EP1071057B1 - Verfahren und Vorrichtung zur Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade - Google Patents

Verfahren und Vorrichtung zur Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade Download PDF

Info

Publication number
EP1071057B1
EP1071057B1 EP00250248A EP00250248A EP1071057B1 EP 1071057 B1 EP1071057 B1 EP 1071057B1 EP 00250248 A EP00250248 A EP 00250248A EP 00250248 A EP00250248 A EP 00250248A EP 1071057 B1 EP1071057 B1 EP 1071057B1
Authority
EP
European Patent Office
Prior art keywords
data
traffic
forecast
measurement data
time
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
EP00250248A
Other languages
English (en)
French (fr)
Other versions
EP1071057A1 (de
Inventor
Markus Dipl.-Phys. Dr. Rer Nat. Becker
Ulrich Dipl.-Phys. Dr. Rer Nat. Fastenrath
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
Application filed by DDG Gesellschaft fuer Verkehrsdaten mbH filed Critical DDG Gesellschaft fuer Verkehrsdaten mbH
Publication of EP1071057A1 publication Critical patent/EP1071057A1/de
Application granted granted Critical
Publication of EP1071057B1 publication Critical patent/EP1071057B1/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 invention relates to a method for generating a traffic forecast.
  • Traffic information systems generate up-to-date traffic information, such as traffic reports or travel time estimates and navigation information, based on measurement data from stationary sensors arranged along roads of the traffic network and / or sensors (FCD) arranged in the traffic network and / or other measurement data sources.
  • traffic information such as traffic reports or travel time estimates and navigation information
  • FCD sensors
  • WO 98/27525 discloses a method for completing spatial gaps in the measurement data by multiple feedback of forecasts and other data generated from past times.
  • the object of the present invention is to provide a method and a device for predicting location state data concerning the state of a traffic network at a future prognosis time on the basis of measurement data relating to a plurality of locations and a plurality of points in time and relating to the state of a traffic network.
  • the object is achieved in each case by the independent claims.
  • the present invention enables a very reliable prognosis of future traffic conditions by analyzing the value history of measurement data measured at several past times to generate measurement data simulating replacement data for measurement data gaps in the past and in the future.
  • measurement data can be used, which are detected asynchronously in time.
  • spatially and / or temporally incomplete measurement data can be used to simulate (ie, virtually generate) a spatially and temporally complete traffic data source for the past and also for the future.
  • the result of this is related to road sections (also referred to as Häsmeßquerête RMQ) related time artificially synchronized traffic data.
  • road sections also referred to as Häsmeßqueritese RMQ
  • These suitably have a uniform format such that they are in equal cyclic intervals and / or equal units; the intervals may be for example one minute.
  • FIG. 1 illustrates the data flow on the basis of a block diagram of a device for carrying out the method according to the invention.
  • the measured data used comprise data 1 (FCD) collected by sensors arranged in vehicles in the traffic network, data 2 (SES) detected by stationary sensors in the road network, and data 3 coming from another traffic information center (VIZ) (for example based on country reporting messages, police radio Etc.).
  • FCD data 1
  • SES data 2
  • VIZ traffic information center
  • the data 4 output at the end represent spatially and temporally complete with location for further processing sufficient accuracy (from the data 1 to 3) location status data 4.
  • the location status data 4 (speeds, traffic density, traffic jams, etc.) are spatially such gapless that, for example, for a digital Map of the road network with spatial subsections for each spatial subsection is present a measurement date for a relevant time, allowing for easier and better processing. For example, they can be complete in terms of time in that, for a sufficient number of measurement data (location-state data) completed before the current time, that there are recently completed times.
  • the completion essentially takes place in a multi-data logic MDL 5, in which essentially the method according to the invention runs.
  • traffic analysis methods are carried out in which different traffic flow models (for example according to claims 2-4) are used and optimized based on the measurement data completed in the MDL 5.
  • the multi-model logic MML 9 combines the results of the modules M1 to M3 based on different analysis methods, in particular in the form of a reliability / credibility analysis and selection.
  • the simulation component SIM 10 calculates a forecast for the future on the basis of the data generated by the multimodal logic 9, the prognosis time affected by the prognosis being in the future compared to the forecast generation time.
