors or video cameras can also be used. For example, passing vehicles cause changes in the magnetic field that can be used to measure traffic flow. Monitoring based on acoustic sensors can be implemented using a microphone array, for example. However, smartphone connection data or vehicle GPS data, for example, can also be evaluated in order to analyze the traffic flow.
Sensoren, die unter der Fahrbahndecke installiert werden, bringen als Nachteil mit sich, dass sie teuer sind, da laufend Reparaturen und Wartungen erforderlich sind, während Sensoren über Kopf oder neben der Fahrbahn wie beispielsweise Kameras von schlechten Wetterbedingungen beeinträchtigt werden. Ein kostengünstiges, wartungsarmes und gleichzeitig zuverlässiges System bzw. Verfahren zur Verkehrsüberwachung sind daher wünschenswert, um einen kontinuierlichen und sicheren Verkehrsfluss zu gewährleisten. Aus dem Stand der Technik sind weiters Distributated Acoustic Sensing (DAS)-Systeme bekannt, die in Überwachungssystemen für Züge (S. Kowarik et al., “Fiber Optic Train Monitoring with Distributed Acoustic Sensing: Conventional and Neural Network Data Analysis,” Sensors, vol. 20, no. 2, p. 450, Jan. 2020, doi: 10.3390/s20020450) oder seismische Aktivität (S. Dou et al., “Distributed Acoustic Sensing for Seismic Monitoring of The Near Surface: A Traffic-Noise Interferometry Case Study,” Sei Rep, vol. 7, no. 1, p. 11620, Dec. 2017, doi: 10.1038/s41598-017-11986-4, und F. Waiter et ai., “Distributed acoustic sensing of microseismic sources and wave propagation in glaciated terrain,” Nat Commun, vol. 11, no. 1, p. 2436, Dec. 2020, doi: 10.1038/s41467-020-15824-6), aber auch für Intrusionssensoren (Distributed fiber-optic intrusion sensor system,” J. Lightwave Technol., vol. 23, no. 6, pp. 2081-2087, Jun. 2005, doi: 10.1109/JLT.2005.849924., F. Peng, H. Wu, X.-H. Jia, Y.-J. Rao, Z.-N. Wang, and Z.-P. Peng, “Ultra-long high-sensitivity -OTDR for high spatial resolution intrusion detection of pipelines,” Opt. Express, vol. 22, no. 11, p. 13804, Jun. 2014, doi: 10. 1364/OE.22.013804, C. Wang, M. Olson, B. Sherman, N. Dorjkhand, J. Mehr, and S. Singh, “Reliable Leak Detection in Pipelines Using Integrated DdTS Temperature and DAS Acoustic Fiber-Optic Sensor,” in 2018 International Carnahan Conference on Security Technology (ICCST), Montreal, QC, Oct. 2018, pp. 1-5, doi: 10.1109/CCST.2018.8585687) verwendet werden. Sensors installed under the pavement have the disadvantage that they are expensive due to the need for ongoing repairs and maintenance, while overhead or off-road sensors such as cameras are affected by inclement weather conditions. A cost-effective, low-maintenance and at the same time reliable system or method for traffic monitoring is therefore desirable in order to ensure a continuous and safe flow of traffic. Distributed Acoustic Sensing (DAS) systems are also known from the prior art, which are used in monitoring systems for trains (S. Kowarik et al., "Fiber Optic Train Monitoring with Distributed Acoustic Sensing: Conventional and Neural Network Data Analysis," Sensors, vol. 20, no. 2, p. 450, Jan. 2020, doi: 10.3390/s20020450) or seismic activity (S. Dou et al., “Distributed Acoustic Sensing for Seismic Monitoring of The Near Surface: A Traffic-Noise Interferometry Case Study,” Sei Rep, vol 7, no 1, p 11620, Dec 2017, doi: 10.1038/s41598-017-11986-4, and F. Waiter et al., “Distributed acoustic sensing of microseismic sources and wave propagation in glaciated terrain,” Nat Commun, vol. 11, no. 1, p. 2436, Dec. 2020, doi: 10.1038/s41467-020-15824-6), but also for intrusion sensors (Distributed fiber-optic intrusion sensor system,” J. Lightwave Technol., vol. 23, no. Jia, Y-J Rao, Z-N Wang, and Z.-P. Peng, "Ultra-long high-sensitivity -OTDR for high spatial resolution intrusion detection of pipelines," Opt. Express, vol. 22, no. 11, p. 13804, Jun. 2014, doi: 10. 1364/OE.22.013804, C Wang, M Olson, B Sherman, N Dorjkhand, J Mehr, and S Singh, “Reliable Leak Detection in Pipelines Using Integrated DdTS Temperature and DAS Acoustic Fiber-Optic Sensor,” at 2018 International Carnahan Conference on Security Technology (ICCST), Montreal, QC, Oct. 2018, pp. 1-5, doi: 10.1109/CCST.2018.8585687).
DAS-Systeme nutzen eine Serie von elektromagnetischen Wellen, die über einen Wellenleiter, beispielsweise eine optische Faser wie z.B. ein Glasfaserkabel, übertragen werden. Die aus dem Wellenleiter rückgestreute elektromagnetische Welle, die von Deformation des Wellenleiters durch z.B. Bodenvibrationen beeinflusst wird, wird gemessen und analysiert. Wird ein solcher Wellenleiter parallel zu einem Straßenabschnitt verlegt, beeinflussen Bodenvibrationen, die von vorbeifahrenden Fahrzeugen induziert werden, das DAS-Signal und es können basierend auf dem DAS-Signal den Straßenabschnitt betreffende Verkehrsinformationen abgeleitet werden. Gerade bei Verkehrsinfrastruktur besteht der wesentliche Vorteil, dass für die betriebsbedingt erforderlichen Kommunikationsanwendungen ohnehin Kabel in Form von Glasfaserkabeln verlegt sind. Somit können die von Fahrzeugen abgegebenen Druckänderungen oder akustischen Schwingungen in Raum und Zeit gemessen werden. DAS systems use a series of electromagnetic waves transmitted over a waveguide, such as an optical fiber such as a fiber optic cable. The electromagnetic wave backscattered from the waveguide, which is influenced by deformation of the waveguide by e.g. ground vibrations, is measured and analyzed. When such a waveguide is laid parallel to a road section, ground vibrations induced by passing vehicles affect the DAS signal, and traffic information related to the road section can be derived based on the DAS signal. In the case of transport infrastructure in particular, there is a significant advantage in that cables in the form of fiber optic cables are laid anyway for the operationally required communication applications. Thus, the pressure changes or acoustic vibrations emitted by vehicles can be measured in space and time.
Aufgabe der Erfindung ist es daher, ein konkretes Verfahren zur Verfügung zu stellen, mit dem Verkehrsinformationen wie Verkehrsdichte und/oder die Geschwindigkeit einer Anzahl von Fahrzeugen basierend auf DAS-Messungen ermittelt werden können. Die Erfindung löst diese Aufgabe mit einem Verfahren zur Messung der Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen, die sich auf einem Fahrabschnitt, insbesondere einer Straße, fortbewegen, gemäß Patentanspruch 1. Dabei ist vorgesehen, dass a) entlang des Fahrabschnitts mittels eines Wellenleiters, insbesondere eines Glasfaserkabels, Messwerte zur Charakterisierung von Vibrationen oder Druckänderungen an einer Vielzahl von entlang des Fahrabschnitts angeordneten Ortspunkten bestimmt werden, b) der Wellenleiter entlang des Fahrabschnitts angeordnet und von den vom Fahrtweg ausgehenden Erschütterungen, Vibrationen oder Druckänderungen betroffen ist, c) zu vorgegebenen Zeitpunkten, insbesondere mit einer Frequenz zwischen 100 Hz und 10 kHz, vorzugsweise zwischen 1 bis 4kHz, jeweils ein elektromagnetischer Puls in den Wellenleiter abgegeben wird, und die aus dem Wellenleiter zurückkehrende elektromagnetische Welle gemessen wird, wobei entsprechend der zeitlichen Verzögerung der zurückkehrenden elektromagnetischen Welle das Signal einem Ortspunkt entlang des Fahrabschnitts zugeordnet wird, d) die Stärke und/oder Phase und/oder Energie der zurückkehrenden elektromagnetischen Welle als Messwert zur Charakterisierung von Vibrationen oder Druckänderungen im betreffenden Ortspunkt herangezogen wird, und e) für eine Anzahl von Ortspunkten entlang des Fahrabschnitts und für eine Anzahl von Zeitpunkten jeweils ein Messwert, insbesondere ein Messsignal, zur Charakterisierung der Vibration oder einer Druckänderung zur Verfügung gestellt wird. The object of the invention is therefore to provide a specific method with which traffic information such as traffic density and/or the speed of a number of vehicles can be determined based on DAS measurements. The invention solves this problem with a method for measuring the traffic density and/or speed of a number of vehicles moving along a route, in particular a road, according to patent claim 1. It is provided that a) along the route by means of a waveguide , in particular a fiber optic cable, measured values for characterizing vibrations or pressure changes are determined at a large number of locations along the route, b) the waveguide is arranged along the route and is affected by the shocks, vibrations or pressure changes emanating from the route, c) at specified levels Points in time, in particular with a frequency between 100 Hz and 10 kHz, preferably between 1 and 4 kHz, in each case an electromagnetic pulse is emitted into the waveguide, and the electromagnetic wave returning from the waveguide is measured, with the time delay corresponding to d) the strength and/or phase and/or energy of the returning electromagnetic wave is used as a measured value to characterize vibrations or pressure changes in the relevant location, and e) for a Number of location points along the driving section and for a number of times a measured value, in particular a measurement signal, is provided to characterize the vibration or a pressure change.
Erfindungsgemäß ist dabei vorgesehen, dass f) in einem Detektionsschritt eine Wahrscheinlichkeit ermittelt wird, ob ein jeweiliger Messwert einem Vorhandensein eines Fahrzeuges entspricht, wobei die Wahrscheinlichkeiten über die Ortspunkte in einem Diagramm, insbesondere in einem Wasserfalldiagramm, abgebildet werden, in dem die darin enthaltenen Spuren Trajektorien der Fahrzeuge entsprechen, wobei eine Trajektorie jeweils den Zeit-Weg-Verlauf eines Fahrzeugs, insbesondere die Fortbewegung eines Fahrzeugs in Bezug auf die Ortspunkte für eine Anzahl von Zeitpunkten, beschreibt, wobei insbesondere vorgesehen ist, dass die Spuren geraden Linien mit Breite entsprechen, g) wobei aus den Werten des Diagramms, insbesondere des Wasserfalldiagramms, die Anzahl von Spuren und/oder deren Steigung bestimmt wird, und h) wobei die Anzahl der Spuren und/oder deren Steigung zur Bestimmung der Geschwindigkeit der Fahrzeuge und/oder der Anzahl der Fahrzeuge herangezogen wird. Bei einer derartigen Vorgehensweise sind vorteilhafterweise nur ein Wellenleiter wie eine optische Faser bzw. ein Glasfaserkabel und eine Mess- und Verarbeitungseinheit, z.B. eine opto-elektronische Interrogator-Vorrichtung, erforderlich, um zuverlässig Verkehrsinformationen ableiten zu können. Dies ist kostengünstiger und wartungsärmer als konventionelle Verkehrsüberwachungssysteme, die eine Vielzahl von Sensoren entlang der Fahrbahn erfordern und somit mit höheren Installations-, Instandhaltungs- und Energiekosten verbunden sind. According to the invention, it is provided that f) in a detection step, a probability is determined as to whether a respective measured value corresponds to the presence of a vehicle, with the probabilities being mapped via the location points in a diagram, in particular in a waterfall diagram, in which the lanes contained therein Correspond to trajectories of the vehicles, with a trajectory describing the time-path profile of a vehicle, in particular the movement of a vehicle in relation to the location points for a number of points in time, it being provided in particular that the lanes correspond to straight lines with width, g) the number of lanes and/or their gradient being determined from the values of the diagram, in particular the waterfall diagram, and h) the number of lanes and/or their gradient being used to determine the speed of the vehicles and/or the number of vehicles is used. With such a procedure, only one waveguide such as an optical fiber or a glass fiber cable and one measuring and processing unit, eg an opto-electronic interrogator device, are advantageously required in order to be able to reliably derive traffic information. This is cheaper and requires less maintenance than conventional traffic monitoring systems, which require a large number of sensors along the roadway and are therefore associated with higher installation, maintenance and energy costs.
