DE102021207629A1 - Method for checking a reliability of a model of traffic dynamics at a traffic junction - Google Patents
Method for checking a reliability of a model of traffic dynamics at a traffic junction Download PDFInfo
- Publication number
- DE102021207629A1 DE102021207629A1 DE102021207629.7A DE102021207629A DE102021207629A1 DE 102021207629 A1 DE102021207629 A1 DE 102021207629A1 DE 102021207629 A DE102021207629 A DE 102021207629A DE 102021207629 A1 DE102021207629 A1 DE 102021207629A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic
- convergent
- cells
- transition rules
- state transition
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Ein Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt (1) umfasst die folgenden Verfahrensschritte: Es wird ein den Verkehrsknotenpunkt (1) in Zellen (7) unterteilendes Raster festgelegt. Zustandsübergangsregeln (10) werden unter Berücksichtigung von realen Bewegungsprofilen von Verkehrsteilnehmern (3) am Verkehrsknotenpunkt (1) ermittelt, wodurch die Verkehrsdynamik modelliert wird. Die Zustandsübergangsregeln (10) enthalten Informationen darüber, wie sich Zustände der Zellen (7) in Abhängigkeit von Zuständen benachbarter Zellen (7) in diskreten Zeitschritten entwickeln. Ein Zustand einer Zelle (7) wird jeweils durch eine Anwesenheit oder eine Abwesenheit zumindest eines Verkehrsteilnehmers (3) innerhalb der betreffenden Zelle (7) charakterisiert. Die Zustandsübergangsregeln (10) werden iterativ auf einen Ereignisraum mit einer Mehrzahl von Zellen (7) mit einer vorgebbaren Anfangszustandskonfiguration angewandt, bis eine konvergente Endzustandskonfiguration (13) vorliegt. Auf Basis der konvergenten Endzustandskonfiguration (13) wird eine spektrale Leistungsdichte (14) ermittelt. Ein Zuverlässigkeitsparameter wird auf Basis der spektralen Leistungsdichte (14) ermittelt.A method for checking the reliability of a model of traffic dynamics at a traffic junction (1) comprises the following method steps: A grid dividing the traffic junction (1) into cells (7) is defined. State transition rules (10) are determined taking into account real movement profiles of road users (3) at the traffic junction (1), whereby the traffic dynamics are modeled. The state transition rules (10) contain information about how the states of the cells (7) develop in discrete time steps depending on the states of neighboring cells (7). A state of a cell (7) is characterized by the presence or absence of at least one road user (3) within the relevant cell (7). The state transition rules (10) are applied iteratively to an event space with a plurality of cells (7) with a predeterminable initial state configuration until a convergent final state configuration (13) is present. A power spectral density (14) is determined on the basis of the convergent final state configuration (13). A reliability parameter is determined based on the power spectral density (14).
Description
Die vorliegende Erfindung betrifft ein Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt.The present invention relates to a method for checking a reliability of a model of traffic dynamics at a traffic junction.
Durch die Erhöhung der Sicherheits- und Zuverlässigkeitsanforderungen im Straßenverkehr und durch eine stetige Weiterentwicklung autonomer Kraftfahrzeuge werden zunehmend Methoden zur Modellierung einer Verkehrsdynamik an einem Verkehrsknotenpunkt entwickelt.Due to the increase in safety and reliability requirements in road traffic and the constant further development of autonomous vehicles, methods for modeling traffic dynamics at a traffic junction are increasingly being developed.
Aus dem Stand der Technik ist das Ermitteln von Zuverlässigkeitsparametern (englisch: traffic reliability index) bezüglich Verkehrsknotenpunkten bekannt. Ein Zuverlässigkeitsparameter kann sich auf verschiedene Aspekte der Verkehrsführung beziehen, beispielsweise kann sich ein Zuverlässigkeitsparameter auf eine Konnektivität zwischen Verkehrsknotenpunkten beziehen. Ein Zuverlässigkeitsparameter kann sich auch auf eine Qualität eines Modells einer Verkehrsdynamik beziehen, d.h. angeben, inwiefern eine modellierte Verkehrsdynamik an einem Verkehrsknotenpunkt einer realen Verkehrsdynamik am Verkehrsknotenpunkt entspricht. Ein Zuverlässigkeitsparameter kann ferner eine Metrik repräsentieren, die einen Vergleich von Verkehrsknotenpunkten, an den Verkehrsknotenpunkten herrschenden Verkehrsdynamiken und abstrakten Modellen der Verkehrsdynamiken ermöglicht.The determination of reliability parameters (traffic reliability index) with regard to traffic junctions is known from the prior art. A reliability parameter can relate to various aspects of traffic routing, for example a reliability parameter can relate to connectivity between transport nodes. A reliability parameter can also relate to a quality of a model of traffic dynamics, i.e. indicate to what extent modeled traffic dynamics at a traffic junction correspond to real traffic dynamics at the traffic junction. A reliability parameter can also represent a metric that enables a comparison of traffic junctions, traffic dynamics prevailing at the traffic junctions, and abstract models of the traffic dynamics.
Aus dem Stand der Technik sind zelluläre Automaten bekannt. Zelluläre Automaten liefern nützliche Modelle für viele Untersuchungen in den Bereichen Naturwissenschaften, kombinatorische Mathematik und Informatik. Insbesondere stellen sie eine natürliche Methode dar, um die Entwicklung komplexer physikalischer Systeme zu untersuchen. Sie stellen auch ein allgemeines Paradigma für parallele Berechnungen dar, während beispielsweise Turing-Maschinen typischerweise für serielle Berechnungen geeignet sind.Cellular automata are known from the prior art. Cellular automata provide useful models for many investigations in the fields of natural science, combinatorial mathematics, and computer science. In particular, they represent a natural method to study the evolution of complex physical systems. They also represent a general paradigm for parallel computations, while e.g. Turing machines are typically suited for serial computations.
