DE69329119T2

DE69329119T2 - Vorhersageverfahren für strassenverkehrparameter

Info

Publication number: DE69329119T2
Application number: DE69329119T
Authority: DE
Inventors: Kjell Olsson
Original assignee: Individual
Current assignee: Individual
Priority date: 1992-11-19
Filing date: 1993-11-11
Publication date: 2001-03-15
Anticipated expiration: 2013-11-12
Also published as: SE9203474D0; DE69329119D1; EP0670066A1; WO1994011839A1; JPH08503317A; US5822712A; SE9203474L; EP0670066B1; SE470367B

Description

Die Erfindung bezieht sich auf ein Verfahren zum Bestimmen des Zustandes von Fahrzeugverkehr entlang Verkehrsrouten und Straßennetzen. Das Verfahren kann auch verwendet werden zur Vorhersage von Verkehrszuständen mit Hilfe der zuletzt erhaltenen Meßdaten und von früher gemessenen Werten. Vorhersage ist wichtig, da sie Bedingungen schafft, die es ermöglichen, geeignete Maßnahmen und Prozeduren anzuwenden und den Verkehr so zu steuern, daß drohende Verkehrsprobleme vermieden werden. Vorhersage ist ferner wichtig unter dem Aspekt der Fahrzeug- oder Transportsteuerung, wobei die Routenplanung und die Auswahl der besten Straßen zu einer jeweiligen Zeit vorzugsweise in Bezug auf zukünftige Verkehrssituationen durchgeführt werden, wenn sich die betroffenen Fahrzeuge auf jeweiligen Straßenabschnitten befinden.
Auch das Auftreten von Unfällen und Ereignissen kann einen großen Einfluß auf den vorherrschenden Verkehr haben, und eine Vorhersage einer Änderung des Verkehrsflusses schafft eine Basis für die Entscheidung darüber, welche Steuerungsmaßnahmen ergriffen werden sollen, zum Beispiel durch das Aussenden von Informationen über Radio oder über das Medium von veränderbaren Verkehrszeichen.
Verschiedene Methoden zur Bestimmung von Verkehrsflüssen sind im Stand der Technik bekannt. Die auf der OD-Matrix beruhenden Methoden sind lange Zeit verwendet worden, um Verkehrsflüsse unter verschiedenen Umständen und in einer langfristigen Zukunftsperspektive zu berechnen. Diese Me thoden werden zum Beispiel benutzt bei Stadtplanungsprojekten, Straßenplanung, usw., und die Zukunftsperspektive kann sich auf mehrere Jahre beziehen.
OD steht für Origin Destination (Ausgangsort, Zielort) und eine OD Matrix, die beschreibt, wieviele Fahrzeuge von einem Ausgangsort O zu einem Zielort D pro Zeiteinheit fahren, und welche Routen von diesen Fahrzeugen benutzt werden, kann aufgestellt werden durch Verwendung der Kenntnis der Wohnbereiche, Arbeitsstätten, Verkehrsgewohnheiten usw. und durch Messen der Verkehrsflüsse.
Die als Grundlage für OD Matrizen benötigte Information ist schwierig zu beschaffen. Beispielsweise wird das Verfahren benutzt, um die Durchschnittswerte über den Zeitraum von einem Jahr zu erzeugen, und die Genauigkeit kann sukzessive verbessert werden durch Kalibrieren der zugeordneten Werte im Hinblick auf die momentan gemessenen Werte.
Diejenigen Vorhersagen, mit denen sich die vorliegende Erfindung beschäftigt, sind Vorhersagen, die viel kürzere Zeitabschnitte abdecken, zum Beispiel Zeitabschnitte von ein bis drei Minuten bis zur nächsten vollen Stunde, und mit sukzessive geringerer Genauigkeit für den nächsten Tag. Typische historische Verkehrskurven, die modifiziert werden bezüglich bekannter Behinderungen, Störungen, Straßenarbeiten usw. werden im Fall von Zeitabschnitten, die länger als ein Kalendertag sind, benutzt. Das natürliche Verhalten des Verkehrs ist derart, daß die beste Methode der Verkehrsvorhersage über eine längere Zeitperspektive darin besteht, anzunehmen, daß die Verkehrslage so sein wird, wie sie dies üblicherweise zu der betreffenden Tageszeit, an dem betreffenden Wochentag, zu der betreffenden Jahreszeit usw., ist. Zu diesem Zweck ist es wichtig, viele Messungen durchzuführen und einschlägige Durchschnittswerte für den Verkehr auf den Straßennetzstrecken für unterschiedliche Zeiträume zu speichern. Eine solche Datenbank kann auch in geeigneter Weise zusammen mit der vorliegenden Erfindung benutzt werden.
Die Verwendung von OD Matrizen ist auch für kurzfristige Perspektiven, wie sie für die vorliegende Erfindung in Frage kommen, diskutiert worden. Dies ist mit einer Anzahl von Problemen belastet. Ein erheblicher Arbeitsaufwand gehört dazu, verschiedene OD Matrizen für jede Kurzzeitperiode eines Tages zu definieren. Gegenwärtig gibt es keine vernünftige Test- oder Meßmethode, die die Ausgangsorte der Fahrzeuge, die Zielorte der Fahrzeuge und die von den Fahrzeugen befahrenen Routen erfaßt. Es wurden Methoden diskutiert, die es ermöglichen, die Fahrten von einzelnen Fahrzeugen von O nach D zu identifizieren und zu verfolgen. Auch wurde ein Verkehrskontrollsystem vorgeschlagen, bei dem alle Fahrzeuge ihren Start, ihr Ziel und auch ihre sukzessiven jeweiligen Positionen während der Fahrt an eine Zentrale melden.
Bei der Durchführung der vorliegenden Erfindung können heute verfügbare Meßsensoren verwendet werden. Ein weiteres fundamentales Prinzip der Erfindung besteht darin, daß die verwendeten Parameterwerte ständig an die laufenden Meßwerte angepaßt werden, so daß das System automatisch danach strebt, seine Genauigkeit zu verbessern und sich sukzessive an Änderungen der Verkehrsmuster, Verkehrsrhythmen, Straßennetze usw., anzupassen.
Viele mathematische Prozesse sind bereits bei verschiedenen Verkehrsproblemen getestet worden. In diesem Zusammenhang sind Mißverständnisse bezüglich der Natur des Verkehrs und seines stochastischen Verhaltens nicht selten. Fortgeschrittenere Methoden und umfassendere Berechnungen sind nicht in der Lage, den Verkehr genauer vorherzusagen, als es die Grenzen zulassen, die durch den "Rauschcharakter" des Verkehrs gegeben sind. Wenn eine Parallele mit elektronischen Meßverfahren gezogen wird, so wäre dies ähnlich, wie wenn man versuchen wollte, mit feiner abgestimmten Methoden mehr Signal aus elektronischem Rauschen zu gewinnen.
Hat man sich damit abgefunden, daß Rauschen Rauschen ist, kann diese Kenntnis sehr nützlich sein. Sie fördert das Verständnis dafür, wie Verkehr verwaltet und vorausgesagt werden kann. Die Parameterwerte, die zur Charakterisierung von Rauschen dienen, umfassen zum Beispiel die Durchschnittswerte und Abweichungen, die aus der Rauschverteilungsfunktion berechnet werden können. Selbstverständlich spricht nichts dagegen, qualifizierte Methoden zu verwenden, wie zum Beispiel die Kalman-Filterungsmethode, die auch bei der vorliegenden Erfindung verwendet werden kann. Es ist wesentlich, daß die Methoden für den richtigen Problemtyp und mit einem angepaßten Wirklichkeitsmodell verwendet werden.
Es wurden auch Simulationsprogramme für den Fahrzeugverkehr entwickelt. Diese Programme werden oft für die Dimensionierung von Straßenkreuzungen, Auf- und Abfahrten an Autobahnen, Schnellstraßen usw. verwendet. Die stochastische Natur des Verkehrs wird hier ausgedrückt durch die Verwendung von Zufallszahlgeneratoren, um eine Zufallsauswahl der Positionen und Startzeiten der einzelnen Fahrzeuge, des Fahrerverhaltens, usw. vorzunehmen.
Das erhaltene Resultat ist ein Beispiel des möglichen Verkehrszustandes, abhängig von dem verwendeten Modell und den zufällig gewählten Parametern. Es ist möglich, eine gewisse Vorstellung darüber zu erhalten, wie der Verkehr an einer Straßenkreuzung oder Straßenabzweigung wahrscheinlich fließen wird, zum Beispiel mit einer größeren Anzahl von Simulationen, und hieraus die Straßenkreuzung oder Straßenabzweigung bereits im Planungsstadium zu modifizieren.
Wie man aus diesem Beispiel erkennt, liefert diese Art von Simulation ein Beispiel eines möglichen zukünftigen Ver kehrszustandes. Dies ist zu vergleichen mit einer Vorhersage, die erforderlich ist, um eine Lösung zu liefern, die innerhalb des wahrscheinlichsten Ergebnisbereiches liegt, einschließlich eines Verständnisses der relevanten Schwankungen.
Die Erfindung ist durch die in den Ansprüchen angegebenen Merkmale gekennzeichnet.
Die Erfindung wird im folgenden mit Bezug auf die Zeichnungen näher beschrieben. Es zeigt:
Fig. 1a ein einfaches Modell eines Steuerzentrums mit nur einem Bedienplatz;
Fig. 1b ein Beispiel einer in der Verkehrsmodelleinheit enthaltenen Steuereinheit;
Fig. 2 den Datenfluß und Funktionen zum Zwecke der Vorhersage und Aktualisierung;
Fig. 3 die an das Kontrollzentrum übermittelte Sensorinformation;
Fig. 4 die Vorhersage für eine Strecke in einem ersten Stadium;
Fig. 5 die Vorhersage für mehrere Strecken in einem nachfolgenden Stadium;
Fig. 6 das Aktualisieren von historischen Werten XH in einer Datenbank;
Fig. 7 illustriert, wie die Verkehrsparameter verarbeitet werden können, um Funktionswerte zu erhalten, die beim Ermitteln des Korrelationskoeffizienten und des Vorhersagefaktors eine Rolle spielen;
Fig. 8 ein vereinfachtes Beispiel eines Straßennetzes mit Zubringerstraßen oder Einfahrten zu einem Stadtzentrum;
Die Erfindung wird zunächst mit Bezugnahme auf ein Ausführungsbeispiel beschrieben, bei dem die Vereinfachung der Beschreibung und der Konstruktion im Vordergrund steht, um das Verständnis des Grundprinzips der Erfindung zu erleichtern. Auf diese anfängliche Beschreibung folgt eine detaillierte Beschreibung von anderen Ausführungsformen. Dies geschieht mehr mit dem Ziel, eine pädagogische Darlegung zu geben, als die Vorteile der Erfindung in den Vordergrund zu stellen.
Die Ausführung der Erfindung setzt die Verfügbarkeit von Meßsensoren voraus. Da Meßsensoren einen wesentlichen Teil der benötigten Kosten ausmachen können, sind auch Ausführungsformen vorgesehen, bei denen das Straßennetz eine niedrigen Sensordichte aufweist, wobei das System aber nach wie vor in der Lage ist, nutzbare Information zu erzeugen, wenn auch vielleicht weniger genau und mit einer höheren Irrtumswahrscheinlichkeit bei der Vorhersage.