  • the prognosis of the future based on measured data collected at a previous point in time, an optimized utilization of measured data by a more accurate process analysis of processes (congestion, etc.) in the road network is possible.
  • the component HPR 11 generates out of the current data generated by the MML 9 hydrographs (ie time histories of the measured data) and tries to learn the relationship between traffic conditions and certain selection characteristics.
  • the results of the simulation component 10 are fed back via a feedback unit RER in the multi-data logic for optimizing the (besides the data 1 to 3) flowing into the MDL measurement data basis.
  • the generated by the component HPR hydrographs and relationships between traffic conditions and selection features are coupled (via a not shown here module ZYR) also as an input to the multi-data logic 5.
  • the MML 9 and the HPR 11 14 data are created in a data fusion unit, which represent predicted traffic conditions of sections of the road network.
  • FIG. 2 clarifies the problem with incoming measurement data on the basis of a measurement data history.
  • the right-pointing axis shows the time and the upward-pointing axis the speed.
  • the solid line sequence shows vehicle average speeds (for example all vehicles in one minute) detected at different times with a stationary sensor (SES) at a position in the road network.
  • SES stationary sensor
  • the measurement data acquired by the sensor relate to a plurality of points in time, one behind the other, and those that have occurred a short time ago; These measurement data are integrated in such a way that their temporal course is subjected to an analysis and used to complete other measurement data.
  • this is explained, for example, by means of a vehicle which at one time passes a sensor at one location and after a certain time at a different location behind the sensor has a certain (same or other congestion in congestion etc.). From different speeds of vehicles at several times at the location of the sensor can thus be closed on suspected (not present as a measurement) speeds of the vehicles at locations behind the sensor as well as (with propagating traffic jams in front of the sensor).
  • FIG. 3 illustrates by way of example as a table that different conditional gaps in incoming different generated measurement data can be completed with different substitute data sources.
  • Measurement data gaps in measurement data (SES) generated by stationary detectors in the traffic network can be completed with substitute data sources from historical databases (HPR in FIG. 1) and traffic analysis system, wherein the measurement data quality is also possible through an error estimation (LOS estimation).
  • LOS estimation error estimation
  • Data loss in data from another traffic information center (which has access to state registration offices, police reports, etc.) and data from a sensor detection system can be completed in case of data loss, for example, from a historical database HPR.
  • unmonitored lanes can be completed by a lane estimator, which can close unmonitored lanes based on experience from monitored lanes.
  • Unmonitored nodes of a traffic network may cause unknown values for average speeds and / or vehicle numbers between different measuring points of a sensor detection system, whereby these unknown factors - if available - can also be relatively accurately completed by historical databases.
  • An LOS estimator (for example according to FIG. 3) can be used as a substitute data source. If the reporting behavior of stationary detectors (SES) in the road network provides that a detector always responds when a Change between defined speed ranges in the measurement data measured by him has taken place (local transmission criterion) and this is the LOS estimation known, each time a data telegram (forecast time) from a detector on the basis of the transmitted LOS concerning the road a forecast for the average speed will be hit. The prediction quality is guaranteed by half the width of the LOS, if the prognosis value is equated with the mean value of the LOS.
  • the LOS Level of Service
  • a possible classification is from LOS 1 (bad, 0 to 30 km / h), LOS 2 (medium, 30 to 60 km / h), LOT 3 (good, 60 to 90 km / h), LOT 4 (very good, > 90 km / h).
  • the forecasting quality of a forecast is guaranteed by half the width of the speed range of a LOS (for example 0 to 30 km / h); if the prognosis value is equated with the mean value (in the case, for example, 15 km / h) of the LOS, since with stronger deviations a renewed data telegram would be sent to the detector.
  • the LOS estimation method can also be used to shift a current line (representing the time course in the system for a directional measuring cross section (in the case of stationary detectors, for example) into the current LOS range, if a deviation of the latter current measured value of a currently valid for the Meßquerites hydrograph exists.
  • the difference to the mean value of the corresponding interval can be formed and the speed guideline value can be shifted by this difference.
  • FIG. 2 The temporal sequence in which the measurement and replacement data are provided is illustrated by FIG. 2.