Eine Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt anzugeben. Diese Aufgabe wird durch ein Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt mit den Merkmalen des unabhängigen Anspruchs gelöst. Vorteilhafte Weiterbildungen sind in den abhängigen Ansprüchen angegeben.An object of the present invention is to specify a method for checking the reliability of a model of traffic dynamics at a traffic junction. This object is achieved by a method for checking the reliability of a model of traffic dynamics at a traffic junction with the features of the independent claim. Advantageous developments are specified in the dependent claims.
Ein Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt umfasst die folgenden Verfahrensschritte: Es wird ein den Verkehrsknotenpunkt in Zellen unterteilendes Raster festgelegt. Zustandsübergangsregeln werden unter Berücksichtigung von realen Bewegungsprofilen von Verkehrsteilnehmern am Verkehrsknotenpunkt ermittelt, wodurch die Verkehrsdynamik modelliert wird. Die Zustandsübergangsregeln enthalten Informationen darüber, wie sich Zustände der Zellen in Abhängigkeit von Zuständen benachbarter Zellen in diskreten Zeitschritten entwickeln. Ein Zustand einer Zelle wird jeweils durch eine Anwesenheit oder eine Abwesenheit zumindest eines Verkehrsteilnehmers innerhalb der betreffenden Zelle charakterisiert. Die Zustandsübergangsregeln werden iterativ auf einen Ereignisraum mit einer Mehrzahl von Zellen mit einer vorgebbaren Anfangszustandskonfiguration angewandt, bis eine konvergente Endzustandskonfiguration vorliegt. Auf Basis der konvergenten Endzustandskonfiguration wird eine spektrale Leistungsdichte ermittelt. Ein Zuverlässigkeitsparameter wird auf Basis der spektralen Leistungsdichte ermittelt.A method for checking the reliability of a model of traffic dynamics at a traffic junction comprises the following method steps: A grid dividing the traffic junction into cells is defined. State transition rules are determined taking into account real movement profiles of road users at the traffic junction, whereby the traffic dynamics are modeled. The state transition rules contain information about how the states of the cells develop in discrete time steps depending on the states of neighboring cells. A state of a cell is characterized in each case by the presence or absence of at least one road user within the relevant cell. The state transition rules are applied iteratively to an event space with a plurality of cells with a predeterminable initial state configuration until a convergent final state configuration is present. A power spectral density is determined on the basis of the convergent final state configuration. A reliability parameter is determined based on the power spectral density.
Die Modellierung der Verkehrsdynamik erfolgt durch Ermitteln der Zustandsübergangsregeln, die die Verkehrsdynamik in diskretisierter Form repräsentieren. Diese Art der Modellierung eines diskretisierten dynamischen Systems wird als zellulärer Automat bezeichnet. Ein zellularer Automat wird definiert durch einen Zellularraum, eine Nachbarschaft, eine Zustandsmenge und eine Überführungsfunktion. Der Zellularraum wird durch das Raster der Zellen festgelegt. Durch eine Nachbarschaftsbeziehung kann festgelegt werden, welche Zellen miteinander wechselwirken sollen, wenn die Zustandsübergangsregeln iterativ angewandt werden. Die Zustandsübergangsregeln repräsentieren dabei die Überführungsfunktion, die für als benachbart geltende Zellen iterativ angewandt wird, bis eine konvergente Endzustandskonfiguration vorliegt. Die Struktur eines zellularen Automaten eignet sich insbesondere zur Realisierung auf einem Computer mit einem hohen Grad an Parallelität. Mit einer geeigneten Architektur kann dadurch bei der Simulation von zellularen Automaten eine Leistung erzielt werden, die mindestens mehrere Größenordnungen höher ist als bei einem herkömmlichen Computer, zu vergleichbaren Kosten.The traffic dynamics are modeled by determining the state transition rules, which represent the traffic dynamics in a discretized form. This way of modeling a discretized dynamical system is called a cellular automaton. A cellular automaton is defined by a cellular space, a neighborhood, a state set, and a mapping function. Cellular space is defined by the grid of cells. A neighborhood relationship can be used to specify which cells should interact with each other when the state transition rules are applied iteratively. The state transition rules represent the transition function, which is applied iteratively for cells considered to be neighboring, until a convergent final state configuration is obtained. The structure of a cellular automaton lends itself particularly well to being implemented on a computer with a high degree of parallelism. With a suitable architecture, this can achieve performance in the simulation of cellular automata that is at least several orders of magnitude higher than that of a conventional computer, at comparable costs.