Ein weiterer Vorteil der erfindungsgemäßen Vorgehensweise ist, dass der Wellenleiter parallel zur Fahrbahn installiert werden kann und nicht über oder unter der Fahrbahndecke, sodass z.B. Straßenbauarbeiten das erfindungsgemäße Verfahren nicht beeinträchtigen. Weiters macht die passive Natur des Wellenleiters diesen unempfindlich gegenüber elektromagnetischen Interferenzen und Blitzschlag und daher wartungsärmer als beispielsweise Kabel mit Kupferanteil. A further advantage of the procedure according to the invention is that the waveguide can be installed parallel to the roadway and not above or below the roadway surface, so that road construction work, for example, does not impair the method according to the invention. Furthermore, the passive nature of the waveguide makes it immune to electromagnetic interference and lightning and therefore requires less maintenance than, for example, copper-based cables.
Im Zusammenhang mit der Erfindung wird unter einer Trajektorie eines Fahrzeugs der Weg- Zeit-Verlauf des jeweiligen Fahrzeugs in Weltkoordinaten verstanden, der sich als Spur im Wasserfalldiagramm in Form eines x-y-Verlaufs in Bildkoordinaten abbildet. Besonders bevorzugt haben diese Spuren die Form von geraden Linien mit einer Breite, die der Fahrzeuglänge entspricht. In connection with the invention, a trajectory of a vehicle is understood to be the path-time profile of the respective vehicle in world coordinates, which is represented as a track in the waterfall diagram in the form of an x-y profile in image coordinates. Most preferably, these tracks are in the form of straight lines with a width corresponding to the length of the vehicle.
Eine besonders zuverlässige Ermittlung der Wahrscheinlichkeit, ob ein jeweiliger Messwert einem Fahrzeug entspricht, kann erzielt werden, wenn im Detektionsschritt f) A particularly reliable determination of the probability of whether a respective measured value corresponds to a vehicle can be achieved if in detection step f)
- für Ortspunkte jeweils separat im Bereich des Fahrzeugs und/oder dessen Trajektorie im jeweiligen Ortspunkt eine Anzahl von Zeitfenstern vorgegeben wird, - a number of time windows is specified for location points separately in the area of the vehicle and/or its trajectory in the respective location point,
- in jedem der Zeitfenster eines Ortspunkts separat jeweils die Signalenergie durch Fouriertransformation innerhalb von vorgegebenen Frequenzbändern ermittelt wird, und diese Signalenergie einem dem jeweiligen Zeitfenster zugeordneten Zeitpunkt zugewiesen wird, sodass ein diskretes Signal, das jedem Ortspunkt für einzelne Zeitpunkte die zugehörigen Signalenergien zuordnet, zur Verfügung steht, und die Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges abgeleitet wird, indem die Signalenergien für verschiedene Frequenzbänder berechnet und kombiniert werden, wobei a) im Fall, dass ein einzelnes Frequenzband vorgegeben wird, dieses Frequenzband, insbesondere nach Durchführung eines Normierungsschritts, als Maß für die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs angesehen wird, und/oder b) die Kombination der Signalenergien durch Einsatz eines Machine Learning-Verfahrens vorgenommen wird, wobei insbesondere vorgesehen ist, dass in einem Trainingsschritt die Kombination einzelner Frequenzbänder erlernt wird. - In each of the time windows of a location point, the signal energy is determined separately by Fourier transformation within predetermined frequency bands, and this signal energy is assigned to a point in time assigned to the respective time window, so that a discrete signal that assigns the associated signal energies to each location point for individual points in time is available and the probability of the presence of a vehicle is derived by calculating and combining the signal energies for different frequency bands, where a) if a single frequency band is specified, this frequency band, in particular after carrying out a standardization step, as a measure for the probability of the presence of a vehicle is considered, and / or b) the signal energies are combined by using a machine learning method, it being provided in particular that the combination of individual frequency bands is learned in a training step.
Unter der Signalenergie in einem Frequenzband wird im Folgenden die Summe der Quadrate der Absolutbeträge der Fourier-Koeffizienten aus dem jeweiligen Frequenzband verstanden. In the following, the signal energy in a frequency band is understood to mean the sum of the squares of the absolute values of the Fourier coefficients from the respective frequency band.
Eine alternative Vorgehensweise für eine besonders zuverlässige Ermittlung der Wahrscheinlichkeit, ob ein jeweiliger Messwert einem Fahrzeug entspricht, kann bereitgestellt werden, wenn im Detektionsschritt f) ausgewählte, insbesondere alle, Messwerte einer Musteranalyse unterzogen werden, wobei in der Musteranalyse die Ähnlichkeit zu einem vorgegebenen Muster ermittelt wird, und wobei die Ähnlichkeit zu dem vorgegebenen Muster als Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges herangezogen wird. An alternative procedure for a particularly reliable determination of the probability of whether a respective measured value corresponds to a vehicle can be provided if selected, in particular all, measured values are subjected to a pattern analysis in detection step f), the similarity to a predetermined pattern being determined in the pattern analysis is used, and the similarity to the predetermined pattern is used as the probability of the presence of a vehicle.
Eine besonders exakte Musteranalyse ist dabei möglich, wenn ein Pattern Matching-Verfahren für die Musteranalyse herangezogen wird. A particularly exact pattern analysis is possible if a pattern matching method is used for the pattern analysis.
Eine weitere alternative Vorgehensweise für eine besonders zuverlässige Ermittlung der Wahrscheinlichkeit, ob ein jeweiliger Messwert einem Fahrzeug entspricht, kann bereitgestellt werden, wenn im Detektionsschritt f) ausgewählte, insbesondere alle, Messwerte mittels eines Machine Learning-Verfahrens anhand eines, insbesondere vorab trainierten, Klassifikators klassifiziert werden und derart die Wahrscheinlichkeit des Vorhandenseins eines Fahrzeuges ermittelt wird. A further alternative procedure for a particularly reliable determination of the probability of whether a respective measured value corresponds to a vehicle can be provided if selected, in particular all, measured values are classified in detection step f) using a machine learning method using a classifier, in particular a previously trained classifier and in this way the probability of the presence of a vehicle is determined.
Eine besonders exakte Ermittlung der Anzahl von Spuren und/oder deren Steigung aus den Werten des Diagramms kann erzielt werden, wenn in Schritt g) aus ausgewählten, insbesondere allen, Werten des Diagramms, insbesondere des Wasserfalldiagramms, mittels eines vorgegebenen Schwellenwerts jeweils ein binäres Bild erzeugt wird, und in dem jeweiligen binären Bild die Anzahl der Spuren und/oder deren jeweilige Steigung mittels Hough-Transformation ermittelt werden. A particularly precise determination of the number of traces and/or their gradient from the values of the diagram can be achieved if in step g) a binary image is generated from selected, in particular all, values of the diagram, in particular the waterfall diagram, using a predetermined threshold value is, and in the respective binary image the number of tracks and / or their respective slope are determined by means of Hough transformation.
Unter einem binären Bild wird im Folgenden eine Bildmatrix verstanden, deren Elemente nur zwei unterschiedliche Werte, nämlich 0 oder 1 , annehmen können. A binary image is understood below to mean an image matrix whose elements can only have two different values, namely 0 or 1.
Eine alternative Vorgehensweise für eine besonders exakte Ermittlung der Anzahl von Spuren und/oder deren Steigung aus den Werten des Diagramms, kann bereitgestellt werden, wenn - in Schritt g) aus ausgewählten, insbesondere allen, Werten des Diagramms, insbesondere dem Wasserfalldiagramm, mittels eines vorgegebenen Schwellenwerts jeweils ein binäres Bild erzeugt wird, und An alternative procedure for a particularly precise determination of the number of tracks and/or their gradient from the values in the diagram can be provided if - in step g) a binary image is generated in each case from selected, in particular all, values of the diagram, in particular the waterfall diagram, by means of a predetermined threshold value, and
- im jeweiligen binären Bild die Orientierung der lokalen Gradienten ausgewählter, insbesondere aller, Spuren mittels eines Bildverarbeitungsverfahrens, insbesondere mittels Sobel-, Prewitt-, und/oder Roberts-Operatoren, in Form eines Orientierungs-Bilds bestimmt werden, - the orientation of the local gradients of selected tracks, in particular all tracks, are determined in the respective binary image by means of an image processing method, in particular by means of Sobel, Prewitt and/or Roberts operators, in the form of an orientation image,
- wobei aus dem Orientierungs-Bild der Orientierungen der lokalen Gradienten ein Histogramm gebildet wird und die Maximalwerte in dem Histogramm ermittelt werden, wobei aus den Maximalwerten jeweils Winkelpaare mit einer Richtungsdifferenz von 180 Grad ermittelt werden, und wobei aus den Winkelpaaren die Geschwindigkeiten (v) der Fahrzeuge ermittelt wird. - where a histogram is formed from the orientation image of the orientations of the local gradients and the maximum values are determined in the histogram, where pairs of angles with a direction difference of 180 degrees are determined from the maximum values, and where the velocities (v) are determined from the pairs of angles of the vehicles is determined.
Zur besonders zuverlässigen Bestimmung der Geschwindigkeit und/oder der Anzahl der Fahrzeuge kann vorgesehen sein, dass die Position und/oder die Höhe der Maximalwerte im Histogramm ermittelt wird, wobei die Position im Histogramm der Geschwindigkeit der Fahrzeuge und die Höhe im Histogramm der Anzahl der Fahrzeuge entspricht, die eine jeweilige Geschwindigkeit aufweisen. For a particularly reliable determination of the speed and/or the number of vehicles, it can be provided that the position and/or the height of the maximum values in the histogram is determined, with the position in the histogram of the speed of the vehicles and the height in the histogram of the number of vehicles corresponds, which have a respective speed.
Eine besonders exakte Vorgehensweise zur Ermittlung der Verkehrsstärke und/oder der Verkehrsdichte kann vorgesehen sein, dass A particularly precise procedure for determining the volume of traffic and/or the traffic density can be provided that
- die Verkehrsstärke ermittelt wird, indem die Summe aller Fahrzeuge in einem jeweils betrachteten Bereich gebildet und ins Verhältnis mit der Dauer des Zeitabschnitts, den das Histogramm repräsentiert, gesetzt wird und/oder - the traffic volume is determined by forming the sum of all vehicles in a particular area under consideration and in relation to the duration of the time segment represented by the histogram, and/or
- die Verkehrsdichte ermittelt wird, indem die Summe aller Fahrzeuge in einem jeweils betrachteten Bereich gebildet und ins Verhältnis mit der Größe des Ortsabschnitts, den das Histogramm repräsentiert, gesetzt wird. - The traffic density is determined by forming the sum of all vehicles in a particular area under consideration and in relation to the size of the local section represented by the histogram.
Eine besonders detaillierte Untersuchung entsprechend der Fahrzeuglänge kann sichergestellt werden, wenn in einem Zwischenschritt zwischen dem Detektionsschritt f) und Schritt g) A particularly detailed investigation according to the vehicle length can be ensured if in an intermediate step between the detection step f) and step g)
- mittels eines Filters anhand der Breiten der Spuren auf die Länge der Fahrzeuge rückgeschlossen wird, wobei die Breite einer Spur einem Schnitt im Diagramm bei einem jeweiligen Zeitpunkt (t) entlang des Ortes entspricht, - the length of the vehicles is deduced by means of a filter based on the widths of the lanes, the width of a lane corresponding to a section in the diagram at a respective point in time (t) along the location,
- unterschiedliche Diagramme für unterschiedliche Längenbereiche der Fahrzeuge gebildet werden, und - different diagrams are formed for different length ranges of the vehicles, and
