EP1057156B1 - Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung - Google Patents

Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung Download PDF

Info

Publication number
EP1057156B1
EP1057156B1 EP99915492A EP99915492A EP1057156B1 EP 1057156 B1 EP1057156 B1 EP 1057156B1 EP 99915492 A EP99915492 A EP 99915492A EP 99915492 A EP99915492 A EP 99915492A EP 1057156 B1 EP1057156 B1 EP 1057156B1
Authority
EP
European Patent Office
Prior art keywords
traffic
status
location
domains
vectors
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.)
Expired - Lifetime
Application number
EP99915492A
Other languages
English (en)
French (fr)
Other versions
EP1057156A1 (de
Inventor
Claudius SCHNÖRR
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DDG Gesellschaft fuer Verkehrsdaten mbH
Original Assignee
DDG Gesellschaft fuer Verkehrsdaten mbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from DE19905284A external-priority patent/DE19905284A1/de
Application filed by DDG Gesellschaft fuer Verkehrsdaten mbH filed Critical DDG Gesellschaft fuer Verkehrsdaten mbH
Publication of EP1057156A1 publication Critical patent/EP1057156A1/de
Application granted granted Critical
Publication of EP1057156B1 publication Critical patent/EP1057156B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions

Definitions

  • the traffic situation cannot be seen from the individual traffic measurements. To the sizes and changes in traffic measurements over a particular Time interval can be considered. This "integration" allows the course thus determined the traffic measurements do not lose their topicality.
  • the inventive method according to claim 1 solves these problems consistently.
  • the creation of traffic information according to claim 1 can be immediate or after intermediate steps. So before creating Traffic information in claim 1 intermediate steps according to characteristics of Subclaims are made.
  • the differentiated traffic conditions e.g. scattered, stagnant, dense and free are not clearly definable and delimitable with regard to the input data. binary Border crossings between these traffic conditions also do not correspond to that subjective feeling of road users. It is therefore a gradual one Description of traffic conditions and a smooth transition from state to Condition necessary.
  • the subject of claim 2 is a method that solves these tasks consistently.
  • the traffic measurements which are recorded with different sensors and as Source information used for the traffic condition descriptions are both local as well as patchy. Gaps can also arise from the fact that there are no or too few measurements in one place. In these cases, the Traffic conditions at these locations cannot be determined directly.
  • the traffic conditions can only be determined directly at the measuring points. There not any number of sensors can be attached to the road network, there are also no traffic measurements between the measuring points.
  • the goal is a continuous description of the traffic conditions throughout the whole Route and ultimately for the entire road network.
  • the determined traffic situation at the different locations of the Road network must be one of the differentiated traffic conditions (congested, halting, dense or free). For this purpose, the Descriptions of local traffic conditions can be compared.
  • the locations combined into domains must have the same traffic conditions be compared with each other to see changes and dynamics of these domains to be able to determine in terms of place and time.
  • the aim is therefore, based on the location state vectors, which in their components containing the probabilities for the differentiated traffic conditions with the help a similarity measure, both the location state vectors and the domains to compare with each other.
  • the subject of claim 4 is a method that solves these tasks consistently.
  • Places with the same or similar traffic conditions must be the same as domains Traffic conditions are summarized or the domains more similar Traffic conditions must be segmented from each other.
  • the domains should not be bound to fixed sections of the route, but rather to them The beginning and end should correspond to the actual traffic days and let their dynamics be fixed in the right places.
  • the domains should contain a description of the future, which is derived from the State descriptions of the locations summarized in them result.
  • the subject of claim 1 is also a method that accomplishes these tasks consistently solves.
  • the domain segmentation of the road traffic network must be at time intervals be repeated. These update steps must ensure that the Segmentation always corresponds to the current traffic situation.
  • the new traffic domains currently found must match the existing, domains found in the previous update step.
  • the message management must use this to create new, change and delete messages produce.
  • the traffic situation classification and reporting method according to the invention is on Can be used on all motorways and expressways to reduce the risk of accidents. Critical traffic situations can sometimes even be avoided.
  • the system is not only necessary for security reasons. It is also the basis for Route planning, travel time forecasts, traffic jam prognoses, detour recommendations, Signal and traffic influencing as well as direct if necessary Vehicle control and traffic control and numerous other services.
  • Previously known dynamic traffic balancing methods were further modified to avoid typical weaknesses, for example described in the document by Siemens WO9525321A1: "Method of sensing traffic and detecting traffic situations on roads, preferably freeways", 1995 and 1997.
  • This modified method for traffic situation detection is the basis is a measuring section between two measuring points and the formation of the difference, in this case, however, not the traffic flows, but the speed-traffic density values, which are calculated from the local data.
  • a trend factor is determined from the ratio of traffic flows between the two measuring points over a predetermined period of time, e.g. 30 minutes and the first derivative, i.e. the slope of the tangent, is calculated.
  • the traffic conditions are classified directly based on the measured values by introducing the measured values into areas.
  • the latter method is based on the flow of traffic, the speed and the integrated flow balance a fuzzy logic applied to classify the Traffic conditions that have already been definitively determined.
  • a Different characteristics are not summarized.
  • the so determined Traffic conditions for the respective measuring sections are not continuous, sliding Transitions cannot be adequately described.
  • the real traffic dynamics is largely suppressed when recording the traffic conditions.
  • the known methods are therefore for the practice of detecting the Traffic condition at individual locations as well as the traffic days in Road network can only be used to a limited extent.
  • This feature description is the necessary prerequisite for it high-quality processes for location- and time-resolved State classification of traffic.
  • the method according to the invention for detecting the traffic status of a road traffic network by means of fuzzy classification and the formation of value-continuous location status vectors uses feature vectors which are obtained by preprocessing the measured values and describe the traffic situation at each measurement location (x). However, measured values or other calculated values, e.g. Travel times are processed.
  • the method converts these feature vectors via a fuzzy classification into a suitable description of the traffic conditions in the form of location status vectors.
  • each traffic pattern is assigned a vector of features that represents a point in the feature space. The n-dimensional feature space is spanned by the feature axes (Fig. 5).
  • the method according to the invention for creating a complete description of the traffic condition of a road traffic network is based on location condition vectors.
  • the components of these standardized location status vectors represent the probabilities for the existence of a traffic status at the location in question.
  • the extrapolation range is determined by the parameters of the Gaussian filter.
  • location state vectors are now available at practically all locations (FIG. 8).
  • this extrapolation may only be carried out up to a certain distance from the locally available location state vectors, so that the extrapolation values also correctly describe the real conditions.
  • the maximum extrapolation width is dynamically limited by a threshold for the amount of extrapolated state vectors, ie not rigid, but in dependence on the extrapolation result.
  • the weighting of the existing location state vectors must also decrease. For example, the Gaussian filter.
  • a component-wise averaging of the status vectors is also carried out at each location with the values of the previous update run.
  • This smooth temporal smoothing based on the continuous description of the state at each location is much more effective than an artificially enforced stability over time in subsequent processing steps.
  • Such sliding smoothing is a form of an autoregressive filter (AR) (Papoulis, A .: "Probability, Random Variables, and Stochastic Processes", McGraw-Hill Series, in: Systems Science, McGraw-Hill 1991).
  • AR autoregressive filter
  • the method according to the invention for comparing traffic condition descriptions and traffic domains by means of probabilistic similarity measures is based on location condition vectors which, for example, from feature vectors for each measuring location via a fuzzy classification and a subsequent weighted extrapolation for each selectable discretization of the distance between the measuring points, e.g. every 200m.
  • the components of these location state vectors are the probabilities for the presence of the differentiated traffic conditions at every location.
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the entire road network. Places with similar traffic conditions, that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network.
  • the definitive determination of the traffic condition at the location under consideration the combination of the locations of the same traffic condition into domains and the evaluation of the domains among each other presupposes that an objective comparison of the location status vectors with each other and the domain status vectors with each other is possible.
  • probabilistic similarity measures are used for this.
  • the comparison of the location state vectors is carried out component by component on the basis of the probabilities contained in the vector components for the presence of the differentiated traffic conditions at the location under consideration.
  • the basis for comparison is a similarity measure, for which a metric, i.e. a distance measure, is used.
  • a similarity measure is also used according to the invention for comparing the domains with one another.
  • the similarity measure for the traffic domains is also a metric that uses a state vector metric for the domain state vector and also takes into account the local position and length of the domain under consideration.
  • the state of maximum probability in particular the index of the maximum component of a state vector relative to the other components, can be used as a measure of similarity for both state vectors, the location state vector or the domain state vector.
  • the Euclidean vector norm can also be used as a metric for the state vectors: Sum ((vek1- vek2) 2 ).
  • the location of the traffic domains which is included in the metric as a measure of similarity, can be taken into account as follows: Amount (middle.domain1 - middle.domain2) / (length.domain1 + length.domain2) * 2.
  • the following can be used as a metric for the length of the traffic domain: Amount (length.domain1 - length.domain2) / max (length.domain1, length.domain2).
  • the method according to the invention for determining domains of the same traffic conditions is based on location state vectors, which for example. from feature vectors for each measuring location via a fuzzy classification and a subsequent weighted extrapolation for each selectable discretization of the distance between the measuring points, e.g. every 200m.
  • the components of these location state vectors are the probabilities for the presence of the differentiated traffic conditions at every location.
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the entire road network (FIG. 9 left). Places with similar traffic conditions, that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network.
  • the comparison of the traffic condition descriptions by the location condition vectors is carried out component by component by means of a probabilistic similarity measure, for which a metric, that is to say a distance measure, is used.
  • a metric that is to say a distance measure.
  • For each of these traffic domains their domain state vector results from vectorial addition and subsequent normalization of the location state vectors of all locations that are combined in this domain.
  • the domains are delimited from one another in such a way that stable domain tracking is possible.
  • This segmentation problem is solved as follows: For each location, the traffic state with the maximum probability is determined from its state vector. Starting with the location whose state vector e.g.
  • Congestion indicates in both directions whether the components of the state vectors of the neighboring locations are most likely to show the same traffic state or the component with the traffic state to be compared is at most below the maximum component by the hysteresis value. Due to this hysteresis, places whose state vectors speak for themselves another traffic state, but differ only slightly from the state of the starting point, are also counted as "traffic jam domain".
  • the state vector of the traffic domain found in this way is the normalized sum of the state vectors of the locations of the domain. For example, the sum of the components equal to 1 is selected as the norm.
  • the focus of the domain is the sum of the location coordinates of the domain, which are weighted with the amount of the corresponding local location state vectors.
  • the method according to the invention for the dynamic tracking of domains of the same traffic conditions is based on location condition vectors which consist of the feature vectors for each measurement location and by weighted extrapolation for each selectable discretization of the route between the measurement points, e.g. every 200m.
  • the components of these location state vectors are the probabilities for the presence of the differentiated traffic conditions at every location.
  • the location state vectors are thus a continuous description of the traffic conditions at each location under consideration and that for each location of the respective route section and thus for the entire road network. Places with similar traffic conditions, that is, similar location status vectors, are combined into traffic domains in order to be able to represent the traffic situation of the entire road traffic network.
  • the comparison of the traffic condition descriptions by the location condition vectors is carried out component by component using a probabilistic similarity measure, for which a metric, that is to say a distance measure, is used.
  • a probabilistic similarity measure for which a metric, that is to say a distance measure, is used.
  • their domain state vector results from vectorial addition of the location state vectors of all locations which are combined in this domain.
  • the result is a current list of traffic domains for a street or the road network.
  • the entire road network is broken down into the routes of the domains.
  • the domain state vectors contain, among other things, a continuous one. Grading.
  • the domain division of the road network is repeatedly determined and updated at time intervals.
  • the method according to the invention for dynamic tracking of these domains works as follows: The current domains determined in an update run are compared with the domains found in the previous update run, each of which has been stored in a message list. The newly found domains are assigned to the existing domains using a similarity measure.
  • the basis of the similarity measure is the continuous domain state vectors as well as the position and length of the stretches that are taken up by the domains. If a minimum similarity is found, the domain route under consideration is assigned to the corresponding message or the already existing domain. This is done for all newly discovered domains and existing messages.
  • This assignment based on a continuous similarity measure for the continuous domain state vectors also allows a gradual change in the traffic state over the course of a message.
  • Each of these assignments between domains and messages is checked. Which previous messages remain in the message list, whether there are change notices because the location and / or the length of the previous domains have changed due to the assignment of newly found domains, and which unassignable domains have to be reported again.
  • a new message may be generated for new domains, the message attributes for domains assigned to existing messages are updated and change messages may be generated, and messages which could not be assigned to a domain or only to a domain with the traffic state "free" are deleted.
  • a hysteresis parameter can be used to control when new and change reports are considered significant and actually executed.
  • the result of the method according to the invention is a dynamic tracking of the domains with similar traffic conditions with each update step and a constantly updated message list.
  • the list of messages with the domain properties contained in each message is the basis for information about the traffic conditions on the road network. This information is stored until the next update step and is brought to the attention of the vehicle drivers in a suitable manner, e.g. via mobile radio or signal systems. or they are used for control interventions in traffic or the direct influencing of vehicles.
  • the information that is passed on to the road users can also be given individually depending on their respective positions and destinations in the road network.
  • the message results of the methods are visualized according to the invention and compared with the measured traffic values.
  • the measured traffic values in the section of road under consideration are represented by different gray values over time.
  • the reports of the traffic conditions or the domains are also shown in this coordinate system. With the time axis moving over the image, one can recognize the traffic situation and its dynamics and from the congruence between measurement and message the quality of the process results (FIG. 10). Examples of this; which creates a realized prototype are shown in FIGS. 11 and 12.
  • the algorithm is executed repeatedly over time.
  • the update section therefore moves from left to right.
  • the saved values to the left of the current time of evaluation are viewed.
  • the locations of domains found are shown by vertical lines. If messages are activated for these domains, this is indicated by a white spot in the focus of the domain.
  • a connecting line is then also drawn between the focal points of the domain, which visualize the temporal assignment by the method for dynamic tracking of the domains.
  • the different gray values of the lines correspond to different colors with which the states are reproduced, stagnant, dense and freely reproduced. Small diamonds can also be seen, which show the local traffic conditions at the locations where traffic measurements are available.
  • the traffic measurements are shown in gray in the background. For example, in the figures.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