Das Ermitteln von Zustandsübergangsregeln erfolgt unter Berücksichtigung von realen Bewegungsprofilen von Verkehrsteilnehmern am Verkehrsknotenpunkt. Die Zustandsübergangsregeln stellen dabei eine numerische Approximation einer Lösung einer Differentialgleichung dar, die die Verkehrsdynamik beschreibt. Bei der Differentialgleichung kann es sich beispielsweise um eine fluidmechanische Gleichung handeln, die einen Fluss in porösen Medien beschreibt, beispielsweise eine Navier-Stokes Gleichung. Die Lösung der Differentialgleichung wird im Rahmen des Verfahrens unter Berücksichtigung der realen Bewegungsprofile am Verkehrsknotenpunkt approximiert. Die Zustandsübergangsregeln stellen das Modell der Verkehrsdynamik dar, das dadurch überprüft werden soll, dass der Zuverlässigkeitsparameter ermittelt wird. Der Zuverlässigkeitsparameter repräsentiert eine Metrik für eine Qualität des Modells.State transition rules are determined taking into account real movement profiles of road users at the traffic junction. The state transition rules represent a numerical approximation of a solution to a differential equation that describes the traffic dynamics. The differential equation can be, for example, a fluid-mechanical equation that describes a flow in porous media, for example a Navier-Stokes equation. The differential equation is solved as part of the procedure, taking into account the real motion profiles Interchange approximated. The state transition rules represent the traffic dynamics model to be checked by determining the reliability parameter. The reliability parameter represents a metric for a quality of the model.
Vorteilhafterweise gibt der Zuverlässigkeitsparameter an, ob die Zustandsübergangsregeln ein korrektes Modell der Verkehrsdynamik am Verkehrsknotenpunkt liefern. Sollte dies der Fall sein, so können die Zustandsübergangsregeln beispielsweise im Rahmen einer automatischen Steuerung eines autonomen Kraftfahrzeugs berücksichtigt werden und eine Steuerung beispielsweise durch Prognosen hinsichtlich einer Verkehrsdynamik unterstützen.Advantageously, the reliability parameter indicates whether the state transition rules provide a correct model of the traffic dynamics at the interchange. If this is the case, the state transition rules can be taken into account, for example, as part of an automatic control of an autonomous motor vehicle and support a control, for example, through forecasts with regard to traffic dynamics.
Das Verfahren ermöglicht es vorteilhafterweise, Verkehrsknotenpunkte hinsichtlich ihres jeweiligen Zuverlässigkeitsparameters miteinander zu vergleichen. Dadurch können beispielsweise Gegebenheiten an Verkehrsknotenpunkten identifiziert werden, die eine Modellierung einer Verkehrsdynamik erschweren. Außerdem können dadurch Verkehrsknotenpunkte hinsichtlich eines Verkehrsflusses und/oder hinsichtlich sicherheitsrelevanter Aspekte optimiert werden. Ein weiterer Vorteil besteht darin, dass die Zustandsübergangsregeln universell für verschiedenste Verkehrsknotenpunkte und Verkehrssituationen verwendet werden können, um Verkehrsknotenpunkte hinsichtlich ihrer Verkehrsdynamik miteinander vergleichen zu können. Die Zustandsübergangsregeln können vorteilhafterweise unabhängig von einer Topologie bzw. geometrischen Ausbildung eines Verkehrsknotenpunkts und einer Verkehrssituation gelten und zuverlässige und vergleichbare Resultate liefern.The method advantageously makes it possible to compare traffic junctions with one another in terms of their respective reliability parameters. In this way, for example, conditions at traffic junctions that make modeling traffic dynamics difficult can be identified. In addition, this allows traffic junctions to be optimized with regard to traffic flow and/or with regard to safety-relevant aspects. A further advantage is that the status transition rules can be used universally for a wide variety of traffic junctions and traffic situations in order to be able to compare traffic junctions with one another in terms of their traffic dynamics. The state transition rules can advantageously apply independently of a topology or geometric design of a traffic junction and a traffic situation and can deliver reliable and comparable results.
In einer Ausführungsform werden die realen Bewegungsprofile der Verkehrsteilnehmer am Verkehrsknotenpunkt auf Basis einer Aufnahme des Verkehrsknotenpunkts bestimmt. Vorteilhafterweise beruht diese Ausführungsform auf experimentell ermittelten Daten an realen Verkehrsknotenpunkten und mit realen Verkehrssituationen. Dadurch können Zustandsübergangsregeln ermittelt werden, die die Verkehrsdynamik zuverlässiger beschreiben. Bei der Aufnahme kann es sich beispielsweise um ein Video handeln, das beispielsweise von einer Drohne bereitgestellt werden kann, die mit einer Kamera ausgestattet ist. Hierbei können Langzeitaufnahmen verwendet werden, um eine möglichst große Anzahl von realen Verkehrssituationen und realen Bewegungsprofilen zu berücksichtigen.In one embodiment, the real movement profiles of the road users at the traffic junction are determined on the basis of a recording of the traffic junction. This embodiment is advantageously based on experimentally determined data at real traffic junctions and with real traffic situations. As a result, state transition rules can be determined that describe the traffic dynamics more reliably. The recording can be, for example, a video that can be provided, for example, by a drone that is equipped with a camera. Here, long-term recordings can be used in order to take into account the largest possible number of real traffic situations and real movement profiles.
In einer Ausführungsform erfolgt das Ermitteln der Zustandsübergangsregeln unter Berücksichtigung von am Verkehrsknotenpunkt geltenden Verkehrsregeln. Vorteilhafterweise können dadurch Zustandsübergangsregeln ermittelt werden, die die Verkehrsdynamik zuverlässiger beschreiben. Die Verkehrsregeln können beispielsweise zusätzlich beim Ermitteln der Zustandsübergangsregeln berücksichtigt werden, wenn auf Basis der realen Bewegungsprofile keine Zustandsübergangsregeln ermittelt werden können, die bei iterativer Anwendung eine konvergente Endzustandskonfiguration liefern.In one embodiment, the state transition rules are determined taking into account the traffic rules that apply at the traffic node. Advantageously, state transition rules that describe the traffic dynamics more reliably can be determined as a result. The traffic rules can, for example, also be taken into account when determining the state transition rules if no state transition rules can be determined on the basis of the real movement profiles, which provide a convergent final state configuration when used iteratively.