- die derart erstellten Diagramme für unterschiedliche Längenbereiche der weiteren Verarbeitung der Schritte g und h) getrennt zugeführt werden. Für eine besonders effiziente Bestimmung der Geschwindigkeiten über einen gesamten Fahrabschnitt hinweg kann vorgesehen sein, dass der Fahrabschnitt in eine Anzahl von Unterabschnitten unterteilt wird, wobei die Unterabschnitte derart ausgebildet sind um Geschwindigkeiten aus den Trajektorien der Fahrzeuge ermitteln zu können, wobei jeweils ein Diagramm in diesem Unterabschnitt gebildet wird, wobei insbesondere vorgesehen ist, dass die Unterabschnitte so groß gewählt werden, dass die Spuren vollständig enthalten sind und die Steigung der Spuren ermittelbar ist. - The diagrams created in this way for different length ranges are fed separately to the further processing of steps g and h). For a particularly efficient determination of the speeds over an entire driving section, it can be provided that the driving section is divided into a number of subsections, the subsections being designed in such a way that speeds can be determined from the trajectories of the vehicles, with a diagram in each case Subsection is formed, it being provided in particular that the subsections are chosen so large that the tracks are completely included and the slope of the tracks can be determined.
Da zur Bestimmung der Verkehrsdichte und/oder der Geschwindigkeit ein Längenbereich größer 0 herangezogen wird, um die Trajektorien der Fahrzeuge ermitteln zu können, kann, um den Verkehrszustand über die gesamte Länge einer Straße festzustellen, eine Straße vorteilhafterweise in eine Anzahl von Fahrabschnitten unterteilt werden, deren Länge geeignet, typischerweise 500 m lang, gewählt wird. Since a length range greater than 0 is used to determine the traffic density and/or the speed in order to be able to determine the trajectories of the vehicles, a road can advantageously be divided into a number of driving sections in order to determine the traffic condition over the entire length of a road. the length of which is suitably chosen, typically 500 m long.
Eine Messung der Verkehrsdichte und/oder der Geschwindigkeit auf einer Straße umfassend eine Anzahl von Fahrabschnitten ist vorteilhafterweise möglich, wenn die Messung der Verkehrsdichte auf den einzelnen Fahrabschnitten mit einem erfindungsgemäßen Verfahren durchgeführt wird. A measurement of the traffic density and/or the speed on a road comprising a number of driving sections is advantageously possible if the measurement of the traffic density on the individual driving sections is carried out using a method according to the invention.
Aufgabe der Erfindung ist es weiters, eine Anordnung zur Messung der Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen, die sich auf einem Fahrabschnitt, insbesondere einer Straße, fortbewegen, bereitzustellen. Die Erfindung löst diese Aufgabe mit den Merkmalen von Anspruch 14. Erfindungsgemäß ist dabei vorgesehen, dass die Anordnung Folgendes umfasst: The object of the invention is also to provide an arrangement for measuring the traffic density and/or speed of a number of vehicles that are moving on a road section, in particular a road. The invention solves this problem with the features of claim 14. According to the invention, it is provided that the arrangement comprises the following:
- Einen entlang eines Fahrabschnitts, insbesondere einer Straße, angeordneten Wellenleiter, insbesondere ein Glasfaserkabel, der von den vom Fahrabschnitt ausgehenden Erschütterungen betroffen ist und - A waveguide, in particular a fiber optic cable, arranged along a section of travel, in particular a road, which is affected by the vibrations emanating from the section of travel and
- eine an den Wellenleiter angekoppelt Mess- und Verarbeitungseinheit, die dazu ausgebildet ist, - a measuring and processing unit coupled to the waveguide, which is designed to
- zu vorgegebenen Zeitpunkten, insbesondere mit einer Frequenz zwischen 100 Hz und 10 kHz, vorzugsweise zwischen 1 und 4 kHz, jeweils einen elektromagnetischen Puls in den Wellenleiter abzugeben und die reflektierte, aus dem Wellenleiter zurückkehrende elektromagnetische Welle zu erfassen und entsprechend der zeitlichen Verzögerung der zurückkehrenden elektromagnetischen Welle einem Ortspunkt entlang des Fahrtwegs zuzuordnen und - ein erfindungsgemäßes Verfahren durchzuführen und derart die Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen die sich auf dem Fahrabschnitt, insbesondere der Straße, fortbewegen, zu ermitteln. - At predetermined times, in particular with a frequency between 100 Hz and 10 kHz, preferably between 1 and 4 kHz, to deliver an electromagnetic pulse into the waveguide and to detect the reflected electromagnetic wave returning from the waveguide and according to the time delay of the returning assign electromagnetic wave to a location along the route and to carry out a method according to the invention and in this way to determine the traffic density and/or speed of a number of vehicles moving on the driving section, in particular the road.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und den beiliegenden Zeichnungen. Further advantages and refinements of the invention result from the description and the accompanying drawings.
Die Erfindung ist im Folgenden anhand von besonders vorteilhaften, aber nicht einschränkend zu verstehenden Ausführungsbeispielen in den Zeichnungen schematisch dargestellt und wird unter Bezugnahme auf die Zeichnungen beispielhaft beschrieben. In the following, the invention is shown schematically in the drawings using particularly advantageous, but non-limiting, exemplary embodiments and is described by way of example with reference to the drawings.
Im Folgenden zeigen schematisch: The following show schematically:
Fig. 1 eine schematische Darstellung eines DAS-Systems zur Verkehrsüberwachung,1 shows a schematic representation of a DAS system for traffic monitoring,
Fig. 2 eine schematische Darstellung eines Ausschnitts aus einem Wasserfalldiagramm,2 shows a schematic representation of an excerpt from a waterfall diagram,
Fig. 3 ein schematisches Beispiel einer Linie in der Hough-Transformation definiert durch Winkel 0 und Radius r, Fig. 3 shows a schematic example of a line in the Hough transform defined by angle 0 and radius r,
Fig. 4 ein schematisches Beispiel eines transformierten binären Bilds basierend auf einem vorprozessierten DAS-Signal, 4 shows a schematic example of a transformed binary image based on a pre-processed DAS signal,
Fig. 5 ein Hough-Transformations-Bild des binären Bilds in Fig. 4, Fig. 5 shows a Hough transform image of the binary image in Fig. 4,
Fig. 6 die Summe längs der Spalten (entspricht gleichen Winkeln) des logarithmierten Hough- Transformations-Bilds in Fig. 5, 6 shows the sum along the columns (corresponds to equal angles) of the logarithmic Hough transform image in FIG. 5,
Fig. 7 eine schematische Darstellung von einer Trajektorie und Zeitfenstern in einem Wasserfalldiagramm, 7 shows a schematic representation of a trajectory and time windows in a waterfall diagram,
Fig. 8a Spuren von drei Fahrzeugen in einem Wasserfalldiagramm, wobei die x-Achse den Ort längs des Fahrabschnitts und die y-Achse die Zeit repräsentiert, 8a tracks of three vehicles in a waterfall diagram, with the x-axis representing the location along the driving section and the y-axis representing the time,
Fig. 8b ein binäres Bild der Spuren von drei Fahrzeugen, wobei die x-Achse den Ort längs des Fahrabschnitts und die y-Achse die Zeit repräsentiert, 8b is a binary image of the lanes of three vehicles, with the x-axis representing location along the driving segment and the y-axis representing time;
Fig. 9 ein Orientierungs-Bild mit den ausgewerteten lokalen Orientierungen der Gradienten der Spuren in Fig. 8b, wobei die x-Achse den Ort längs des Fahrabschnitts und die y-Achse die Zeit repräsentiert, 9 shows an orientation image with the evaluated local orientations of the gradients of the lanes in FIG. 8b, the x-axis representing the location along the driving section and the y-axis representing the time,
Fig. 10 ein Beispiel eines Histogramms der lokalen Orientierung der Gradienten aus Fig. 9, Fig.1 1 ein Beispiel für die Auswertung der lokalen Orientierungen über einen ganzen Fahrabschnitt. 10 shows an example of a histogram of the local orientation of the gradients from FIG. 9, FIG. 11 shows an example for the evaluation of the local orientations over an entire driving section.
Fig. 1 zeigt einen Fahrabschnitt 3, auf dem sich ein LKW fortbewegt. Parallel zum Fahrabschnitt 3 ist einen Wellenleiter in Form eines Glasfaserkabels 1 verlegt. Eine Mess- und Verarbeitungseinheit in Form einer Interrogator-Vorrichtung 2 ist mit einem Ende des Glasfaserkabels 1 verbunden und gibt eine Serie von elektromagnetischen Pulsen in Form von Laserlichtpulsen an das Glasfaserkabel 1 ab. Anteile des abgegebenen Lichts werden rückgestreut und werden mit derselben Interrogator-Vorrichtung 2 gemessen, wie dies schematisch in Fig. 1 angedeutet ist. 1 shows a driving section 3 on which a truck is moving. A waveguide in the form of a glass fiber cable 1 is laid parallel to the travel section 3 . A measurement and Processing unit in the form of an interrogator device 2 is connected to one end of the fiber optic cable 1 and delivers a series of electromagnetic pulses to the fiber optic cable 1 in the form of laser light pulses. Portions of the emitted light are backscattered and are measured with the same interrogator device 2 as is indicated schematically in FIG.
Erschütterungen, Vibrationen oder Druckänderungen, die durch vorbeifahrende Autos oder LKWs erzeugt werden, dehnen und/oder komprimieren das Glasfaserkabel 1 und beeinflussen daher die Länge des optischen Pfads. Dies induziert eine messbare Phasenverschiebung des rückgestreuten Lichts, die mit interferometrischen Methoden ermittelt werden kann. Shocks, vibrations or pressure changes generated by passing cars or trucks stretch and/or compress the fiber optic cable 1 and therefore affect the length of the optical path. This induces a measurable phase shift in the backscattered light, which can be determined using interferometric methods.
Zu vorgegebenen Zeitpunkten, beispielsweise mit einer Frequenz zwischen 100 Hz und 10 kHz, bevorzugt 2 kHz, wird jeweils ein Lichtimpuls in das Glasfaserkabel 1 abgegeben und das aus dem Glasfaserkabel 1 zurückkehrende Licht gemessen. Dabei wird entsprechend der zeitlichen Verzögerung des zurückkehrenden Lichts das Signal einem Ortspunkt entlang des Fahrabschnitts 3 zugeordnet. Dabei kann die Stärke und/oder Phase und/oder Energie des zurückkehrenden Lichts als Messwert zur Charakterisierung von Vibrationen oder Druckänderungen im betreffenden Ortspunkt herangezogen werden. Somit stehen schließlich für eine Anzahl von Ortspunkten entlang des Fahrabschnitts 3 und für eine Anzahl von Zeitpunkten t jeweils ein Messwert m(x, t), insbesondere ein Messsignal, zur Charakterisierung der Vibration oder einer Druckänderung zur Verfügung. At predetermined points in time, for example with a frequency between 100 Hz and 10 kHz, preferably 2 kHz, a light pulse is emitted into the glass fiber cable 1 and the light returning from the glass fiber cable 1 is measured. In this case, the signal is assigned to a location along the driving section 3 in accordance with the time delay of the returning light. In this case, the strength and/or phase and/or energy of the returning light can be used as a measured value for characterizing vibrations or pressure changes in the location in question. Finally, a measured value m(x, t), in particular a measurement signal, is available for characterizing the vibration or a pressure change for a number of location points along the driving section 3 and for a number of points in time t.
Allgemeine Grundlagen des DAS-Messverfahrens und der Auswertung von DAS-Messungen sind beispielsweise in C. Wiesmeyr et al., ‘Real-Time Train Tracking from Distributed Acoustic Sensing Data’, Applied Sciences, vol. 10, no. 2, p. 448, Jan. 2020, doi: 10.3390/app10020448 beschrieben. General principles of the DAS measurement method and the evaluation of DAS measurements can be found, for example, in C. Wiesmeyr et al., 'Real-Time Train Tracking from Distributed Acoustic Sensing Data', Applied Sciences, vol. 10, no. 2, p. 448, Jan 2020, doi:10.3390/app10020448.