Hintergrund der Erfindung
im Straßenverkehr, insbesondere auf den Autobahnen und Schnellstraßen, können sich die Verkehrszustände sehr schnell ändem. Infolge des hohen Verkehrsflusses und der individuellen Fahrweise der Verkehrsteilnehmer entsteht eine Dynamik im Verkehr, die kaum vorausschauend erkannt werden kann. Hinzu kommen Störungseinflüsse wie Geschwindigkeitsbegrenzungen, Änderung der Anzahl der Fahrspuren, Baustellen und Unfälle, welche plötzlich eine Fahrspur oder die ganze Autobahn blockieren. Die Störungen breiten sich dann wellenartig aus und führen auch in größeren Entfernungen zur Beeinträchtigung des Verkehrs. Auch die Gegenfahrbahnen sind in der Regel betroffen, weil auch dort die Verkehrsteilnehmer angesichts des Geschehens ihre Geschwindigkeit aus verschiedenen Beweggründen drosseln. Durch diese Verkehrsdynamik kommt es häufig zu einzelnen oder Serien-Auffahrunfällen, weil der Sicherheitsabstand nicht eingehalten worden war oder die Fahrer diese kritische Verkehrsdynamik einfach nicht mehr beherrschen.
Es besteht deshalb ein dringender Bedarf an rechtzeitigen und aktuellen Informationen über die Verkehrszustände in örtlich möglichst genau bezeichneten Streckenabschnitten. Dabei ist nicht nur das Stauereignis wichtig, sondern auch die streckenbezogene Angabe von Verkehrszuständen, welche einem Verkehrsstau in der Regel voraus gehen, zum Beispiel stockender oder dichter Verkehr. Es ist also eine differenzierte Erkennung der Verkehrszustände erwünscht und notwendig, und zwar trotz häufigem Fehlen von Zusatzinformationen über den aktuellen Stand der Strecken, z.B. über Baustellen, Zahl der Fahrspuren oder deren topologischen Verlauf: Steigungen, Gefällstrecken u.ä.
Die Verkehrsdomänen mit in einer Verkehrsdomäne jeweils überall gleichen oder ähnlichen Verkehrszuständen breiten sich aus, sie wachsen, teilen sich auf, wandern, und die Verkehrszustände gehen ineinander über, bis sie sich schließlich auflösen, das heißt wieder freie Fahrt besteht. Diese Domänen müssen also gefunden, klassifiziert, lokalisiert und dynamisch verfolgt werden.
Daran schließt sich das Meldungsmanagement für Verkehrsmeldungen an, das letztlich die Ergebnisse in einer für die Autofahrer geeigneten Form aufbereitet.
Bei der Realisierung dieser Zielsetzung bestehen folgende Probleme:
Aus den einzelnen Verkehrsmeßwerten ist die Verkehrslage nicht erkennbar. Dazu müssen die Größen und Änderungen der Verkehrsmeßwerte über ein bestimmtes Zeitintervall betrachtet werden. Durch diese "Integration" darf der so ermittelte Verlauf der Verkehrsmeßwerte jedoch nicht seine Aktualität verlieren.
Es ist ferner notwendig, Verkehrsmeßwerte von unterschiedlichen Sensoren zu verarbeiten, die ortsfest oder mobil sein können, synchrone, asynchrone oder ereignisinduzierte Meßwerte liefern und deren Meßwerte auch lückenhaft und sehr verrauscht sein können.
Es ist außerdem wünschenswert, daß das Verfahren nicht an eine vorgegebene Streckeneinteilung gebunden ist, also streckenunabhängig arbeitet und auch Streckenkenntnisse über Spurzahl, Baustellen, Geschwindigkeitsbegrenzungen, Topologie der Streckenabschnitte usw. nicht erforderlich sind.
Aus den Verkehrsmeßdaten kann nicht eindeutig auf die Verkehrslage an den jeweiligen Meßpunkten geschlossen werden. Dazu ist es notwendig, den Verlauf der Meßwerte über Ort und Zeit zu kennen. Die spezifischen Eigenschaften des Verkehrs sind in den Meßwerten nur zusammen mit ihrem Orts-Zeitverlauf enthalten. Ziel ist deshalb die Zusammenfassung von Verkehrsdaten verschiedenen physikalischen Inhalts zu resultierenden Merkmalsvektoren, welche die Verkehrslage eindeutig charakterisieren. Zusätzlich ist auch eine Unterscheidung zwischen den Zuständen "kein Verkehr" und "Totalstau", welche die gleichen Meßwerte ergeben, erforderlich.
Das erfindungsgemäße Verfahren gemäß Anspruch 1 löst diese Probleme konsistent.
Die Erstellung von Verkehrsinformationen gemäß Anspruch 1 kann unmittelbar oder nach Zwischenschritten erfolgen. So können vor der Erstellung von Verkehrsinformationen im Anspruch 1 Zwischenschritte nach Merkmalen der Unteransprüche erfolgen.
Bei der weiteren Verarbeitung von die Verkehrssituation beschreibenden Merkmalsvektoren ergeben sich folgende weitere Probleme:
Die differenzierten Verkehrszustände, z.B. gestreut, stockend, dicht und frei, sind nicht eindeutig definierbar und abgrenzbar bezüglich der Eingangsdaten. Binäre Grenzübergänge zwischen diesen Verkehrszuständen entsprechen auch nicht dem subjektiven Empfinden der Verkehrsteilnehmer. Es ist deshalb eine graduelle Beschreibung der Verkehrszustände und ein gleitender Übergang von Zustand zu Zustand notwendig.
Die Beschreibung der Verkehrszustände an einem Ort muß vergleichbar sein Es ist auch eine einheitliche Skalierung für nachfolgende Berechnungen und die Zusammenfassung aller Merkmale an einem Ort erforderlich.
Gegenstand des Anspruchs 2 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Weiterverarbeitung einer solchen Verkehrszustandsbeschreibung ergeben sich folgende Probleme:
Die Verkehrsmeßwerte, die mit verschiedenen Sensoren erfaßt werden und als Quellinformationen für die Verkehrszustandsbeschreibungen dienen, sind sowohl örtlich als auch zeittich lückenhaft. Lücken können auch dadurch entstehen, daß an einem Ort keine oder zu wenig Meßwerte vorhanden sind. In diesen Fällen können die Verkehrszustände an diesen Orten nicht direkt ermittelt werden.
Die Verkehrszustände können direkt nur an den Meßpunkten ermittelt werden. Da nicht beliebig viele Sensoren im Straßenverkehrsnetz angebracht werden können, liegen auch zwischen den Meßpunkten keine Verkehrsmeßwerte vor.
Ziel ist aber eine kontinuierliche Beschreibung der Verkehrszustände über die ganze Strecke und letztlich für das ganze Straßenverkehrsnetz.
Diese Zielsetzung kann durch eine Extrapolation der Meßwerte selbst nicht erreicht werden. Eine Interpolation der Werte zwischen zwei Meßpunkten stattdessen ist aufwendig und die Interpolationsweite muß begrenzt werden. Man kann die Lücken auch mit gemittelten historischen Daten füllen. Dies führt aber zu Verfälschungen. Ersatzwerte aus Modellrechnungen zur Schließung der Meßwertlücken auf Basis der verfügbaren Meßwerte sind aufwendig und setzen eine hohe Qualität dieser verfügbaren Meßwerte voraus.
Der Gegenstand des Anspruchs 3 löst diese Probleme konsistent.
Zur Bildung von Verkehrsdomänen jeweils einheitlichen Verkehrszustandes sowie deren Verfolgung über Ort und Zeit müssen Zustandsvektoren miteinander verglichen werden. Dabei treten folgende Probleme auf:
Die ermittelten Verkehrslagen an den verschiedenen Orten des Straßenverkehrsnetzes müssen einem der differenzierten Verkehrszustände (gestaut, stockend, dicht oder frei) zugeordnet werden. Zu diesem Zweck müssen die Beschreibungen der örtlichen Verkehrslagen miteinander verglichen werden.
Ebenso müssen die zu Domänen zusammengefaßten Orte gleicher Verkehrszustände miteinander verglichen werden, um Änderungen und Dynamik dieser Domänen bezüglich Ort und Zeit festellen zu können.
Diese Vergleiche können jedoch nicht als Identitätsvergleich auf der Basis identisch gleicher Verkehrsmeßwerte oder der charakteristischen Merkmalsvektoren, welche die lokale Verkehrssituation in anderer Form beschreiben, vorgenommen werden, weil diese stochastischen Werte nie vollständig gleich sind, aus unterschiedlichen physikalischen Meßwerten hervorgehen und damit verschiedene Maßeinheiten haben und unterschiedlich skaliert sind.
Ziel ist deshalb, auf der Basis der Ortszustandsvektoren, welche in ihren Komponenten die Wahrscheinlichkeiten für die differenzierten Verkehrszustände enthalten, mit Hilfe eines Ähnlichkeitsmaßes sowohl die Ortszustandsvektoren als auch die Domänen jeweils miteinander zu vergleichen.
Gegenstand des Anspruchs 4 ist ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Segmentierung von Verkehrsdomänen in Straßenverkehrsnetzen müssen die folgenden Probleme gelöst werden:
Orte mit gleichen oder ähnlichen Verkehrszuständen müssen zu Domänen gleicher Verkehrszustände zusammengefaßt werden bzw. die Domänen ähnlicher Verkehrszustände müssen voneinander segmentiert werden.
Die Domänen sollen nicht an feste Streckenabschnitte gebunden sein, sondern deren Anfang und Ende sollen sich, entsprechend den tatsächlichen Verkehrstagen und deren Dynamik, stetig an den richtigen Stellen festlegen lassen.
Die Domänen sollen eine Zustendsbeschreibung enthalten, die aus den Zustandsbeschreibungen der in ihnen zusammengefaßten Orten resultiert.
Der Gegenstand des Anspruchs 1 ist ebenfalls ein Verfahren, das diese Aufgaben konsistent löst.
Bei der Verfolgung der Domänen und deren Zuordnung zu durch frühere Vehrsmeldungen ausgewiesene Domänen bestehen folgende Probleme:
Die Domänensegmentation des Straßenverkehrsnetzes muß in zeitlichen Intervallen wiederholt werden. Diese Aktualisierungsschritte müssen sicherstellen, daß die Segmentation immer dem aktuellen Verkehrszustand entspricht.
Die aktuell gefundenen neuen Verkehrsdomänen müssen den bereits bestehenden, im vorhergehenden Aktualisierungsschritt gefundenen Domänen zugeordnet werden.
Das Meldungsmanagement muß daraus Neu-, Anderungs- und Löschmeldungen erzeugen.
Das erfindungsgemäße Verkehrslage-Klassifikations- und Meldungsverfahren ist auf allen Autobahnen und Schnellstraßen zur Verringerung der Unfallgefahr einsetzbar. Kritische Verkehrssituationen können teilweise sogar vermieden werden. Das System ist aber nicht nur aus Sicherheitsgründen notwendig. Es ist auch die Grundlage für Routenplanungen, Reisezeitprognosen, Stauverlaufsprognosen, Umleitungsempfehlungen, Signal-und Verkehrsbeeinflussung sowie gegebenenfalls direkte Fahrzeugbeeinflussung und Verkehrslenkung und zahlreiche andere Dienste.
Stand der Technik
Bisher bekannte dynamische Verkehrsbilanzierungsverfahren wurden weiter modifiziert, um typische Schwächen zu vermeiden, z.B. beschrieben in der Schrift von Siemens WO9525321A1: "Method of sensing traffic and detecting traffic situations on roads, preferably freeways", 1995 und 1997. Bei diesem modifizierten Verfahren zur Verkehrssituationserkennung ist die Grundlage eine Meßstrecke zwischen zwei Meßpunkten und die Differenzbildung, in diesem Fall jedoch nicht der Verkehrsflüsse, sondern der Geschwindigkeits-Verkehrsdichte-Werte, welche aus den lokalen Daten berechnet werden. Zusätzlich wird ein Trendfaktor aus dem Verhältnis der Verkehrsflüsse zwischen den beiden Meßpunkten über eine vorgegebene Zeitperiode von z.Bsp. 30 Minuten und die erste Ableitung, das heißt die Steigung der Tangente, berechnet. Aus diesen drei Verkehrsparametern wird mit Hilfe einer Fuzzy-Logik ein Indikator für eine kritische Verkehrssituation in der Meßstrecke detektiert