Ein einfaches Ausführungsbeispiel

Die Verkehrssituation in und nahe von großen Ortschaften und Städten ist ein Beispiel des Bereiches, in dem die Erfindung verwendet werden kann. In diesem Fall wird das Straßennetz aufgeteilt in verschiedene Teile oder Sektionen mit unterschiedlichen Eigenschaften oder Qualitäten und mit unterschiedlicher Wichtigkeit unter verkehrstechnischem Aspekt.
A. Große Verkehrsrouten - für den Verkehr zu und von der Stadt.
B. Verkehrsadern - für große Verkehrsflüsse in der Stadt
C. Regionale Netze - verbundene Netze von Straßen innerhalb eines verkehrstechnisch relativ einheitlichen Gebietes
D. Andere Verkehrrouten
E. Enge Straßen und Verkehrswege von geringerer verkehrstechnischer Bedeutung

Bestimmen des Verkehrs auf großen Verkehrsrouten

Der Verkehr wird vorzugsweise gemessen mit Bezug auf zwei der folgenden Parameter:
I = Fahrzeuge/s
P = Fahrzeuge/m
v = m/s,
wobei der dritte Parameter erhalten wird aus
I = P · v.
Eine interessante Aufgabe ist die Vorhersage des Verkehrs auf einer Strecke A auf einer Verkehrsroute auf der Basis von Messungen, die erhalten wurden von Sensoren auf einer Strecke B, die stromaufwärts von der Verkehrsroute liegt.
Das Grundkonzept besteht darin, daß der Fahrzeugverkehr bei B die Strecke A nach einer Zeitverzögerung von t&sub1; erreichen wird und daß somit der Verkehr bei A unter Verwendung des Zeitversatzes von t&sub1; geschätzt werden kann.
Es treten jedoch eine Anzahl von bedeutsamen Komplikationen auf, die normalerweise nicht beachtet werden.
Es sei zum Beispiel angenommen, daß der Sensor auf der Strecke B mit einem zeitlichen Abstand von fünf Minuten stromaufwärts von A angeordnet ist. Wenn A mit einem Meßsensor versehen ist, kann sich herausstellen, daß zwischen den Meßwerten von B und den fünf Minuten später bei A erhaltenen Meßwerten eine gegebene Korrelation existiert.
Dies bedeutet jedoch nicht, daß man durch Messen des Verkehrs bei B den Verkehr bei A nach Ablauf einer Zeit von fünf Minuten vorhersagen kann. Fünf Minuten Fahrzeit bei einer Geschwindigkeit von 20 m/s (ca. 70 km/h) bedeutet, daß die zurückgelegte Distanz 6 km beträgt. Innerhalb dieser Distanz werden sich normalerweise verschiedene Ausfahrt- und Einfahrtstraßen in der Nähe von Städten befinden, und Meßzeiten in der Größenordnung von fünf Minuten sind üblich, damit die Schwankungen der Messungen nicht zu groß werden. Wenn aber die Meßzeit fünf Minuten beträgt, dann bedeutet dies, daß die ersten von der Messung erfaßten Fahrzeuge bereits bei A angekommen sind, bevor der Meßvorgang beendet ist. Wenn diese fünf Minuten-Vorhersage benötigt wird, um Zeit für die Steuerung des Verkehrs zu gewinnen, dann ist es offensichtlich, daß bei dem betrachteten Beispiel ein Meßsensor mit einer Fahrtdistanz von 10 Minuten von A angeordnet werden muß. Dies bedeutet eine Distanz von 1,2 metrischen Meilen von A, und es gibt oft viele Faktoren, die den Verkehr während einer Fahrtstrecke von solcher Länge beeinflussen. Dies bedeutet, daß eine "eins-zueins"-Beziehung zwischen dem Verkehr bei B und dem Verkehr bei A nicht erwartet werden kann.
Es treten somit die folgenden Komplikationen auf:
Wenn der Meßsensor nahe bei A angeordnet wird, um eine gute Korrelation mit den Meßwerten bei B zu erhalten, erhält man keinen Vorhersage-Zeitvorsprung, da diese Vorhersagezeit durch die Meßzeit verbraucht wird. Wenn der Sensor weit entfernt von A angeordnet wird, um Vorhersagezeit zu gewinnen, geht das Korrelationsniveau verloren.
Im Falle der vorliegenden Erfindung wird die Beziehung gebildet:
I = I&sub0; + I&sub1; + I&sub2;
P = P&sub0; + P&sub1; + P&sub2;
wobei
I&sub2; ein Durchschnittswert des Zeitintervalls T&sub2; über I&sub0; und I&sub1; ist;
I&sub1; ein Durchschnittswert des Zeitintervalls T&sub1; über I&sub0; ist; und
I&sub0; ein Durchschnittswert des Zeitintervalls T&sub0; ist.
Beispiele der Werte sind T&sub2; 30 s
T&sub1; = 3 min.
T&sub0; = 15 min.
Zur Vereinfachung kann I&sub0; sukzessive als Annäherung berechnet werden:
und I&sub2;(t + T&sub2;) = I(t + T&sub2;) - I&sub0;(t + T&sub2;) - I&sub1;(t + T&sub2;)
Die Dichtewerte P&sub0;, P&sub1; und P&sub2; werden auf entsprechende Weise berechnet. Der Vorteil, der sich durch Unterteilen des Flusses in drei verschiedene Zeitkomponenten ergibt, hat eine enge Beziehung mit dem Ziel der Erfindung.
Wenn die vorgenommenen Messungen niedrige I- und P-Werte sowie Geschwindigkeiten v nahe den zulässigen Höchstgeschwindigkeiten der Strecke anzeigen, dann bedeutet dies normalerweise, daß der Verkehr gut fließt und daß ausreichend Spielraum besteht, bevor der Verkehrskapazitätswert der Strecke erreicht wird. In diesem Fall ist die Notwen digkeit, sehr exakte Werte zu erzeugen, nicht sehr ausgeprägt. Als Verkehrsmanagementinformation von Interesse ist die erwartete Fahrzeit pro Strecke, und wenn der Verkehr mit ausreichendem Abstand von der Verkehrsaufnahmefähigkeit der Strecke fließt, beträgt die Streckenzeit tL = L/vL, wobei L die Länge der Strecke und vL die Grundgeschwindigkeit der Strecke ist, die annähernd der zulässigen Höchstgeschwindigkeit der Strecke entspricht.
Bei der Mehrzahl von Straßenstrecken wird die Streckenzeit = tL in den meisten Fällen über einen Zeitraum von 24 Stunden gelten. Die Streckenzeit kann somit leicht vorhergesagt werden. Erst wenn der Verkehr dichter wird und sich der Aufnahmefähigkeit der Strecke nähert, werden umfassendere Analysen erforderlich. (Einige Ausnahmen hiervon werden später erläutert).
Die anfänglich hier untersuchten Beispiele betreffen Situationen, bei denen irgendwo längs der Verkehrsroute der Verkehrsfluß der Verkehrskapazität nahekommt.
Fall a. I&sub0; und I&sub1; sind klein, I&sub2; ist groß. Dies bedeutet eine einzige Fahrzeugballung hoher Dichte über einen kurzen Zeitraum gleich T&sub2;.
Da I&sub0; und I&sub1; klein sind, ist die Gefahr von großen Verkehrsverstopfungen oder Verkehrsstaus ebenfalls klein und es besteht somit keine Notwendigkeit für eine genauere Analyse.
Wenn v klein und I&sub2; groß ist, zeigt dies eine kleine Schlange hinter einem langsamen Fahrzeug an, und es kann sich lohnen, die Entwicklung von I&sub2; längs der Verkehrsroute zu verfolgen.
Fall b. I&sub0; ist groß. Dies bedeutet, daß der Durchschnittsfluß über einen langen Zeitraum hoch ist und daß infolgedessen einzelne Störungen rasch zu Verkehrsverstopfungen führen können. Der Verkehrsfluß ist auch durch die Tatsache gekennzeichnet, daß die Fahrzeugdichte zur Zunahme und die Fahrzeuggeschwindigkeit zur. Abnahme neigen, in dem Maße, als der Verkehrsfluß die Kapazität der betreffenden Strecke erreicht.
Fall c. I&sub1; ist groß, I&sub0; ist klein. I&sub1; zeigt eine lange Dauer von hohem Verkehrsfluß an. Wenn P&sub1; hoch und v klein ist, liegt eine lange Rückstauschlange von Fahrzeugen vor, die die Streckenzeiten beeinflußt und Verkehrsverstopfungen zum Beispiel an den Zufahrten zu der Verkehrsroute verursachen kann.
Die Unterteilung von Verkehrsflüssen und Verkehrsdichten in verschiedene Komponenten ist auch bei der Vorhersage von Verkehrsflüssen von Vorteil. Wir wissen aus der Erfahrung, daß die Einfall- und Ausfallstraßen einer Stadt stark verkehrsbelastet sind während der Stoßzeiten am Morgen und am Abend, die den Arbeitszeiten entsprechen, und eine gute Korrelation zwischen verschiedenen Einfallstraßen kann bezüglich der Verkehrsentwicklungen in den morgendlichen Stoßzeiten erwartet werden.
Diese Korrelation gilt für die Ausdrücke I&sub0; und P&sub0;, während I&sub1;, P&sub1; wahrscheinlich eine niedrigere Korrelation haben, und vor allem I&sub2; und P&sub2; dürften keine merkliche Korrelation zwischen verschiedenen Straßen oder Verkehrsrouten aufweisen.