In einer Ausführungsform liegt eine konvergente Endzustandskonfiguration vor, wenn für jede Zelle des Ereignisraums eine Zustandsänderung zwischen zwei aufeinanderfolgenden Iterationsschritten kleiner ist als ein vorgebbarer Schwellwert. In einer Ausführungsform werden, wenn das iterative Anwenden der Zustandsübergangsregeln keine konvergente Endzustandskonfiguration liefert, die Zustandsübergangsregeln derart angepasst, dass eine konvergente Endzustandskonfiguration vorliegt. Auf Basis einer divergenten Endzustandskonfiguration kann kein Zuverlässigkeitsparameter ermittelt werden.In one embodiment, there is a convergent final state configuration if a state change between two successive iteration steps is smaller than a predefinable threshold value for each cell of the event space. In one embodiment, if iteratively applying the state transition rules does not yield a convergent final state configuration, the state transition rules are adjusted such that there is a convergent final state configuration. No reliability parameter can be determined on the basis of a divergent final state configuration.
In einer Ausführungsform wird das iterative Anwenden der Zustandsübergangsregeln auf den Ereignisraum für eine Mehrzahl von Anfangszustandskonfigurationen durchgeführt. Dadurch wird eine Mehrzahl von konvergenten Endzustandskonfigurationen erzeugt. Auf Basis der konvergenten Endzustandskonfigurationen wird eine spektrale Leistungsdichte ermittelt. Auf Basis der spektralen Leistungsdichte wird ein Zuverlässigkeitsparameter ermittelt. Es können beispielsweise insgesamt mehrere hundert Anfangszustandskonfigurationen verwendet werden. Die Anzahl der verwendeten Anfangszustandskonfigurationen kann jedoch beliebig sein. Hierbei muss nicht für jede Anfangszustandskonfiguration nach der Iteration eine konvergente Endzustandskonfiguration vorliegen. Divergente Endzustandskonfigurationen sollten zweckmäßigerweise verworfen werden. Vorteilhafterweise ermöglicht es das Verwenden einer Mehrzahl von Anfangszustandskonfigurationen, statistische Daten hinsichtlich eines Verkehrsknotenpunkts oder einer Mehrzahl von Verkehrsknotenpunkten zu erheben.In one embodiment, iteratively applying the state transition rules to the event space is performed for a plurality of initial state configurations. This creates a plurality of convergent final state configurations. A spectral power density is determined on the basis of the convergent final state configurations. A reliability parameter is determined on the basis of the spectral power density. For example, a total of several hundred initial state configurations can be used. However, the number of initial state configurations used can be arbitrary. In this case, a convergent final state configuration does not have to be present for every initial state configuration after the iteration. Conveniently, divergent final state configurations should be discarded. Advantageously, using a plurality of initial state configurations makes it possible to collect statistical data regarding an interchange or a plurality of interchanges.
In einer Ausführungsform erfolgt das Ermitteln der spektralen Leistungsdichte mittels einer Wavelet-Transformation der konvergenten Endzustandskonfiguration. Vorteilhafterweise ermöglicht es eine Wavelet-Transformation voneinander verschiedener konvergenter Endzustandskonfigurationen, dass spektrale Leistungsdichten ermittelt werden können, auf deren Basis eine geeignete Metrik für den Zuverlässigkeitsparameter bestimmt werden kann, die unterschiedliche Ergebnisse für unterschiedliche Verkehrssituationen und/oder unterschiedliche Verkehrsknotenpunkte liefert. Dadurch können verschiedene Verkehrssituationen und/oder verschiedene Verkehrsknotenpunkte miteinander verglichen werden. Eine Fourier-Transformation einer konvergenten Endzustandskonfiguration kann dies beispielsweise nicht notwendigerweise gewährleisten.In one embodiment, the spectral power density is determined by means of a wavelet transformation of the convergent final state configuration. Advantageously, a wavelet transformation of mutually different convergent final state configurations enables power spectral densities to be determined, on the basis of which a suitable metric for the reliability parameter can be determined, which supplies different results for different traffic situations and/or different traffic junctions. This allows different traffic situations and / or different traffic junctions can be compared with each other. A Fourier transform of a convergent final state configuration, for example, cannot necessarily guarantee this.
In einer Ausführungsform wird für jede Zelle jeweils eine Nachbarschaftsbeziehung festgelegt. Vorteilhafterweise können dadurch Zellen, die als Nachbarzellen gelten, d.h. im Rahmen der Iteration der Zustandsübergangsregeln miteinander wechselwirken, lokal definiert werden, wodurch die Verkehrsdynamik besser approximiert werden kann.In one embodiment, a neighborhood relationship is defined for each cell. Advantageously, this allows cells that are considered neighboring cells, i.e. interact with one another within the iteration of the state transition rules, to be defined locally, as a result of which the traffic dynamics can be better approximated.
In einer Ausführungsform wird für jeden diskreten Zeitschritt eine Nachbarschaftsbeziehung festgelegt. Vorteilhafterweise wird dadurch für jeden diskreten Zeitschritt festgelegt, welche Zellen als Nachbarn gelten sollen. Dadurch kann das Modell der Verkehrsdynamik präziser sein.In one embodiment, a neighborhood relationship is established for each discrete time step. This advantageously defines for each discrete time step which cells are to be considered neighbors. This allows the traffic dynamics model to be more accurate.