Eine Weiterentwicklung des gleichen Verfahrens verwendet eine dynamische Kalibrierung der genannten Verkehrsparameter, abhängig von ihren Vergangenheitswerten, zur Korrektur der Differenzbildungen (Siemens/WO9525321A1: "Method of Detecting Traffic and Traffic Situations on Roads, Preferably Motorways"). Der Kalibrierungsfaktor für die Geschwindigkeits-Dichte-Differenz wird außerdem als Schwellwert benutzt, dessen Überschreitung eine kritische Verkehrssituation anzeigt. Mit diesen Maßnahmen wird die Abhängigkeit der Differenzbildungen von vielen Einflußgrößen wie der Distanz zwischen den Meßpunkten, den Meßfehlem und -toleranzen, der Geometrie bzw. Topologie der Meßstrecke, dem Straßenzustand, der unterschiedlichen Fahrweise bei Tag und Nacht usw. korrigiert.
Bei diesen bilanzierenden Verfahren erfolgt die Klassifizierung der Verkehrszustände direkt anhand der Meßwerte durch Einleitung der Meßwerte in Bereiche. Bei dem zuletzt genannten Verfahren wird auf den Verkehrsfluß, die Geschwindigkeit und die integrierte Flußbilanz eine Fuzzy-Logik angewendet zur Klassifizierung der Verkehrszustände, die damit bereits endgültig festgelegt werden. Eine Zusammenfassung von verschiedenen Merkmalen erfolgt nicht. Die so ermittelten Verkehrszustände für die jeweiligen Meßstrecken sind nicht kontinuierlich, gleitende Übergänge sind nicht adäquat beschreibbar. Die real vorhandene Verkehrsdynamik wird damit bei der Erfassung der Verkehrszustände weitgehend unterdrückt.
Da alle diese Verfahren nur mit einer festen Stresckeneinteilung des ganzen betrachteten Verkehrsnetzes arbeiten, kann die Entscheidung für einen bestimmten Verkehrszustand aufgrund der Meßwerte am Anfang und Ende einer Meßstrecke deshalb immer nur für die jeweilige Strecke getroffen werden. Mit diesen Verfahren kann prinzipiell der graduelle Verlauf der Zustandsinfonnation über die betrachtete Strecke nicht ermittelt werden.
Entsprechend gibt es bei diesen Verfahren auch keine graduelle Zustandsbeschreibung. Deshalb können sie auch kein auf einer solchen Zustandsbeschreibung basierendes Ähnlichkeitsmaß für die Zuordnung der Verkehrslagen an den verschiedenen Orten zu den differenzierten Verkehrszuständen verwenden.
Nachfolgend können deshalb auch nur die Streckenabschnitte zusammengefaßt werden, bei denen anhand der Meßwerte auf den vorgegebenen Strecken die Entscheidung für den gleichen Verkehrszustand getroffen wurde. Diese Systeme können Anfang und Ende der Verkehrsdomänen, in denen die gleichen Verkehrszustände herrschen, nicht ausweisen, sondern nur im Rahmen der funktionsbedingten Streckeneinteilung. Eine dynamische Domänenbildung ist bei den bekannten Verfahren prinzipiell nicht möglich.
Damit ist folglich auch keine dynamische Domänenverfolgung möglich. Auch das Meldungsmanagement unterliegt diesen Einschränkungen.
Die bekannten Verfahren lösen die dargestellten Probleme nicht und sie bieten auch keinen Lösungsansatz:
  • Nur synchrone Meßdaten von stationären Sensoren können verarbeitet werden.
  • Die Verfahren sind alle streckengebunden, wodurch die örtliche Auflösung eingeschränkt ist.
  • Als Merkmal wird nur die über die Zeit integrierte Flußdifferenz berechnet.
  • Der Verlauf der Meßwerte über Ort und Zeit wird nur integriert über die festgelegte Meßstrecke, das heißt an zwei Meßpunkten, ermittelt.
  • Es gibt keine graduelle Beschreibung des Verkehrszustandes über den Ort, der auch gleitende Übergänge adäquat erfassen kann.
  • Eine Ähntichkeitszuotdnung auf Basis einer kontinuierlichen Zustandsbeschreibung ist daher weder für einzelne Orte noch für ausgewiesene Verkehrsdomänen möglich.
  • Eine dynamische Bestimmung und Verfolgung der Verkehrsdomänen Ober den Ort und die Zeit ist damit nicht möglich. Das Meldungsmanagement unterliegt den gleichen Einschränkungen
Die bekannten Verfahren sind deshalb für die Praxis zur Erfassung des Verkehrszustandes an einzelnen Orten sowie der Verkehrstage im Straßenverkehrsnetz nur eingeschränkt brauchbar.
Besondere Vorteile und weitere Merkmale eines erfindungsgemäßen Verfahrens und Systems ergeben sich aus der nachfolgenden Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Dabei zeigt
Fig. 1:
Zeitfunktionen der Meßwerte von Induktionsschleifen für ein Stauereignis,
Fig. 2:
Mediangefilterte Zeitfunktionen aus Fig. 1,
Fig. 3:
Dilatierte Tophat-Funktion der Breite 15 Minuten angewendet auf die Geschwindigkeitsmeßwerte bei stockendem Verkehrszustand,
Fig. 4:
Schematische Darstellung der Verarbeitungskette:
Eingehende Verkehrsmeßwerte:
Eintrag in Speichereinheiten für die Speicherung von erfassten Verkehrsmesswerten je betrachteter Straße in Abhängigkeit von Ort und Zeit ihrer Erfassung, im folgenden Historienfenster genannt, über Ort x und Zeit t, Bildung von Merkmalsvektoren je Ort nach den orts-zeitlichen Filterungen der Meßwerte,
Fig. 5:
Skizze eines Merkmalsraumes mit Klasseneinteilung.
Fig. 6:
Fuzzy-Klassifikations- bzw. Disknminanzfunktionen für die örtlich und zeitlich gefilterten Meßgrößen (oder die Merkmale),
Fig. 7:
Bestimmung des normierten Ortszustandsvektors an einem Ort x aus den Zustandsvektoren je Merkmal, die sich aus den Merkmalen durch Fuzzy-Klassifikation ergeben,
Fig. 8:
Zustandsextrapolation der Zustandsvektorkomponenten über den Ort mit z.B. einem lokalen Gaußfilter,
Fig. 9:
Skizze zur Visualisierung der Ergebnisse des Domänenwachstumsverfahrens auf Basis der Ortszustandsvektoren,
Fig. 10:
Skizze zur Visualisierung der Ergebnisse und die zeitliche Zuordnungen der durch die Meldungen
ausgewiesenen Verkehrsdomänen zu aufeinanderfolgenden Zeitpunkten,
Fig. 11:
Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel eines Stauereignisses.
Fig. 12:
Erzeugte Verkehrsmeldungen des realisierten Prototyps am Beispiel eines Stauereignisses bei gleichzeitiger Darstellung der Geschwindigkeitsmeßwerte im Hintergrund.
Im folgenden werden beispielhaft die Eigenschaften eines erfindungsgemäßen effizienten Verkehrstage-Ktassifikations- und -Meidungssystems präzisiert.
Die Verkehrszustände gestaut, stockend, dicht und frei werden mittels Merkmalen klassifiziert. Weitere Zustände können bei Bedarf durch Einbindung weiterer Merkmale ergänzt werden.
Ähnliche Verkehrszustände, weiche durch örtliche Zustandsindikatoren festgestellt wurden, werden zu Verkehrsdomänen zusammengefaßt. Wachstum, Wanderung, gegebenenfalls Teilung sowie Übergänge dieser Domänen in die anderen klassifizierten Verkehrszustände bis zu ihrer Auflösung in der Klasse ''frei'' wenden dynamisch verfolgt.
Die Domänenbildung ist nicht an ein streckenabhängiges oder stabilitätsbedingtes Raster gebunden. Die Feinheit der örtlichen Auflösung ist wählbar.
Die "Wahrscheinlichkeiten" für die angezeigten Verkehrszustände bzw. deren Signifikanz werden festgestellt.
Das Meldungsmanagement stützt sich auf die ermittelte Dynamik der Domänen und ist nicht an feste Orte gebunden.
Neu ermittelte Domänen können bereits gemeldeten Domänen über ein Ähnlichkeitsmaß zugeordnet werden. Da die Zustände der Domänen kontinuierlich beschrieben werden, läßt das Verfahren auch Zustandsübergänge im Lebenslauf einer Domäne zu.
Der Algorithmus bietet Freiheitsgrade, um über Parameter die gewünschte Sensibilität des Systems bzgl.
  • der zeitlichen Reaktion auf eingehende Daten,
  • der Auflösung bei der Sicht des Systems auf die Verkehrsdomänen und
  • der Häufigkeit von Meldungen ohne Beeinflussung der Domänenbildung anzupassen.
Es sind keine Streckenkenntnisse erforderlich. Es sind auch keine weiteren Modellbildungen notwendig. Falls solche Zusatzinformationen jedoch vorhanden sind, können sie zur weiteren Verbesserung der Systemergebnisse durch ergänzende Verwendung von Verkehrsmodellen leicht genutzt werden.
Die Qualität der Meldungen wird realisiert durch eine hohe örtliche und zeitliche Auflösung und einer damit hohen Aktualität, durch die Konsistenz der Meldungen, unabhängig von der Herkunft der Daten und vom jeweiligen Detektortyp, und durch eine hohe Stabilität. Es erfolgt eine frühzeitige Warnung vor staugefährdeten Streckenabschnitten durch die Meldung der Zustände dicht und stockend.
Das System basiert auf einer kontinuierlichen Beschreibung der Verkehrszustände. Sein Algorithmus kann synchrone, asynchrone und ereignisinduzierte Verkehrsdaten auch unterschiedlichen physikalischen Inhalts verarbeiten und nutzen. Die Meßstellen können ortsfest sein, es kann aber auch an variablen Orten gemessen werden.
Das System benötigt keine aufwendige Interpolation der Meßwerte entlang der betrachteten Straßen.
Die Meldungen des Systems werden zum Funktionstest mit realen historischen Verkehrsdaten und zur Überwachung im Betrieb in Kongruenz mit den Verkehrsmeßwerten visualisiert. Die Visualisierung zeigt auch die Dynamik der Verkehrslage.
Das System ermöglicht auch die Unterscheidung zwischen einem Totalstau und völlig freiem Verkehr, obwohl in diesen beiden Extremfällen jeweils keine sinnvollen Verkehrsmeßwerte vorliegen.
Nach jedem Verarbeitungszyklus liegt für jede betrachtete Straße eine Liste gemeldeter Verkehrsdomänen vor, die eine lückenlose dynamische Darstellung der Verkehrssituation des betrachteten Straßennetzes darstellt.
Grundlage eines solchen Systems sind die folgenden, auch einzeln sinnvoll verwendbaren Verfahren zur Verarbeitung und Aufbereitung von Verkehrsinformationen. Verkehrsdaten-Vorverarbeitung und Merkmalsbildung
Das erfindungsgemäße Verfahren zur Verkehrslageerfassung mit Historienfenster, mehrdimensionaler morphologischer Datenfilterung und Merkmalsvektorbildung erhält Verkehrsdaten von verschiedenen Sensoren als Quellinformationen und setzt diese über orts-zeitliche Filterungen in Merkmale je Meßort um, welche die örtliche Verkehrssituation beschreiben.
Induktionsschleifen sind stationär in unterschiedlichen Abständen an der Autobahn installiert und liefern synchron, gemittelt über die Taktzeit, die Meßwerte für die Geschwindigkeit, den Verkehrsfluß, den Zeitpunkt und den Ort der Messung. Geschwindigkeits- und Flußwerte können auch getrennt für PKWs und LKWs vorliegen.
Infrarot- oder Radarsensoren sind ebenfalls ortsfest und liefern ereignisinduziert asynchrone Meßwerte.