Verkehrsbeziehung zwischen verschiedenen Verkehrsrouten

Eine gute Korrelation zwischen verschiedenen Zufahrtsstraßen oder Einfallstraßen von untereinander gleichem Typ bezüglich Verkehrsentwicklungen wird während der Morgenstunden erwartet. Eine gute Korrelation wird auch erwartet zwischen dem Verkehr, wie er zum Beispiel an einem Dienstag auf einer Verkehrsroute tatsächlich vorliegt, mit dem üblichen Verkehrsverhalten an Dienstagen auf der gleichen Route.
Wir sind daher in der Lage, die "Schwesterroute" der betreffenden Route zu identifizieren, wobei die Verkehrssituationen auf diesen Routen unter normalen Bedingungen dazu dienen können, den Verkehr auf der betreffenden Strecke zu diagnostizieren.
Historische Meßdaten auf einer Route werden dazu verwendet, historische Durchschnittswertekurven für jeweilige Kalendertage zu definieren. Diese Kurven können zum Beispiel aus I&sub0;, P&sub0;-Kurven bestehen.
Die historischen IOH, POH-Kurven dienen zur Bestimmung der Korrelation zwischen den Strecken von verschiedenen "Schwesterrouten" bezüglich des Ausmaßes (β) der Korrelation und der Zeitverschiebung (τ).
Die relevanten Meßwerte (I&sub0;,P&sub0;) des Tages werden mit den historischen Daten von jeweiligen Strecken in Beziehung gesetzt. Zum Beispiel α = (IOA-IOH)/IOH bildet den normalisierten Differenzwert zwischen den tatsächlich gemessenen Werten (IOA) und den historischen Werten. Diese Berechnungen brauchen nicht durchgeführt zu werden, wenn für die betreffenden Strecken und zugeordneten Verkehrsrouten diese Werte klein sind und wenn normalerweise kein Verkehrsproblem vorliegt. Ansonsten wir die Korrelation der α-Werte für die "Schwesterrouten" untersucht, um festzustellen, ob eine signifikante Änderung in der Verkehrssituation dieses Tages vorliegt oder nicht, und um dadurch in der Lage zu sein, solche Änderungen zu berücksichtigen.
Wenn auf den Schwesterrouten eine zugeordnete Änderung gefunden wird, kann eine Änderung der Verkehrssituation über einen großen Teil der Stadt erwartet werden. Wenn nur eine Route in signifikantem Maße abweicht, ist eine mehr örtliche Änderung zu erwarten, obwohl diese abklingen kann.