Um die Verkehrsdichte und Geschwindigkeit von Fahrzeugen, die sich auf einem Fahrabschnitt fortbewegen, aus den ermittelten DAS-Messwerten abzuleiten, werden erfindungsgemäß Bild- und Signalverarbeitungsalgorithmen verwendet. So sind vorteilhafterweise eine Messung der Verkehrsstärke, d.h. Fahrzeuge pro Zeiteinheit, der Verkehrsdichte, d.h. Fahrzeuge pro Längeneinheit, und der mittleren Geschwindigkeiten in einem Wasserfalldiagramm basierend auf DAS-Messwerten ermöglich, in dem aufgrund der hohen Dichte von Fahrzeugtrajektorien ein individuelles Tracking jedes einzelnen Fahrzeugs nicht mehr möglich ist. Image and signal processing algorithms are used according to the invention in order to derive the traffic density and speed of vehicles moving on a driving section from the determined DAS measured values. In this way, it is advantageously possible to measure the traffic volume, i.e. vehicles per unit of time, the traffic density, i.e. vehicles per unit of length, and the average speeds in a waterfall diagram based on DAS measurement values, in which individual tracking of each individual vehicle is not possible due to the high density of vehicle trajectories more is possible.
Generell umfasst ein erfindungsgemäßes Verfahren folgende Schritte: In einem Detektionsschritt wird zunächst eine Wahrscheinlichkeit Wi... Wx ermittelt, ob ein jeweiliger Messwert m(x, t) einem Vorhandensein eines Fahrzeuges entspricht. Anschließend werden diese Wahrscheinlichkeiten in einem Diagramm dargestellt. In general, a method according to the invention comprises the following steps: In a detection step, a probability Wi . . . W x is first determined as to whether a respective measured value m(x, t) corresponds to the presence of a vehicle. Then these probabilities are displayed in a diagram.
In einem ersten Ausführungsbeispiel in Fig. 2 werden die Wahrscheinlichkeiten Wi... Wx über die Ortspunkte Mi ... Mx mit x=100 aus Fig. 1 in einem Wasserfalldiagramm abgebildet. In einem derartigen Wasserfalldiagramm entsprechen die Pixelwerte der Bildmatrix der Signalenergie von Segmenten mit bestimmter zeitlicher Dauer und örtlicher Länge. Im Wasserfalldiagramm (siehe Fig. 2) entsprechen die darin enthaltenen Spuren Trajektorien von Fahrzeugen, die den Fahrabschnitt 2 passieren. In a first exemplary embodiment in FIG. 2, the probabilities Wi . . . W x are mapped over the location points Mi . . . M x with x=100 from FIG. 1 in a waterfall diagram. In such a waterfall diagram, the pixel values of the image matrix correspond to the signal energy of segments with a specific time duration and spatial length. In the waterfall diagram (see FIG. 2 ), the lanes contained therein correspond to trajectories of vehicles that pass driving section 2 .
Eine Trajektorie beschreibt dabei jeweils den Zeit-Weg-Verlauf eines Fahrzeugs (siehe Fig. 7), z.B. die Fortbewegung eines Fahrzeugs in Bezug auf die Ortspunkte Mi ... Mx für eine Anzahl von Zeitpunkten t. Eine Trajektorie x(t) kann sowohl als der Ortspunkt Mi ... Mx, an dem sich z.B. der Anfang des Fahrzeugs befindet, als Funktion der Zeit t als auch als Inverse t(x) dieser Funktion dargestellt werden, d.h. als Funktion, die angibt, zu welcher Zeit t sich das Fahrzeug an dem Ortspunkt Mi ... Mx befindet. Fahrzeuge mit endlicher Länge besitzen Trajektorien mit einer Breite die den Zeit-Weg-Verlauf der Vorderkante des Fahrzeugs (to in Fig.7), als auch den Zeitverlauf der Hinterkante des Fahrzeugs (tp in Fig.7) darstellen. Diese Spuren der Fahrzeuge entsprechen in Fig. 2 geraden Linien mit einer Breite, die der jeweiligen Fahrzeuglänge entspricht. A trajectory describes the time-path profile of a vehicle (see FIG. 7), for example the movement of a vehicle in relation to the location points Mi . . . M x for a number of times t. A trajectory x(t) can be represented both as the location point Mi ... M x , where the front of the vehicle is located, for example, as a function of time t and as the inverse t(x) of this function, i.e. as a function which indicates the time t at which the vehicle is located at the location Mi . . . M x . Vehicles with a finite length have trajectories with a width that represent the time-path profile of the leading edge of the vehicle (to in FIG. 7) as well as the time profile of the trailing edge of the vehicle (t p in FIG. 7). In FIG. 2, these tracks of the vehicles correspond to straight lines with a width which corresponds to the respective vehicle length.
Die Trajektorien der Fahrzeuge, d.h. der Weg-Zeit Verlauf eines jeweiligen Fahrzeugs in Weltkoordinaten, bilden sich als Spuren im Wasserfalldiagramm in Form eines x-y Verlaufs in Bildkoordinaten ab. Diese Spuren haben im allg. die Form von geraden Linien mit einer Breite die der Fahrzeuglänge entspricht. The trajectories of the vehicles, i.e. the path-time course of a respective vehicle in world coordinates, are shown as traces in the waterfall diagram in the form of an x-y course in image coordinates. These lanes are generally in the form of straight lines with a width equal to the length of the vehicle.
Im Wasserfalldiagramm in Fig. 2 sind individuelle Fahrzeug-Trajektorien als gerade Linien erkennbar, wobei der Anstieg der Linien mit der Geschwindigkeit des Fahrzeugs korrespondiert. Das Vorzeichen des Anstiegs, d.h., ob sich die Linie nach rechts oder links im Diagramm neigt, entspricht der Richtung der Fahrzeugbewegung. Ein positiver Anstieg entspricht einer Bewegung des Fahrzeugs von der Interrogator-Vorrichtung 2 weg, die im Diagramm im Ursprung angenommen wird, während ein negativer Anstieg einer Bewegung des Fahrzeugs zur Interrogator-Vorrichtung 2 hin entspricht. Anschließend wird aus den Werten des Diagramms, z.B. des Wasserfalldiagramms, die Anzahl von Spuren und/oder deren Steigung bestimmt und zur Bestimmung der Geschwindigkeit und/oder der Anzahl der der Fahrzeuge herangezogen. In the waterfall diagram in FIG. 2, individual vehicle trajectories can be seen as straight lines, with the gradient of the lines corresponding to the speed of the vehicle. The sign of the slope, that is, whether the line slopes to the right or left on the graph, corresponds to the direction of vehicle motion. A positive slope corresponds to a movement of the vehicle away from the interrogator device 2 assumed in the diagram at the origin, while a negative slope corresponds to a movement of the vehicle towards the interrogator device 2 . The number of lanes and/or their incline is then determined from the values of the diagram, for example the waterfall diagram, and used to determine the speed and/or the number of vehicles.
Zur Bestimmung der Wahrscheinlichkeiten Wi... Wxwird im ersten Ausführunqsbeispiel im Detektionsschritt eine Frequenzanalyse des DAS-Rohsignals durchgeführt. Dazu wird für Ortspunkte Mi ... M o jeweils separat im Bereich des Fahrzeugs 3 und/oder dessen Trajektorie xo(t); to(x) im jeweiligen Ortspunkt Mi ... Mx eine Anzahl von Zeitfenstern U; Ui ... LI? vorgegeben. To determine the probabilities Wi . . . W x , a frequency analysis of the DAS raw signal is carried out in the first exemplary embodiment in the detection step. For this purpose, for location points Mi . . . M o each separately in the area of vehicle 3 and/or its trajectory xo(t); to(x) in the respective location Mi ... M x a number of time windows U; Wow...LI? predetermined.
In jedem der Zeitfenster U; Ui ... U7 eines Ortspunkts Mi ... Mx wird separat jeweils die Signalenergie durch Fouriertransformation innerhalb von vorgegebenen Frequenzbändern f ermittelt. Diese Signalenergie wird einem dem jeweiligen Zeitfenster U; Ui ... U7 zugeordneten Zeitpunkt t zugewiesen, sodass ein diskretes Signal d(x, t, f), das jedem Ortspunkt Mi ... Mx für einzelne Zeitpunkte die zugehörigen Signalenergien zuordnet, zur Verfügung steht. In each of the time windows U; Ui . . . U 7 of a location Mi . This signal energy is assigned to the respective time window U; Ui ... U7 associated time t assigned, so that a discrete signal d (x, t, f), which each location Mi ... M x assigns the associated signal energies for individual times, is available.
Im Ausführungsbeispiel in Fig. 2 wurde für das ursprüngliche DAS-Rohsignal, das mit einer Abtastrate von 1 kHz aufgenommen wird, eine Fast-Fourier-Transformation (FFT) in 1 s- Zeitabschnitten durchgeführt und eine Datenreduktion durch Berechnung der Signalenergie in einem gewählten Frequenzband von 5-50 Hz, im jeweiligen 1 s-Zeitabschnitt, herangezogen. In Fig.2 sind die erhaltenen Signalenergie als graukodierte Pixelwerte dargestellt, wobei hohe Signalenergien hell, niedrige Signalenergien dunkel dargestellt sind. Das vorprozessierte DAS-Signal entspricht dann innerhalb des gewählten Frequenzbands der Gesamtenergie des DAS-Rohsignals.
Figure imgf000013_0001
In the exemplary embodiment in FIG. 2, a Fast Fourier Transform (FFT) was carried out in 1 s time intervals for the original DAS raw signal, which is recorded with a sampling rate of 1 kHz, and data reduction by calculating the signal energy in a selected frequency band of 5-50 Hz, in the respective 1 s period. The signal energies obtained are shown in FIG. 2 as gray-coded pixel values, with high signal energies being shown light and low signal energies being shown dark. The pre-processed DAS signal then corresponds to the total energy of the DAS raw signal within the selected frequency band.
Figure imgf000013_0001
Gleichung (1 ) zeigt die Berechnung des Pixelwerts b aus den summierten Energien im gewählten Frequenzband f, wobei B dem Frequenzbereich und a dem Frequenzgang des DAS-Signals entspricht. Equation (1) shows the calculation of the pixel value b from the summed energies in the selected frequency band f, where B corresponds to the frequency range and a to the frequency response of the DAS signal.
Die Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges wird schließlich abgeleitet, indem die Signalenergien für verschiedene Frequenzbänder f berechnet und kombiniert werden. Finally, the probability of the presence of a vehicle is derived by calculating and combining the signal energies for different frequency bands f.
Diese Kombination kann auf verschiedene Art erfolgen: Falls nur ein Frequenzband f vorhanden ist bzw. vorgegeben wird, kann dieses Frequenzband f als Maß für die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs angesehen werden. Hier kann zunächst noch ein Normalisierungsschritt vorgenommen werden, um als Maß für die Wahrscheinlichkeit Werte zwischen 0 und 1 zu erhalten. This combination can be done in different ways: If only one frequency band f is present or specified, this frequency band f can be viewed as a measure of the probability of the presence of a vehicle. A normalization step can first be carried out here in order to obtain values between 0 and 1 as a measure of the probability.
Die Kombination der Signalenergien kann auch durch Einsatz eines Machine Learning- Verfahrens vorgenommen werden. Dabei wird ein Machine Learning-Verfahren eingesetzt, das in einem Trainingsschritt bzw. einer Trainingsphase erlernt, wie die einzelnen Frequenzbänder f kombiniert werden, um eine Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs zu berechnen. The signal energies can also be combined by using a machine learning method. A machine learning method is used that learns in a training step or a training phase how the individual frequency bands f are combined in order to calculate a probability of the presence of a vehicle.
Zur Bestimmung der Wahrscheinlichkeiten kann im Detektionsschritt optional auch eine Musteranalyse des DAS-Rohsignals durchgeführt werden. Dazu werden alle oder nur ausgewählte Messwerte m(x, t) einer Musteranalyse unterzogen, wobei in der Musteranalyse die Ähnlichkeit zu einem vorgegebenen Muster ermittelt wird. Die Ähnlichkeit zu dem vorgegebenen Muster wird dabei als Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges herangezogen. To determine the probabilities, a pattern analysis of the DAS raw signal can optionally also be carried out in the detection step. For this purpose, all or only selected measured values m(x, t) are subjected to a pattern analysis, with the similarity to a predetermined pattern being determined in the pattern analysis. The similarity to the specified pattern is used as the probability of the presence of a vehicle.