  • the hydrograph management system HPR becomes the first hydrograph for the detector (of which the illustrated SES diagram comes). If this is not the case, the previous day's hydrograph can be used to complete the data if it is stored persistently in the HPR.
  • this detector transmits measurement data concerning a past time point (ie, a measurement data history) due to LOS change (average speed change on a road section as mentioned above), and the LOS estimator transmits a forecast for future times on the basis of these data.
  • a past time point ie, a measurement data history
  • LOS change average speed change on a road section as mentioned above
  • the detector transmits another set of measurement data (further measurement data history) due to a renewed LOS change of the road section observed by it, and the LOS estimator then generates a new prognosis based on this.
  • the hydrograph management system HPR updates the hydrograph delivered at the beginning of the day (t1).
  • the new hydrograph really describes the traffic situation better than the old hydrograph, because the subsystem HPR has more information to select the hydrograph.
  • gaps in the measured data can be eliminated by resorting to replacement data from the historical data source HPR.
  • the data source can be selected for which most of the measured data is present, or in the absence of measured data, the replacement data with the lowest calculated error probability.
  • the completed data can, for example, on time intervals of length 1 min. be transformed.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

  • Die Erfindung betrifft ein Verfahren zur Erstellung einer Verkehrsprognose.
  • Verkehrsinformationssysteme erzeugen aktuelle Verkehrsinformationen, wie Verkehrsmeldungen oder Reisezeitschätzungen und Navigationsinformationen, basierend auf Meßdaten aus entlang Straßen des Verkehrsnetzes angeordneten stationären Sensoren und/oder in im Verkehrsnetz beweglichen Fahrzeugen angeordneten Sensoren (FCD) und/oder anderen Meßdatenquellen.
  • Aus der WO 98/27525 ist ein Verfahren zur Vervollständigung von räumlichen Lücken in den Meßdaten durch mehrfache Rückkopplung von zu vergangenen Zeitpunkten erstellten Prognosen und anderen Daten bekannt.
  • Aufgabe der vorliegenden Erfindung ist die Schaffung eines Verfahrens bzw. einer Vorrichtung zur Prognose von den Zustand eines Verkehrsnetzes zu einem künftigen Prognosezeitpunkt betreffenden Ortszustandsdaten aufgrund von sich auf mehrere Orte und mehrere Zeitpunkte beziehenden, den Zustand eines Verkehrsnetzes betreffenden Meßdaten. Die Aufgabe wird jeweils durch die unabhängigen Ansprüche gelöst.
  • Die vorliegende Erfindung ermöglicht eine sehr zuverlässige Prognose von künftigen Verkehrszuständen durch Analyse des Werte-Verlaufes von zu mehreren vergangenen Zeitpunkten gemessenen Meßdaten zur Erstellung von Meßdaten simulierenden Ersatzdaten für Meßdatenlücken in der Vergangenheit und in der Zukunft. Dabei können auch Meßdaten verwendet werden, die zeitlich asynchron erfaßt werden.
  • Zur Erstellung von Vekehrsprognosen kann im Prinzip aus räumlich und/oder zeitlich lückenhaften Meßdaten eine räumlich und zeitlich lückenlose Verkehrsdaten-Quelle für die Vergangenheit und darauf auch für die Zukunft simuliert (also virtuell erzeugt) werden. Das Ergebnis hiervon sind auf Straßenabschnitte (auch als Richtungsmeßquerschnitte RMQ bezeichnet) bezogene zeitlich künstlich synchronisierte Verkehrsdaten. Diese weisen zweckmäßig ein einheitliches Format dergestalt auf, daß sie in gleichen zyklischen Intervallen und/oder gleichen Einheiten vorliegen; die Intervalle können beispielsweise eine Minute betragen. Bei der Erstellung der räumlich/zeitlich lückenlosen Verkehrsdatenbasis können durch Fehlerschätzung bei der Berechnung für die einzelnen Werte Qualitätsangaben mitgeneriert werden.