Ein Beispiel der Flußvorhersage auf einer Strecke B

Das folgende Beispiel veranschaulicht die Verkehrsvorhersage auf einer Strecke B.
Eine begrenzte Anzahl von Sensoren steht zur Verfügung. Ein Sensor ist an einer stromaufwärtsliegenden Strecke C angeordnet. Zwischen C und B gibt es mehrere Verkehrsflußanbindungen, die zu C hinführen, und auch Verkehrsflußausfahrten von der Route. L&sub1; bis einschließlich L&sub4; sind die Schwesterrouten der betrachteten Route (L&sub3;). β (L&sub3;, L&sub1;) und τ (L&sub3;, L&sub1;), usw., sind für die Strecken der Schwesterrouten bekannt.
β (C, B) und τ (C, B), d. h. die entsprechende Beziehung zwischen den Werten auf C und B längs derselben Verkehrsroute, sind ebenfalls bekannt.
Ebenfalls verfügbar sind vorhandene Meßwerte von jeweiligen Sensoren, die anzeigen, daß ein weiteres Vorgehen von Interesse wäre, da die Verkehrsflüsse von solcher Größe sind, daß ein Verkehrsproblem erwartet werden kann.
Eine Vorhersage für B kann erhalten werden aus den in C erhaltenen Meßwerten durch das Medium eines Transferfaktors W. Hilfe kann ferner erhalten werden von den Schwesterrouten (L&sub1;-L&sub4;) und von den historischen und relevanten Meßwerten in B, d. h. insgesamt drei verschiedene Informationsquellen.
Wir diskutieren zuerst den Fall, bei dem B nicht mit einem Meßsensor versehen ist. Wir nehmen jedoch an, daß Zugriff zu einem Meßsensor besteht, der stromabwärts von B, d. h. auf der Strecke A, angeordnet ist oder daß ein mobiler Sensor früher in B stationiert war und Korrelationswerte für historische Daten zu den beiden anderen Typen von Informationsquellen geliefert hat.
Es sei angenommen, daß C soweit außerhalb an der Peripherie liegt, daß es einen der am weitesten außen liegenden Sensoren zum Detektieren des morgendlichen Stoßverkehrs bildet. Falls nicht, wird der Fluß in. C vorhergesagt auf eine Weise, die derjenigen entspricht, mit der der Fluß in B vorhergesagt wird, und ein noch weiter außen liegender Sensor kann gefunden werden, usw.
Historische Kurven, die sich auf C und entsprechende Strecken auf den Schwesterrouten beziehen, werden in Übereinstimmung mit historischen Werten korreliert.
Wir diskutieren im folgenden einfache Annäherungsmethoden zur Bildung der historischen Werte von I&sub0; und der Korrelationsfaktoren β.
Aus zugeordneten wiederholten Messungen auf einer Strecke wird der Wert Xi(t) und auf einer anderen Strecke der Wert Yi(t) gebildet. Die Messungen können zum Beispiel alle 10 Minuten an 10 aufeinanderfolgenden Montagen durchgeführt werden. Der von diesen Messungen gebildete Mittelwert liefert sogenannte historische Kurven XH(t) und YH(t), die illustrieren, wie der gemessene Verkehrsparameter sich über einen typischen Montag ändert.
Durch Bildung von
wobei t&sub1; bis tN gewählte Korrelationsperioden sind, erhält man die relevante Korrelationszeit τ, bei der Z(τ) ein Maximum hat.
Für δXi(t) = Xi(t) - XH(t) und entsprechend für δYi(t) wird gebildet
was ein in hohem Maße fehlerempfindliches System liefert, wenn δXi(t) klein ist.
Wenn dagegen gebildet wird
und
wobei
ist der Korrelationskoeffizient β(τ) um die Mittelwertkurven XH(t) und YH(t)
wobei σx und σy Standardmittelwerte um XH bzw. YH sind.
Der Korrelationskoeffizient β(τ) hat einen Maximalwert der Größe 1, wenn X und Y vollständig korreliert sind.
enthält auch einen gesetzten Skalierungsfaktor, der ein Ausdruck dafür ist, daß der angezeigte Verkehr auf der y-Strecke größer als auf der x-Strecke sein kann.
Der wie vorstehend berechnete Korrelationskoeffizient β(τ) kann klein sein, auch wenn x und y stark korreliert sind. Der Grund liegt darin, daß β(τ) um XH(t) und YH(t) berechnet wird, die die starke Korrelation aufnehmen, und daß β(τ) deswegen anzeigt, daß die Verkehrsvariationen um XH(t) und YH(t) zum Teil Zufallsabweichungen sein können, die nicht von Faktoren abhängen, die x und y gemeinsam sind.
Entsprechende Korrelationskoeffizienten für XH(t) und YH(t+τ) werden berechnet, indem der Mittelwert von XH(t) und YH(t+τ) gebildet wird und βH(τ) um diese Mittelwerte herum für ausgewählte Korrelationsperioden berechnet wird.
YH kann auch mit XH in Beziehung gesetzt werden durch Bildung von
Der Wert von ΓdH über eine längere Zeitperiode wird gebildet von
In der obigen Berechnung von βH(τ) wurden die Maximal- und Minimalwerte von XH(t) und YH(t+τ) der Kurven betont. Dagegen betont der Parameter ΓdH(τ) die zeitlichen Ableitungen, die Flanken an den XH(t) und YH(t)-Kurven. Ein Verfahren zum Verstärken des Erfordernisses der Korrelation besteht darin, die Ableitung zu benutzen, wenn dies bessere Unterstützung gibt, oder die Amplitude, wenn dies größere Unterstützung gibt. Im Falle einer Sinuskurve wird dann der Übergang bei nπ/4 erfolgen.
Wenn mehr Schwesterrouten mit der betrachteten Verkehrsroute korreliert werden können, erhält man entsprechend mehr Meßwerte vom X-Typ, gekoppelt mit den Werten y für die betrachtete Strecke, und Γ für die Summe der Beiträge der Schwesterstrecken kann erhalten werden aus der Gleichung
Wenn jedoch einige Schwesterstrecken eine höhere Korrelation haben als andere, dann sollte diesen Strecken eine höhere Gewichtung gegeben werden als bei der oben angegebenen Summenbildung für Γ&sub3;.
Es sei gesetzt: δX = X&sub1; + X&sub2;
δY = Y&sub1; + Y&sub2;
Y&sub1; = k&sub1; X&sub1;
X&sub1; und Y&sub1; sind mit dem Korrelationskoeffizienten 1 korreliert und X&sub2; und Y&sub2; sind "Rauschabweichungen", d. h. nicht korreliert.
Man erhält dann
wobei
und
In der Literatur wird X&sub2; häufig gleich 0 gesetzt, wodurch man die Gleichung erhält
wobei β² ein Ausdruck ist, der angibt, ein wie großer Teil der Veränderung in Y der Abhängigkeit von X zugeschrieben werden kann.
Da es beim Herstellen der Korrelation schwierig sein kann, zu definieren, welcher Anteil des Rauschens in X bzw. in Y liegt, kann das gesamte Rauschen der XY-Korrelation zugeordnet werden gemäß
In dem Fahrzeugverkehrsfeld ist σ² normalerweise proportional zum Mittelwert und der betrachteten Meßzeit. Deshalb ist es möglich, das Rauschen in einer stereotypen Art zwischen X und Y zu verteilen, aus
Y&sub1; = k&sub1; X&sub1;, gemäß
und
für große Werte von β.
Der Korrelationskoeffizient β kann somit ausgedrückt werden als eine Funktion des Signal/Rauschverhältnisses auf jeweiligen Strecken entsprechend den Werten X und Y. Die Korrelation kann verbessert werden durch Verbessern der Signalrauschverhältnisse.
Wenn die Schwesterstrecken unterschiedliche Korrelationskoeffizienten, unterschiedliche Signal/Rauschverhältnisse haben, werden die Meßwerte vorzugsweise nicht einfach addiert, sondern diejenigen Werte, die ein besseres Signal/Rauschverhältnis haben, werden vorzugsweise höher gewichtet als die anderen.
Eine optimale Gewichtung wird durchgeführt durch Multiplizieren der X-Werte mit einem Faktor
in Relation zu einer gewählten Referenzstation (Z).
Das neue Signal/Rauschverhältnis ist dann
Diese Gewichtungsmethode gibt auch die Möglichkeit, daß Beiträge von wochenweise korrelierten Systemstrecken erhalten werden.
Im Vorhergehenden wurden Schwesterstrecken definiert als Strecken, die eine gute Korrelation zwischen jeweiligen Verkehrsparametern haben. Andererseits ist es nicht sicher, daß die Abweichungen von den historischen Mittelwerten von jeweiligen Strecken ebensogut korreliert sind. Die Annahme ist vernünftig, daß der Verkehr zufallsartig um jeweilige Mittelwerte fluktuieren wird und daß die Ursache für diese Fluktuationen nicht in einer mehreren Traffikrouten gemeinsamen Quelle zu liegen braucht. In dem oben angegebenen Ausdruck δY = Y&sub1;+Y&sub2;, wobei Y&sub2; eine derartige Zufallsvariation ist, die aus den Schwesterstrecken nicht vorhergesagt werden kann. Die bestmögliche Vorhersage ist Y&sub1; = k&sub1;X&sub1;, wobei X&sub1; = δX-X&sub2; und X&sub2; unbekannt ist. Beim Vorhersagen von Y&sub1; wird der Beitrag von δX erhalten aus
α1 · k1δX = α1 k&sub1; (X&sub1; + X&sub2;).
Zusammengenommen wird vorhergesagt, daß
wobei Standardisierung gewählt wurde bezüglich δY, was in dem dargestellten Fall eine Vorhersage anhand von Sensoren auf derselben Verkehrsroute symbolisiert. Der Faktor ki wird in der Praxis häufig durch Γi ersetzt.
Die Mittelwerte in den Variationen X&sub2; und Y&sub2; können geschätzt werden aus der Verkehrsverteilungsfunktion. Wenn δX klein ist, d. h. kleiner als oder angenähert gleich dem Mittelwert X&sub2;, lohnt es sich in der Praxis nicht, δY anders vorherzusagen als δY = 0, da bekannt ist, daß die mittlere Variation ungefähr Y&sub2; ist. Niedrigere Grenzwerte werden erhalten, wenn mehr Schwesterrouten gewählt werden. Es ist jedoch wichtig, daß δY rasch vorhergesagt werden kann, wenn der gemessene Wert von δX groß ist. Ein großer Wert von δX muß nicht bedeuten, daß δY groß wird. Wenn mehrere Schwesterrouten gleichzeitig große δX-Werte liefern, zeigt dies an, daß die Wahrscheinlichkeit einer gemeinsamen Änderung des Verkehrs größer ist. Die Art dieser Änderung kann im Zeitpunkt der Vorhersage unbekannt sein und gleichwohl kann eine Vorhersage von δY gemacht werden auf der Basis der Beziehungen zwischen den verschiedenen Schwesterrouten, die aus den gemessenen Werten berechnet werden können. Es sollte beachtet werden, daß die jetzt erhaltenen Beziehungen unterschiedlich sein können von den früheren erhaltenen Beziehungen und anwendbar auf die mehr standardisierten δX- Werte.
Wenn Verkehr auf einer Straßenstrecke bis zur Sättigung zunimmt, d. h. bis zur Streckenkapazität, wird der Verkehrsfluß langsam zunehmen, und wenn δX und δY Abweichungen des Verkehrsflusses (I) angeben, erhält man einen anderen Faktor k&sub1; als Beziehung zwischen Y&sub1; und X&sub1;. Wenn andererseits δX und δY die Verkehrsdichte (P) angeben, kann die Verkehrssichte P weiter zunehmen aufgrund von höherem Verkehrsdruck, auch wenn der Verkehr sich der maximalen Kapazität nähert. Bei hohen Verkehrsflüssen kann die Fahrzeugdichte P eine geeignetere Verkehrsmessung darstellen als der Verkehrsfluß.
Wenn Vorhersagen zum Beispiel aus dem Verkehr auf Schwesterstrecken hohe Verkehrsflüsse nahe der Sättigung auf der gewählten Strecke zeigen, ist es angezeigt, die Situation stromaufwärts von der Strecke zu untersuchen. Hoher Verkehrsfluß ist meistens das Ergebnis der Kombination von Flüssen von zwei Strecken, und der Punkt, an dem diese Strecken sich vereinigen oder kreuzen, ist normalerweise ein enger Sektor. Wenn dies zutrifft, wird der Verkehr an dem Straßenvereinigungs- oder Straßenverbindungspunkt zur Verstopfung kommen. Die Verkehrsgeschwindigkeit fällt und der Fluß nimmt ab, mit dem Ergebnis von Schlangen oder Staus auf einem der Teilflüsse oder beide. In diesem Zusammenhang kann der Verkehrsfluß an den Straßenverbindungen beträchtlich niedriger sein als die Kapazität der folgenden oder stromabwärts liegenden Strecke, und der Fluß auf dieser Strecke wird niedriger sein als der oben erwähnte, zuerst vorhergesagte Fluß. Der Verkehr auf der gewählten Strecke kann gut fließen mit einer hohen Geschwindigkeit. Andererseits können die Verkehrsflüsse stromaufwärts von den Einfahrtstraßen viel niedriger sein, aufgrund der Verkehrsverstopfung.
Die Vorhersage von Verkehrsfluß auf einer Strecke ist kein isolierter Prozeß, sondern erfordert eine fortgesetzte Analyse des Verkehrsflusses sowohl stromaufwärts als auch stromabwärts von der Strecke, um die Gefahr von Verkehrszusammenballung zu identifizieren und dadurch die erste "vorläufige" Vorhersage zu ändern.
Da anzunehmen ist, daß aus ökonomischen Gründen nicht alle Strecken mit Sensoren versehen sind, sind Zusatzfunktionen erforderlich, die beschreiben, wie der Verkehr sich über einen Ausfahrt- und Einfahrtstraßen enthaltenden Straßenabschnitt zwischen zwei mit Sensoren versehenen Strecken ändert.