Dazu kann beispielsweise ein Pattern Matching-Verfahren für die Musteranalyse herangezogen werden. Die einfachste Form dieses Verfahrens ist die Faltung einer Mustervorlage für Fahrzeuge mit den Messwerte m(x, t), wobei sich an den Stellen, an denen in den Messwerten Fahrzeug-ähnliche Muster enthalten sind, lokale Maxima im Faltungssignal ergeben. Die Mustervorlage dazu kann empirisch aus Beispieldaten ermittelt werden. For this purpose, for example, a pattern matching method can be used for the pattern analysis. The simplest form of this method is the convolution of a template for vehicles with the measured values m(x, t), with local maxima in the convolution signal occurring at the points at which the measured values contain vehicle-like patterns. The template for this can be determined empirically from sample data.
Zur Bestimmung der Wahrscheinlichkeiten kann im Detektionsschritt optional auch eine Klassifikation des DAS-Rohsignals mittels eines Machine Learning-Verfahrens durchgeführt werden. Dabei werden alle oder ausgewählte Messwerte m(x, t) anhand eines Klassifikators klassifiziert und derart die Wahrscheinlichkeit des Vorhandenseins eines Fahrzeuges ermittelt. To determine the probabilities, the DAS raw signal can optionally also be classified in the detection step using a machine learning method. All or selected measured values m(x, t) are classified using a classifier and the probability of the presence of a vehicle is determined in this way.
Dieser Klassifikator kann vorab in einer Trainingsphase erlernt werden. Dabei können beispielsweise händisch Fahrzeuge markiert und dann die zugehörigen Signale extrahiert und als solche dem Lernverfahren zugeführt. Weiters werden auch Signale markiert, die keinem Fahrzeug entsprechen und ebenfalls dem Lernverfahren als „Negativbeispiele“ zugeführt. Als Lernverfahren kann "Deep Learning", wie z.B. LSTM Netzwerke für die Analyse von Zeitreihen, eingesetzt werden. Im ersten Ausführungsbeispiel wird anschließend an den Detektionsschritt zur Bestimmung der Anzahl der Spuren und/oder deren Steigung, das Wasserfalldiagramm, das die Wahrscheinlichkeiten Wi... Wx für das Vorhandensein eines Fahrzeugs enthält, durch Anwendung eines Schwellenwertes in ein binäres Bild umgewandelt. Danach wird dieses binäre Bild so in kleinere binäre Bilder unterteilt, dass diese Ortsabschnitte von wenigen 100 Metern und Zeitabschnitte von einigen Sekunden enthalten. Für die Wahl der Größe dieser Orts- und Zeitabschnitte ist einerseits maßgeblich, wie viele Ergebnispunkte für die Verkehrsdichte und Geschwindigkeit entlang der Straße benötigt werden, und andererseits, dass ausreichend lange Fahrzeugspuren im Zeitabschnitt enthalten sind. This classifier can be learned in advance in a training phase. For example, vehicles can be marked manually and the associated signals can then be extracted and fed to the learning process as such. Furthermore, signals that do not correspond to any vehicle are also marked and also fed into the learning process as "negative examples". "Deep Learning", such as LSTM networks for the analysis of time series, can be used as a learning method. In the first exemplary embodiment, subsequent to the detection step for determining the number of lanes and/or their slope, the waterfall diagram containing the probabilities Wi...W x for the presence of a vehicle is converted into a binary image by applying a threshold value. This binary image is then subdivided into smaller binary images in such a way that these contain local sections of a few 100 meters and time sections of a few seconds. For the selection of the size of these location and time sections, it is crucial on the one hand how many result points are required for the traffic density and speed along the road, and on the other hand that sufficiently long vehicle lanes are contained in the time section.
Anschließend werden in den so erzeugten kleineren binären Bildern die Anzahl der Spuren und deren jeweilige Steigung mittels Hough-Transformation ermittelt. Bei der Hough- Transformation handelt es sich um ein Bildverarbeitungsverfahren zur Erkennung von beliebigen parametrisierbaren geometrischen Figuren in einem binären Gradientenbild. So können mittels der Hough-Transformation auch binäre Bilder auf Vorhandensein von vorgegebenen Linien untersucht werden (siehe Hough transform for line detection” in Proceedings. 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (siehe Cat. No PR00149), Jun. 1999, vol. 1, pp. 554-560 Vol. 1, doi: 10.1109/CVPR. 1999.786993 oder R. O. Duda and P. E. Hart, “Use of the Hough transformation to detect lines and curves in pictures,” Com mu n. ACM, vol. 15, no. 1, pp. 11- 15, Jan. 1972, doi: 10.1145/361237.361242). The number of tracks and their respective slope are then determined using Hough transformation in the smaller binary images generated in this way. The Hough transformation is an image processing method for recognizing any parameterizable geometric figures in a binary gradient image. Using the Hough transform, binary images can also be examined for the presence of specified lines (see Hough transform for line detection” in Proceedings. 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (see Cat. No PR00149), Jun. 1999 1, pp. 554-560 Vol 1, doi: 10.1109/CVPR.1999.786993 or RO Duda and PE Hart, "Use of the Hough transformation to detect lines and curves in pictures," Com mu n ACM, vol 15, no. 1, pp. 11-15, Jan. 1972, doi: 10.1145/361237.361242).
Der von der Hough-Transformation gelieferte Wert für die jeweilige Linie gibt die Anzahl an positiven Pixeln auf der jeweiligen Linie an. Alle möglichen Linien werden durch Polarkoordinaten, d.h. Radius r und Winkel 0, parametrisiert (siehe Fig. 3). Die Hough- Transformation liefert eine Matrix, deren Einträgen mögliche Werte von Radius r und Winkel 0 zugeordnet sind. Für jeden Eintrag (0, r) liefert die Hough-Transformation die Anzahl an Pixeln, die einer Linie im ursprünglichen Bild entsprechen. Für diejenigen Einträge, für die die Hough- Transformation die höchsten Werte liefert, ist die Wahrscheinlichkeit, dass sie im ursprünglichen Bild einer Linie entsprechen, am höchsten. The value provided by the Hough transform for each line indicates the number of positive pixels on each line. All possible lines are parameterized by polar coordinates, i.e. radius r and angle 0 (see Fig. 3). The Hough transform supplies a matrix whose entries are assigned possible values of radius r and angle 0. For each entry (0, r), the Hough transform returns the number of pixels that correspond to a line in the original image. Those entries for which the Hough transform yields the highest values are most likely to correspond to a line in the original image.
Ein Ausführungsbeispiel für eine Hough-Transformation eines binären Bilds ist in den Fig. 4-6 zu finden. In Fig. 4 ist schematisch ein binäres Bild eines vorprozessierten DAS-Signals dargestellt, in dem zwei Linien dargestellt sind, die Fahrzeugen entsprechen. Die Hough- Transformation führt die Koordinaten (x, t) im binären Bild in die Koordinaten (0, r) im Hough- Raum über. In der Darstellung der Hough-Transformation in Fig. 5 sind zwei Schnittpunkte erkennbar, deren Koordinaten (0, r) den ursprünglichen beiden Linien in Fig. 4 entsprechen. Die Lage der Punkte (0, r) im Hough-Raum in Fig. 5 repräsentiert also den Linien im binären Bild in Fig. 4. In Fig. 6 ist die Summe der logarithmierten Hough-Transformation dargestellt, wobei das Rechteck die mögliche Lage des Extremwertpunkts zur Abschätzung des Winkels 0 kennzeichnet. Die beiden Schnittpunkte in Fig. 5 bilden auch die Minima der Transformations-Matrix in Fig. 6. An embodiment of a Hough transform of a binary image can be found in Figures 4-6. A binary image of a pre-processed DAS signal is shown schematically in FIG. 4, in which two lines corresponding to vehicles are shown. The Hough transformation transforms the coordinates (x, t) in the binary image into the coordinates (0, r) in Hough space. In the representation of the Hough transformation in FIG. 5, two points of intersection can be seen whose coordinates (0, r) correspond to the original two lines in FIG. The position of the points (0, r) in Hough space in Fig. 5 thus represents the lines in the binary image in Fig. 4. In Fig. 6 the sum of the logarithmic Hough transform is shown, with the rectangle representing the possible position of the Marked extreme value point for estimating the angle 0. The two points of intersection in Fig. 5 also form the minima of the transformation matrix in Fig. 6.
Die meisten Linien im Wasserfalldiagramm verlaufen parallel, da sich die Fahrzeuge mit ähnlicher Geschwindigkeit fortbewegen. Schnittpunkte mit Maximalwerten befinden sich daher zumeist in einigen wenigen benachbarten Spalten der Hough-Transformations-Matrix, die ähnlichen Winkeln entsprechen. Die Signale in diesen Spalten sind dabei konzentrierter für Winkel, die Spuren im ursprünglichen Wasserfalldiagramm entsprechen, während die Summe der Werte in jeder Spalte konstant ist. Um die Häufigkeit für jeden Winkel zu ermitteln, wird Gleichung (2) auf die Resultate der Hough-Transformation H angewandt und entlang der Spalten, d.h. für gleiche Winkel, aufsummiert:
Figure imgf000016_0001
Most of the lines in the waterfall chart are parallel because the vehicles are moving at similar speeds. Intersections with maximum values are therefore mostly in a few adjacent columns of the Hough transformation matrix, which correspond to similar angles. The signals in these columns are more concentrated for angles corresponding to traces in the original waterfall plot, while the sum of the values in each column is constant. To find the frequency for each angle, equation (2) is applied to the results of the Hough transform H and summed along the columns, i.e. for equal angles:
Figure imgf000016_0001
Dies führt zu einer Kurve, deren Extremstellen mit Winkeln korrespondieren, an denen das Bild der Hough-Transformation konzentriert ist (siehe Fig. 6). Mittels Extremwert-Detektion können die lokalen Minima der Kurve basierend auf deren benachbarten Pixeln ermittelt werden. Die Lage der Extrema korrespondieren mit Winkeln 0, die wiederum mit den Geschwindigkeiten der Fahrzeuge korrespondieren. This results in a curve whose extreme points correspond to angles at which the Hough transform image is concentrated (see Figure 6). Using extreme value detection, the local minima of the curve can be determined based on their neighboring pixels. The positions of the extrema correspond to angles 0, which in turn correspond to the speeds of the vehicles.
Die Geschwindigkeit in Bildkoordinaten kann durch Gleichung (3) ermittelt werden, während die Geschwindigkeit in km/h durch Gleichung (4) ermittelt werden kann. In Gleichung (4) entspricht d der Distanz zwischen zwei Messpunkten, sp der normierten Geschwindigkeit in den Bildkoordinaten des binären Bilds und Skm/h der tatsächlichen Geschwindigkeit in km/h.
Figure imgf000016_0002
Figure imgf000016_0004
3.6
Figure imgf000016_0003
The speed in image coordinates can be found by Equation (3), while the speed in km/h can be found by Equation (4). In equation (4) d corresponds to the distance between two measurement points, sp to the normalized speed in the image coordinates of the binary image and Skm/h to the actual speed in km/h.
Figure imgf000016_0002
Figure imgf000016_0004
3.6
Figure imgf000016_0003
Zur Abschätzung der Anzahl an Fahrzeugen werden nun die Spalten aus der Hough- Transformations-Matrix extrahiert, die den zuvor extrahierten Winkeln 0 entsprechen. Mittels eines zweiten Extremwertfindungs-Schrittes kann aus diesen Spalten die Anzahl der Extremstellen ermittelt werden, die der Anzahl an Fahrzeugen entspricht (siehe Umrandung in Fig. 6). Diese Analyseschritte können dabei für jedes binäre Bild vorgenommen werden. In einem zweiten Ausführunqsbeispiel wird anschließend an den Detektionsschritt ein kurzer Zeitabschnitt (z.B. einige Sekunden) des Wasserfalldiagramm der Wahrscheinlichkeiten Wi... Wx jeweils beispielsweise als "bitmap-Bild", d.h. als Bildmatrix, die Bildelemente umfasst, behandelt und mittels eines vorgegebenen Schwellenwerts jeweils ein binäres Bild erzeugt wird, wie dies auch bereits im Zusammenhang mit dem ersten Ausführungsbeispiel erläutert wurde. To estimate the number of vehicles, the columns that correspond to the angles 0 previously extracted are now extracted from the Hough transformation matrix. By means of a second extreme value finding step, the number of extreme points can be determined from these columns, which corresponds to the number of vehicles (see border in FIG. 6). These analysis steps can be carried out for each binary image. In a second exemplary embodiment, following the detection step, a short time segment (e.g. a few seconds) of the waterfall diagram of the probabilities Wi a binary image is generated in each case, as has already been explained in connection with the first exemplary embodiment.