Ein Computerprogrammprodukt umfasst Befehle, die bei ihrer Ausführung einen Computer dazu veranlassen, ein Verfahren gemäß einem der Ausführungsformen durchzuführen. Das Computerprogrammprodukt kann beispielsweise auf einem maschinenlesbaren Speichermedium gespeichert sein.A computer program product includes instructions which, when executed, cause a computer to carry out a method according to one of the embodiments. The computer program product can be stored on a machine-readable storage medium, for example.
Die oben beschriebenen Merkmale und Vorteile dieser Erfindung werden klarer und verständlicher im Zusammenhang mit der folgenden Beschreibung der Ausführungsbeispiele, die im Zusammenhang mit den schematischen Zeichnungen näher erläutert werden. Es zeigen:
-
1 : eine Aufnahme eines Verkehrsknotenpunkts; -
2 : eine Unterteilung der Aufnahme der1 in Zellen mit einer zwischen den Zellen geltenden Nachbarschaftsbeziehung; -
3 : eine Nachschlagetabelle mit Zustandsübergangsregeln, die eine zeitliche Entwicklung von Zuständen der Zellen charakterisieren; -
4 : eine konvergente Endzustandskonfiguration nach einer Mehrzahl von Iterationsschritten der Zustandsübergangsregeln; und -
5 : eine spektrale Leistungsdichte der konvergenten Endzustandskonfiguration.
-
1 : a photograph of an interchange; -
2 : a subdivision of the recording of the1 in cells with an inter-cell adjacency relationship; -
3 : a look-up table with state transition rules characterizing a temporal evolution of states of the cells; -
4 : a convergent final state configuration after a plurality of iteration steps of the state transition rules; and -
5 : a power spectral density of the convergent final state configuration.
Der Verkehrsknotenpunkt 1 ist beispielhaft als Kreuzung zweier Straßen 4 ausgebildet. Ebenso beispielhaft weist der Verkehrsknotenpunkt 1 Gehsteige 5 auf, die seitlich der Straßen 4 angeordnet sind. Der Verkehrsknotenpunkt 1 kann beispielsweise auch Lichtsignalanlagen und/oder Schilder zum Regulieren eines Verkehrsflusses am Verkehrsknotenpunkt 1, umfassen. Diese sind in
Die Aufnahme 2 des Verkehrsknotenpunkts 1 kann beispielsweise von einer Drohne mit einer Kamera bereitgestellt werden. Alternativ kann die Aufnahme 2 auch dadurch bereitgestellt werden, dass Bilder einer Mehrzahl von Kameras miteinander kombiniert werden, um ein virtuelles Gesamtbild zu erzeugen, das den Verkehrsknotenpunkt 1 in der Draufsicht zeigt. Die Kameras können beispielsweise Bestandteil von autonomen Kraftfahrzeugen sein, die an der Verkehrssituation beteiligt sind. Bilder und/oder Videos der Kameras können dabei beispielsweise unter den Verkehrsteilnehmern 3 ausgetauscht werden, um die Aufnahme 2 zu erzeugen. Es kann jedoch auch genügen, wenn die Aufnahme 2 als Bild einer einzigen Kamera, beispielsweise einer Kamera eines Verkehrsteilnehmers oder einer fest am Verkehrsknotenpunkt 1 angeordneten Kamera, bereitgestellt wird. Als Aufnahme 2 kann alternativ auch ein Radar- oder ein Lidar-Bild bereitgestellt werden, wobei die entsprechenden Erfassungssysteme zum beispielsweise Bestandteil autonomer Kraftfahrzeuge sein können.The
Die Aufnahme 2 kann zusätzliche Informationen darüber enthalten, in welche Richtung sich die Verkehrsteilnehmer 3 bewegen und/oder bewegen werden. Diese Informationen können beispielsweise Bewegungsvektoren 6 umfassen. Bewegungsvektoren 6 können beispielsweise unter den Verkehrsteilnehmern 3 ausgetauscht werden. Alternativ können Bewegungsvektoren 6 beispielsweise anhand von Radar- und/oder Lidar-Messungen bestimmt werden. Alternativ oder zusätzlich können Blinksignale der Verkehrsteilnehmer 3 zum Ermitteln von Bewegungsvektoren 6 verwendet werden.The
Der Verkehrsknotenpunkt 1 bzw. die Aufnahme 2 des Verkehrsknotenpunkts 1 wurde beispielhaft in insgesamt sechsunddreißig quadratische Zellen 7 unterteilt. Die Anzahl der Zellen 7 kann jedoch beliebig sein und die Zellen 7 können auch anders, beispielsweise rechteckig, ausgebildet sein. Die Zellen 7 der
In einem weiteren Verfahrensschritt werden Zustandsübergangsregeln 10 unter Berücksichtigung von realen Bewegungsprofilen der Verkehrsteilnehmer 3 am Verkehrsknotenpunkt 1 ermittelt. Die Zustandsübergangsregeln 10 enthalten Informationen darüber, wie sich Zustände der Zellen 7 in Abhängigkeit von Zuständen benachbarter Zellen 7 in diskreten Zeitschritten entwickeln. Ein Zustand einer Zelle 7 wird jeweils durch eine Anwesenheit oder eine Abwesenheit zumindest eines Verkehrsteilnehmers 3 innerhalb der betreffenden Zelle 7 charakterisiert. Damit der zumindest eine Verkehrsteilnehmer 3 als in einer Zelle 7 anwesend gilt, muss der Verkehrsteilnehmer 3 nicht notwendigerweise vollständig innerhalb einer Zelle 7 abgeordnet sein, es genügt, wenn der Verkehrsteilnehmer 3 zumindest abschnittsweise innerhalb einer Zelle 7 angeordnet ist. Bei einer derartigen Charakterisierung bietet sich ein binäres System an. Im Folgenden wird ein Zustand einer Zelle 7, innerhalb derer ein Verkehrsteilnehmer 3 angeordnet ist, mit einer „1“ charakterisiert, während ein Zustand einer Zelle 7, innerhalb derer kein Verkehrsteilnehmer 3 angeordnet ist, mit einer „0“ charakterisiert wird. Die Zustände der Zellen 7 werden auf Basis der in der Aufnahme 2 gezeigten Verkehrssituation charakterisiert.In a further method step, state transition rules 10 are determined taking into account real movement profiles of