Eine Transfer- oder Ausbreitungsfunktion W(X,t) beschreibt, wie die Fahrzeugdichte (Fluß und Geschwindigkeit) sich ändert als Funktion der Distanz und Zeit längs eines Straßenabschnittes, zum Beispiel eine Änderung in den Flüssen I&sub1; und I&sub2; von einem Meßereignis bei (X&sub1;,t&sub1;) bis zu einem Meßereignis stromabwärts bei (X&sub2;,t&sub2;). Wir haben ferner Funktionen φ(t) und θ(t), die Änderungen auf Zufahrtstraßen und Ausfahrtstraßen beschreiben. Der Verkehr verdünnt sich an den Staßenausfahrtspunkten um durchschnittlich den gleichen Faktor. Bei Zufahrts- oder Einfahrtspunkten dagegen kann angenommen werden, daß der Verkehr sich an die Hauptstraße anpassen muß, wenn er von einer Zufahrtstraße einfließt. Deswegen sollte der I&sub2;-Term leicht geglättet werden, wenn der Verkehr auf der Hauptstraße hoch ist.
Diese Funktionen (W(X,t), φ(t) und Θ(t) können berechnet werden aus an den betrachteten Routen vorgenommenen Messungen. Wenn die Ausfahrt- und Zufahrtspunkte nicht mit Sensoren versehen sind, können Vorhersagen gemacht werden durch Anwendung der gleichen Methode, wie sie für Schwesterrouten beschrieben wurde, d. h. durch Vergleiche mit äquivalenten Ausfahrt- und Einfahrtspunkten.
Wenn hohe Verkehrsflüsse auf einer Verkehrsroute bei (X&sub1;,t&sub1;) gemessen werden, kann W(X,t) das Anwachsen von Störungen beschreiben und die zunehmende Wahrscheinlichkeit der Bildung von Rückstaus und Verkehrsverstopfungen, wenn die Verkehrsflüsse nahe der Kapazität der Route liegen. Diese Wachstumsfunktionen können gemessen und aufgezeichnet werden, um Verkehrsbedingungen stromabwärts von einer mit einem Meßsensor ausgerüsteten Strecke vorherzusagen.
In Ausdrücken von der Art Y(Z&sub2;, t&sub2;) = W(Z, t) · X(Z&sub1;, t&sub1;) haben wir früher den Ausdruck Γ anstelle von W verwendet, um die Vorhersage von Y an einem Punkt stromabwärts von der Meßstelle X zu beschreiben. Der Term Γ wird erhalten durch Annahme einer linearen Korrelation zwischen den Werten Y und X, oder δY und δX.
Der Term W kann freier benutzt werden zur Beschreibung einer Transformation von Verkehr von einem Ort zu einem anderen Ort zu einer späteren Zeit (t&sub2;-t&sub1;).
Beispielsweise kann dem Flußterm I&sub2;(Z,t) eine kontinuierlich veränderliche Funktion gegeben werden, bei der
I&sub2;(Z,t) = W(Z,t) · I&sub2;(0,0).
In einer ersten Annäherung für kleines t kann W(Z,t) eine lineare Wachstumsfunktion gegeben werden, wobei
W(Z, t) (1 + α&sub1;t) · f(Z-vt).
Wenn der Verkehrsfluß I&sub0; auf einer Verkehrsroute sich der Kapazität der Route nähert, kann erwartet werden, daß kleine I&sub2;-Terme als Funktion der Zeit zunehmen mit einer Wachstumsrate, die von dem Faktor I&sub0;/C abhängt. Der Term W kann dann bestehen aus einer Funktion I&sub2;(Z, t), die die "Störung" I&sub2; in Bewegung längs der Route beschreibt, und einer Funktion f&sub2;(I&sub0;, t), die die Größe der Störung beschreibt. Für kleine Zeiträume kann die Funktion f&sub2; mit einer linearen Funktion von t angenähert werden, d. h. f&sub2; (1 + α&sub2;t), wobei α&sub2; eine Funktion von I&sub0;/C ist. Die Funktion W(Z,t), die beschreibt, wie "Verkehrsstörungen" I&sub2; anwachsen, kann definiert werden durch Messen von I&sub2; entlang von Routen für unterschiedliches I&sub0;/C. Entsprechende Funktionen für den I&sub1;-Term können in ähnlicher Weise erhalten werden. Messungen können auch diejenigen Niveaus von I&sub0;, I&sub1; und I&sub2; identifizieren, bei denen Verkehrsverstopfungen normalerweise auftreten, und infolgedessen ist die Funktion W von Interesse bei der Verkehrsvorhersage entlang von Verkehrsrouten, insbesondere, wenn entlang der Route nicht viele Sensoren vorhanden sind. Auf diese Weise können Messungen, die auf einer stark verkehrsbelasteten Route durchgeführt wurden, dazu dienen, Gefahrenbereiche längs der Route vorherzusagen, in denen Verkehrsvestopfungen wahrscheinlich auftreten können.
Damit auch Zufahrten und Ausfahrten berücksichtigt werden können, werden Messungen durchgeführt zum Definieren von φ(t) und Θ(t). Es wird hierbei angenommen, daß Θ(t) eine prozentuale Verdünnung des Verkehrs gibt, während die Zufahrtsprobleme, und damit die Funktion φ(t), komplizierter werden.
φt wird in manchen Fällen Verstopfungen verursachen, insbesondere bei hohen I&sub0;-Werten auf der Route, und wird in gewissem Ausmaß auch vorhandene I&sub2;-Variationen ausgleichen, durch Anpassen des Verkehrs in gewissem Ausmaß an die Zufahrt. φ(t) kann leichter bestimmt werden und wird einen glatteren Fluß auf der Route liefern, wenn an der Zufahrt "Rampenmessung" angewendet wird.
Von besonderem Interesse ist es, durch Messung dieser Flußwerte auf der Route die Stellen zu identifizieren, wo die Gefahr besteht, daß der Zufluß zu einer Verkehrsverstopfung führt.
Die Anordnung oder das System wird nunmehr allgemein unter Bezugnahme auf die Fig. 1 bis 6 beschrieben.
Fig. 1a illustriert ein einfaches Modell eines Verkehrssteuerzentrums. Im Fall von großen Ortschaften und Städten wird das Verkehrssteuerzentrum eine große Anzahl von Bedienungsplätzen umfassen, und die Steuerzentren werden Ähn lichkeit mit den Steuerzentren haben, die in nationalen Verteidigungssystemen verwendet werden, wie zum Beispiel Luftwaffensteuerungs- oder Marinesteuerungssysteme. Diese Steuersysteme sind so ausgelegt, daß sie hohen Anforderungen des Realzeitverhaltens genügen, und moderne Systeme bestehen aus verteilten Datenverarbeitungsarchitekturen.
Fig. 1a illustriert einige wesentliche Baublöcke des Steuerzentrums. Die "Sensorkommunikation" (4) empfängt Sensorinformation vom Straßennetz, und die "Steuermittelkommunikation" (5) sendet die entsprechende Verfahrensinformation von dem Steuerzentrum. Der "Bediener" (2) erfüllt eine wichtige Funktion beim Betrieb des Steuerzentrums. Er oder sie gibt Information betreffend Unfälle und Ereignisse, die dem Steuerzentrum berichtet werden, ein, so daß das "Verkehrsmodell" (3) in der Lage ist, entsprechende Änderungen in der Kapazität der Straßen, Autobahnen usw. bei der Berechnung und Vorhersage von Verkehrsflüssen zu berücksichtigen. Relevante und vorhergesagte Verkehrssituationen können dem Bediener auch dargestellt werden, der dann eine Entscheidung bezüglich der zu ergreifenden Prozeduren oder Maßnahmen trifft.
Ein großer Teil der historischen Information, die sich auf den Verkehr auf den verschieden Strecken des Straßennetzes zu verschiedenen Zeiten bezieht, ist in der "Datenbasis" (1) gespeichert.
Diejenigen Berechnungen der Verkehrsparameter, die nötig sind, um relevante oder aktuelle Vorhersagen zu machen, werden in der "Verkehrsmodelleinheit" durchgeführt. Da zahlreiche Berechnungen notwendig sind, um Verkehrssituationen in einem großen Straßennetz vorherzusagen, ist es erforderlich, daß diese Berechnungen und Vorhersagen sehr schnell durchgeführt werden können. Die Vorhersagen sollen sukzessive aktualisiert und laufend aktuell vorgehalten werden. Das Erfordernis der Realzeit ergibt sich aus der betrachteten Anwendung, und die Verkehrsmodelleinheit ist so konstruiert, daß sie raschen Zugang zu lokalen Datenbereichen ermöglicht, unter Verwendung einer leistungsfähigen Computerkapazität und eines Realzeit-Operationssystems. Beispiele für Baublöcke gemäß der heutigen Technologie sind RS6000 von IBM und das AIX-Betriebssystem, oder das entsprechende Unix-Paket von SUN mit Sparc-Computer und Solaris.
Fig. 1b veranschaulicht eine angenäherte Struktur der Verarbeitungseinheit, in der ein Steuerprozessor (6) mit der Einheit (7) über einen Adressenbus (10) und einen Datenbus (11) kommuniziert, wobei die Einheit (7) Daten speichert, die in der arithmetischen Einheit (8) verwendet werden, und wobei eine In/Out-Einheit (9) mit anderen Einheiten kommuniziert, zum Beispiel über das Medium eines LAN.
Fig. 2 illustriert den Informationsfluß bei der Vorhersage und Aktualisierung zwischen verschiedenen Funktionsblöcken. Diese Blöcke beziehen sich auf Sensorinformation (12) wie in Fig. 3 gezeigt, Vorhersage (14), wie in Fig. 4 gezeigt, Aktualisierung (15), wie in Fig. 6 gezeigt, Databasis (13), wo große Mengen von Datensysteminformation gespeichert wird, und einen Block (16), der sich auf kontinuierliche ablaufende Prozeduren, wie zum Beispiel Steuerung oder verkehrsbezogene Information, bezieht. Neue Meßwerte von den Sensoren werden mit früheren historischen Werten verglichen, die aus der Datenbasis zu den lokalen Datenbereichen des Verkehrsmodells entnommen worden sind, und neue vorhergesagte Verkehrsparameter werden erzeugt, aufgrund derer Steuerentscheidungen getroffen werden können.
Die neuen Meßwerte werden auch dazu verwendet, neue aktualisierte historische Werte zu berechnen, und diese Werte werden in dem betreffenden Datenbereich für sofortige Verwendung gespeichert, oder alternativ in der Datenbasis für spätere Verwendung gespeichert.
Wie in Fig. 3 illustriert, werden bei den Straßennetzsensoren (17) erhaltene Sensorinformationen zum Steuerzentrum übertragen und nach ihrem Empfang (18) entweder gefiltert (19), oder es werden die Mittelwerte von unterschiedlich zeitabhängigen Parametern gebildet. Diese Sensorinformation kann aus dem Verkehrsfluß, der Verkehrsdichte oder der Verkehrsgeschwindigkeit bestehen. Die betreffenden Verkehrsparameter werden zur Vorhersagefunktion (14) übertragen.
Fig. 4 illustriert eine erste Stufe der Vorhersage. Daten werden vom Datenbereich (20) zur Analyse I (21) gesendet. Gemäß einer Ausführungsform bestehen diese Daten aus historischen Daten XH, Kapazität C, Standardabweichungen σ und Statsussymbol S. Verarbeitete Meßdaten werden von der Sensorinformation erhalten. Die Meßdaten werden verglichen mit historischen Daten in Analysis I, und es wird eine Entscheidung getroffen, ob die Meßwerte für Vorhersagezwecke weiterverarbeitet werden sollen oder nicht. Während des größeren Teils des Tages ist die Verkehrsdichte auf der Mehrzahl der Straßenstrecken so niedrig, daß die Streckenzeiten, Durchschnittsgeschwindigkeiten usw. zu den Grundwerten auf jeweiligen Strecken addiert werden können. Folglich ist es wichtig, rasch diejenigen Werte auszuschalten, die nicht weiter für Vorhersagezwecke verarbeitet zu werden brauchen. In einigen Fällen kann es ausreichen, einen Vergleich mit einem Grenzwert Xc durchzuführen, wobei X kleiner Xc eine Vorhersage aufgrund eines Basiswertes bezeichnet.
Auf wichtigen Routen ist es von Interesse, festzustellen, ob die Meßwerte innerhalb des statistischen Ergebnisses XH-ασ< X< XH+ασ liegen oder nicht, wobei σ die Varianz und α ein gewählter Faktor, zum Beispiel 1,7, ist. Ein außerhalb dieses Intervalls liegender Wert kann ein Ereignis anzeigen, welches eine gesonderte Analyse erfordert. Wenn X unterhalb des Intervalls liegt, kann dies auf einer Verkehrs behinderung stromaufwärts von der Strecke liegen, und die Statusvariable 5 wird für stromaufliegende Strecken kodiert. Der Bediener kann mit einem Warnsymbol informiert werden, und die Strecke kann auf einer Überwachungsliste registriert werden.
Wenn X innerhalb des aktuellen Ergebnisbereiches liegt und die Statusvariable als "OK" kodiert worden ist, können die Basiswerte als eine Vorhersage akzeptiert werden. Andere Beispiele der Kodierung von S sind.
S = 0 "OK". Wahl der Basiswerte
S = 1 Gefahr von Verkehrsstörungen auf einer anderen Route.
S = 2 Gefahr von Verkehrsstörungen auf der örtlichen Route.
S = 3 Ernsthafte Gefahr von Verkehrsstörungen.
S = 4 Warnung (von einer anderen Route gesetzt).
usw.
Eine genauere Analyse kann erforderlich sein, wenn S> 0, zum Beispiel wenn eine Analyse zeigt, daß sich der Verkehr der Kapazitätsgrenze nähert. Wenn "Analysis I" anzeigt, daß eine Vorhersageberechnung ausgeführt werden soll, wird zusätzlich Information in "Berechnung I" (22) eingeführt. Berechnung I wird mit weiteren Vorhersagewerten versorgt, nämlich dem Vorhersagefaktor und ggfs. dem Signal- Rauschverhältnis S/N für die Vorhersageparameter. Das Ergebnis ist eine erste Verkehrsvorhersage auf der Grundlage der individuellen Sensorinformation.
Vorhergesagte Streckendaten, die von verschiedenen Quellen erhalten wurden, können gemäß Fig. 5 berechnet werden.