Dabei kann zunächst im Wasserfalldiagramm die Qualität der Fahrzeug-Trajektorien bzw. der Spuren durch Detektion mittels Kontrastverstärkung und/oder Kantendetektion verbessert werden. Hierzu können gängige Methoden aus der Bildverarbeitung eingesetzt werden. Dieser Schritt ist jedoch optional und es kann auch eine Analyse ohne eine derartige Verbesserung erfolgen. In this case, the quality of the vehicle trajectories or the tracks can first be improved in the waterfall diagram by detection using contrast enhancement and/or edge detection. Common methods from image processing can be used for this. However, this step is optional and analysis can also be done without such an improvement.
Zur Ermittlung der Anzahl von Spuren und/oder deren Steigung und daraus zur Bestimmung der Geschwindigkeit und/oder der Anzahl der Fahrzeuge werden anschließend die lokalen Orientierungen in dem so verbesserten binären bitmap-Bild durch gängige Methoden der Bildverarbeitung „kodiert“. Diese Kodierung erfolgt dabei derart, dass jedem Pixel ein lokaler Orientierungswert, d.h. ein Winkel, zugeordnet werden kann. Typischerweise erhält man in einem solchen Schritt ein binäres bitmap-Bild, in welchem jedem Pixel entsprechend der lokalen Orientierung im Bild ein Farbwert bzw. einem Grauwert zugeordnet ist. Die Winkel der Fahrzeugtrajektorien im binären bitmap-Bild stellen ein Maß für die Geschwindigkeit dar. In order to determine the number of lanes and/or their incline and from this to determine the speed and/or the number of vehicles, the local orientations in the thus improved binary bitmap image are then “coded” using standard image processing methods. This coding is done in such a way that each pixel can be assigned a local orientation value, i.e. an angle. A binary bitmap image is typically obtained in such a step, in which each pixel is assigned a color value or a gray value corresponding to the local orientation in the image. The angles of the vehicle trajectories in the binary bitmap image represent a measure of the speed.
Die Fig. 8a zeigt beispielhaft solche Fahrzeugtrajektorien für drei Fahrzeuge in einem Wasserfalldiagramm als drei Linien, wobei die x-Achse den Ort längs der Straße, die y-Achse die Zeit repräsentiert. Die Fig. 8b zeigt das aus Fig. 8a durch Schwellenwertbildung erzeugte binäre bitmap-Bild. 8a shows, by way of example, such vehicle trajectories for three vehicles in a waterfall diagram as three lines, with the x-axis representing the location along the road and the y-axis representing time. Figure 8b shows the binary bitmap image generated from Figure 8a by thresholding.
Die lokalen Orientierungen im Wasserfalldiagramm werden für die Extraktion der Fahrzeuggeschwindigkeiten genutzt. Dazu werden die lokalen Gradienten im binären bitmap- Bild mittels gängiger Bildverarbeitungsmethoden wie z.B. Sobel-, Prewitt- oder Roberts- Operatoren aus dem Bild errechnet. Bei diesen Operatoren handelt es sich um gängige Verfahren die auch in unterschiedlichen Programmbibliotheken bereits fertig verfügbar sind und beispielsweise in
Figure imgf000017_0001
und https://de.wikipedia.orq/wiki/Fsoberts-
Figure imgf000017_0002
Q erator, jeweils zuletzt abgerufen am 14. Juli 2022, näher erläutert werden. Fig. 9 zeigt ein Orientierungs-Bild mit den ausgewerteten lokalen Orientierungen der Gradienten der Linien in Fig. 8, wobei die x-Achse den Ort längs der Straße, die y-Achse die Zeit repräsentiert. Die Grauwertskala am rechten Rand von Fig. 9 zeigt die Kodierung der Orientierung in Winkelgrad. Die schwarzen Pfeile zeigen die Orientierung der Gradienten, der graue Pfeil beispielhaft die Orientierung einer Spur. The local orientations in the waterfall diagram are used to extract the vehicle speeds. For this purpose, the local gradients in the binary bitmap image are calculated from the image using common image processing methods such as Sobel, Prewitt or Roberts operators. These operators are common methods that are already available in various program libraries and can be found, for example, in
Figure imgf000017_0001
and https://de.wikipedia.orq/wiki/Fsoberts-
Figure imgf000017_0002
Q erator, each last accessed on July 14, 2022. FIG. 9 shows an orientation image with the evaluated local orientations of the gradients of the lines in FIG. 8, the x-axis representing the location along the road and the y-axis representing time. The gray value scale on the right-hand edge of FIG. 9 shows the coding of the orientation in angular degrees. The black arrows show the orientation of the gradients, the gray arrow shows the orientation of a lane as an example.
Danach werden Histogramme (siehe Fig. 10) der Pixelwerte für Abschnitte längs der x-Achse im Orientierungs-Bild, die periodischen Ortsabschnitten entsprechen (z.B. mehrere Meter bis 100 m), gebildet. Somit erhält man für jeden Ortsabschnitt ein Histogramm der Häufigkeiten der darin enthaltenen Orientierungen. Thereafter, histograms (see Figure 10) of the pixel values are formed for sections along the x-axis in the orientation image which correspond to periodic local sections (e.g. several meters to 100 m). A histogram of the frequencies of the orientations contained therein is thus obtained for each local section.
Danach werden die Maximalwerte im Histogramm nach ihrer Position und ihrer Höhe isoliert. Dazu werden gängige Methoden der Maximalwertfindung herangezogen, wie diese in verschiedenen Programmbibliotheken verfügbar sind. Dominate Geschwindigkeiten im Wasserfalldiagramm generieren jeweils zwei entsprechende Maxima, mit einem Abstand von 180°, im Histogramm. Die entsprechenden Geschwindigkeiten sind 90° versetzt zu den lokalen Orientierungen, wie in Fig. 9 durch Pfeile illustriert. Durch Auffinden zweier zusammengehöriger Maxima mit einem Abstand von 180° im Histogramm kann dieser Winkelwert bestimmt werden. Dieser Winkelwert entspricht einer Fahrgeschwindigkeit v, entsprechend der Formeln (3) und (4). Lokale Maxima bei 0°, 90° sind Artefakte, die der Geschwindigkeit 0 bzw. °° entsprechen, und können leicht ausgeschieden werden. Then the maximum values in the histogram are isolated according to their position and their height. Common methods of determining the maximum value are used for this purpose, as they are available in various program libraries. Dominant velocities in the waterfall diagram each generate two corresponding maxima, with a distance of 180°, in the histogram. The corresponding velocities are offset 90° from the local orientations, as illustrated by arrows in FIG. This angle value can be determined by finding two associated maxima with a distance of 180° in the histogram. This angular value corresponds to a driving speed v, according to formulas (3) and (4). Local maxima at 0°, 90° are artifacts corresponding to 0 and °° velocities, respectively, and can easily be discarded.
Anschließend wird das Histogramm so normiert, dass eine bestimmte Häufigkeit im Histogramm einer bestimmten Anzahl von Fahrzeugen entspricht. Die Normierung richtet sich dabei nach der gewählten Größe der Ortsabschnitte. So entspricht im gezeigten Ausführungsbeispiel eine Häufigkeit von 2000 Pixel einem Fahrzeug, wenn das binäre bitmap- Bild eine Breite von 500 Pixel und die Breite des Gradienten etwa 4 Pixel beträgt. Welche Anzahl an Pixeln bei einer gewählten Breite des binären bitmap-Bilds einem Fahrzeug entspricht, ist von der konkreten Ausgestaltung des erfindungsgemäßen Verfahrens abhängig und kann empirisch ermittelt werden. The histogram is then standardized in such a way that a specific frequency in the histogram corresponds to a specific number of vehicles. The normalization depends on the selected size of the local sections. In the exemplary embodiment shown, a frequency of 2000 pixels corresponds to one vehicle if the binary bitmap image has a width of 500 pixels and the width of the gradient is approximately 4 pixels. The number of pixels that corresponds to a vehicle for a selected width of the binary bitmap image depends on the specific embodiment of the method according to the invention and can be determined empirically.
Die Höhe der Maximalwerte im Histogramm entspricht der Anzahl der Fahrzeuge Nv die diese Geschwindigkeit aufweisen. Die Verkehrsstärke und Verkehrsdichte wird nun durch die Summe aller Nv in dem betrachteten Bereich gebildet, indem diese in Verhältnis mit dem Zeitabschnitt, bzw. mit der Größe des Ortsabschnitts den das Histogramm repräsentiert, gesetzt wird. Fig. 11 zeigt eine schematische Darstellung eines Beispiels für die Auswertung der lokalen Orientierungen über einen ganzen Fahrabschnitt. Dabei werden aus den lokalen Orientierungen (wie in Fig. 9) den einzelnen Orten im Fahrabschnitt zugeordnete Histogramme (wie in Fig. 10) erstellt. The height of the maximum values in the histogram corresponds to the number of vehicles Nv that have this speed. The traffic volume and traffic density is now formed by the sum of all Nv in the area under consideration by setting this in relation to the time segment or the size of the local segment represented by the histogram. FIG. 11 shows a schematic representation of an example for the evaluation of the local orientations over an entire driving section. Histograms (as in FIG. 10) assigned to the individual locations in the driving section are created from the local orientations (as in FIG. 9).
Optional ist es bei allen Ausführungsformen eines erfindungsgemäßen Verfahrens möglich, eine Klassifikation in verschiedene Längenbereiche von Fahrzeugen, z.B. in große und kleine Fahrzeuge, vorzunehmen. Die Breite einer Spur entspricht dabei einem Schnitt im Wasserfalldiagramm zu einem jeweiligen Zeitpunkt t entlang des Ortes. In einem Bild können dann beispielsweise kleinere Fahrzeuge getrennt von größeren Fahrzeugen in einem anderen Bild analysiert werden. Dabei können die separaten Bilder jeweils getrennt weiter untersucht werden. In all embodiments of a method according to the invention, it is optionally possible to classify vehicles into different length ranges, e.g. into large and small vehicles. The width of a track corresponds to a section in the waterfall diagram at a particular point in time t along the location. In one image, for example, smaller vehicles can then be analyzed separately from larger vehicles in another image. The separate images can each be further examined separately.
Dazu kann ein Filter eingesetzt werden, der die Breiten der Trajektorien im Wasserfalldiagramm isoliert, sodass das Wasserfalldiagramm in mehrere getrennte Bilder aufgespalten werden kann. A filter can be used for this, which isolates the widths of the trajectories in the waterfall diagram, so that the waterfall diagram can be split into several separate images.
Dazu werden beispielsweise durch gängige Bild-"Erosionsverfahren", wie diese z.B. auf https://de.wikipedia.org/wiki/Erosion_(Bildverarbeitung), zuletzt aufgerufen am 14. Juni 2022, beschrieben sind, schrittweise, beginnend mit den schmälsten Spuren, die den Personenkraftwagen entsprechen, diese Spuren entfernt und die verbleibenden Spuren als die nächst größere Fahrzeugklasse, z.B. Lastkraftwagen, angesehen. Die Differenz der Anzahl zu der im Schritt zuvor ermittelten Spuren entspricht dann der jeweils der Anzahl der Fahrzeuge der kleineren Fahrzeugklasse. For this purpose, for example, common image "erosion processes" such as those described at https://de.wikipedia.org/wiki/Erosion_(Bildverarbeitung), last accessed on June 14, 2022, step by step, starting with the narrowest tracks corresponding to passenger cars, these lanes are removed and the remaining lanes are considered to be the next larger vehicle class, e.g. trucks. The difference in the number of lanes determined in the previous step then corresponds to the number of vehicles in the smaller vehicle class.