Um die Zustandsübergangsregeln 10 zu ermitteln muss zunächst eine Nachbarschaftsbeziehung zwischen den Zellen 7 festgelegt werden. Durch das Festlegen der Nachbarschaftsbeziehung 10 wird festgelegt, welche Zellen 7 bei iterativer Anwendung der Zustandsübergangsregeln 10 als miteinander in Wechselwirkung stehend gelten sollen. Eine Nachbarschaftsbeziehung kann für alle Zellen 7 gemeinsam oder für jede Zelle 7 separat festgelegt werden. Alternativ oder zusätzlich kann für jeden diskreten Zeitschritt eine Nachbarschaftsbeziehung festgelegt werden.In order to determine the state transition rules 10, a neighborhood relationship between the
Beispielsweise zeigt
Für die in
Die realen Bewegungsprofile der Verkehrsteilnehmer 3 am Verkehrsknotenpunkt 1 können beispielsweise auf Basis der Aufnahme 2 des Verkehrsknotenpunkts 1 ermittelt werden, d.h. beispielsweise auf Grundlage zumindest einer realen Verkehrssituationen. Hierzu kann beispielsweise ein Tracking-Algorithmus verwendet werden, um reale Bewegungstrajektorien von Verkehrsteilnehmern 3 zu bestimmen. Je mehr reale Bewegungsprofile beim Ermitteln der Zustandsübergangsregeln 10 berücksichtigt werden, desto präziser kann die Approximation der Verkehrsdynamik durch die Zustandsübergangsregeln 10 sein. Beispielsweise können mehrere tausend Verkehrssituationen mit einer beliebigen Mehrzahl von Bewegungsprofilen von Verkehrsteilnehmern 3 berücksichtigt werden. Das Ermitteln der Zustandsübergangsregeln 10 kann alternativ oder zusätzlich unter Berücksichtigung von am Verkehrsknotenpunkt 1 geltenden Verkehrsregeln erfolgen, d.h. beispielsweise unter Berücksichtigung der Straßenverkehrsordnung. Das Berücksichtigen von Verkehrsegeln ist jedoch nicht zwingend erforderlich.The real movement profiles of the
Die Zustandsübergangsregeln 10 können beispielsweise in Form einer Nachschlagetabelle vorliegen. Anhand der Nachschlagetabelle kann für jede Basiszelle C bei jedem Iterationsschritt ein neuer Zustand der Basiszelle C erzeugt werden. Eine solche Nachschlagetabelle 10 der Zustandsübergangsregeln ist in
Die Nachschlagetabelle 10 enthält erste Spalten 11 und zweite Spalten 12. In den ersten Spalten 11 sind jeweils verschiedene Kombinationsmöglichkeiten der Zustände einer Basiszelle Cn, wobei der Index n einen n-ten Iterationsschritt angibt, und den benachbarten Zellen N, E, S, W gezeigt. In den zweiten Spalten 12 sind jeweils im Rahmen eines nachfolgenden Iterationsschritts n+1 zu erzeugende Zustände der Basiszelle Cn+i gezeigt. Für den in
Im Rahmen des Verfahrens werden die Zustandsübergangsregeln 10 auf einen Ereignisraum mit einer Mehrzahl von Zellen 7 mit einer vorgebbaren Anfangszustandskonfiguration iterativ angewandt, bis eine konvergente Endzustandskonfiguration 13 vorliegt. Die Anfangszustandskonfiguration der Zellen 7 kann beliebig gewählt werden. Die Zustände der Zellen 7 des Ereignisraums werden entsprechend den Zuständen der Zellen 7 des Rasters charakterisiert. Die Anzahl der Zellen 7 des Ereignisraums muss nicht notwendigerweise mit der Anzahl der Zellen 7 des den Verkehrsknotenpunkt 1 unterteilenden Rasters entsprechen. Es ist jedoch möglich, dass lediglich ein Teil der Zellen 7 des Ereignisraums im Rahmen der Iteration verwendet wird, beispielsweise jener Teil der Zellen 7, der den Verkehrsknotenpunkt 1 hinsichtlich seiner Beschaffenheit abbildet bzw. repräsentiert.As part of the method, the state transition rules 10 are applied iteratively to an event space with a plurality of
Wenn das iterative Anwenden der Zustandsübergangsregeln 10 keine konvergente Endzustandskonfiguration 13 liefert, können die Zustandsübergangsregeln 10 derart angepasst werden, dass eine konvergente Endzustandskonfiguration 13 vorliegt. Dies kann beispielsweise dadurch erfolgen, dass eine bessere Approximation einer Lösung einer Differentialgleichung, die die Verkehrsdynamik beschreibt, gefunden wird, auf Basis derer die Zustandsübergangsregeln 10 angepasst werden können. Das Anpassen der Zustandsübergangsregeln kann alternativ oder zusätzlich auch beispielsweise auf Basis einer am Verkehrsknotenpunkt 1 geltenden Straßenverkehrsordnung erfolgen.If the iterative application of the state transition rules 10 does not yield a convergent
