View
217
Download
0
Category
Preview:
Citation preview
09.10.2008
1
Flächendeckende Verkehrslage-
erkennung mit Datenfusion
DINO in Dmotion
Universitätstagung Verkehrswesen 2008
28. - 30. September 2008
Daniel Schmidt
09.10.2008
2
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Übersicht
� Motivation
� Warum Datenfusion
� Verkehrslageerkennung in Düsseldorf
� Netz, Detektorik
� Kleinräumige Verkehrsmodelle
� Großräumige Verkehrsmodelle
� Datenfusion mit DINO
� Ansatzpunkte für Datenfusion
� Beschreibung ausgewählter Verfahren
� Kalibrierung und Evaluierung
09.10.2008
3
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Motivation – Information
09.10.2008
4
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Motivation – Management
09.10.2008
5
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Übersicht
� Motivation
� Warum Datenfusion
� Verkehrslageerkennung in Düsseldorf
� Netz, Detektorik
� Kleinräumige Verkehrsmodelle
� Großräumige Verkehrsmodelle
� Datenfusion mit DINO
� Ansatzpunkte für Datenfusion
� Beschreibung ausgewählter Verfahren
� Kalibrierung und Evaluierung
09.10.2008
6
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
=> Problem
Verkehrsablauf
Verkehrsmodell
Reisezeiten,Staulängen,Verkehrsbeziehungen
Reisezeiten,Staulängen,Verkehrsbeziehungen
gemesseneVerkehrsstärkenan wenigen Querschnitten
Historische Information
Abgleich fehlt
Verkehrslage – Warum nicht (nur) Verkehrsmodelle ?
09.10.2008
7
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Gemessene Reisezeiten (ANPR)Hildesheimer Straße, Hannover
0:01:00
0:02:00
0:03:00
0:04:00
0:05:00
0:06:00
0:07:00
0:08:00
7:45:00 8:00:00 8:15:00 8:30:00 8:45:00
Uhrzeit
Rei
seze
iten
(h
:min
:s)
Verkehrslage Verkehrslage -- Warum nicht (nur) FCD?Warum nicht (nur) FCD?
~ 4000 m
Probleme
� statistische Aussage bei geringer Durchdringung
� für Prognosen sind weitergehende Modelle erforderlich
� Maßnahmernwirkungen können nicht bewertet werden
09.10.2008
8
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
LLöösungsideesungsidee
Verkehrsablauf
Verkehrsmodell
Reisezeiten,Staulängen,Verkehrsbeziehungen
Reisezeiten,Staulängen,Verkehrsbeziehungen
gemesseneVerkehrsstärkenan wenigen Querschnitten
Historische Information
Messwerte aus FCD etc.
Zusatz-information
Abgleich
09.10.2008
9
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Übersicht
� Motivation
� Warum Datenfusion
� Verkehrslageerkennung in Düsseldorf
� Netz, Detektorik
� Kleinräumige Verkehrsmodelle
� Großräumige Verkehrsmodelle
� Datenfusion mit DINO
� Ansatzpunkte für Datenfusion
� Beschreibung ausgewählter Verfahren
� Kalibrierung und Evaluierung
09.10.2008
10
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Verkehrslageerkennung – Netz
DINO - Netz
� Strategisches
Hauptstraßennetz
Düsseldorf
� BAB-Umgriff
� Neersener
Kreuz
� BAB-Lückenschluss
und -Ausweichrouten
innerhalb des Umgriffs
09.10.2008
11
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Verkehrslageerkennung – Detektorik
Stationäre Detektion
� 50 innerstädtische Messquerschnitte
� 500 Autobahn-Messquerschnitte
� 200 OCIT-LSA
� 500 Schleifen an OCIT-LSA
Bewegliche Detektoren
� 1.400 Taxen + 150 Taxen
� Priorisierte Straßenbahnen
� Busse
� FCD von privaten Anbietern (BMW,
ptv)
Gangliniendatenbank
� 6:00 Uhr – 22:00 Uhr (15 min)
� 2002 – 2007
09.10.2008
12
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Kleinräumige Verkehrsmodelle
Rückstauschätzer (TRANSVER, Mück)
� OCIT-LSA
� LSA-Daten + Detektordaten � Schätzung
der Rückstaulänge
� Reisezeit- und Kapazitätsermittlung
� Berechung des LOS mittels relativer
Reisezeit tRel und Auslastungsgrad r
Übergangsbereich BAB ���� Stadt (ptv)
� Warteschlangenmodell nach Kimber/Hollis
� Reisezeit- und Warteschlangenbestimmung
� LOS-Bestimmung in Abhängigkeit von tRel
ÖV-FCD
� Reisezeitauswertung zw. Meldepunkten
� LOS-Bestimmung in Abhängigkeit von tRel
A B C D E
F
r
tRel
a
0,4 0,6 0,8 0,9 1,0
Quelle: Pflichtenheft AP211 (Dmotion)
Auslastung1
x
x=y
y
Sta
ulä
ng
e l
09.10.2008
13
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Großräumige Verkehrsmodelle – FCE
� Kooperation mit Taxi Düsseldorf (1.400 Fz.) und Taxi Rhein-Ruhr (150 Fz.)