"Floating-Cars" messen nur die Geschwindigkeit jeweils eines Fahrzeuges in diesem Fahrzeug, also an variablen Orten und asynchron. Die Meßwerte sind also Geschwindigkeit, Zeitpunkt und Ortskoordinate der Messung.
Aus diesen Quelldaten wird die lokale Verkehrsdichte berechnet und die Meßvektoren über Ort x und Zeit t gebildet. Die Meßwerte können zeitweise ausfallen, so daß örtliche und zeitliche Lücken entstehen, zusätzlich zu den Orten, die nicht durch Detektoren abgedeckt sind. Diese Daten unterschiedlicher Herkunft und Qualität werden nun zu konsistenten und stabilen Aussagen über die Verkehrssituation verarbeitet.
Zunächst werden fehlerhafte Daten eliminiert. Konnte der über die Taktzeit gleitende Mittelwert der Geschwindigkeit mangels Verkehr nicht bestimmt werden, so wird ein speziell definierter Wert angezeigt. Die Meßwerte fehlen aber auch dann, wenn eine Vollsperrung des Verkehrs vorliegt. In beiden Fällen ist der Fluß null. Für die Entscheidung, welche Situation wirklich vorliegt, dient ein Gedächtnis über den vorgängigen Verlauf der Geschwindigkeit und des Flusses. Da innerhalb eines Staus in kleinen Bereichen sehr kleine Fluß- und Geschwindigkeitswerte auftreten können, werden Werte unterhalb einer Mindestgröße nicht zur Dichteberechnung herangezogen.
Alle Meßvektoren werden über gleitende "Historienfenster" je Meßwertkategorie - Geschwindigkeit v, Verkehrsfluß f und Dichte d - von z.Bsp. 20 min weitergegeben. Die weiter zurückliegenden Werte werden gelöscht. Der Ort ist in diesen Historienfenstern in kleinen Intervallen von z.Bsp. 200m diskretisieret, die Zeit in Intervallen von z.Bsp. 1 Minute. Die Historienfenster werden im Takt der synchronen Detektordaten von z.Bsp. 1 min weitergeführt. So erhält man die Meßwerte als gleitende Zeitfunktionen unter Erhaltung des Orts-Zeit-Bezugs und mit großer Aktualität (Fig. 4).
Da die Meßwerte stark verrauscht sind (Fig. 1), wird eine örtliche und zeitliche Filterung der Geschwindigkeits- und Dichte-Werte durchgeführt, um die Schwankungen zu senken, ohne jedoch signifikante Zustandsübergänge zu unterdrücken. Die Analyse der Zeitfunktionen der Meßvektoren zeigt, daß dazu ein Medianfilter geeignet ist (Fig. 2).
Als Merkmal für den stockenden Verkehr wird die Standardabweichung der Flußwerte aus dem Historienfenster und die dilatierte Tophat-Funktion der Geschwindigkeiten mit z.Bsp. 15 Minuten Breite herangezogen (Fig. 3), um Maße für die zeitliche Schwankung des Verkehrs zu erhalten. Je größer diese beiden Merkmale sind, desto eher liegt stockender Verkehr vor.
Für die Tophat-Funktion, ein morphologisches Filter, gilt (siehe Serra, J., "Image Analysis and Mathematical Morphology", 1982, Academic Press): Tophat (v) = v-Opening mit Opening(v) = Dilatation(Erosion(v)). Dilation und Erosion sind ebenfalls morphologische Filter.
Die Filter müssen dabei auch mit Meßwertlücken, d.h. bei fehlenden Meßwerten an manchen Orts- und Zeitkoordinaten innerhalb der Historienfenster, funktionieren. Bei den morphologischen Rangfolgeoperationen, Median, Erosion und Dilatation, aus denen auch die Tophat-Filterung besteht, ist diese Notwendigkeit aber leicht zu berücksichtigen: nicht vorhandene Meßwerte werden weggelassen. Zur Berechnung der Standardabweichung der Flußwerte werden ebenfalls nur vorhandene Werte verwendet.
Nach dieser Vorverarbeitung (Fig. 4) liegt für jeden Ort x der resultierende Merkmalsvektor vor: (v.med20, d.med20, f.sigma20, v.tophat15)T (x). Dabei bedeuten:
  • v.med20 = Geschwindigkeitsmeßwerte mediangefiltert mit Fensterbreite 20 min;
  • d.med20 = Dichtewerte median-gefiltert, Fensterbreite 20 min;
  • f.sigma20 = Standardabweichung der Flußwerte innerhalb 20 min;
  • v.tophat15 = Geschwindigkeitswerte tophat-gefiltert mit Fensterbreite 15 min.
Diese Merkmale sind Größen, die beispielsweise Meßwerte mit gemindertem Rauschanteil wiedergeben, oder die den Grad der Geschwindigkeits- und Flußschwankungen in Abhängigkeit vom Ort quantifizieren.
Diese Merkmalsbeschreibung ist die notwendige Voraussetzung für darauf aufsetzende höherwertige Verfahren zur orts- und zeitaufgelösten Zustandsklassifikation des Verkehrs.
Das erfindungsgemäße Verfahren ist also charakterisiert durch die folgenden Verarbeitungsschritte:
  • Detektordaten empfangen
    • synchron, asynchron, ereignisinduziert, ortsfest, variabler Ort
  • Detektordaten verarbeiten
    • Lokale Verkehrsdichte berechnen
    • Meßvektor bilden: (v, f, d)T (t, x)
    • Plausibilitätskontrolle, fehlerhafte Daten eliminieren
  • "Historienfenster"
    • Gleitende Orts- und Zeitfunktionen der Meßwerte
  • Filterung über Ort und Zeit
    • Medianfilter für Geschwindigkeits- und Dichte-Daten
    • Standardabweichung der Flußwerte
    • Dilatierte Tophat-Funktion der Geschwindigkeiten
    • Resultierender Merkmalsvektor an jedem Ort x zur Beschreibung der örtlichen Verkehrssituation: (v.med20, d.med20, f.sigma20, v.tophat15)T (x)
Klassifikation der Verkehrszustände auf Basis von Verkehrssituationsbeschreibungen
Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes eines Straßenverkehrsnetzes mittels Fuzzy-Klassifikation und die Bildung von wertekontinuierlichen Ortszustandsvektoren benutzt Merkmalsvektoren, welche durch eine Vorverarbeitung der Meßwerte gewonnen werden und die Verkehrssituation an jedem Meßort (x) beschreiben. Es können aber auch direkt Meßwerte oder andere berechnete Werte, z.Bsp. Reisezeiten, verarbeitet werden. Das Verfahren setzt diese Merkmalsvektoren über eine Fuzzy-Klassifikation in eine geeignete Beschreibung der Verkehrszustände in Form von Ortszustandsvektoren um.
Zur Unterscheidung der Verkehrszustände: gestaut, stockend, dicht und frei wird jedem Verkehrsmuster ein Vektor aus Merkmalen zugeordnet, der im Merkmalsraum einen Punkt darstellt. Der n-dimensionale Merkmalsraum wird dabei durch die Merkmalsachsen aufgespannt (Fig. 5).
Die Klassifikation der Muster entspricht nun einer räumlichen Aufteilung des Merkmalsraumes. Das kann durch Trennfunktionen geschehen, die exakte Grenzen festlegen. Hier wird jedoch ein Ansatz gewählt, der Diskriminanzfunktionen für jede Klasse verwendet. Ein Muster wird danach derjenigen Klasse zugeordnet, deren Diskriminanzfunktion für die Merkmale dieses Musters größer ist als die übrigen Diskriminanzfunktionen (Duda, R.O. and Hart, P.E.: "Pattern Classification and Scene Analysis", New York 1972). Jede Klasse steht dabei für einen der zu unterscheidenden Verkehrszustände.
Um die Diskriminanzfunktionen festzulegen ist eine Definition der genannten Verkehrszustände nötig. Bereits bei einer verbalen Beschreibung zeigt sich jedoch, daß die Beschreibungen subjektiv gefärbt und diffus sind und die Grenzen zwischen den Verkehrszuständen nicht eindeutig sind, sondern qualitativer Art über jeweilige Vergleiche mit den anderen Verkehrszuständen. Diesem Problem, daß die Definition der Verkehrszustände nur "unscharf' möglich ist, wird durch eine Fuzzy-Klassifikation Rechnung getragen. Die Fuzzy-Klassifikationsfunktionen werden an jedem Ort auf die vorliegenden Merkmalsvektoren angewendet (Fig. 6).
Über die komponentenweise Fuzzy-Klassifikation wird jedem Verkehrszustand eine Wahrscheinlichkeit zugeordnet. Diese Komponenten-Zustandsvektoren werden sodann durch vektorielle Addition mit anschließender Normierung zu einem einzigen Zustandsvektor für jeden Ort zusammengeführt (Fig. 7).
Anstelle einer Summation kann auch eine komponentenweise Multiplikation der Zustandswahrscheinlichkeiten erfolgen. Statt die Vektoren auf die Summe der Komponenten gleich 1 zu normieren, kommt auch eine Normierung auf den Vektorbetrag gleich 1 in Betracht.
Aus anderen Quellen, z.Bsp. aus modellgestützten Verfahren, ermittelte örtliche Zustandsvektoren werden in gleicher Weise bei der Kombination der merkmalsbasierten Zustandsvektoren zu den Ortszustandsvektoren einbezogen, ggf. unter Berücksichtigung von zusätzlichen Gewichtungsfaktoren.
Es liegen nun an allen Orten, an denen genügend Meßwerte vorhanden waren und daraus Merkmalsvektoren berechnet werden konnten, lokale Zustandsvektoren vor, welche die Wahrscheinlichkeiten für die verschiedenen Verkehrszustände enthalten. Das erfindungsgemäße Verfahren zur Erfassung des Verkehrszustandes mittels Fuzzy-Klassifikation und Ortszustandsvektoren ist also charakterisiert durch die folgenden Verarbeitungsschritte:
  • Klassifikation der Verkehrszustände
    • Merkmale der Verkehrszustände: gestaut ... frei
    • Aufteilung des Merkmalraumes durch Fuzzy-Diskriminanzfunktionen
    • Fuzzy-Klassifikation der Komponenten der vorhandenen Merkmalsvektoren an jedem Ort: Wahrscheinlichkeit der Verkehrszustände je Merkmal
  • Vektorielle Addition und Normierung zu einem Zustandsvektor für jeden Ort: Ortszustandvektor
Extrapolation zur Erstellung einer lückenlosen Verkehrszustandsbeschreibung
Das erfindungsgemäße Verfahren zur Erstellung einer die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden lückenlosen Verkehrszustandsbeschreibung geht von Ortszustandsvektoren aus. Die Komponenten dieser normierten Ortzustandsvektoren stellen die Wahrscheinlichkeiten für das Vorliegen eines Verkehrszustandes an dem betreffenden Ort dar.
Um diese Lücken zu überbrücken, wird erfindungsgemäß eine Extrapolation der lokal vorhandenen Ortszustandsvektoren mittels z.Bsp. eines lokalen Gaußfilters über den Ort vorgenommen (Faltung mit einer Gaußkurve oder einer der Gaußkurve ähnlichen Glockenkurve, z.Bsp. f(x) = 1/(1+x2n), n eine natürliche Zahl), und zwar für jede Komponente des Ortszustandsvektors getrennt. Die Extrapolationsweite wird durch die Parameter des Gaußfilters festgelegt. Durch diese Ortsfilterung sind nun praktisch an allen Orten Ortszustandsvektoren vorhanden (Fig. 8). Diese Extrapolation darf jedoch nur bis zu einer gewissen Entfernung von den lokal vorliegenden Ortszustandsvektoren vorgenommen werden, damit die Extrapolationswerte die realen Verhältnisse auch noch richtig beschreiben. Über eine Schwelle für den Betrag der extrapolierten Zustandsvektoren wird die maximale Extrapolationsweite dynamisch begrenzt, d.h. nicht starr, sondern in Abhängigkeit vom Extrapolationsergebnis. Mit zunehmender Extrapolationsweite muß außerdem die Gewichtung der vorliegenden Ortszustandsvektoren abnehmen. Das leistet z.Bsp. das Gaußfilter.