Der vorhergesagte Wert für die betrachtete Strecke Y&sub1;(tp) wird erhalten von den gemessenen Werten von derselben Route Y(t-τ&sub0;) und der Schwesterroute (X&sub1;(t-τ&sub1;), X&sub2;(t-τ&sub2;), usw. Die Werte von jeweiligen Routen werden mit dem Faktor Γi/ki multipliziert und addiert, so daß sich das Ergebnis Y&sub1;(tp) ergibt. Der Faktor ki ist der Gewichtungsfaktor, der den Beitrag jeder Route auf deren Signal/Rauschverhältnis oder einen entsprechenden Korrelationskoeffizienten bezieht. Fig. 6 zeigt, daß der vorhergehende historische Wert XH(0) aktualisiert wird durch Bildung von δX aus der Differenz zwischen dem derzeitigen Meßwert und dem historischen Wert, wonach der neue historische Wert gebildet ist durch Addieren von δX/k zu dem alten Wert. Der Faktor k bestimmt die Zeitkonstante für die benötigte Zeitdauer, bevor eine Änderung der Meßwerte zu einer entsprechenden Änderung von XH führt. In diesem Fall ist der historische Wert XH nicht ein Mittelwert, bei dem eine Anzahl von Meßwerten das gleiche Gewicht bei der Bildung eines Mittelwertes haben, sondern der Faktor k gibt den momentanen Eingangswerten ein größeres Gewicht als den früheren Werten. Die Aktualisierungsmethode ist einfach, da nicht mehr als der aktuelle Wert gehalten zu werden braucht.
Fig. 7 illustriert, wie der Korrelationskoeffizient und der Vorhersagefaktor aus den Signalen X und Y erhalten werden können. Der obere Teil der Zeichnung zeigt die Eingabe der Werte von Y und X in ein jeweiliges Register. Entsprechende Werte Xi und Yi werden miteinander multipliziert, und neue Paare für die Multiplikation werden erhalten durch Verschieben von Xi und Yi relativ zueinander. Durch aufeinanderfolgendes Verschieben, multiplizieren und Summieren dieser Werte, erhält man eine Serie von Werten, die ein Maximum bei einer Verschiebung τ zwischen den Y und X-Werten hat.
In der Zeichnung ist angenommen worden, daß die Änderungen in , , σx und σy während der relativen Verschiebeoperationen von Y und X klein sind. Wenn dies nicht der Fall ist, kann der gesamte Korrelationskoeffizient β für jede Ver schiebung berechnet werden, und der maximale β-Wert wird gesucht, um den τ-Wert zu bestimmen.
Fig. 7 zeigt ferner, wie statistische Basisparameter für die Parameter X und Y erhalten werden. Der Ausdruck für den Korrelationskoeffizienten und Korrelationsfaktor wird in Fig. 7 unten wiederholt, um das Verständnis der Beziehungen zwischen den dargestellten Parametern zu erleichtern.
Ein Grund für die Vorhersage von Verkehrssituationen besteht darin, eine rechtzeitige Warnung für das Risiko von Überlastung oder Verkehrsverstopfung zu erhalten, so daß Maßnahmen getroffen werden können, um die vorhergesagten Verkehrsverstopfungen zu vermeiden. Bestimmte Verkehrsverstopfungen können nicht vorhergesagt werden und treten ohne Warnung auf. Beispielsweise kann ein Verkehrsunfall stattfinden, der Motor eines Fahrzeugs kann absterben, oder ein Laster kann seine Ladung verlieren und die Straße blockieren. Es ist erforderlich, diesen Typ von Problemen so schnell wie möglich detektieren zu können und die neue Verkehrssituation voraussagen zu können, die sich daraus ergibt und die beeinflußt werden kann durch Maßnahmen der Verkehrssteuerung, der Polizei usw.
Das Detektieren einer neuen Situation und die Lokalisierung der Quelle der Störung erfolgen mit Information, die von Meßsensoren erhalten wird, durch Vergleich mit historischen Werten. Normalerweise wird der Verkehrsstrom aufwärts von der Störung dichter werden, während der Verkehr stromabwärts von der Störung dünner wird, und Verkehr, der stromaufwärts von Ausfahrtsstraßen zu Alternativstraßen vorliegt, wird dichter werden.
Eine alternative Informationsquelle besteht in äußeren Meldungen, wie zum Beispiel Telefonanrufen von Fahrzeugfahrern, von der Polizei usw., die darüber informieren, daß ein Unfall stattgefunden hat und daß die Befahrbarkeit auf der betreffenden Route auf etwa X% beschränkt ist.
Wenn Sensoren sowohl stromaufwärts als auch stromabwärts von dem Unfall angeordnet sind, wird eine direkte Messung der Kapazität zu diesem Zeitpunkt erhalten. Eine Vorhersage der neuen Verkehrssituation kann dann sofort gemacht werden, indem eine Anzahl von Aktivitäten in Gang gesetzt wird mit dem Ziel, schnelle eine grobe Vorhersage zu erhalten, die später verfeinert werden kann, wenn neue Meßdaten fortlaufend bessere Vorhersagen ermöglichen. Die neue Verkehrssituation neigt dazu, sich nach einem anfänglichen dynamischen Ereignis oder Vorfall zu stabilisieren, und der Vorhersageprozeß wird dann einfacher. Viele Störungen aufgrund von kleineren Verkehrsunfällen, Motorausfällen usw. blockieren die Route für weniger als 5-15 Minuten, und die Dauer der Störung wird von der Verkehrsintensität zu diesem Zeitpunkt, den sich bildenden Rückstaus und der für die Auflösung der Rückstaus benötigten Zeit abhängen. Es ist selten, daß solche Störungen eine stabile Phase erreichen, aber sie sollten zur Gänze als zur ersten dynamischen Periode gehörend behandelt werden. Die folgenden Beispiele illustrieren, wie die Anordnung oder das System arbeitet, um Vorhersagen bei vorhandenen oder vorherrschenden Situationen zu geben.
Es sei angenommen, daß eine Strecke durch einen Unfall zu 100% blockiert ist. Die Situation wird gemäß dem Vorhergehenden detektiert, und da normalerweise in der Nachbarschaft Alternativrouten oder Umleitungen zu finden sind, denen der Verkehr folgen kann, um die blockierte Strecke zu umgehen, kann eine einfache Funktion verwendet werden, um eine erste Neuverteilung des Verkehrs, der sonst über die blockierte Strecke gefahren wäre, vorzunehmen.
Eine Kostenmessung kann für jede geprüfte Route vorgenommen werden, mit Hilfe einer "Kostenfunktion", bei der die Verkehrszeit und eventuell andere Parameter wie Straßenentfer nung und Straßengröße usw. zu Kostenparametern addiert werden. Der Unterschied zwischen den 1-3 besten Routen und den restlichen Routen wird normalerweise so groß sein, daß die restlichen Routen in einer ersten Stufe ignoriert werden können, in der der Verkehr versucht, die Unfallstelle auf den als die besten eingeschätzten Alternativrouten zu umfahren, was zu einer Überlastung auf der besten Alternativroute führen kann und zu einem anschließend erhöhtem Verkehr auf der nächstbesten Alternative, usw.
In der Berechnungseinheit der oben beschriebenen Anordnung wird der Verkehr unterteilt derart, daß wenn die beste Alternativroute mit soviel Zusatzverkehr belastet ist, daß ihr Kostenwert ansteigt, der Verkehr auf die nächstbeste Route verteilt wird, usw. Wenn der umzuleitende Verkehr sehr beträchtlich ist und die Alternativroute bereits stark verkehrsbelastet ist, wird die erste Umverteilung zur Vorhersage von Rückstaus und Verkehrsverstopfungen führen, wodurch der Verkehrssteuerbediener eine entsprechende Warnung erhält und Vorschläge erhalten kann, welche Maßnahmen oder Prozeduren ergriffen werden sollen, zum Beispiel Maßnahmen zur Informierung der Verkehrsteilnehmer in einem frühen Stadium, stromaufwärts von der Blockierung, durch ein Informationsmedium, durch veränderbare Hinweisschilder usw., um den Verkehr auf andere Routen umzuleiten.
Falls möglich sollten die Verkehrsflüsse in einem Sicherheitsabstand von der maximalen Kapazität gehalten werden, um Verkehrsverstopfungen zu vermeiden. Wie zuvor erwähnt, ist es sehr wichtig, die Verkehrsflüsse unterhalb der Verkehrsverstopfungsgrenze zu halten. Das Straßennetz wird dann zu einem maximalen Grad genutzt. Die Befahrbarkeit wird deutlich verschlechtert, wenn Verkehrsverstopfungen auftreten, die Kapazität des Straßennetzes wird dann verringert, wenn es am meisten benötigt wird. Wenn die Verkehrsneuverteilung nicht ausreicht, besteht die nächstbeste Alternative darin, die Verkehrsflüsse an geeigneten Stellen stromaufwärts von der Störungsquelle zu verlangsamen. Beispielsweise ist es besser, daß sich der Verkehr an einer Einfallstraße in einem Vorortbereich staut, als daß der Verkehr bis zum Stadt- oder Ortszentrum durchgelassen wird, wo Staus die Blockierung von anderen wichtigen Verkehrsrouten vermehren würden, für die eine hohe Kapazität noch wichtiger ist.
Indem die oben erwähnte erste Vorhersage durch eine grobe Neuverteilung oder Umleitung des Verkehrs gemacht wird, wird die sich daraus ergebende neue Verkehrssituation durch vorhandene Sensoren festgestellt, und diejenigen Sensoren, die am Anfang der Alternativrouten angeordnet sind, liefern Information darüber, wie sich die Verkehrsflüsse tatsächlich verteilen. Die gemessenen Werte werden dazu verwendet, die zugewiesene Verkehrsverteilung zu korrigieren und den Verkehr auf den Alternativrouten stromabwärts von den Sensoren vorherzusagen.
Hochfrequenzkomponenten vom Typ I&sub2;, P&sub2; und I&sub1;, P&sub1; werden verwendet, um die Verkehrsverteilungsmeßwerte schnell zu erhalten. Diese Parameter stellen charakteristische Verkehrsmuster dar und können entlang einer Route erkannt und auch mit entsprechenden Komponenten der ursprünglichen Route korreliert werden. Die Meßwerte ermöglichen es auch zu zeigen, welcher Anteil des Verkehrs auf der ursprünglichen Route sich für jeweilige Alternativrouten entschieden hat.
Die vom Bediener vorgenommenen Steuermessungen werden in die Vorhersageeinheit des Systems eingekoppelt als ergänzende Information betreffend einen vorhergesagten Steuereffekt oder eine Umverteilung des Verkehrs, und somit wird eine neue Vorhersage bezüglich dieser Werte durchgeführt. In der nächsten Stufe werden Meßwerte erhalten, die die aktuelle Situation der Verkehrsumverteilung offenbaren, wonach eine neue Vorhersage gemacht wird, usw. Besondere Aufmerksamkeit gilt den Sensoren, die um die Unfallstelle herum angeordnet sind, um schnell feststellen zu können, wenn sich der Verkehr auf der zuvor blockierten Strecke wieder zu bewegen beginnt, wonach die Verkehrsvorhersage zum Normalfall zurückkehrt.
Im Fall von kurzzeitigen Zwischenfällen kann die dynamische Verkehrsänderung häufig als lokal angesehen werden, d. h. die Hauptänderung des Verkehrsflusses spielt sich in einem begrenzten Nachbarbereich um die Unfallstelle herum ab. Dieser Bereich umfaßt einige wenige Strecken stromaufwärts von der Unfallstelle einschließlich Ausfahrtstraßen für die besten Alternativrouten und über die Alternativrouten selbst bis zu ebenfalls umfaßten Einfahrtsrouten zu der blockierten Route stromabwärts von der Unfallstelle. In erster Näherung kann dann der Verkehr grob als normalfließend betrachtet werden. Es gibt zwei weitere Gründe, weshalb sich der Verkehr stromabwärts von der blockierten Strecke wieder einspielt. Erstens wird ein Teil des Verkehrs stromaufwärts von der Blockierung oder dem Unfall einen Zielort auf der betreffenden Route haben, so daß die beste Routenwahl darin besteht, stromabwärts von dem Unfall auf dieselbe Route zurückzukehren. Der andere Grund besteht darin, daß wegen der hohen Verkehrsbelastung der Alternativrouten der Verkehr versuchen wird, auf die blockierte Route stromabwärts von der Blockierung oder dem Unfall zurückzukehren und damit die bessere Befahrbarkeit dieser Route zu nutzen.
Wenn zu jedem Zeitpunkt das Endziel aller Fahrzeuge bekannt wäre, wäre es möglich, eine präzisere Routenwahl für die betroffenen Individualfahrzeuge zu berechnen und die sich ansammelnden Verkehrsflüsse könnten für die neue Verkehrssituation berechnet werden. Eine gültige O/D-Matrix würde in dieser Beziehung einen guten Ausgangspunkt darstellen.
Die Vorhersagen können auch dadurch genauer gemacht werden, daß man annimmt, daß die Störungen in der Hauptsache örtlich sind und daß man Datenbasen für die örtliche Verkehrsflußverteilung konstruiert. Komponenten vom Typ I&sub2; und I&sub1; können in dieser Beziehung verwendet werden, wie oben beschrieben. Beispielsweise können die Meßwerte auf der betrachteten Strecke mit den Meßwerten auf verschiedenen Alternativrouten stromabwärts der Strecke korreliert werden, so daß man eine Abschätzung der Anteile des Verkehrsflusses auf der betrachteten Strecke erhält, die sich auf jeweilige Alternativrouten stromabwärts von der Strecke verteilen.
Wenn auf der betrachteten Strecke ein Unfall auftritt, kann bei der "Kostenberechnung" für Alternativrouten die Kenntnis der stromabwärts vorhandenen Verkehrsverteilung berücksichtigt werden und dadurch manchmal zu einer besseren Vorhersage der Verkehrsverteilung auf den Alternativrouten führen.