  • Weitere Merkmale und Vorteile ergeben sich aus den Unteransprüchen und der nachfolgenden Beschreibung eines Ausführungsbeispieles. Dabei zeigt:
    • Fig. 1
    als Blockschaltbild Komponenten einer Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens,
    Fig. 2
    im Verlaufe der Zeit von einem Sensor gemessene Meßdaten, aus einer historischen Datenbank entnommene Meßdaten und eine Intervallschätzung (=LOS-Schätzung),
    Fig. 3
    als Tabelle grundsätzlich zur Vervollständigung von bestimmten Meßdatenlücken etc. geeignete Ersatzdatenquellen.
  • Figur 1 verdeutlicht den Datenfluß anhand eines Blockschaltbildes einer Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens.
  • Die verwendeten Meßdaten umfassen von in im Verkehrsnetz beweglichen Fahrzeugen angeordneten Sensoren erfaßte Daten 1 (FCD), von stationären Sensoren im Straßenverkehrsnetz erfaßte Daten 2 (SES) sowie von einer anderen Verkehrsinformationszentrale (VIZ) kommende Daten 3 (beispielsweise basierend auf Landesmeldestellen-Meldungen, Polizeifunk etc.).
  • Die am Ende ausgegebenen Daten 4 repräsentieren räumlich und zeitlich mit zur Weiterverarbeitung ausreichender Genauigkeit lückenlos (aus den Daten 1 bis 3) vervollständigte Ortszustandsdaten 4. Die Ortszustandsdaten 4 (Geschwindigkeiten, Verkehrsdichte, Staus etc.) sind räumlich dergestalt lückenlos, daß beispielsweise für eine digitale Karte des Straßenverkehrsnetzes mit räumlichen Unterabschnitten für jeden räumlichen Unterabschnitt ein Meßdatum für einen relevanten Zeitpunkt vorliegt, was eine einfachere und bessere Weiterverarbeitung ermöglicht. Zeitlich lückenlos können sie beispielsweise insofern sein, daß für eine ausreichende Zahl von vor dem aktuellen Zeitpunkt liegenden, kurz zurückliegenden Zeitpunkten vervollständigte Meßdaten (Ortszustandsdaten) vorliegen.
  • Die Vervollständigung erfolgt im wesentlichen in einer Multidatenlogik MDL 5, in welcher im wesentlichen das erfindungsgemäße Verfahren abläuft. In den Teilmodulen M1 bis M3 6 bis 8 laufen verkehrstechnische Analyseverfahren ab, in welchen unterschiedliche Verkehrsflußmodelle (beispielsweise gemäß Ansprüchen 2 - 4) basierend auf den in der MDL 5 vervollständigten Meßdaten verwendet und optimiert werden. Die Multimodell-Logik MML 9 verknüpft die Ergebnisse der auf unterschiedlichen Analyseverfahren beruhenden Module M1 bis M3, insbesondere in Form einer Zuverlässigkeits-/Glaubwürdigkeits-Analyse und -Auswahl.
  • Die Simulationskomponente SIM 10 berechnet erfindungsgemäß aufgrund der von der Multimodell-Logik 9 erzeugten Daten eine Prognose für die Zukunft, wobei der durch die Prognose betroffene Prognosezeitpunkt gegenüber dem Prognose-Erstellung-Zeitpunkt in der Zukunft liegt. Bei der Zukunftsprognose, ausgehend von zu einem vergangenen Zeitpunkt erfaßten Meßdaten, ist eine optimierte Ausnutzung gemessener Meßdaten durch eine genauere Ablaufanalyse von Vorgängen (Staubildung etc.) im Straßenverkehrsnetz möglich. Die Komponente HPR 11 generiert aus den von der MML 9 erzeugten aktuellen Daten Ganglinien (also zeitliche Verläufe der Meßdaten) und versucht, den Zusammenhang zwischen Verkehrszuständen und bestimmten Selektionsmerkmalen zu lernen. Die Ergebnisse der Simulationskomponente 10 werden über eine Rückkopplungseinheit RER in die Multidatenlogik rückgekoppelt zur Optimierung der (neben den Daten 1 bis 3) in die MDL einfließenden Meßdaten-Basis.
  • Die von der Komponente HPR generierten Ganglinien und Zusammenhänge zwischen Verkehrszuständen und Selektionsmerkmalen werden (über ein hier nicht dargestelltes Modul ZYR) ebenfalls als Eingang in die Multidatenlogik 5 eingekoppelt.