Um die Stabilität der Erkennung der differenzierten Verkehrszustände noch weitergehender zu sichern, wird zusätzlich an jedem Ort eine komponentenweise Mittelung der Zustandsvektoren jeweils mit den Werten des vorhergehenden Aktualisierungslaufes durchgeführt. Diese gleitende zeitliche Glättung auf der Basis der kontinuierlichen Zustandsbeschreibung an jedem Ort ist wesentlich wirksamer als eine künstlich über die Zeit erzwungene Stabilität in nachfolgenden Verarbeitungsschritten. Eine solche gleitende Glättung ist eine Ausprägung eines autoregressiven Filters (AR) (Papoulis, A.: "Probability, Random Variables, and Stochastic Processes", McGraw-Hill Series, in: Systems Science, McGraw-Hill 1991).
Um diese gleitende zeitliche Glättung zusätzlich näherungsweise unabhängig von den gewählten Zeitintervallen zwischen den Aktualisierungen der einzelnen Straßen zu halten, wird der Filterparameter atstep auf ein festes Intervall von z.Bsp. 10 Minuten bezogen: z = atstep zneu + (1-atstep)zalt mit atstep = 1 - (1-at10min) tstep/t10min
Dabei stehen zneu bzw. zalt für die neu ermittelten bzw. in einem vorhergehenden Berechnungszyklus ermittelten Ortszustandsvektorkomponenten einer Straße, und tstep und t10min stehen für das gewählte Zeitintervall in Sekunden zwischen 2 Aktualisierungsläufen der betreffenden Straße und für 600 Sekunden respektive. Das so berechnete z wird dann im nächsten Aktualisierungslauf für diese Straße zu zalt.
Es werden also zwei Verarbeitungsschritte durchgeführt:
  • Extrapolation jeder Komponente der Ortszustandsvektoren über den Ort durch Filterung mit z.Bsp. einem lokalen Gaußfilter.
  • Gleitende (autoregressive) Mittelwertbildung der Ortszustandvektoren über die Zeit.
Vergleich von Verkehrszustandsbeschreibungen durch probabilistische Ähnlichkeitsmaße
Das erfindungsgemäße Verfahren zum Vergleich von Verkehrszustandsbeschreibungen und Verkehrsdomänen durch probabilistische Ähnlichkeitsmaße geht von Ortszustandsvektoren aus, welche z.Bsp. aus Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze Straßenverkehrsnetz.
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Für jede dieser Verkehrsdomänen ergibt sich deren Zustandsvektor durch vektorielle Addition und anschließende Normierung der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind.
Die definitive Festlegung des Verkehrszustandes an dem jeweils betrachteten Ort, die Zusammenfassung der Orte gleichen Verkehrszustandes zu Domänen und die Wertung der Domänen untereinander setzt voraus, daß ein objektiver Vergleich der Ortszustandsvektoren untereinander und der Domänenzustandsvektoren untereinander möglich ist. Erfindungsgemäß werden dazu probabilistische Ähnlichkeitsmaße verwendet.
Der Vergleich der Ortszustandsvektoren erfolgt komponentenweise auf der Basis der in den Vektorkomponenten enthaltenen Wahrscheinlichkeiten für das Vorhandensein der differenzierten Verkehrszustände an dem jeweils betrachteten Ort.
Vergleichsgrundlage ist ein Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein Abstandsmaß verwendet wird. Auch für den Vergleich der Domänen untereinander wird erfindungsgemäß ein Ähnlichkeitsmaß benutzt. Das Ähnlichkeitsmaß für die Verkehrsdomänen ist ebenfalls eine Metrik, welche eine Zustandsvektormetrik auf den Domänenzustandsvektor verwendet und zusätzlich auch die örtliche Lage und Länge der betrachteten Domäne berücksichtigt.
Als Ähnlichkeitsmaß kann für beide Zustandsvektoren, den Ortszustandsvektor oder den Domänenzustandsvektor, der Zustand maximaler Wahrscheinlichkeit verwendet werden, insbesondere der Index der maximalen Komponente eines Zustandvektors relativ zu den anderen Komponenten.
Ais Metrik für die Zustandsvektoren kann auch die euklidische Vektornorm verwendet werden: Summe((vek1- vek2)2).
Die Lage der Verkehrsdomänen, welche in die Metrik als Ähnlichkeitsmaß einbezogen wird, kann wie folgt berücksichtigt werden:
Betrag(mitte.domäne1 - mitte.domäne2) / (laenge.domäne1 + laenge.domäne2) *2. Als Metrik für die Länge der Verkehrsdomäne kann benutzt werden:
Betrag(laenge.domäne1 - laenge.domäne2) / max(laenge.domäne1, laenge.domäne2).
Dynamische Domänenbildung gleicher Verkehrszustände
Das erfindungsgemäße Verfahren zur Ermittlung von Domänen gleicher Verkehrszustände geht von Ortszustandsvektoren aus, welche z.Bsp. aus Merkmalsvektoren für jeden Meßort über eine Fuzzy-Klassifikation und eine nachfolgende gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze Straßenverkehrsnetz (Fig. 9 links).
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Der Vergleich der Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein Abstandsmaß, verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch vektorielle Addition und anschließender Normierung der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind.
Die Abgrenzung der Domänen untereinander erfolgt so, daß eine stabile Domänenverfolgung möglich ist. Dieses Segmentationsproblem wird wie folgt gelöst:
Für jeden Ort wird der mit der maximalen Wahrscheinlichkeit vorliegende Verkehrszustand aus dessen Zustandsvektor bestimmt.
Beginnend mit dem Ort, dessen Zustandsvektor z.Bsp. "Stau" anzeigt, wird in beiden Richtungen gesucht, ob die Komponenten der Zustandsvektoren der Nachbarorte mit der größten Wahrscheinlichkeit den gleichen Verkehrszustand ausweisen oder die Komponente mit dem zu vergleichenden Verkehrszustand höchstens um den Hysteresewert unter der Maximalkomponente liegt. Durch diese Hysterese werden Orte, deren Zustandsvektoren für sich alleine gesehen eher für einen anderen Verkehrszustand sprechen, aber nur wenig vom Zustand des Ausgangsortes abweichen, auch zur "Staudomäne" gezählt. Der Zustandsvektor der so gefundenen Verkehrsdomäne ist die normierte Summe der Zustandsvektoren der Orte der Domäne. Als Norm wird beispielsweise die Summe der Komponenten gleich 1 gewählt. Der Schwerpunkt der Domäne ist die Summe der Ortskoordinaten der Domäne, die mit dem Betrag der entsprechenden lokalen Ortszustandsvektoren gewichtet sind.
In gleicher Weise werden die Domänen für die Klassen der Verkehrszustände stockend, dicht und frei gebildet.
Alternativ kann die Domänenbildung auch mittels einer Clusteranalyse mit anschließendem Relaxationsprozeß über den Ort gefunden werden. Als Ähnlichkeitsmaß für die Clustersuche können die Abstände der Zustandvektoren und deren Ortsabstand dienen. Resultat bei dieser Methode sind örtliche Ballungen mit jeweils ähnlichem Verkehrszustand innerhalb der Ballungen. Dieses Vorgehen ist jedoch wesentlich rechenaufwendiger.
Die Domänenliste kann aufgrund des Verfahrens für ihre Bildung benachbarte Domänen enthalten, die einander sehr ähnlich bezüglich ihres Domänenzustandsvektors sind. Diese werden zusammengefaßt. Die Domänenliste wird dazu je Straße nach den Ortsschwerpunkten der Domänen sortiert. Domänen werden dann zusammengefaßt, wenn sie nur durch eine Lücke bis zu einer maximalen Länge getrennt sind und ihre Zustandswahrscheinlichkeiten gleich sind oder höchstens um den festgelegten Hysteresebetrag gemäß obiger Darstellung abweichen.
Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der Domänen zerlegt. Die Domänen enthalten u.a. wieder eine kontinuierliche Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird in zeitlichen Intervallen wiederholt bestimmt und aktualisiert (Fig. 9 rechts).
Das erfindungsgemäße Verfahren zur dynamischen Domänenbildung gleicher Verkehrszustände ist also charakterisiert durch die folgenden Verarbeitungsschritte:
  • Domänenbildung
    • Zusammenfassung der Orte mit ähnlichen Zustandsvektoren mit "Hysterese" zu Domänen
    • Domänenzustandsvektoren: vektorielle Addition und Normierung der Zustandsvektoren der Orte der Domänen
    • Ermittlung: Domänenschwerpunkt, Domänenlänge
  • Resultat: Domäneneinteilung des Straßenverkehrsnetzes.
  • Permanente Aktualisierung in zeitlichen Intervallen
Dynamische Domänenverfolgung und Meldungsmanagement
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung von Domänen gleicher Verkehrszustände geht von Ortszustandsvektoren aus, welche aus den Merkmalsvektoren für jeden Meßort und durch eine gewichtete Extrapolation für jede wählbare Diskretisierung der Strecke zwischen den Meßpunkten, z.Bsp. alle 200m, ermittelt werden. Die Komponenten dieser Ortszustandsvektoren sind die Wahrscheinlichkeiten für das Vorliegen der differenzierten Verkehrszustände an jedem Ort. Die Ortszustandsvektoren sind also eine kontinuierliche Beschreibung der Verkehrszustände an jedem betrachteten Ort und das für jeden Ort des jeweiligen Streckenabschnitts und damit für das ganze Straßenverkehrsnetz.
Orte mit ähnlichen Verkehrszuständen, das heißt ähnlichen Ortszustandsvektoren, werden zu Verkehrsdomänen zusammengefaßt, um die Verkehrslage des ganzen Straßenverkehrsnetzes darstellen zu können. Der Vergleich der Verkehrszustandsbeschreibungen durch die Ortszustandsvektoren erfolgt komponentenweise durch ein probabilistisches Ähnlichkeitsmaß, wofür eine Metrik, das heißt ein Abstandsmaß verwendet wird.
Für jede dieser Verkehrsdomänen ergibt sich deren Domänenzustandsvektor durch vektorielle Addition der Ortszustandsvektoren aller Orte, die in dieser Domäne zusammengefaßt sind.
Das Resultat ist eine aktuelle Liste von Verkehrsdomänen für eine Straße oder das Straßenverkehrsnetz. Das ganze Straßenverkehrsnetz wird in die Strecken der Domänen zerlegt. Die Domänenzustandsvektoren enthalten u.a. wieder eine kontinuierliche. Zustandbeschreibung. Die Domäneneinteilung des Straßennetzes wird in zeitlichen Intervallen wiederholt bestimmt und aktualisiert.
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung dieser Domänen funktioniert wie folgt:
Die in einem Aktualisierungslauf ermittelten aktuellen Domänen werden mit den im vorausgegangenen Aktualisierungslauf festgestellten Domänen, die jeweils in einer Meldeliste gespeichert worden sind, verglichen. Dabei werden die neu gefundenen Domänen den bereits vorhandenen Domänen über ein Ähnlichkeitsmaß zugeordnet. Basis des Ähnlichkeitsmaßes sind die kontinuierlichen Domänenzustandsvektoren sowie Lage und Länge der Strecken, die von den Domänen eingenommen werden. Ist eine Mindestähnlichkeit festgestellt, erfolgt die Zuordnung der betrachteten Domänenstrecke zu der entsprechenden Meldung bzw. der bereits vorhandenen Domäne. Dies wird für alle neu ermittelten Domänen und bereits vorhandenen Meldungen ausgeführt.
Diese Zuordnung basierend auf einem kontinuierlichen Ähnlichkeitsmaß für die kontinuierlichen Domänenzustandsvektoren läßt auch einen zeitlich graduellen Übergang des Verkehrszustandes im Lebenslauf einer Meldung zu.