Claims

1. Verfahren zum Bestimmen von Verkehrsparametern, wie Verkehrsströme, Geschwindigkeiten, Fahrzeugdichten und Streckenfahrzeiten mittels Sensorinformation, die von verschiedenen Meßorten in einem betrachteten Verkehrsnetz erhalten wird, wobei eine Anzahl von Sensoren mindestens zwei der Parameter Verkehrsfluß, Verkehrsdichte und Fahrzeuggeschwindigkeit oder wahlweise Streckenfahrzeit liefern, dadurch gekennzeichnet, daß ein Verkehrsparameter Y auf einer betrachteten Strecke zu einer Zeit τ vorausgesagt wird auf der Basis einer zuvor auf einer anderen Strecke gemessenen Sensorinformation X; daß der Voraussagefaktor mit einem entsprechenden Korrelationskoeffizienten über das Medium der Kovarianz und statistischer Basisparameter in Beziehung steht und daß die Vorhersagegenauigkeit von der Korrelation zwischen den entsprechenden Parametern X und Y abhängt; daß die Korrelation verbessert wird durch Filtern der von einer Anzahl Sensoren erhaltenen Sensorinformation durch mindestens zwei, vorzugsweise drei Zeitstufen von gegenseitig unterschiedlicher Länge derart, daß Komponenten erzeugt werden, die langsamere bzw. schnellere Veränderungen der Parameter beschreiben, und daß nur Komponenten, die langsamere Veränderungen beschreiben, benutzt werden, wenn eine Verkehrsvorhersage aufgrund von Relationen zwischen unterschiedlichen Routen oder zwischen historischen Durchschnittswerten getroffen werden sollen, und daß Komponenten, die schnellere Veränderungen beschreiben, benutzt werden, um eine Kurzzeitvorhersage des Verkehrs auf derselben Route oder einer ausgewählten Route zu machen;

und daß jeweilige Vorhersagefaktoren für entsprechende Kombinationen von Frequenzkomponenten bestimmt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß historische Durchschnittswerte XH und der Vorhersagefaktor Γ aus dem Datenbereich einer Vorhersageeinheit gesammelt werden, um die entsprechenden Verkehrsparameter auf der betrachteten Strecke vorherzusagen, deren Meßwert Y später erhalten wird, wobei die Werte des neuen Paares von X und Y zur Aktualisierung der entsprechenden Werte XH bzw. YH verwendet und diese Werte in dem Speicherbereich gespeichert werden; wobei nach dem Erhalt der erforderlichen Wertesequenz der Vorhersagefaktor Γ mit den neuen X-, Y-Werten aktualisiert wird; wobei, wenn eine Vorhersage von Abweichungen von dem historischen Durchschnittswert YH erforderlich ist, Abweichungen zwischen den aktuellen Sensorwerten und den historischen Werten erzeugt und ein Vorhersagefaktor für die Abweichung von YH in Relation zur Abweichung von XH erzeugt und aktualisiert wird, und wobei der Verkehrsparameter Y auf der betrachteten Strecke vorhergesagt wird als die Summe von YH plus der vorausgesagten Abweichung von YH, die aus der aktuellen Abweichung von X gegenüber XH mittels des zugeordneten Vorhersagefaktors erhalten wird.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß der Vorhersagefaktor Γ gleich β·σy/σx gesetzt wird, wobei σx und σy Standardabweichungen für die zugehörigen Parameter X und Y sind und wobei β der Korrelationskoeffizient ist, oder daß Γ direkt als der erwartete Wert für X, Y in Relation zu dem erwarteten Wert für X² bestimmt wird, oder falls die zeitlichen Ableitungen für die XH(t)- und YH(t)- Kurven erheblich größer als ein ausgewählter Grenzwert sind, der Vorhersagefaktor Γ in eine entsprechende Relation zwischen den XH- und YH-Zeitableitungen gesetzt wird, wobei der von den zeitlichen Ableitun gen erhaltene Vorhersagefaktor mit dem von den Amplitudenwerten erhaltenen Vorhersagefaktor kombiniert werden kann.

4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, daß gültige Werte von den Speicherbereichen zu der Vorhersageeinheit transferiert werden, um die gespeicherten Parameterwerte zu aktualisieren, daß neue Aktualisierungswerte zu den gültigen Werten addiert werden gemäß dem Beispiel XH(1) = XH(0) + (X-XH(0))/k, wobei k eine Konstante ist, die die Empfindlichkeit auf Änderungen ausdrückt; und daß der Vorhersagefaktor Γ gemäß diesem Beispiel entweder direkt aktualisiert wird oder durch Aktualisierung seiner einzelnen Faktoren vor der Quotientenbildung, wobei die Anzahl der Parameter, die gespeichert werden müssen, im Vergleich zu einer echten Bestimmung des Mittelwertes begrenzt ist.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß der Vorhersagefaktor für eine Zeitverschiebung τ zwischen den Werten von X und Y bestimmt wird, die einem Maximum des Korrelationskoeffizienten entspricht, wobei der Vorhersagefaktor, wenn X und Y bei ein und derselben Strecke vorliegen, normalerweise bei demjenigen Wert τ erhalten wird, der sich als eine Zeitdifferenz zwischen X und Y durch Verfolgung des stromabwärts auftretenden Verkehrs ergibt; und wobei τ erhalten wird, wenn X und Y auf verschiedenen Strecken vorliegen, wahrscheinlich wenn X in einer entsprechenden Zeitphase oberhalb von Y auftritt.

6. Verfahren nach einem der Ansprüche 1 bis 5 in einer Umgebung, in der die Anzahl der Sensoren beschränkt ist und keine Sensordaten von der betreffenden Strecke erhalten werden, dadurch gekennzeichnet, daß historische Werte zusammen mit dem Vorhersagefaktor für die betrachtete Strecke gespeichert werden, die sich auf die Sensordaten für eine andere Strecke beziehen, und daß rele vante Werte von der letztgenannten Strecke verwendet werden, um den Verkehr auf der Strecke ohne Sensoren vorherzusagen, und daß gespeicherte Werte für die betrachtete Strecke aktualisiert werden durch Durchführung gelegentlicher Messungen oder durch bedienerseitige Korrekturen.

7. Verfahren nach einem der Ansprüche 1 bis 6 in einer Umgebung, in der mehrere Strecken ohne jeden Sensor sein können, dadurch gekennzeichnet, daß in der Vorhersageeinheit ein Ausbreitungsfaktor (W(z, t) für den betreffenden Verkehrsparameter, z. B. den Flußterm I&sub2;, aus Meßwerten von zwei Sensoren, die im Raum und in der Verkehrsausbreitungszeit um z bzw. t voneinander getrennt sind, berechnet wird gemäß der Formel W&sub2;(z, t) = I&sub2;(z, t)/ I&sub2;(0, 0) und wobei die Messungen von verschiedenen Sensoren in verschiedenen Abständen und in verschiedenen Verkehrsflüssen eine Funktion W(z, t) = f&sub1;(t) f&sub2;(z-vt) liefern, wobei f&sub1;(t) an die Meßwerte mittels der Methode des kleinsten Quadrates angepaßt werden kann und wobei f&sub1;(t) gewöhnlich als lineare Funktion (1+αt) oder für große Wachstumsfaktoren als exp(αt) gesetzt wird, wobei α von dem Fluß I und der Kapazität C abhängt und die Beziehung gleich α(I/C) gesetzt wird, und wobei W(z, t) benützt werden kann, um den Fluß über längere Distanzen ohne jeden Sensor vorherzusagen und wobei W(z, t) sukzessive an neue Situationen auf der betreffenden Route aktualisiert wird durch Kalibrierung in Entsprechung zu vorhandenen Sensoren, und ein allgemeinerer Ausdruck (W(z, t) durch Anpassung an Meßwerte von mehreren Routen berechnet und gespeichert und zur Vorhersage auf Routen, für die direkte Sensordaten fehlen, benutzt werden kann, und wobei W(z, t) von besonderem Interesse während hoher Verkehrsflüsse ist, wenn W(z, t) abnehmende Verkehrsflüsse aufgrund von erhöhter Fahrzeugdichte und von Staus vorhersagen kann.

8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die sich ändernden Faktoren φ und θ in der Vorhersageeinheit für jeden aktuellen Verkehrsparameter, wie z. B. den Flußterm I, berechnet werden und wobei φ dann mit der Änderung des Flusses δIL auf der Route infolge des Flusses It auf einer Rampe in Beziehung gesetzt wird und θ mit einer entsprechenden Änderung an einer Ausfahrt in Beziehung gesetzt wird und φ = δIL/It aus den Meßwerten erhalten wird durch eine Anpassung entsprechend W(z, t) von Anspruch 7 durch eine lineare Funktion (1+α) oder exp α und α(I/C), und wobei φ von besonderem Interesse bei hohen Verkehrsflüssen ist, wobei φ eine Vorhersage eines möglichen Verkehrsstaus liefert.

9. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß der Parameter Y für die betrachtete Strecke vorhergesagt wird durch Sensoren auf einer Anzahl von verschiedenen Strecken, wobei die Strecken sowohl eine Strecke auf der gleichen Route wie die betrachtete Strecke sein können, als auch eine Strecke auf einer anderen Route, die als Schwesterroute identifiziert ist, deren historische Verkehrsparameterwerte eine Korrelation mit der betrachteten Strecke haben, und daß die Vorhersage von mehreren Sensoren benutzt wird, um ein großes Messungsvolumen und eine gute Vorhersagesicherheit für einen kürzeren Zeitraum zu erhalten.