Claims

Patentansprüche patent claims
1. Verfahren zur Messung der Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen die sich auf einem Fahrabschnitt (2), insbesondere einer Straße, fortbewegen, a) wobei entlang des Fahrabschnitts (2) mittels eines Wellenleiters, insbesondere eines1. A method for measuring the traffic density and / or speed of a number of vehicles on a driving section (2), in particular a road, moving, a) along the driving section (2) by means of a waveguide, in particular a
Glasfaserkabels (1 ), Messwerte zur Charakterisierung von Vibrationen oder Druckänderungen an einer Vielzahl von entlang des Fahrabschnitts (2) angeordneten Ortspunkten (Mi ... Mx) bestimmt werden, b) wobei der Wellenleiter entlang des Fahrabschnitts (2) angeordnet und von den vomfiber optic cable (1), measured values for characterizing vibrations or pressure changes at a large number of location points (Mi ... M x ) arranged along the travel section (2) are determined, b) the waveguide being arranged along the travel section (2) and from the from the
Fahrtweg ausgehenden Erschütterungen, Vibrationen oder Druckänderungen betroffen ist, c) wobei zu vorgegebenen Zeitpunkten, insbesondere mit einer Frequenz zwischen 100 Hz und 10 kHz, vorzugsweise zwischen 1 bis 4kHz, jeweils ein elektromagnetischer Puls in den Wellenleiter abgegeben wird, und die aus dem Wellenleiter zurückkehrende elektromagnetische Welle gemessen wird, wobei entsprechend der zeitlichen Verzögerung der zurückkehrenden elektromagnetischen Welle das Signal einem Ortspunkt (Mi ... Mx) entlang des Fahrabschnitts (2) zugeordnet wird, d) wobei die Stärke und/oder Phase und/oder Energie der zurückkehrenden elektromagnetischen Welle als Messwert zur Charakterisierung von Vibrationen oder Druckänderungen im betreffenden Ortspunkt (Mi ... Mx) herangezogen wird, e) wobei für eine Anzahl von Ortspunkten (Mi ... Mx) entlang des Fahrabschnitts (2) und für eine Anzahl von Zeitpunkten (t) jeweils ein Messwert (m(x, t)), insbesondere ein Messsignal, zur Charakterisierung der Vibration oder einer Druckänderung zur Verfügung gestellt wird, dadurch gekennzeichnet, dass f) in einem Detektionsschritt eine Wahrscheinlichkeit (Wi... Wx) ermittelt wird, ob ein jeweiliger Messwert (m(x, t)) einem Vorhandensein eines Fahrzeuges entspricht, wobei die Wahrscheinlichkeiten (Wi... Wx) über die Ortspunkte (Mi ... Mx) in einem Diagramm, insbesondere in einem Wasserfalldiagramm, abgebildet werden, in dem die darin enthaltenen Spuren Trajektorien der Fahrzeuge entsprechen, wobei eine Trajektorie jeweils den Zeit-Weg-Verlauf eines Fahrzeugs, insbesondere die Fortbewegung eines Fahrzeugs in Bezug auf die Ortspunkte (Mi ... Mx) für eine Anzahl von Zeitpunkten (t), beschreibt, wobei insbesondere vorgesehen ist, dass die Spuren geraden Linien mit Breite entsprechen, g) wobei aus den Werten des Diagramms, insbesondere des Wasserfalldiagramms, dieShocks, vibrations or pressure changes emanating from the route are affected, c) one electromagnetic pulse being emitted into the waveguide at a given time, in particular with a frequency between 100 Hz and 10 kHz, preferably between 1 and 4 kHz, and the one returning from the waveguide electromagnetic wave is measured, the signal being assigned to a location (Mi ... M x ) along the driving section (2) according to the time delay of the returning electromagnetic wave, d) the strength and/or phase and/or energy of the returning electromagnetic wave is used as a measured value for characterizing vibrations or pressure changes in the relevant location (Mi ... M x ), e) where for a number of location points (Mi ... M x ) along the driving section (2) and for a number a measured value (m(x, t)), in particular a measurement signal, for characterizing the Vi at points in time (t). bration or a pressure change is provided, characterized in that f) in a detection step, a probability (Wi ... W x ) is determined whether a respective measured value (m (x, t)) corresponds to the presence of a vehicle, wherein the probabilities (Wi... W x ) via the location points (Mi ... M x ) are shown in a diagram, in particular in a waterfall diagram, in which the tracks contained therein correspond to trajectories of the vehicles, with a trajectory corresponding to the time - describes the course of a vehicle's path, in particular the movement of a vehicle in relation to the location points (Mi ... M x ) for a number of times (t), it being provided in particular that the lanes correspond to straight lines of width, g) where from the values of the diagram, in particular the waterfall diagram, the
Anzahl von Spuren und/oder deren Steigung bestimmt wird, und h) wobei die Anzahl der Spuren und/oder deren Steigung zur Bestimmung der Geschwindigkeit der Fahrzeuge und/oder der Anzahl der Fahrzeuge herangezogen wird. number of tracks and/or their slope is determined, and h) the number of lanes and/or their gradient being used to determine the speed of the vehicles and/or the number of vehicles.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass im Detektionsschritt f) 2. The method according to claim 1, characterized in that in the detection step f)
- für Ortspunkte (Mi ... Mx) jeweils separat im Bereich des Fahrzeugs (1 ) und/oder dessen Trajektorie (x0(t); to(x)) im jeweiligen Ortspunkt (Mi ... Mx) eine Anzahl von Zeitfenstern (U) vorgegeben wird, - For location points (Mi ... M x ) each separately in the area of the vehicle (1) and / or its trajectory (x 0 (t); to (x)) in the respective location point (Mi ... M x ) a number is specified by time windows (U),
- in jedem der Zeitfenster (U) eines Ortspunkts (Mi ... Mx) separat jeweils die Signalenergie durch Fouriertransformation innerhalb von vorgegebenen Frequenzbändern (f) ermittelt wird, und diese Signalenergie einem dem jeweiligen Zeitfenster (U) zugeordneten Zeitpunkt (t) zugewiesen wird, sodass ein diskretes Signal, das jedem Ortspunkt (Mi ... Mx) für einzelne Zeitpunkte die zugehörigen Signalenergien zuordnet, zur Verfügung steht, und die Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges abgeleitet wird, indem die Signalenergien für verschiedene Frequenzbänder (f) berechnet und kombiniert werden, wobei a) im Fall, dass ein einzelnes Frequenzband (f) vorgegeben wird, dieses Frequenzband (f), insbesondere nach Durchführung eines Normierungsschritts, als Maß für die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs angesehen wird, und/oder b) die Kombination der Signalenergien durch Einsatz eines Machine Learning-Verfahrens vorgenommen wird, wobei insbesondere vorgesehen ist, dass in einem Trainingsschritt die Kombination einzelner Frequenzbänder erlernt wird. - In each of the time windows (U) of a location point (Mi ... M x ), the signal energy is determined separately by Fourier transformation within predetermined frequency bands (f), and this signal energy is assigned to a time (t) assigned to the respective time window (U). so that a discrete signal is available that assigns the associated signal energies to each location point (Mi ... M x ) for individual points in time, and the probability of the presence of a vehicle is derived by measuring the signal energies for different frequency bands (f) are calculated and combined, a) in the event that a single frequency band (f) is specified, this frequency band (f), in particular after carrying out a normalization step, is regarded as a measure of the probability of the presence of a vehicle, and/or b ) The combination of the signal energies is made by using a machine learning method, with particular vorges is that the combination of individual frequency bands is learned in one training step.
3. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass im Detektionsschritt f) ausgewählte, insbesondere alle, Messwerte (m(x, t)) einer Musteranalyse unterzogen werden, wobei in der Musteranalyse die Ähnlichkeit zu einem vorgegebenen Muster ermittelt wird, und wobei die Ähnlichkeit zu dem vorgegebenen Muster als Wahrscheinlichkeit für das Vorhandenseins eines Fahrzeuges herangezogen wird. 3. Method according to one of the preceding claims, characterized in that in the detection step f) selected, in particular all, measured values (m(x, t)) are subjected to a pattern analysis, with the similarity to a predetermined pattern being determined in the pattern analysis, and the similarity to the predetermined pattern being used as the probability of the presence of a vehicle.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass ein Pattern Matching-Verfahren für die Musteranalyse herangezogen wird. 4. Method according to claim 3, characterized in that a pattern matching method is used for the pattern analysis.
5. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass im Detektionsschritt f) ausgewählte, insbesondere alle, Messwerte (m(x, t)) mittels eines Machine Learning-Verfahrens anhand eines, insbesondere vorab trainierten, Klassifikators klassifiziert werden und derart die Wahrscheinlichkeit des Vorhandenseins eines Fahrzeuges ermittelt wird. 5. The method according to any one of the preceding claims, characterized in that in the detection step f) selected, in particular all, measured values (m(x, t)) are classified using a machine learning method using a classifier, in particular a previously trained one, and in this way the Probability of the presence of a vehicle is determined.
6. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, 6. The method according to any one of the preceding claims, characterized in that
- dass in Schritt g) aus ausgewählten, insbesondere allen, Werten des Diagramms, insbesondere des Wasserfalldiagramms, mittels eines vorgegebenen Schwellenwerts jeweils ein binäres Bild erzeugt wird, und - that in step g) a binary image is generated from selected, in particular all, values of the diagram, in particular of the waterfall diagram, by means of a predetermined threshold value, and
- dass in dem jeweiligen binären Bild die Anzahl der Spuren und/oder deren jeweilige Steigung mittels Hough-Transformation ermittelt werden. - that in the respective binary image the number of tracks and/or their respective slope are determined by means of Hough transformation.
7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, 7. The method according to any one of claims 1 to 5, characterized in that
- dass in Schritt g) aus ausgewählten, insbesondere allen, Werten des Diagramms, insbesondere dem Wasserfalldiagramm, mittels eines vorgegebenen Schwellenwerts jeweils ein binäres Bild erzeugt wird, und - that in step g) a binary image is generated from selected, in particular all, values of the diagram, in particular the waterfall diagram, by means of a predetermined threshold value, and
- dass im jeweiligen binären Bild die Orientierung der lokalen Gradienten ausgewählter, insbesondere aller, Spuren mittels eines Bildverarbeitungsverfahrens, insbesondere mittels Sobel-, Prewitt-, und/oder Roberts-Operatoren, in Form eines Orientierungs-Bilds bestimmt werden, - that in the respective binary image the orientation of the local gradients of selected, in particular all, tracks are determined by means of an image processing method, in particular by means of Sobel, Prewitt and/or Roberts operators, in the form of an orientation image,
- wobei aus dem Orientierungs-Bild der Orientierungen der lokalen Gradienten ein Histogramm gebildet wird und die Maximalwerte in dem Histogramm ermittelt werden, wobei aus den Maximalwerten jeweils Winkelpaare mit einer Richtungsdifferenz von 180 Grad ermittelt werden, und wobei aus den Winkelpaaren die Geschwindigkeiten (v) der Fahrzeuge ermittelt wird. - where a histogram is formed from the orientation image of the orientations of the local gradients and the maximum values are determined in the histogram, where pairs of angles with a direction difference of 180 degrees are determined from the maximum values, and where the velocities (v) are determined from the pairs of angles of the vehicles is determined.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die Position und/oder die Höhe der Maximalwerte im Histogramm ermittelt wird, wobei die Position im Histogramm der Geschwindigkeit (v) der Fahrzeuge und die Höhe im Histogramm der Anzahl (Nv) der Fahrzeuge entspricht, die eine jeweilige Geschwindigkeit (v) aufweisen. 8. The method according to claim 7, characterized in that the position and/or the height of the maximum values in the histogram is determined, the position in the histogram corresponding to the speed (v) of the vehicles and the height in the histogram to the number (Nv) of vehicles , which have a respective velocity (v).
9. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, 9. The method according to claim 7 or 8, characterized in that
- dass die Verkehrsstärke ermittelt wird, indem die Summe aller Fahrzeuge (Nv) in einem jeweils betrachteten Bereich gebildet und ins Verhältnis mit der Dauer des Zeitabschnitts, den das Histogramm repräsentiert, gesetzt wird und/oder - that the traffic volume is determined by forming the sum of all vehicles (Nv) in a particular area under consideration and in relation to the duration of the time segment represented by the histogram, and/or
- dass die Verkehrsdichte ermittelt wird, indem die Summe aller Fahrzeuge (Nv) in einem jeweils betrachteten Bereich gebildet und ins Verhältnis mit der Größe des Ortsabschnitts, den das Histogramm repräsentiert, gesetzt wird. - that the traffic density is determined by forming the sum of all vehicles (Nv) in a particular area under consideration and in relation to the size of the local section represented by the histogram.
10. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in einem Zwischenschritt zwischen dem Detektionsschritt f) und Schritt g) - mittels eines Filters anhand der Breiten der Spuren auf die Länge der Fahrzeuge rückgeschlossen wird, wobei die Breite einer Spur einem Schnitt im Diagramm bei einem jeweiligen Zeitpunkt (t) entlang des Ortes entspricht, 10. The method according to any one of the preceding claims, characterized in that in an intermediate step between the detection step f) and step g) - the length of the vehicles is deduced by means of a filter based on the widths of the lanes, the width of a lane corresponding to a section in the diagram at a respective point in time (t) along the location,
- unterschiedliche Diagramme für unterschiedliche Längenbereiche der Fahrzeuge gebildet werden, und - different diagrams are formed for different length ranges of the vehicles, and
- die derart erstellten Diagramme für unterschiedliche Längenbereiche der weiteren Verarbeitung der Schritte g) und h) getrennt zugeführt werden. - The diagrams created in this way for different length ranges are fed separately to the further processing of steps g) and h).
11 . Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Fahrabschnitt (2) in eine Anzahl von Unterabschnitten (2a, 2b,...) unterteilt wird, wobei die Unterabschnitte (2a, 2b,...) derart ausgebildet sind um Geschwindigkeiten aus den Trajektorien der Fahrzeuge ermitteln zu können, wobei jeweils ein Diagramm in diesem Unterabschnitt gebildet wird, wobei insbesondere vorgesehen ist, dass die Unterabschnitte so groß gewählt werden, dass die Spuren vollständig enthalten sind und die Steigung der Spuren ermittelbar ist. 11 . Method according to one of the preceding claims, characterized in that the driving section (2) is divided into a number of sub-sections (2a, 2b,...), the sub-sections (2a, 2b,...) being designed around speeds to be able to determine from the trajectories of the vehicles, with a diagram being formed in each of these subsections, it being provided in particular that the subsections are selected so large that the lanes are completely contained and the slope of the lanes can be determined.
12. Verfahren zur Messung der Verkehrsdichte und/oder der Geschwindigkeit auf einer Straße, umfassend eine Anzahl von Fahrabschnitten (2) für Fahrzeuge, dadurch gekennzeichnet, dass die Messung der Verkehrsdichte mit einem Verfahren der Ansprüche 1 bis 11 durchgeführt wird. 12. Method for measuring the traffic density and/or the speed on a road, comprising a number of driving sections (2) for vehicles, characterized in that the measurement of the traffic density is carried out with a method of claims 1 to 11.
13. Anordnung zur Messung der Verkehrsdichte und/oder der Geschwindigkeit auf einer Straße, umfassend 13. Arrangement for measuring the traffic density and/or the speed on a road, comprising
- ein entlang eines Fahrabschnitts (2), insbesondere einer Straße, angeordneter Wellenleiter, insbesondere ein Glasfaserkabel (1 ), der von den vom Fahrabschnitt (2) ausgehenden Erschütterungen betroffen ist und - A waveguide, in particular a fiber optic cable (1), arranged along a travel section (2), in particular a road, which is affected by the vibrations emanating from the travel section (2) and
- eine an den Wellenleiter angekoppelt Mess- und Verarbeitungseinheit, die dazu ausgebildet ist, - a measuring and processing unit coupled to the waveguide, which is designed to
- zu vorgegebenen Zeitpunkten, insbesondere mit einer Frequenz zwischen 100 Hz und 10 kHz, vorzugsweise zwischen 1 und 4 kHz, jeweils einen elektromagnetischen Puls in den Wellenleiter abzugeben und die reflektierte, aus dem Wellenleiter zurückkehrende elektromagnetische Welle zu erfassen und entsprechend der zeitlichen Verzögerung der zurückkehrenden elektromagnetischen Welle einem Ortspunkt (Mi ... Mx) entlang des Fahrtwegs (2) zuzuordnen und - At predetermined times, in particular with a frequency between 100 Hz and 10 kHz, preferably between 1 and 4 kHz, to deliver an electromagnetic pulse into the waveguide and to detect the reflected electromagnetic wave returning from the waveguide and according to the time delay of the returning assign electromagnetic wave to a location (Mi ... M x ) along the route (2) and
- ein Verfahren gemäß einem der Ansprüche 1 bis 12 durchzuführen und derart die Verkehrsdichte und/oder Geschwindigkeit einer Anzahl von Fahrzeugen die sich auf dem Fahrabschnitt (2), insbesondere der Straße, fortbewegen, zu ermitteln. - Carrying out a method according to one of Claims 1 to 12 and thus determining the traffic density and/or speed of a number of vehicles which are moving on the driving section (2), in particular the road.
PCT/AT2022/060245 2021-09-17 2022-07-07 Method for measuring the traffic volume using das WO2023039620A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
AT507312021 2021-09-17
ATA50731/2021 2021-09-17