Nach diesen Zuordnungen zwischen Domänen und Meldungen wird jeweils geprüft. welche bisherigen Meldungen in der Meldungliste bestehen bleiben, ob es Änderungsmeidungen gibt, weil sich die Lage und/oder die Länge der bisherigen Domänen durch die Zuordnung neu gefundener Domänen verändert haben, und welche nicht zuordenbaren Domänen neu gemeldet werden müssen. Für neue Domänen wird gegebenenfalls eine Neumeldung erzeugt, für zu bestehenden Meldungen zugeordnete Domänen werden die Meldungsattribute aktualisiert und gegebenenfalls Änderungsmeldungen erzeugt, und Meldungen, die keiner Domäne oder nur einer Domäne mit dem Verkehrszustand "frei" zugeordnet werden konnten, werden gelöscht.
Dabei kann über einen Hystereseparameter gesteuert werden, wann Neu- und Änderungsmeldungen als signifikant betrachtet und tatsächlich ausgeführt werden. Damit kann die Meldungszahl reduziert werden, ohne die interne Information für die Domänenbildung und -verfolgung des Verfahrens zu beschneiden.
Das Resultat des erfindungsgemäßen Verfahrens ist eine mit jedem Aktualisierungsschritt dynamische Verfolgung der Domänen mit ähnlichen Verkehrszuständen und eine ständig aktualisierte Meldungsliste.
Die Meldungsliste mit den in jeder Meldung enthaltenen Domäneneigenschaften ist die Basis für die Information über die Verkehrszustände auf dem Straßenverkehrsnetz. Diese Informationen werden bis zum nächsten Aktualisierungsschritt gespeichert und in geeigneter Weise den Fahrzeuglenkern zur Kenntnis gebracht, z.Bsp. über Mobilfunk oder Signalanlagen. oder sie werden für Steuerungseingriffe in den Verkehr bzw. die direkte Beeinflussung der Fahrzeuge genutzt. Auch können die Informationen, die an die Verkehrsteilnehmer weitergegeben werden, individuell in Abhängigkeit von deren jeweiligen Positionen und Zielen im Straßenverkehrsnetz abgegeben werden.
Visualisierung
Für den Funktionstest der Verfahren mit realen historischen Verkehrsdaten und zur optischen Überwachung der Verfahren während des Betriebs sowie für die bildhafte Darstellung der Verkehrszustände auf Straßenabschnitten werden die Meldungsergebnisse der Verfahren erfindungsgemäß visualisiert und mit den ermittelten Verkehrsmeßwerten verglichen. Dazu werden die Verkehrsmeßwerte in dem betrachteten Straßenabschnitt durch unterschiedliche Grauwerte über der Zeit dargestellt. In diesem Koordinatensystem werden auch die Meldungen der Verkehrszustände bzw. die Domänen dargestellt. Mit der über das Bild wandernden Zeitachse kann man die Verkehrslage und ihre Dynamik und aus der Kongruenz zwischen Messung und Meldung die Güte der Verfahrensergebnisse erkennen (Fig. 10).
Beispiele dazu; die ein realisierter Prototyp erzeugt, sind in Fig. 11 und Fig. 12 gezeigt.
Über den gesamten Ort wird der Algorithmus wiederholt über die Zeit ausgeführt. In den Figuren wandert der Aktualisierungsabschnitt also von links nach rechts. Dazu werden die gespeicherten Werte links des aktuellen Auswertezeitpunkts betrachtet. Die Ortsbereiche von gefundenen Domänen werden durch senkrechte Linien dargestellt. Sind für diese Domänen Meldungen aktiviert, so wird dies durch einen weißen Fleck im Domänenschwerpunkt gekennzeichnet. Ebenfalls wird dann eine Verbindungslinie zwischen den Domänenschwerpunkten gezeichnet, welche die zeitliche Zuordnung durch das Verfahren zur dynamischen Verfolgung der Domänen visualisieren. Die verschiedenen Grauwerte der Linien entsprechen unterschiedlichen Farben, mit denen die Zustände gestaut, stockend, dicht und frei wiedergegeben werden.
Ebenfalls zu sehen sind kleine Rauten, welche die lokalen Verkehrszustände an den Orten anzeigen, an denen direkt Verkehrsmeßwerte vorliegen.
Im Hintergrund sind grau die Verkehrsmeßwerte angezeigt. In den Figuren sind z.Bsp. die Geschwindigkeitswerte zu sehen, wobei dunkle Grauwerte niedrige Geschwindigkeiten wiedergeben, und entsprechend helle Grauwerte für hohe Geschwindigkeiten stehen. Man sieht sofort, wie die erzeugten Meldungen im Verhältnis zu den Verkehrsmeßwerten in Ort und Zeit liegen.
In der Verkehrssituation, die in Fig. 11 dargestellt ist, wird die Domäne links unten beispielsweise als dicht gemeldet. Diese Meldung ändert sich kurz danach in gestaut (unterste quer verlaufende Linie). Diese Domänen können bis zum Ende des betrachteten Zeitabschnitts über einen längeren Bereich in x und t stabil verfolgt werden.
Oberhalb, bei größeren x-Werten, wird etwas später eine Domäne stockenden Verkehrs erkannt (mittlere Linie), die sich ebenfalls sehr stabil über die Zeit verfolgen läßt.
Noch darüber wird etwas später eine kleinere Domäne dichten Verkehrs erkannt.
In Fig. 12 werden die erzeugten Meldungen in Überlagerung mit den gemessenen Geschwindigkeitswerten im Hintergrund zusammen dargestellt.
Diese Darstellungsart gibt einen optischen Eindruck über die Verkehrsdynamik und einen Überblick über die gesamte Verkehrslage des Straßenverkehrsnetzes.
Ein Prototyp des Verfahrens zur Visualisierung wurde realisiert und im praktischen Betrieb erprobt.
Das erfindungsgemäße Verfahren zur dynamischen Verfolgung und Zuordnung von Domänen gleicher Verkehrszustände und das Meldungsmanagement ist also charakterisiert durch die folgenden Verarbeitungsschritte:
  • Dynamische Verfolgung der Domänen
    • Bei jedem Aktualisierungsschritt:
    • Zuordnung der neuen Domänen über ein Ähnlichkeitsmaß zu den vorhandenen Meldungen
    • Resultat: Liste der Domänen und Meldungsliste auf der jeweiligen Straße
  • Meldungsmanagement
    • Meldungsliste: Informationen über Verkehrszustände und Verkehrslage
    • Aktualisierung der Meldungsliste bei jedem Aktualisierungslauf Falls Zuordnung neuer Domänen in der Meldungsliste möglich:
      • bisherige Meldung bleibt bestehen oder Änderungsmeldung bezüglich Lage, Länge und Verkehrszustand
    • Falls Zuordnung in der Meldungsliste nicht möglich:
      • Neumeldung oder Löschung
  • Visualisierung
    • Optische Darstellung der Kongruenz zwischen Verkehrsmeßwerten und Meldungungen
    • Dynamik der Domänen bzw. der Verkehrszustände
  • Überblick über die gesamte Verkehrslage
Wesentliche Details
Gegenstand der Erfindung sind Verfahren, die sich unabhängig voneinander einsetzen lassen , aber auch zu einem Verkehrslage-Klassifikations-und Meldungssystem für den Straßenverkehr, vorzugsweise für Autobahnen und Schnellstraßen, kombinieren lassen.
Es besteht ein dringender Bedarf an rechtzeitigen und aktuellen Informationen über die differenzierten Verkehrszustände in örtlich möglichst genau bezeichneten Streckenabschnitten aus Sicherheitsgründen, aber auch für zahlreiche andere Dienste und gegebenenfalls für die direkte Fahrzeugbeeinflussung und Verkehrslenkung. Kernprobleme, welche dazu gelöst werden müssen, sind:
  • Die Verarbeitung der Verkehrsmeßdaten von unterschiedlichen Sensoren, die ortsfest und mobil sind, synchrone, asynchrone und ereignisinduzierte Meßwerte liefern, lückenhaft und sehr verrauscht sind.
  • Die Klassifizierung der verschiedenen Verkehrszustände: gestaut, stockend, dicht und frei, die nicht eindeutig definierbar sind, und die dynamische Bildung und Verfolgung von Domänen gleicher Verkehrszustände, mit hoher örtlicher und zeitlicher Auflösung, auch ohne Streckenkenntnisse und ohne Bindung an ein systembedingtes, streckenabhängiges Raster.
  • Ein Meldungsmanagement, das stabil und konsistent die Verkehrszustände bzw. Verkehrsdomänen anzeigt, permanent aktualisiert wird und auch das Wachstum der Domänen, ihre Wanderung und Teilung sowie ihre Übergänge in die anderen klassifizierten Verkehrszustände bis zu ihrer Auflösung in der Klasse "frei" darstellt.
Die Betrachtung des Standes der Technik und die kritische Analyse der bekannten Verfahren zeigen, daß es für diese Problemstellung noch keine befriedigende Lösung gibt.
Das erfindungsgemäßen Verfahren lösen diese Aufgabenstellungen, die durch die folgenden wesentlichen Verarbeitungsschritte charakterisiert sind:
  • Aus den Quelldaten der Sensoren wird die lokale Verkehrsdichte ermittelt und für jeden Meßort und Meßzeitpunkt ein Meßvektor gebildet.
  • Die Komponenten der Meßvektoren werden über mit den Aktualisierungsschritten gleitende Historienfenster als gleitende Orts-Zeitfunktionen dargestellt.
  • Es folgt eine komponentenweise orts-zeitliche Filterung der Meßvektoren, aufgrund der Analyse der Zeitfunktionen hier bevorzugt mittels Medianfilter, Bildung der Standardabweichung und der dilatierten Tophat-Funktion. Es ergibt sich an jedem Ort ein resultierender Merkmalsvektor, der die lokalen Verkehrssituationen beschreibt.
  • Den orts-zeitlich gefilterten Meßgrößen werden nun über eine Fuzzy-Klassifikation Wahrscheinlichkeiten für die Verkehrszustände zugeordnet. Damit ist es möglich, diese Komponenten der Zustände zu summieren und normiert zu einem einzigen Zustandsvektor für jeden Ort konsistent zusammenzuführen.
  • Sind an einem Ort zu wenig Meßwerte vorhanden, gibt es dort auch keinen Zustandsvektor, es sind Lücken vorhanden. Zur Überbrückung wird eine Extrapolation mit z.Bsp. einem lokalen Gaußfilter vorgenommen. Die Stabilität wird weiter erhöht durch eine gleitende, komponentenweise Mittelung der Zustandsvektoren von jeweils zwei zeitlichen Aktualisierungsschritten (Autoregressives-Filter).
  • Orte mit ähnlichen Zustandsvektoren werden zu Domänen zusammengefaßt. Durch vektorielle Addition der lokalen Zustandsvektoren und anschließender Normierung wird der Domänenzustandsvektor ermittelt. Es resultiert eine aktuelle Liste von Domänen mit kontinuierlicher Verkehrszustandsinformation für jede betrachtete Straße.
  • Bei jedem weiteren Aktualisierungsschritt werden die identifizierten Domänen den bereits vorhandenen Domänen der Meldungsliste über ein kontinuierliches Ähnlichkeitsmaß zugeordnet. Die Domänen werden also über die Zeit dynamisch verfolgt, wobei auch eine graduelle Zustandsänderung über die Zeit möglich und erlaubt ist.
  • Nach dieser Zuordnung wird die Meldungsliste für die betrachtete Straße aktualisiert, und es werden je nach Signifikanz Neu-, Änderungs- und Löschmeldungen ausgeführt. Die Signifikanz wird über einen Parameter gesteuert, womit die Meldungszahl ohne Beeinträchtigung des Verfahrens reduziert werden kann. Es resultiert eine aktuelle Meldungsliste je Straße.
  • Die Meldungslisten sind die Basis für das Meldungsmanagement. In ihnen werden die Informationen über die Verkehrszustände gespeichert und stehen für die genannten Anwendungen zur Verfügung.
  • Die Ergebnisse werden visualisiert. Die Darstellung kann der Überwachung dienen und gibt einen optischen Eindruck über die Verkehrsdynamik und einen Überblick über die gesamte Verkehrslage.
Die Verfahren wurden erprobt.