Vor dem Ermitteln der spektralen Leistungsdichte 14 kann eine Normalisierung der konvergenten Endzustandskonfiguration 13 erfolgen. In diesem Fall wird für jede Zelle 7 des Ereignisraums eine Anzahl n bestimmt, die angibt, wie oft eine Zelle 7 jeweils den Zustand mit Wert „1“ angenommen hat, bis die konvergente Endzustandskonfiguration 13 erreicht ist. Diese kann für eine Zelle 7 an einer ersten Position im Ereignisraum beispielsweise „17“ betragen und für eine Zelle 7 an einer zweiten Position im Ereignisraum kann die Anzahl n beispielsweise den Wert „0“. Es wird dann über alle Zellen 7 aufsummiert um eine Gesamtanzahl N zu erhalten, die angibt, wie oft alle Zellen 7 des Ereignisraums den Zustand mit Wert „1“ angenommen haben, bis die konvergente Endzustandskonfiguration 13 erreicht wurde. Die Gesamtanzahl N kann beispielsweise 3489 betragen. Die Normalisierung einer Zelle 7 erfolgt durch Bildung des Quotienten n/N. Dadurch können die Zellen 7 des Ereignisraums auch Werte zwischen „0“ und „1“ annehmen. In
In einem weiteren Verfahrensschritt wird eine spektralen Leistungsdichte 14 auf Basis der konvergenten Endzustandskonfiguration 13 ermittelt. Das Ermitteln der spektralen Leistungsdichte 14 kann beispielsweise mittels einer Wavelet-Transformation der konvergenten Endzustandskonfiguration 13 erfolgen. Dabei wird ein Bild der konvergenten Endzustandskonfiguration 13, wie es in
Für die spektrale Leistungsdichte f kann folgender beispielhafter Ansatz gewählt werden:
Hierbei ist Ψ ein quadratintegrables Wavelet mit ψi,k(X) = ψ(a0 j x-k), wobei ao und k jeweils eine positive ganze Zahl ungleich Null sind, j eine ganze Zahl ist und cj,k Koeffizienten. Für die Wavelet-Transformation bzw. für die spektrale Leistungsdichte eines Signals s gilt:
Das Wavelet kann beispielsweise aus einer B-Spline Funktion erzeugt werden, wobei an positiven ganzen Zahlen interpoliert wird:
Hierbei ist Γ die Gamma-Funktion und Δ+a ein fraktaler Differentialoperator mit einer fraktalen Dimension von a > ½, um eine Quadratintegrabilität zu gewährleisten. Ferner gilt x+β = xα für alle x ≥ 0.Here Γ is the gamma function and Δ+ a is a fractal differential operator with fractal dimension a > ½ to ensure square integrability. Furthermore, x+ β = x α for all x ≥ 0.
Eine Symmetrisierung ergibt dann für das Wavelet:
Beispielsweise kann der Zuverlässigkeitsparameter auf Basis einer Regressionsgeraden 17 ermittelt werden. Beispielsweise kann der Zuverlässigkeitsparameter durch 1+tan α gegeben sein, wobei α ein Winkel ist, der von der Regressionsgeraden 17 und der Abszisse 15 eingeschlossen wird. Je größer der Wert dieses Zuverlässigkeitsparameters ist, desto besser wird eine Verkehrsdynamik durch die Zustandsübergangsregeln modelliert.For example, the reliability parameter can be determined on the basis of a
Es ist auch möglich, dass die fraktale Dimension a des an die spektrale Leistungsdichte 14 angenäherten Wavelets verwendet wird, um den Zuverlässigkeitsparameter zu ermitteln. Alternativ oder zusätzlich kann die spektrale Leistungsdichte 14 auch mittels der Methode der kleinsten Fehlerquadrate approximiert werden. Dies ist in
Das iterative Anwenden der Zustandsübergangsregeln 10 auf den Ereignisraum kann für eine Mehrzahl von Anfangszustandskonfigurationen durchgeführt werden. Dadurch wird eine Mehrzahl von konvergenten Endzustandskonfigurationen 13 erzeugt. Auf Basis der konvergenten Endzustandskonfigurationen 13 kann die spektrale Leistungsdichte 14 ermittelt werden. Dabei kann für jede Zelle 7des Ereignisraums eine Anzahl bestimmt werden, die angibt, wie oft eine Zelle 7 den Zustand mit Wert „1“ angenommen hat, wobei über alle konvergenten Endzustandskonfigurationen 13 aufsummiert wird. Optional kann eine Normalisierung in Bezug auf eine Gesamtanzahl, die angibt, wie oft alle Zellen 7 des Ereignisraums den Zustand mit Wert „1“ angenommen haben, erfolgen, wobei über alle konvergenten Endzustandskonfigurationen 13 aufsummiert wird. Alternativ kann für jede konvergente und gegebenenfalls normalisierte Endzustandskonfiguration 13 jeweils eine spektrale Leistungsdichte 14 ermittelt werden. Für jede spektrale Leistungsdichte 14 kann jeweils ein Zuverlässigkeitsparameter ermittelt werden. Auf diese Weise können statistische Daten zum Verkehrsknotenpunkt 1 erhoben werden.Iteratively applying the state transition rules 10 to the event space can be performed for a variety of initial state configurations. As a result, a plurality of convergent
Claims (11)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021207629.7A DE102021207629A1 (en) | 2021-07-16 | 2021-07-16 | Method for checking a reliability of a model of traffic dynamics at a traffic junction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021207629.7A DE102021207629A1 (en) | 2021-07-16 | 2021-07-16 | Method for checking a reliability of a model of traffic dynamics at a traffic junction |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021207629A1 true DE102021207629A1 (en) | 2023-01-19 |
Family
ID=84546792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021207629.7A Pending DE102021207629A1 (en) | 2021-07-16 | 2021-07-16 | Method for checking a reliability of a model of traffic dynamics at a traffic junction |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102021207629A1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004042624A1 (en) | 2004-09-01 | 2006-03-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Traffic analysis method, especially for analyzing road traffic, involves repeated imaging of the same traffic area and then analysis of the situation using traffic parameters whose values vary with changing traffic conditions |