� Alle Taxen liefern (Auftragserhalt-,) An- und Abmeldepositionen (TD)
� 150 Taxen liefern Position in festen Intervallen (30 s) (RR)
� Übermittlung der Daten über Betriebsfunk � Keine weitere Infrastruktur notwendig
� Daten sind anonymisiert – kein Rückschluss auf Taxen möglich
� Unterauftrag an Arsenal Research zur Übertragung des FLEET-Systems aus Wien
� Sammlung aller Daten von den Taxizentrale
� Routing (kürzester Weg) zwischen An- und Abmeldedaten zur Ermittlung der Reisezeiten
unter Verwendung der FCD
� Glättung der Reisezeiten durch einen Kalman-Filter
� Ergebnis
� Reisezeiten für die Kanten des gesamten Düsseldorfer Hauptstraßennetzes
� Ganglinien für alle Wochentage sowie für Messen, Ferien- und Feiertage
� Input für Datenfusion und Datenvervollständigung
09.10.2008
14
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Netzweite konsistente Verkehrslageberechnung
� Dynamische Verkehrslagemodellierung mit DINO (TransVer)
Verkehrsumlegung
� Quasi-dynamische Verkehrumlegung 3DAS
(Betrachtung mehrerer kurzer Zeitscheiben)
� Dynamisches Nutzeroptimum (DUE)
Matrixschätzung
� Modifizierter Informationsminimierungs-
algorithmus
Terminierung
� Gutes Ergebnis
� OD-Matrix-Anpassung sehr klein
� Rechenzeit
Großräumige Verkehrsmodelle – DINO
( )'
'
'
' 1
pp a d
a ij dp ij
d p k ij
V p T−= − +
= ⋅∑ ∑)
Finale Berechnung und Ausgabe desflächendeckenden
Verkehrslageberichts
(LOS, tr, ...)
Terminieren?Genauigkeit / # Iter.
Historische Matrix-
Datenbank
Dynamische Daten
Statische Daten
Modifizierter Informationsminimierungs-algorithmus (Basis: van Zuylen)
Verkehrsmatrix
Geschätzter Verkehr
Korrekturfaktoren
Terminieren?Genauigkeit / # Iter.
Dynamische Verkehrsumlegung (de Romph)
Netzwerkinitialisierung
AktualisierenVerkehrsstärke, Reisezeit
Terminieren?Genauigkeit / # Iter.
AON-Umlegung
Ja
Nein
,a r
q t
,a r
q t
a
ij dpAdjazenzmatrix P −
d
ijNachfragematrizenT
d
ij
angepaßte Nach
fragematrizen T
−
09.10.2008
15
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Übersicht
� Motivation
� Warum Datenfusion
� Verkehrslageerkennung in Düsseldorf
� Netz, Detektorik
� Kleinräumige Verkehrsmodelle
� Großräumige Verkehrsmodelle
� Datenfusion mit DINO
� Ansatzpunkte für Datenfusion
� Beschreibung ausgewählter Verfahren
� Kalibrierung und Evaluierung
09.10.2008
16
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Finale Berechnung und Ausgabe desflächendeckenden
Verkehrslageberichts
(LOS, tr, ...)
Terminieren?Genauigkeit / # Iter.
Historische Matrix-
Datenbank
Dynamische Daten
Statische Daten
Modifizierter Informationsminimierungs-algorithmus (Basis: van Zuylen)
Verkehrsmatrix
Geschätzter Verkehr
Korrekturfaktoren
Terminieren?Genauigkeit / # Iter.
Dynamische Verkehrsumlegung (de Romph)
Netzwerkinitialisierung
AktualisierenVerkehrsstärke, Reisezeit
Terminieren?Genauigkeit / # Iter.
AON-Umlegung
Ja
Nein
,a r
q t
,a r
q t
a
ij dpAdjazenzmatrix P −
d
ijNachfragematrizenT
d
ij
angepaßte Nach
fragematrizen T
−
Datenfusion – Ansatzpunkte
Umrechnung in DINO-Daten
Ergebnis-Verschneidung
Erweiterung der Algorithmen
� Ergebnisverschneidung mit anderen
Modellen
� Umrechnungsverfahren (für mod. IM)
� Umkehrfunktion
� Fundamentaldiagramm
� Algorithmenerweiterung (3DAS)
� Einbindung von aktuellen
Freigabezeiten
� Parametereichung
� Bewertung der Umlegung
� Algorithmenentwicklung (mod. IM)
� Klassifizierung nach Reisezeiten
� Klassifizierung nach LOS
Erweiterung der Algorithmen
Ergebnis-Bewertung
09.10.2008
17
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Datenfusion – Ansatzpunkte – Kalibrierung
Kurzfristige Kalibrierung
� OCIT-LSA
� Online Anbindung der OCIT-LSA an die Verkehrsleitzentralen
� u.a. Übermittlung der aktuellen Freigabezeitanteile aller Verkehrsströme
� Verwendung der aktuellen Freigabezeitanteile anstelle von statisch hinterlegten Werten
� Verwendung einer Wochenautomatik
Nachhaltige Kalibrierung des Warteschlangenmodells
� Längerfristige Analyse (Tage, Wochen, Monate) der Warteschlangen
� Abgleich zwischen berechneten und übergebenen Rückstaulängen
� Netzweites Anpassen von Modellparametern
� Realitätsnäheres Auf- und Abbauverhalten der Warteschlangen
� bessere Abschätzung der Warteschlangenlänge
09.10.2008
18
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Datenfusion – Ansatzpunkte – Umlegungsbewertung
Verlagerung der Terminierung
� Primäres Ziel von DINO: Verkehrslageberechnung
� Vergleich der berechneten Daten mit den übergebenen Daten nach Umlegung
möglich
Bewertung der Umlegung
� Einführung einer kantenbasierten Straffunktion
� „Bestrafung“ der Abweichung des berechneten vom übergebenen Wert je Kante
� Aufsummieren der Strafterme und Abgleich mit einem vordefinierten zulässigen
Höchstwert
,
ˆ jy
ij j ij i i i
j i j i
F f c x x= = δ γ −∑ ∑ ∑
ˆ jy
ij j i i if c x x= γ −
09.10.2008
19
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Datenfusion – Ansatzpunkte – Klassifizierung
� Ziel: Ermittlung von qualitativen Korrekturfaktoren aus Reisezeiten für die
Verwendung im modifizierten Informationsminimierungsalgorithmus
� Festlegen einer „typischen Reisezeit“ und Ableitung von Klassen
� Vergleich der „typischen Reisezeit“ mit der übergebenen Reisezeit t
[ , ] /
( ) "0,9"
( ) 1
( ) 1
( ) "1,1"
typ typ typ ber
typ ber typ
typ ber typ
typ ber typ
typ ber typ
t t x t x X q q
t t x q q X
t t x q q X
t t x q q X
t t x q q X
∈ − + ⇒ =
< − ∧ > ⇒ =
< − ∧ < ⇒ =
> + ∧ > ⇒ =
> + ∧ < ⇒ =
( )2
-//
/ 1 2
, [ , ],
= + ⋅− ⋅
< − ∈ − + > +
u Fu Ftyp
u F u
typ typ typ typ
t tt tt L v
t t t
t t x t t x t x t t x
09.10.2008
20
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Übersicht
� Motivation
� Warum Datenfusion
� Verkehrslageerkennung in Düsseldorf
� Netz, Detektorik
� Kleinräumige Verkehrsmodelle
� Großräumige Verkehrsmodelle
� Datenfusion mit DINO
� Ansatzpunkte für Datenfusion
� Beschreibung ausgewählter Verfahren
� Kalibrierung und Evaluierung
09.10.2008
21
Flächendeckende Verkehrslageerkennung mit DatenfusionFlächendeckende Verkehrslageerkennung mit Datenfusion
Kalibrierung und Evaluierung
Kalibrierung
� Konvergenzuntersuchung: Welche Schleife sollte wie oft durchlaufen werden?
� Felduntersuchung zur Datenaufnahme auf zwei verschieden Rundkursen
� 12 Fahrzeuge mit GPS-Trackern
� ANPR-Geräte
� Sensitivitätsanalyse der Kalibrierungsparameter: Kapazität, Geschwindigkeit, krit.
Dichte, …
� Kalibrierung des Modells im Erhebungsraum der Felduntersuchung
� Ableiten von Regeln für das Einstellen der Parameter netzweit
Evaluierung
� Anhand eines neue Datensatzes (Erhebung analog Kalibrierung)
� zusätzlich Begleitung eines vierwöchigen Probebetriebes zusammen mit der Stadt
09.10.2008
22
Vielen Dank für Ihre Aufmerksamkeit!
Das diesem Bericht zugrunde liegende Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Technologie unter dem Förderkennzeichen 19B5005 gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.
www.dmotion.infoDaniel Schmidt
schmidt@ivh.uni-hannover.de
Recommended