Claims (48)

  1. Verfahren zur Erstellung von die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden Verkehrsinformationen, bei dem die Verkehrsinformationen durch von zu mehreren Zeitpunkten erfassten Verkehrsmeßwerten bearbeitet werden und die erfassten Verkehrsmeßwerte je betrachteter Straße über den Ort (x) und die Zeit (t) ihrer Erfassung je Meßwertkategorie in wiederholt aktualisierten Histonenfenstem eingetragen und abgespeichert werden,
    gekennzeichnet dadurch,
    a) daß die Historienfenster eine bestimmte Zeitspanne vom aktuellen Zeitpunkt der Erstellung der Verkehrsinformationen in die Vergangenheit reichen und Ort und Zeit in Intervallen diskretisieren, wobei die erfassten Verkehrsmeßwerte in den jeweils aktuell betrachteten einzelnen Historienfenstern über ihren Zeit- und Ortsverlauf mit verschiedenen Filtern gefiltert werden, wobei je Filter ein Merkmal gebildet wird, woraus sich zu jeweils einem Ort des Verkehrsnetzes ein sich auf diesen Ort beziehender, die Verkehrssituation lückenlos beschreibender Ortszustandsvektor durch Zusammenfassen der einzelnen Merkmale ergibt,
    b) dass die Verkehrsmeßwerte zur Verkehrslage des Straßenverkehrsnetzes durch stationär an Straßen des Verkehrsnetzes angeordnete Sensoren erfasst und/oder durch mobile Sensoren in im Straßenverkehrsnetz fahrenden Fahrzeugen gemessen werden,
    c) dass in den Historienfenstern für die einzelnen Meßwertkategorien ein- und zweidimensionale morphologische Filter über Ort und Zeit auf bezüglich Ort und/oder Zeit lückenhaft vorliegende Verkehrsmeßwerte angewendet werden und
    d) dass es auf den die lokale Verkehrssituation beschreibenden Ortszustandsvektoren basierende, ausgebbare Verkehrsinformationen erstellt,
    e) des weiteren, dass Orte mit ähnlichen Ortszustandsvektoren und somit ähnlichen Verkehrszuständen zu Verkehrsdomänen mit frei definierbaren Enden zusammengefaßt werden,
    f) dass eine Zuordung der aus jedem weiteren Aktualisierungsschritt entstehenden Domänen zu bereits vorhandenen Domänen über ein kontinuierliches Ähnlichkeitsmaß zum Zweck der dynamischen Verfolgung, insbesondere in Übergangssituationen, und damit der möglichen graduellen Zustandsänderung über die Zeit vorgenommen wird,
    g) dass die Domäneneinteitung des Straßenverkehrsnetzes in zeitlichen Abständen wiederholt bestimmt wird,
    h) dass auf den Domäneneinteilungen basierende Verkehrsmeldungen erstellt werden
    i) und dass die Verkehrsinformationen mittels eines Senders oder eines Zugangs zu einem Sender zum Aussenden von Verkehrsinforrnationen insbesondere per Mobilfunk an Verkehrsteilnehmer oder einen Service provider ausgegeben werden.
  2. Verfahren nach Anspruch 1,
    zur Erfassung des Verkehrszustandes eines Straßenverkehrsnetzes durch Bildung von Ortszustandsvektoren aus die Verkehrssituation an jedem Meßort beschreibenden Merkmalsvektoren oder direkt aus Verkehrsmeßwerten an den Meßorten
    wobei für jeden Ort die Merkmale, welche die Verkehrssituation an diesem Orten beschreiben, durch eine Fuzzy-Diskriminanzfunktion je Merkmal für jeden möglichen zu klassifizierenden Verkehrszustand (Fig. 6: gestaut, stockend, dicht, frei) bewertet werden, worauf sich ein wertekontinuierlicher Zustandsvektor je Ort und je Merkmal ergibt (Fig. 7 rechts), dessen Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren,
    worauf vorhandene Zustandsvektoren je Ort zu einem einzigen Zustandsvektor je Ort zusammengefaßt werden und der daraus resultierende Zustandsvektor je Ort als Ortszustandsvektor normiert wird (Fig. 7),
    wobei auf den Ortszustandsvektoren basierende, ausgebbare Verkehrsinformationen erstellt werden.
  3. Verfahren nach einem der vorhergehenden Ansprüche, zur Erstellung einer die Verkehrslage eines Straßenverkehrsnetzes repräsentierenden lückenlosen Verkehrszustandsbeschreibung in Form von Ortszustandsvektoren. deren Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren,
    wobei Lücken in der Ortszustandsbeschreibung von Orten aufgrund von an diesen Orten fehlenden Verkehrsmeßwerten durch eine Extrapolation der vorhandenen Ortszustandsvektoren durch eine Filterung in Form einer Faltung über die vorhandenen Ortszustandsvektoren überbrückt werden (Fig. 8),
    wobei aus der nun lückenlosen Beschreibung der Verkehrszustände über den Ort durch Ortszustandsvektoren ausgebbare Verkehrsinformationen erstellt werden.
  4. Verfahren nach Anspruch 1,
    zum Vergleich von Verkehrsinformationen in Form von Zustandsvektoren, deren Komponenten die Wahrscheinlichkeit für das Vorliegen eines Verkehrszustandes quantifizieren,
    wobei die Zustandsvektoren die Verkehrslage eines Straßenverkehrsnetzes beschreiben, durch die Ähnlichkeit von Verkehrszuständen repräsentierende Ähnlichkeitsmaße,
    wobei als Ähnlichkeitsmaß zwischen zwei Zustandsvektoren eine Metrik verwendet wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche 1-4,
    zur stetigen dynamischen Verfolgung von durch innerhalb einer Domäne gleiche Verkehrszustände charakterisierten Domänen und Zuordnung von Domänen zu bereits durch frühere Verkehrsmeldungen ausgewiesene Domänen in einem Straßenverkehrsnetz,
    wobei die Domäneneinteitung des Straßennetzes in zeitlichen Abständen wiederholt bestimmt wird, die zum aktuellen Zeitpunkt gefundenen Domänen je betrachteter Straße über ein die zu den Domänen gehörenden Strecken- und Zustandsinformationen kontinuierlich bewertendes Ähnlichkeitsmaß mit den im vorherigen Auswertungszyklus ermittelten Domänen der jeweiligen Straßen verglichen werden (Fig. 10),
    worauf gegenüber dem vorherigen Auswertezyklus durch ein Meldungsmanagement für neu hinzugekommene Domänen Neumeldungen, für verschwundene Domänen Löschmeldungen und für
    alle Domänen, die einer bereits gemeldeten Strecke zugeordnet werden konnten, Änderungsmeldungen an die Verkehrsteilnehmer oder Telematikdienstleister versendet werden, wobei hierauf erstellte Streckeninformationen bestehend aus Lage, Zustand und Länge der Verkehrsdomänen auf jeweils einer gesamten betrachteten Straße zur Generierung der ausgegebenen Verkehrsinformationen in den Neu-, Änderungs- und Löschmeldungen verwendet werden.
  6. Verfahren nach einem der vorhergehenden Ansprüche 1-5,
    dadurch gekennzeichnet, daß aus den Ortszustandsvektoren der zusammengefaßten Orte ein die Verkehrstage dieser Domänen repräsentierender Domänenzustandsvektor berechnet und einer Domäne zugewiesen wird.
  7. Verfahren nach einem der vorhergehenden Ansprüche 1-6,
    dadurch gekennzeichnet, daß für die Berechnung des jeweiligen Domänenzustandsvektors der Mittelwert der Ortszustandsvektoren der in dieser Domäne zusammengefaßten Orte verwendet wird.
  8. Verfahren nach einem der vorhergehenden Ansprüche 1-7,
    dadurch gekennzeichnet, daß die Verkehrsinformationen zur direkten Übermittlung an Verkehrsteilnehmer in Form von Neu-, Änderungs- und Löschmeldungen erstellt werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche 1-8,
    dadurch gekennzeichnet, daß die Domäneneinteilung des Straßennetzes in zeitlichen Abständen wiederholt bestimmt wird.
  10. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Verkehrsinformartionen in Form von Neu-, Änderungs- und Löschmetdungen in einer ohne weitere Verarbeitung tauglichen Form erstellt werden zur indirekten Verkehrsbeeinflussung und/oder zur direkten Verkehrslenkung.
  11. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß dadurch gekennzeichnet, daß
    die Verkehrsinformationen verwendet werden zur Erstellung von Meldungen an Verkehrsteilnehmer im Straßenverkehrsnetz betreffend den aktuellen Verkehrszustand und/oder einen prognostizierten Verkehrszustand und/oder Navigationsanweisungen unter Berücksichtigung des aktuellen und/oder prognostizierten Verkehrszustandes und/oder Geschwindigkeitsanweisungen.
  12. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Verkehrsmeßwerte von zumindest einigen Sensoren zueinander zeitlich synchron in regulären Zeitintervallen gemessen werden.
  13. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß Verkehrsmeßwerte zumindest von einigen Sensoren ereignisinduziert nur bei Eintritt vorgegebener Ereignisse zur Verfügung stehen oder gemessen werden.
  14. Verfahren nach einem der vorhergehenden Ansprüche.
    dadurch gekennzeichnet, daß zeitlich asynchrone Verkehrsmeßwerte von zumindest einigen Sensoren vorliegen.
  15. Verfahren nach einem der vorhergehenden Ansprüche.
    dadurch gekennzeichnet, daß Merkmale aus Verkehrsdaten verschiedenen physikalischen Inhalts (Fluß f, Dichte d, Geschwindigkeit v in Fig. 4)) gebildet und konsistent über wertekontinuierliche Wahrscheinlichkeften als Klassifikationsergebnis zusammengeführt werden.
  16. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß das zu klassifizierendes Merkmal Geschwindigkeit durch abgeleitete Werte berechnet wird, insbesondere durch Reisegeschwindigkeiten.
  17. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß als Filterfunktion zur Berechnung eines Merkmals für stockenden Verkehr eine morphologische Tophat-Filterung der Verkehrsmeßwerte in der Meßwertkategorie Geschwindigkeit verwendet wird.
  18. Verfahren nach einem der vorhergehenden Ansprüche.
    dadurch gekennzeichnet, daß als Filterfunktion zur Glättung der Verkehrsmeßwerte in den Meßwertkategorien Geschwindigkeit und Dichte eine morphologische Medianfilterung verwendet wird.
  19. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die örtliche Auflösung über die Ortsdiskretisterung der Historienfenster und der nachfolgenden Verarbeitung frei wählbar ist.
  20. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß Zustandsvektoren aller Merkmale je Ort zum Ortszustandsvektor je Ort zusammengefaßt werden (Fig. 7).
  21. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß auch aus anderen Quellen verfügbare Zustandsvektoren je Ort bei der Zusammenfassung zum Ortszustandsvektor je Ort unter Berücksichtigung von Gewichtungsfaktoren eingehen,
  22. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß
    die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch Summation dieser Vektoren je Ort erfolgt und dann eine Normierung auf Summe = 1 vorgenommen wird, oder
    die Zusammenfassung der merkmalsbasierten Zustandsvektoren je Ort durch ein komponentenweises Produkt dieser Vektoren je Ort erfogt und dann eine Normierung auf Betrag = 1 vorgenommen wird,
  23. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Fuzzy-Diskriminanzfunktion auf Orte angewendet wird, welche unabhängig von einer festen Streckeneinteilung von Straßenverkehrsnetz-Segmenten einer digitalen Karte sind.
  24. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß über eine Schwelle für den Betrag der extrapolierten Zustandsvektoren die maximale Extrapotationsweite begrenzt wird.
  25. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Filterung durch einen Gaußfilter (Faltung mit einer Gaußkurve) erfolgt.
  26. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß je betrachteter Straße eine gleitende zeitliche Glättung der aktuell ermittelten extrapolierten Zustandsvektoren je Ort mit den im vorangegangenen Aktualisierungsschritt für diese Straße je Ort ermittelten extrapolierten Ortszustandsvektoren vorgenommen wird.
  27. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß für diese Glättung ein Autoregressives Filter (AR) eingesetzt wird.
  28. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß der Filterparameter des AR-Fitters in Abhängigkeit von der Länge der Aktualisierungsintervalle so umgerechnet wird, daß die Filterung unabhängig von den gewählten Aktualisierungsintervallen ist.
  29. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß als Ähnlichkeitsmaß für die Ortszustandsvektoren der Zustand maximaler Wahrsheinlichkeit verwendet wird, insbesondere der Index der maximalen Komponente eines Zustandsvektors relativ zu den anderen Komponenten.
  30. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß als Metrik für die Ortszustandsvektoren die euklidische Vektomorm verwendet wird.
  31. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß als Ähnlichkeitsmaß für Verkehrsdomänen eine Metrik verwendet wird, weiche eine Metrik für Zustandsvektoren auf die Domänenzustandsvektoren anwendet und auch zumindest die örtliche Lage und/oder Länge der Domänen berücksichtigt.
  32. Verfahren nach einem der vorhergehenden Ansprüche.
    dadurch gekennzeichnet, daß das Domänenwachstumsverfahren direkt auf die wertekontinuiertichen extrapolierten Zustandsvektoren der Orte einer betrachteten Strecke angewandt wird.
  33. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Verkehrssituation durch eine Verkehrsdomäne angegeben wird, welche die Lage im Streckennetz, die Länge sowie den Verkehrszustand in insbesondere vier Stufen (gestaut, stockend, dicht, frei) als Wahrscheinlichkeiten in Form des Domänenzustandsvektors enthält.
  34. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Domänenbildung auch Orte, deren Zustandsvektor für sich alleine gesehen einen anderen Zustand als den der hinsichtlich der Domänenbildung betrachteten Domäne signalisiert, dieser Domäne zuordnen kann.
  35. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Komponenten der Ortszustandsvektoren als kontinuierliche Wahrscheinlichkeitswerte anstatt diskreten Werten (0/1) für die an diesen Orten herrschenden Verkehrszustände interpretiert werden,
  36. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß durch einen die Zustandsvektorkomponenten betreffenden zu addierenden Hysteresewert der Grad der Zusammenfassung von Orten mit einer anderen maximalen Zustandskomponente als der, die für die Domänenbildung gerade betrachtet wird, gesteuert wird.
  37. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß über einen Rückgriff auf zurückliegende Verkehrsmeßwerte über ein örtliches Gedächtnis für die eingegangenen Verkehrsmeßwerte zwischen "kein Verkehr" und "Totalstau" unterschieden wird.
  38. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß für die Zuordnung von neu ermittelten Domäneninformationen zu bereits vorliegenden Domäneninformationen ein Ähnlichkeitsmaß verwendet wird, das kontinuierlich die Lange, den Ort und den Zustandsvektor dieser Domänen berücksichtigt.
  39. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichttich der Berücksichtigung schneller Änderungen im Verkehrsgeschehen bei der Erstellung von Verkehrsinförmationen in Form der Merkmalsvektoren über die Filterparameter der Meßwerthiter als auch des autoregressiven Filters einstellbar ist.
  40. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichtlich der Ortsauflösung der extraporierten Ortszustandsbeschreibung über die Filterparameter des Extrapolationsfilters einstellbar ist.
  41. Verfahren nach einem der vorhergehenden Ansprüche.
    dadurch gekennzeichnet, daß die Sensitivität des Verfahrens hinsichtlich der Tendenz. Domänen zusammenzufassen und so die Meldungszahl zu reduzieren. Ober die Filterparameter des Extrapolationsfilters einstellbar ist.
  42. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß Zustandsübergänge während des Lebenslaufes einer Meidung zugelassen werden.
  43. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß über Signifikanzkntenen von Änderungen bzgl. Lage. Länge und Verkehrszustand der Metdungsinformationen die Zahl der erzeugten Meldungen bei Bedarf reduziert wird.
  44. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß die Ausgabe von Verkehrsinformationen ereignisinduziert im Falle bestimmter vorgegebener Ereignisse erfolgt.
  45. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet, daß eine Visuarisierung der Verkehrslage sowie deren Dynamik und zur Betriebsüberwachung in einem Orts-/Zeit-Koordinatensystem die Meldungsergebnisse in Kongruenz mit den Meßdaten wiedergegeben werden (Fig. 10, Fig. 11, Fig. 12).
  46. Verkehrstageerfassungszentrate. insbesondere zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, mit
    einer Eingabeeinrichtung zur Eingabe von Verkehrsmeßwerten in die Verkehrslageerfassungszentrale,
    einem Speicher für eingegebene Verkehrsmeßwerte,
    einer Ausgabeeinrichtung zur Ausgabe von Verkehrsinformationen an Verkehrsteilnehmer,
    einer Verkehrsmeßdaten-Bearbeitungs-Vorhchtung. die so ausgebildet ist, daß sie nach einem der Ansprüche 1 bis 45 arbeitet.
  47. Verkehrslageerfassungszentrate nach Anspruch 46,
    dadurch gekennzeichnet, daß die Eingabeeinrichtung ein Empfänger oder Zugang zu einem Empfänger zum Empfang von von den Sensoren insbesondere per Mobilfunk gesendeten Verkehrsmeßwerten ist.
  48. Verkehrslageerfassungszentrale nach Anspruch 46 oder 47,
    dadurch gekennzeichnet, daß die Ausgabeeinrichtung ein Sender oder ein Zugang zu einem Sender zum Aussenden von Verkehrsinformationen insbesondere per Mobilfunk an Verkehrsteilnehmer oder einen Serviceprovider ist.
EP99915492A 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung Expired - Lifetime EP1057156B1 (de)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
DE19807793 1998-02-19
DE19807793 1998-02-19
DE19905284A DE19905284A1 (de) 1998-02-19 1999-02-03 Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung
DE19905284 1999-02-03
PCT/DE1999/000523 WO1999042971A1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung

Publications (2)

Publication Number Publication Date
EP1057156A1 EP1057156A1 (de) 2000-12-06
EP1057156B1 true EP1057156B1 (de) 2004-01-21

Family

ID=26044120

Family Applications (1)

Application Number Title Priority Date Filing Date
EP99915492A Expired - Lifetime EP1057156B1 (de) 1998-02-19 1999-02-19 Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung

Country Status (5)

Country Link
EP (1) EP1057156B1 (de)
AT (1) ATE258330T1 (de)
DE (4) DE19944890A1 (de)
ES (1) ES2211066T3 (de)
WO (1) WO1999042971A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118289A (zh) * 2015-06-17 2015-12-02 河南理工大学 一种交通态势评估方法
US9569960B2 (en) 2015-02-24 2017-02-14 Here Global B.V. Method and apparatus for providing traffic jam detection and prediction

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6172941B1 (en) * 1999-12-16 2001-01-09 Sensor Timing Gmbh Method to generate self-organizing processes in autonomous mechanisms and organisms
DE10246184A1 (de) * 2002-10-02 2004-09-30 Bayerische Motoren Werke Ag Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren
CN102592447B (zh) * 2011-12-20 2014-01-29 浙江工业大学 一种基于fcm的区域路网的道路交通状态判别方法
US9421979B2 (en) 2013-10-17 2016-08-23 Ford Global Technologies, Llc Road characteristic prediction
EP3035314B1 (de) * 2014-12-18 2017-11-15 Be-Mobile Tech NV Verkehrsdatenfusionssystem und entsprechendes Verfahren zur Bereitstellung eines Verkehrszustands für ein Straßennetz
CN107146415B (zh) * 2017-07-05 2020-03-10 廊坊师范学院 一种交通事件检测与定位方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0676195A (ja) * 1992-08-27 1994-03-18 Hitachi Ltd 異常事象検出装置
SE470367B (sv) * 1992-11-19 1994-01-31 Kjell Olsson Sätt att prediktera trafikparametrar
ATE198674T1 (de) * 1996-03-25 2001-01-15 Mannesmann Ag Verfahren und system zur verkehrslageerfassung durch stationäre datenerfassungseinrichtung
DE19737440A1 (de) * 1997-02-14 1998-08-27 Mannesmann Ag Verfahren zur Bestimmung von Verkehrsdaten und Verkehrsinformationszentrale

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9569960B2 (en) 2015-02-24 2017-02-14 Here Global B.V. Method and apparatus for providing traffic jam detection and prediction
CN105118289A (zh) * 2015-06-17 2015-12-02 河南理工大学 一种交通态势评估方法

Also Published As

Publication number Publication date
DE19944888A1 (de) 2000-02-10
EP1057156A1 (de) 2000-12-06
DE19944889A8 (de) 2005-06-30
DE19944891A1 (de) 2000-04-20
DE19944889A1 (de) 2000-11-23
WO1999042971A1 (de) 1999-08-26
ES2211066T3 (es) 2004-07-01
ATE258330T1 (de) 2004-02-15
DE19944890A1 (de) 2000-11-23

Similar Documents

Publication Publication Date Title
DE69329119T2 (de) Vorhersageverfahren für strassenverkehrparameter
EP0789341B1 (de) Fahrzeugautonome Detektion von Verkehrsstau
EP1298620B1 (de) System zum Steuern von Lichtsignalgebern an Kreuzungen
DE19633884B4 (de) Verfahren zum Ermitteln der Objektposition eines Objekts
EP0750774A1 (de) Verfahren zur verkehrserfassung und verkehrssituationserkennung auf autostrassen, vorzugsweise autobahnen
DE202017007599U1 (de) Systeme zum Erzeugen von erwarteten Fahrgeschwindigkeiten
EP0879460A1 (de) Verfahren und einrichtung zur erfassung von daten über die verkehrslage
DE19928082C2 (de) Filterungsverfahren zur Bestimmung von Reisegeschwindigkeiten bzw. -zeiten und Domänen-Restgeschwindigkeiten
CN113327418A (zh) 一种快速路拥堵风险分级实时预测方法
DE102012204306A1 (de) Verfahren zur Steuerung eines Bereitstellens von Verkehrsinformationsdaten zur Aktualisierung einer Verkehrsinformation
EP1057156B1 (de) Verkehrslageerfassung mit fuzzy-klassifikation und mehrdimensionaler morphologischer datenfilterung und dynamischer domänenbildung
US11908317B2 (en) Real-time traffic safety management system
DE102005009604B4 (de) Verfahren und Vorrichtung zum Erzeugen eines Bewertungswertes für Verkehrsdaten
WO2013120765A1 (de) Verfahren zu einem modellaufbau für eine reisezeitendatenbank
EP1659550B1 (de) Verfahren zur Erfassung von Verkehrsdaten
Shen Freeway travel time estimation and prediction using dynamic neural networks
DE102021207368A1 (de) Vorrichtung und verfahren zum vorhersagen von verkehrsinformationen
DE19905284A1 (de) Verkehrslageerfassung mit Fuzzy-Klassifikation und mehrdimensionaler morphologischer Datenfilterung und dynamischer Domänenbildung
DE102012201156B4 (de) Verfahren, Datenverarbeitungsvorrichtung und Computerprogramm zum Bereitstellen von einer Geschwindigkeitswarnungsinformation für ein Navigationsgerät
EP2047448B1 (de) Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen
DE102004049936B4 (de) Verfahren und Vorrichtung zur Wertung der Qualität von Verkehrsinformationen
DE102005060856A1 (de) Verfahren zur Erkennung eines Stauereignisses
DE102021204191B4 (de) Vorrichtung und Verfahren zur echtzeit-basierten dynamischen Verkehrszuordnung für zumindest zwei nachfolgende Fahrbahnen
DE102010041583A1 (de) Verfahren zur Ermittlung eines Qualitätsdatenwerts von Verkehrsstörungsmeldeverfahren
EP3816960B1 (de) Verfahren und anordnung zur verfügbarkeitsprognose von parkplätzen

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20000810

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH DE ES FR GB IT LI

17Q First examination report despatched

Effective date: 20001205

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH DE ES FR GB IT LI

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: NV

Representative=s name: E. BLUM & CO. PATENTANWAELTE

Ref country code: CH

Ref legal event code: EP

REF Corresponds to:

Ref document number: 59908367

Country of ref document: DE

Date of ref document: 20040226

Kind code of ref document: P

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 20040519

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2211066

Country of ref document: ES

Kind code of ref document: T3

ET Fr: translation filed
PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20041022

REG Reference to a national code

Ref country code: CH

Ref legal event code: PFA

Owner name: DDG GESELLSCHAFT FUER VERKEHRSDATEN MBH

Free format text: DDG GESELLSCHAFT FUER VERKEHRSDATEN MBH#NIEDERKASSELER LOHWEG 20#40547 DUESSELDORF (DE) -TRANSFER TO- DDG GESELLSCHAFT FUER VERKEHRSDATEN MBH#NIEDERKASSELER LOHWEG 20#40547 DUESSELDORF (DE)

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 17

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 18

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 19

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20180221

Year of fee payment: 20

Ref country code: DE

Payment date: 20180221

Year of fee payment: 20

Ref country code: ES

Payment date: 20180322

Year of fee payment: 20

Ref country code: CH

Payment date: 20180221

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20180221

Year of fee payment: 20

Ref country code: AT

Payment date: 20180220

Year of fee payment: 20

Ref country code: FR

Payment date: 20180222

Year of fee payment: 20

Ref country code: BE

Payment date: 20180221

Year of fee payment: 20

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 59908367

Country of ref document: DE

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20190218

REG Reference to a national code

Ref country code: BE

Ref legal event code: MK

Effective date: 20190219

REG Reference to a national code

Ref country code: AT

Ref legal event code: MK07

Ref document number: 258330

Country of ref document: AT

Kind code of ref document: T

Effective date: 20190219

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20190218

REG Reference to a national code

Ref country code: ES

Ref legal event code: FD2A

Effective date: 20210129

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: ES

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20190220