  • Basierend auf den Augsangsdaten der SIM 10, der MML 9 und der HPR 11 werden in einer Datenfusionseinheit 14 Daten erstellt, welche prognostizierte Verkehrszustände von Abschnitten des Straßenverkehrsnetzes repräsentieren.
  • Eine Grundidee der MDL 5 besteht darin, aus räumlich und/oder zeitlich unvollständig eingehenden Meßdaten 1 bis 3 (von Sensoren etc.) durch Vervollständigung eine räumlich und zeitlich lückenlose und zeitlich synchrone Meßdatenquelle für die Vergangenheit und eine zwischen dem Prognose-Erstellungs-Zeitpunkt und dem Prognosezeitpunkt liegende Zukunft zu simulieren, um eine einfache hochwertige Weiterverarbeitung (für Verkehrsmeldungen, Prognosen, Navigationshinweise etc.) zu ermöglichen.
    Figur 2 verdeutlicht die Problematik bei eingehenden Meßdaten aufgrund einer Meßdatenhistorie. In Figur 2 zeigt die nach rechts weisende Achse die Zeit und die nach oben weisende Achse die Geschwindigkeit. Die durchgezogene Linienfolge zeigt zu verschiedenen Zeitpunkten mit einem stationären Sensor (SES) an einer Position im Straßenverkehrsnetz erfaßte Fahrzeugdurchschnittsgeschwindigkeiten (beispielsweise alle Fahrzeuge in einer Minute). Die vom Sensor erfaßten Meßdaten betreffen mehrere bezüglich des jetzigen Zeitpunktes vergangene, hintereinanderliegende und kurz zurückliegende Zeitpunkte; diese Meßdaten werden derart eingebunden, daß ihr zeitlicher Verlauf einer Analyse unterworfen wird und zur Vervollständigung anderer Meßdaten verwendet wird.
  • Anschaulich erklärt sich dies beispielsweise anhand eines Fahrzeuges, welches zu einem Zeitpunkt einen Sensor an einem Ort passiert und nach einer gewissen Zeit an einem anderen Ort hinter dem Sensor eine bestimmte (gleiche oder bei Staus etc. andere bestimmbare) Geschwindigkeit hat. Aus verschiedenen Geschwindigkeiten von Fahrzeugen zu mehreren Zeitpunkten am Ort des Sensors kann somit auf vermutete (als Meßwert nicht vorliegende) Geschwindigkeiten der Fahrzeuge an Orten hinter dem Sensor wie auch (bei sich ausbreitenden Staus vor dem Sensor) geschlossen werden.
  • Neben Daten von stationären Sensoren kann dies auch mit von im Verkehr mitschwimmenden Fahrzeugen implementieren Meßsensoren generierten Meßdaten erfolgen; diese Meßdaten sind ebenfalls unvollständig, da sie nur unter bestimmten Bedingungen und/oder in bestimmten Zeitintervallen übermittelt werden; auch diese Meßdaten aus Fahrzeugen werden in der Regel als Paket übermittelt, wobei in einem Paket mehrere Durchschnittsgeschwindigkeiten (des Fahrzeuges) an verschiedenen Orten (entlang einer vom Fahrzeug befahrenen Straße) zu verschiedenen Zeitpunkten (den Meßzeitpunkten) auf dem Weg entlang der Straße enthalten sind.
  • Figur 3 verdeutlicht beispielhaft als Tabelle, daß unterschiedlich bedingte Lücken in eingehenden unterschiedlichen generierten Meßdaten mit unterschiedlichen Ersatzdatenquellen vervollständigt werden können. Meßdatenlücken in von stationären Detektoren im Verkehrsnetz erzeugten Meßdaten (SES) können mit Ersatzdatenquellen aus historischen Datenbanken (HPR in Figur 1) und Verkehrsanalysesystem vervollständigt werden, wobei auch die Meßdatenqualität durch eine Fehlerschätzung (LOS-Schätzung) möglich ist.