10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß die Vorhersagewerte von Sensoren auf verschiedenen Routen kombiniert werden unter Berücksichtigung, daß die Korrelation zwischen verschiedenen Streckenwerten (X) und der betrachteten Strecke (Y) unterschiedlich ist, und daß Gewichtungsfaktoren dann für eine entsprechende Vorhersage benutzt werden, wobei die Gewichtungsfaktoren als ein quadratisches Signal/Rauschverhältnis auf die entsprechende Strecke bezogen sind und wobei das Signal/Rauschverhältnis für eine Strecke in Beziehung zu dem Signal/Rauschverhältnis in der Korrelation zwischen der Strecke X und der betrachteten Strecke Y steht und z. B. angenähert werden kann gemäß

wobei R&sub1; ein Korrekturfaktor ist, der das Rauschen in der unabhängigen Variablen berücksichtigt, und wobei R&sub1; = (K&sub1; + 1)/k&sub1; einer normalen Rauschverteilung entspricht, wobei k&sub1; der lineare Vorhersagefaktor ist.

11. Verfahren nach Anspruch 9 oder 10, dadurch gekennzeichnet, daß Vorhersagen der Schwesterrouten verglichen werden und, falls eine oder mehrere Routen sich deutlich von den anderen unterscheiden, was einen Unfall oder besondere Umstände auf einer oder mehreren sich unterscheidenden Routen anzeigt, was auch die Auslösung von vorgegebenen Maßnahmen bei Feststellung eines Unfalls einschließen kann, und im Fall von mehreren sich unterscheidenden Routen, wobei die Unterschiede miteinander korreliert sind, diese Routen ausgewählt werden können, um zusammen die neue Situation auf diesen Routen vorherzusagen.

12. Verfahren nach Anspruch 9, 10 oder 11, wobei die Schwesterrouten aus ausgewählten Einfallrouten in einer Stadt bestehen, und wobei die Messungen während einer bestimmten Zeit, z. B. während der Morgenstunden, benutzt werden, um den Verkehr im späteren Verlauf des Tages in dem Stadtzentrum vorherzusagen und sogar für längere Vorhersageintervalle für den Ausfallverkehr während des Nachmittags, und wobei die Sensorinformation von der Einfallsroute, dem Stadtzentrum, bzw. der Ausfallsroute benutzt werden, um die historischen Werte und die Vorhersagefaktoren gemäß einem der vorangehenden Ansprüche zu aktualisieren.

13. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, daß die Information von einem Sensor benutzt wird, um den Verkehr an der gleichen Stelle vorherzusagen, und daß diese Vorhersage auf eine Kurzzeitperspektive, hauptsächlich in bezug auf Komponenten vom I&sub2;- und vom I&sub1;-Typ, bezogen wird und zusätzlich Information von Verkehrsstörungen auf der betrachteten Strecke liefert.

14. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, daß eine Wachstumsfunktion U(t) in der Vorhersageeinheit berechnet wird und Faktoren, wie z. B. exp t/τ, t und exp t/τa für das entsprechende Wachstum und das Abklingen der Verkehrsverteilung für ausgewählte Teile des Straßennetzes umfaßt, und wobei die Zeitkonstanten unter verschiedenen Umständen für verschiedene Verhältnisse von verschiedenen I/C-Werten gemessen werden und wobei diese Zeitkonstanten benutzt werden können, um den Verkehr für verschiedene Ereignisse vorherzusagen, z. B. für die Zeit vor und nach einem Fußballspiel, für Verkehrsstaus usw., und daß U(t) für verschiedene Ereignisse gespeichert wird und der Verlauf eines neuen Ereignisses vorhergesagt werden kann durch Interpolieren oder Extrapolieren von U(t) auf die fragliche Situation.

15. Verfahren nach einem der vorangehenden Ansprüche, wobei an gegebenen Routen angeordneten Sensoren benutzt werden, um den Verkehr in anderen Teiles des Straßennetzes bzw. in Zielstrecken vorherzusagen, dadurch gekennzeichnet, daß die primären Vorhersagewerte durch eine Filterfunktion mit der Zeitkonstanten der Zielstrecke behandelt werden, bevor ein endgültiges Vorhersageresultat erhalten wird, wobei der Verkehr auf den gegebenen Routen sich verändern kann mit einer Zeitkonstanten, die schneller ist als die, die für die Zielstrecken gelten.

16. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, daß jede Vorhersage von jeglichen vollständigen Unterbereichen des Straßennetzes durch einen oder mehrere ausgewählte Sensoren erfolgt, durch eine Korrelation mit den Meßwerten, die von einer oder mehreren Messungen in dem Straßennetz erhalten werden.

17. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, daß die nächste stromaufwärts gelegene Zufahrtsstrecke analysiert wird, wenn der vorhergesagte Verkehr auf einer Strecke die Kapazität der Strecke erreicht, um festzustellen, ob dies einen engeren Querschnitt als diese Strecke bedeutet und ob die sich verbindenden Flüsse an der Kreuzung eine große Gefahr von Verkehrsstaus bedeuten, wenn sich Fahrzeuge in die Strecke einfädeln, und daß in diesem Fall die Analyse stromaufwärts sowohl auf der Strecke als auch der Zufahrtsstrecke fortgesetzt wird, um die Sekundäreffekte auf Verkehrsstaus zu analysieren und den Verkehr stromabwärts des Staus vorherzusagen, wobei ein entsprechend niedrigerer Verkehr durch den Verkehrsstau begrenzt ist.

18. Verfahren nach einem der Ansprüche 1 bis 17, wobei das Verfahren benutzt wird in Situationen, in denen die Vorhersageinformation über die zukünftige Entwicklung des Verkehrs dazu benutzt wird, um die Fahrzeuglenker zu informieren oder den Verkehr durch Verkehrsschilder oder Anzeigen zu steuern, und sich der Verkehr dann nicht entsprechend der ersten Vorhersage entwickelt, dadurch gekennzeichnet, daß eine neue Vorhersage gemacht wird bezüglich der durchgeführten Maßnahmen, z. B. gemäß den Auswirkungen von durch den Bediener eingegebenen Werten oder entsprechend den gespeicherten Resultaten, wobei die Korrelation zwischen den real gemessenen Verkehrsflüssen berechnet wird und die extern benutzten Vorhersagewerte verwendet werden, um das letzte Vorhersage-Maßnahmepaket zu einem aktualisierten neuen, zu benutzenden Paket zu korrigieren, und mehrere solche Beziehungen für ausgewählte Strecken gespeichert werden und statistische Mittelwertbeziehungen für verschiedene Typen von Situationen erstellt werden, die für entsprechende neue Situationen benutzt werden können.

19. Verfahren nach den Ansprüchen 1 bis 8 zur Vorhersage des Verkehrs, wenn kurzzeitige Vorfälle die Befahrbarkeit einer Strecke teilweise oder vollständig blockieren und wobei der Vorfall mittels äußerer Quellen gemeldet oder durch Sensoren erfaßt werden kann, dadurch gekennzeichnet, daß die Erfassung mit Sensoren erfolgt, die stromabwärts und, wenn möglich, auch stromaufwärts des Vorfalls verfügbar sind, und wenn eine relativ abrupte Abnahme des Flusses von dem stromabwärts angeordneten Sensor detektiert werden kann, was einen möglichen Unfall anzeigt, und wobei der neue Fluß ein Maß für die neue, begrenzte Kapazität liefert und ein neuer begrenzter Bereich um den Unfall herum als örtlicher Störungsbereich definiert wird, der von Strecken stromaufwärts des Unfalls versorgt wird und Ausfahrten für Alternativrouten und die Alternativrouten und Einfahrtrouten zu der fraglichen Strecke stromabwärts des Unfalls umfaßt, und wobei die besten Alternativrouten bestimmt werden, mittels einer einfachen Auswertefunktion oder einer Kostenfunktion, wobei die Fahrtzeit, die Fahrtroute, die Straßengröße usw. alternativ oder in Kombination enthalten sein können und wobei die Kosten anfänglich für eine kleine Anzahl, z. B. 1 bis 3, von Alternativrouten mit den niedrigsten Kosten bestimmt werden und wobei die Verkehrsverteilung gemäß der besten Alternativroute solange erfolgt, bis die Kosten ansteigen, woraufhin die nächstbeste Alternativroute ebenfalls gefüllt wird unter Bilanzierung der Kosten, und wobei mittels geeigneten verfügbaren Sensoren Messungen der tatsächlich erhaltenen Verkehrsverteilung auf den Alternativrouten durchgeführt werden und die Vorhersage der zukünftigen Verkehrsverhältnisse längs der Alternativrouten dann korrigiert oder aktualisiert wird.

20. Verfahren nach einem der Ansprüche 1 bis 19, dadurch gekennzeichnet, daß eine oder mehrere Hochfrequenzkomponenten vom I&sub2;-, P&sub2;-Typ, möglicherweise in Verbindung mit Komponenten vom I&sub1;-, P&sub1;-Typ benutzt werden, um schnell Meßwerte der Verkehrsverteilung zu liefern, und wobei die Korrelation dieser Parameter zwischen der betrachteten Route und der entsprechenden Relativstrecke benutzt wird, um die Verkehrsverteilung zwischen möglichen Alternativrouten zu bestimmen und vorherzusagen.

21. Verfahren nach Anspruch 19 oder 20, dadurch gekennzeichnet, daß eine oder mehrere der Hochfrequenzkomponenten benutzt werden, um zu bestimmen, wie der Verkehrsfluß von einer Strecke auf stromabwärts gelegene Alternativrouten verteilt wird mittels der Korrelation zwischen der Strecke und den jeweiligen stromabwärts gelegenen Alternativrouten, und wobei diese Information für ausgewählte Strecken gespeichert werden und benutzt werden können, wenn auf der betrachteten Strecke ein Unfall stattfindet, um Alternativrouten zu definieren, die zu der vorhandenen Verkehrsverteilung stromabwärts des Unfalls passen, und auch anfänglich einen der entsprechenden Alternativroute zugewiesenen Verkehr vorherzusagen.

22. Verfahren nach einem der Ansprüche 1 bis 20, dadurch gekennzeichnet, daß die Verkehrsvorhersage für eine aktuelle Strecke erhalten wird von den Sensorwerten von einer anderen Strecke und daß die Vorhersage dann mit sich langsam ändernden Verkehrsparametern, z. B. Io, Pc, in Beziehung gesetzt wird und zu diesen Werten Amplitudenwerte von hochfrequenten Verkehrsparametern, z. B. I&sub2;, P&sub2;, addiert werden, die von gespeicherten Meßwerten von Verkehrsparameterrelationen, z. B. I&sub2;(Io, C), erhalten werden, z. B. I&sub2; wird für verschiedene Io/C-Werte gemessen, entweder auf der betrachteten Strecke oder es wird entsprechende Information von einer anderen, ähnlichen Strecke verwendet oder, falls Messungen nicht vorhanden sind, können die Terme I&sub2; und I&sub1; aus Standardabweichungen σ von dem Wert Io während der entsprechenden Meßperioden T&sub2; und T&sub1; verwendet werden, wobei diese Werte vorhergesagte I-Werte liefern, die mit den Kriterien der betrachteten Strecke bezüglich der Gefahr von Verkehrsstau verglichen werden.