Publications (1)

Publication Number Publication Date
WO2023039620A1 true WO2023039620A1 (en) 2023-03-23

Family

ID=82608011

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/AT2022/060245 WO2023039620A1 (en) 2021-09-17 2022-07-07 Method for measuring the traffic volume using das

Country Status (1)

Country Link
WO (1) WO2023039620A1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180342156A1 (en) * 2015-10-30 2018-11-29 Optasense Holdings Limited Monitoring Traffic Flow
US20210241615A1 (en) * 2020-01-30 2021-08-05 Nec Corporation Traffic monitoring apparatus and method of using the same
WO2021152648A1 (en) * 2020-01-27 2021-08-05 Nec Corporation Traffic monitoring apparatus, system, traffic monitoring method and non-transitory computer readable medium
WO2021207096A1 (en) * 2020-04-07 2021-10-14 Nec Laboratories America, Inc. Traffic monitoring using distributed fiber optic sensing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180342156A1 (en) * 2015-10-30 2018-11-29 Optasense Holdings Limited Monitoring Traffic Flow
WO2021152648A1 (en) * 2020-01-27 2021-08-05 Nec Corporation Traffic monitoring apparatus, system, traffic monitoring method and non-transitory computer readable medium
US20210241615A1 (en) * 2020-01-30 2021-08-05 Nec Corporation Traffic monitoring apparatus and method of using the same
WO2021207096A1 (en) * 2020-04-07 2021-10-14 Nec Laboratories America, Inc. Traffic monitoring using distributed fiber optic sensing

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
"Distributed fiber-optic intrusion sensor system", J. LIGHTWAVE TECHNOL., vol. 23, no. 6, June 2005 (2005-06-01), pages 2081 - 2087
"Hough transform for line detection'' in Proceedings", 1999 IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, vol. 1, June 1999 (1999-06-01), pages 554 - 560
C. WANGM. OLSONB. SHERMANN. DORJKHANDJ. MEHRS. SINGH: "Reliable Leak Detection in Pipelines Using Integrated DdTS Temperature and DAS Acoustic Fiber-Optic Sensor", 2018 INTERNATIONAL CARNAHAN CONFERENCE ON SECURITY TECHNOLOGY (ICCST), MONTREAL, QC, October 2018 (2018-10-01), pages 1 - 5, XP033483566, DOI: 10.1109/CCST.2018.8585687
C. WIESMEYR ET AL.: "Real-Time Train Tracking from Distributed Acoustic Sensing Data", APPLIED SCIENCES, vol. 10, no. 2, January 2020 (2020-01-01), pages 448, XP055781144, DOI: 10.3390/app10020448
F. PENGH. WUX.-H. JIAY.-J. RAOZ.-N. WANGZ.-P. PENG: "Ultra-Iong high-sensitivity Φ-070/? for high spatial resolution intrusion detection of pipelines", OPT. EXPRESS, vol. 22, no. 11, June 2014 (2014-06-01), pages 13804
F. WALTER ET AL.: "Distributed acoustic sensing of microseismic sources and wave propagation in glaciated terrain", NAT COMMUN, vol. 11, no. 1, December 2020 (2020-12-01), pages 2436
R. O. DUDAP. E. HART: "Use of the Hough transformation to detect lines and curves in pictures", COMMUN. ACM, vol. 15, no. 1, January 1972 (1972-01-01), pages 11 - 15
S. DOU ET AL.: "Distributed Acoustic Sensing for Seismic Monitoring of The Near Surface: A Traffic-Noise Interferometry Case Study,", SEI REP, vol. 7, no. 1, December 2017 (2017-12-01), pages 11620
S. KOWARIK ET AL.: "Fiber Optic Train Monitoring with Distributed Acoustic Sensing: Conventional and Neural Network Data Analysis", SENSORS, vol. 20, no. 2, January 2020 (2020-01-01), pages 450
WIESMEYR CHRISTOPH ET AL: "Distributed Acoustic Sensing for Vehicle Speed and Traffic Flow Estimation", 2021 IEEE INTERNATIONAL INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE (ITSC), IEEE, 19 September 2021 (2021-09-19), pages 2596 - 2601, XP033994085, DOI: 10.1109/ITSC48978.2021.9564517 *
WIESMEYR CHRISTOPH ET AL: "Real-Time Train Tracking from Distributed Acoustic Sensing Data", APPLIED SCIENCES, vol. 10, no. 2, 8 January 2020 (2020-01-08), pages 448, XP055781144, DOI: 10.3390/app10020448 *

Similar Documents

Publication Publication Date Title
DE102011086512B4 (en) fog detection
DE10114932B4 (en) Three-dimensional environment detection
EP1192597B1 (en) Method of detecting objects within a wide range of a road vehicle
EP2394234B1 (en) Method and device for determining an applicable lane marker
DE102013205952B4 (en) Reconfigurable system and method for the detection of a free path
DE102011119767A1 (en) APPEARANCE-BASED ASSOCIATION OF CAMERA AND DISTANCE SENSORS FOR MULTIPLE OBJECTS
EP2795537A1 (en) Determining a vertical profile of a vehicle environment by means of a 3d camera
EP1267178A1 (en) Method for processing a high definition picture
DE102018104243B3 (en) Method and system for detecting parking spaces suitable for a vehicle
DE102007022372A1 (en) Method and device for determining the vehicle class of vehicles
DE102011111440A1 (en) Method for representation of environment of vehicle, involves forming segments of same width from image points of equal distance in one of image planes, and modeling objects present outside free space in environment
DE102009031319A1 (en) Method and system for determining a vehicle class
EP2028605A1 (en) Detection method for symmetric patterns
DE102016208025A1 (en) Method for detecting traffic signs
DE102018008442A1 (en) Method for weather and / or visibility detection
EP3193276B1 (en) Detection device and method for detecting vehicle axles
DE102014212866A1 (en) Method for determining a parking space from a number of measuring points
DE102011105074A1 (en) Method for determining visual range for vehicle, involves determining surrounding of vehicle by camera, where contrast dimensions are determined for object depicted in images, where visual range is determined from contrast dimensions
DE10312249A1 (en) Process for the joint processing of deep-resolution images and video images
DE10148062A1 (en) Localizing system for objects uses transmitter for pulsed emission of laser beams and receiver with sensor to pick up reflected beam pulses and to analyze them regarding their execution time
WO2023039620A1 (en) Method for measuring the traffic volume using das
DE102012018471A1 (en) Method for detecting e.g. lane markings of lane edge for motor car, involves performing classification in image region of individual images, which are detected by cameras, and in another image region of disparity images
WO2017041795A1 (en) Stereo camera device for monitoring the surroundings of a motor vehicle, motor vehicle with such a stereo camera device and method for detecting rain drops or deposits
DE102018121158A1 (en) Ground sensing point method and driver support system configured to perform such a method
DE102008050456A1 (en) Ego lane recognizing method for motor vehicle, involves validating transformed lines by removing of transformed lines, defining vertical line by main axis of camera, and comparing validated lines with lines of model to determine lane

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22743707

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022743707

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022743707

Country of ref document: EP

Effective date: 20240417