    Datenausfälle in von einer anderen Verkehrsinformationszentrale (welche auf Landesmeldestellen, Polizeimeldungen etc. Zugriff hat) kommenden Daten und Daten von einem Sensorerfassungssystem können bei Datenausfall beispielsweise auch aus einer historischen Datenbank HPR vervollständigt werden.
  • Wenn bei einem Sensor Erfassungssysteme nur bestimmte Spuren (= Fahrbahnen) zu einer Straße überwacht werden, können nicht überwachte Spuren durch einen Spurschätzer, welcher aufgrund von Erfahrungswerten aus überwachten Spuren auf nicht überwachte Spuren schließen kann, vervollständigt werden.
  • Nicht überwachte Knoten eines Verkehrsnetzes, wie Ein- und Ausfahrten können zwischen verschiedenen Meßstellen eines Sensorerfassungssystems unbekannte Werte für Durchschnittsgeschwindigkeiten und/oder Fahrzeugzahlen bedingen, wobei diese unbekannten Faktoren - soweit verfügbar -ebenfalls durch historische Datenbanken relativ genau vervollständigbar sind.
  • Ein LOS-Schätzer (beispielsweise gemäß Figur 3), ist als Ersatzdatenquelle verwendbar. Wenn das Meldeverhalten von stationären Detektoren (SES) im Straßenverkehrsnetz vorsieht, daß sich ein Detektor stets dann meldet, wenn ein Wechsel zwischen definierten Geschwindigkeitsbereichen in den von ihm gemessenen Meßdaten sicher stattgefunden hat (lokales Übertragungskriterium) und dies dem LOS-Schätzverfahren bekannt ist, kann bei jeder Übermittlung eines Datentelegramms (Prognose-Zeitpunkt) von einem Detektor anhand des übermittelten LOS betreffend die Straße eine Prognose für die mittlere Geschwindigkeit getroffen werden. Die Prognosegüte ist durch die halbe Breite des LOS garantiert, wenn der Prognosewert mit dem Mittelwert des LOS gleichgesetzt wird. Als LOS (Level of Service) wird dabei die Qualität einer Straße in Form der auf ihr fahrbaren Geschwindigkeit bezeichnet. Eine mögliche Einteilung ist von LOS 1 (schlecht, 0 bis 30 km/h), LOS 2 (mittel, 30 bis 60 km/h), LOS 3 (gut, 60 bis 90 km/h), LOS 4 (sehr gut, > 90 km/h).
  • Die Prognosegüte einer Prognose ist durch die halbe Breite des Geschwindigkeitsbereichs eines LOS garantiert (beispielsweise 0 bis 30 km/h); wenn der Prognosewert mit dem Mittelwert (in dem Falle beispielsweise 15 km/h) des LOS gleichgesetzt wird, da bei stärkeren Abweichungen ein erneutes Datentelegramm des Detektors übersandt würde.
    Das LOS-Schätzverfahren kann auch dazu benutzt werden, eine aktuell im System für einen Richtungsmeßquerschnitt (bei stationären Detektoren beispielsweise ein Meßort in Form einer Brücke) vorliegende (den Zeitverlauf repräsentierende) Ganglinie in den aktuellen LOS-Berech zu verschieben, falls eine Abweichung des letzten aktuellen Meßwertes von einer für den Meßquerschnitt aktuell gültigen Ganglinie existiert. Zum Unterschied des letzten aktuellen Meßwertes der Geschwindigkeit der SES-Daten kann die Differenz zu dem Ganglinienwert des entsprechenden Intervalls gebildet und der Ganglinienwert für die Geschwindigkeit um diese Differenz verschoben werden.
  • Falls sich die Geschwindigkeitsganglinie eines Straßenverkehrsabschnittes über der oberen Grenze eines LOS-Bereichs befindet, müssen die Geschwindigkeiten der Ganglinie abgesenkt werden, wenn sich die Geschwindigkeitsganglinie unter der unteren Grenze des LOS-Bereichs befindet, müssen sie angehoben werden.
  • Die zeitliche Abfolge, in der die Meß- und Ersatzdaten bereitgestellt werden, verdeutlicht sich anhand Figur 2.