US20080252433A1 (en) | 2005-09-09 | 2008-10-16 | Institut National De La Recherche En Informatique Et En Automatique | Vehicle Driving Aid and Method and Improved Related Device |
DE102008063452A1 (en) | 2008-12-17 | 2010-07-15 | Siemens Aktiengesellschaft | Method for improving the simulation of object streams by means of brake classes |
WO2020072667A1 (en) | 2018-10-04 | 2020-04-09 | Zoox, Inc. | Trajectory prediction on top-down scenes |
DE102018219773B4 (en) | 2018-11-19 | 2021-08-12 | Audi Ag | Method for mapping a local distribution of events of a predetermined event type in a predetermined surrounding area of a motor vehicle and a control device and motor vehicle designed for this purpose |
-
2021
- 2021-07-16 DE DE102021207629.7A patent/DE102021207629A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004042624A1 (en) | 2004-09-01 | 2006-03-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Traffic analysis method, especially for analyzing road traffic, involves repeated imaging of the same traffic area and then analysis of the situation using traffic parameters whose values vary with changing traffic conditions |
US20080252433A1 (en) | 2005-09-09 | 2008-10-16 | Institut National De La Recherche En Informatique Et En Automatique | Vehicle Driving Aid and Method and Improved Related Device |
DE102008063452A1 (en) | 2008-12-17 | 2010-07-15 | Siemens Aktiengesellschaft | Method for improving the simulation of object streams by means of brake classes |
WO2020072667A1 (en) | 2018-10-04 | 2020-04-09 | Zoox, Inc. | Trajectory prediction on top-down scenes |
DE102018219773B4 (en) | 2018-11-19 | 2021-08-12 | Audi Ag | Method for mapping a local distribution of events of a predetermined event type in a predetermined surrounding area of a motor vehicle and a control device and motor vehicle designed for this purpose |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2000010119A1 (en) | Method for recognizing objects in digitized images | |
DE102019102484A1 (en) | Processing of three-dimensional image data sets | |
DE102019103503A1 (en) | Error reduction in images that were generated with charged particles using machine learning-based methods | |
WO2019229151A2 (en) | Method for scanning partial regions of a sample by means of a scanning microscope, computer program product, computer-readable medium and system for scanning partial regions of a sample by means of a scanning microscope | |
DE19928231C2 (en) | Method and device for segmenting a point distribution | |
DE102021207613A1 (en) | Process for quality assurance of a system | |
DE102021207629A1 (en) | Method for checking a reliability of a model of traffic dynamics at a traffic junction | |
DE10023377C2 (en) | Method for increasing the performance of a computer device in finite element simulations and such a computer device | |
DE102016124123A1 (en) | A method for generating a cluster of image areas for capturing a target object in an image, computer program product, camera system and motor vehicle | |
DE102006038303B4 (en) | Method and device for determining the coordinates of reference points | |
DE60206927T2 (en) | METHOD FOR PROCESSING NUMERICAL PICTURES, IN PARTICULAR SATELLITE IMAGES | |
DE102021201523A1 (en) | Method for characterizing an interchange | |
DE102019217951A1 (en) | Method and apparatus for determining a domain distance between at least two data domains | |
EP3853816A1 (en) | Computer-implemented method for compressing measurement data from a measurement of a measurement volume | |
DE102018111972A1 (en) | Method for determining registration errors on a photomask for semiconductor lithography | |
DE102016124074A1 (en) | Determining a trafficability of a road section based on an image | |
DE102022200106A1 (en) | Selection of test scenarios for testing components of a driver assistance function | |
WO2024132592A1 (en) | Method and device for generating anomaly maps of production objects | |
EP1480184A2 (en) | Method for detecting road traffic characteristics at access points | |
DE102019217263A1 (en) | Method for determining a quality of geographic data | |
DE102021124680A1 (en) | Method for detection of road boundaries by a detection device of a vehicle, detection device and vehicle | |
DE102020213238A1 (en) | GENERATION OF SIMPLIFIED COMPUTER-IMPLEMENTED NEURAL NETWORKS | |
WO2024120687A1 (en) | Method for processing image data for the application of a machine learning model | |
DE202021103700U1 (en) | Device for generating an artificial neural network | |
DE102022206860A1 (en) | Method for determining at least one camera parameter for calibrating a camera and camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |