Flächendeckende Verkehrslage- erkennung mit …ivh.ivs.bau.tu-bs.de/peb/de/Mitarbeiter/schmidt-Dateien/... · 2008-11-06 · 1 Flächendeckende Verkehrslage-erkennung mit Datenfusion

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


Motivation – Information

09.10.2008

4


Motivation – Management

09.10.2008

5


Übersicht

� Motivation










09.10.2008

6


=> Problem

Verkehrsablauf

Verkehrsmodell

Reisezeiten,Staulängen,Verkehrsbeziehungen


gemesseneVerkehrsstärkenan wenigen Querschnitten

Historische Information

Abgleich fehlt

Verkehrslage – Warum nicht (nur) Verkehrsmodelle ?

09.10.2008

7


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


LLöösungsideesungsidee

Verkehrsablauf

Verkehrsmodell



gemesseneVerkehrsstärkenan wenigen Querschnitten

Historische Information

Messwerte aus FCD etc.

Zusatz-information

Abgleich

09.10.2008

9


Übersicht

� Motivation










09.10.2008

10


Verkehrslageerkennung – Netz

DINO - Netz

� Strategisches

Hauptstraßennetz

Düsseldorf

� BAB-Umgriff

� Neersener

Kreuz

� BAB-Lückenschluss

und -Ausweichrouten

innerhalb des Umgriffs

09.10.2008

11


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


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


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


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


Dynamische Verkehrsumlegung (de Romph)

Netzwerkinitialisierung

AktualisierenVerkehrsstärke, Reisezeit


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


Übersicht

� Motivation










09.10.2008

16


Finale Berechnung und Ausgabe desflächendeckenden

Verkehrslageberichts

(LOS, tr, ...)


Historische Matrix-

Datenbank

Dynamische Daten

Statische Daten

Modifizierter Informationsminimierungs-algorithmus (Basis: van Zuylen)

Verkehrsmatrix

Geschätzter Verkehr

Korrekturfaktoren


Dynamische Verkehrsumlegung (de Romph)

Netzwerkinitialisierung

AktualisierenVerkehrsstärke, Reisezeit


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


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


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


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


Übersicht

� Motivation










09.10.2008

21


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

[email protected]

Documents

Flächendeckende Verkehrslage- erkennung mit …ivh.ivs.bau.tu-bs.de/peb/de/Mitarbeiter/schmidt-Dateien/... · 2008-11-06 · 1 Flächendeckende Verkehrslage-erkennung mit Datenfusion