  • Zum Zeitpunkt t1 (bei Tagesbeginn) wird von dem Ganglinien-Managementsystem HPR die erste Ganglinie für den Detektor (von welchem das dargestellte SES-Diagramm kommt) übermittelt. Wenn dies nicht der Fall ist, kann zur Datenvervollständigung die Ganglinie des Vortages verwendet werden, falls sie persistent im HPR gespeichert ist.
  • Zum Zeitpunkt t2 übermittelt dieser Detektor mehrere vergangene Zeitpunkte betreffende Meßdaten (also eine Meßdatenhistorie) aufgrund eines LOS-Wechsels (Durchschnittsgeschwindigkeitsänderung auf einem Straßenabschnitt wie oben angegeben), und der LOS-Schätzer übermittelt auf der Basis dieser Daten eine Prognose für künftige Zeitpunkte.
  • Zum Zeitpunkt t3 übermittelt der Detektor aufgrund eines erneuten LOS-Wechsels des von ihm beobachteten Straßenabschnittes einen weiteren Satz Meßdaten (weitere Meßdatenhistorie), und der LOS-Schätzer erstellt hierauf basierend eine neue Prognose.
  • Zum Zeitpunkt t4 aktualisiert das Ganglinien-Managementsystem HPR die zu Tagesbeginn (t1) gelieferte Ganglinie. Die neue Ganglinie beschreibt das Verkehrsgeschehen wirklich besser als die alte Ganglinie, da dem Teilsystem HPR zur Selektion der Ganglinie mehr Informationen vorliegen.
  • So können Lücken in den Meßdaten durch einen Rückgriff aus Ersatzdaten aus der historischen Datenquelle HPR beseitigt werden.
  • Bei sich widersprechenden Daten aus unterschiedlichen Quellen (beispielsweise aktualisierten Ganglinien/alten Ganglinien, LOS-Schätzungen/aktuellen Ganglinien, Meßdatenhistorien/aktuellen Sensormeßdaten) ist ein Auswahlprozeß aufgrund der Meßdatenqualität ausführbar. Dabei kann die Datenquelle ausgewählt werden, für welche die meisten Meßdaten vorliegen, bzw. bei Fehlen von Meßdaten die Ersatzdaten mit der geringsten berechneten Fehlerwahrscheinlichkeit.
  • Die vervollständigten Daten können beispielsweise auf Zeitintervalle der Länge 1 min. transformiert werden.

Claims (18)

  1. Verfahren zur Erstellung einer Verkehrsprognose für einen Prognosezeitpunkt aus den Zustand eines Verkehrsnetzes betreffenden Meßdaten in einer Verkehrszentrale,
    wobei zu mehreren Meßorten im Verkehrsnetz mehrere Zeitpunkte innerhalb eines sich ab dem Prognose-Erstellungs-Zeitpunkt zeitlich rückwärts erstreckenden Zeitraumes betreffende, räumlich und/oder zeitlich lückenhafte Meßdaten zum Zustand des Verkehrsnetzes an den Meßorten erfaßt werden,
    wobei unter Berücksichtigung des zeitlichen Werte-Verlaufs mehrerer zu diesen Zeitpunkten erfaßter Meßdaten mit zeitlich-räumliche Entwicklungen im Verkehrsnetz repräsentierenden Verkehrsmodellen zeitlich und/oder räumlich die Meßdaten-Lücken auffüllende, Meßdaten simulierende Ersatzdaten generiert werden,
    und mit den Verkehrsmodellen für gegenüber dem Prognose-Erstellungs-Zeitpunkt künftige, jedoch vor dem Prognosezeitpunkt liegende Zeitpunkte ebenfalls Ersatzdaten generiert werden,
    worauf eine Prognose von den Zustand des Verkehrsnetzes zu einem gegenüber dem Prognose-Erstellungs-Zeitpunkt künftigen Prognosezeitpunkt an Orten des Verkehrsnetzes repräsentierenden Ortszustandsdaten erstellt wird aufgrund der für Zeitpunkte vor dem Prognose-Erstellungs-Zeitpunkt vorliegenden Meßdaten und Ersatzdaten und der für Zeitpunkte nach dem Prognose-Erstellungs-Zeitpunkt vorliegenden Ersatzdaten.
  2. Verfahren nach Anspruch 1,
    dadurch gekennzeichnet,
    daß ein Verkehrsmodell verwendet wird, welches räumliche Meßdaten-Lücken zwischen zwei Meßorten, zu welchen Meßdaten vorliegen, dadurch auffüllt, daß den Orten zwischen den beiden Meßorten Ersatzdaten zugewiesen werden, welche durch Interpolation, insbesondere lineare Interpolation der zu den beiden Meßorten vorliegenden Meßdaten, gewonnen werden.
  3. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß ein Verkehrsmodell verwendet wird, welches Verkehrsstörungen zwischen zwei Meßpunkten A und B aufgrund der zeitlichen Entwicklung der Verkehrsfluß-Differenz der Verkehrsflüsse an den Meßorten A und B bestimmt.
  4. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß ein Verkehrsflußmodell verwendet wird, welches Ersatzdaten betreffend den Verkehrszustand an Orten und zu Zeiten im Verkehrsnetz, zu welchen keine Meßdaten vorliegen, aus vorliegenden Meßdaten durch Lösungen von Differentialgleichungen betreffend den Verkehrsfluß, die Verkehrsdichte und die Verkehrsgeschwindigkeit bestimmt.
  5. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß die räumlich und/oder zeitlich lückenhaften Meßdaten für zumindest auch den Prognose-Erstellungs-Zeitpunkt vervollständigt werden, indem aus dem zeitlichen Werte-Verlauf von mehrere vergangene Zeitpunkte betreffenden Meßdaten auf den Prognose-Erstellungs-Zeitpunkt gerichtete Prognosen erstellt werden, um derart eine räumlich und/oder zeitlich hinreichend lückenlose, den aktuellen Zustand des Verkehrsnetzes repräsentierene Meß- und Ersatzdatenbasis für die Erstellung einer Prognose für die Zukunft zu generieren.
  6. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß der Zustand mehrerer Straßenabschnitte bestimmt wird.
  7. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß Meßdaten von an Straßen des Verkehrsnetzes stationär angeordneten Sensoren erfaßt werden, insbesondere in Form von Meßdaten, die Durchschnittsgeschwindigkeiten mehrerer Fahrzeuge an einer Stelle und/oder die Anzahl von die Stelle passierenden Fahrzeugen pro Zeiteinheit umfassen.
  8. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß Meßdaten von an in Verkehrsnetzen beweglichen Fahrzeugen angeordneten Sensoren (FCD) erfaßte werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß die Meßdaten Geschwindigkeiten jeweils eines Fahrzeuges umfassen.
  10. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß die einen künftigen Zustand des Verkehrsnetzes repräsentierenden Ortszustandsdaten zur Erstellung von an Verkehrsteilnehmer zu sendenden Navigationshinweisen verwendet werden.
  11. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß die einen künftigen Zustand des Verkehrsnetzes zu einem Prognosezeitpunkt repräsentierenden prognostizierten Ortszustandsdaten zur Erstellung von mittlere Fahrzeuggeschwindigkeiten und/oder Reisezeiten in jeweils einem Straßenabschnitt des Verkehrsnetzes repräsentierenden, an Verkehrsteilnehmer zu sendenden Informationen verwendet werden.
  12. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß auf einen Zustand zu einem künftigen Prognosezeitpunkt des Verkehrsnetzes repräsentierenden prognostizierten Ortszustandsdaten basierende, den Grad von Stauungen repräsentierende Informationen an Verkehrsteilnehmer gesendet werden.
  13. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß auch auf den Zustand von Orten zu einem künftigen Prognosezeitpunkt geschlossen wird, zu welchen Orten keine Meßdaten vorliegen.
  14. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß der Prognosezeitpunkt in der nahen Zukunft, insbesondere weniger als 30 min hinter dem Prognose-Erstellungs-Zeitpunkt liegt.
  15. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß der Prognosezeitpunkt um maximal die Zeit hinter dem Prognose-Erstellungs-Zeitpunkt liegt, die der Verkehr benötigt, um sich von einem Netzknoten in Form einer Kreuzung, Einmündung oder dgl. zum nächsten Netzknoten auszubreiten.
  16. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß auf den einen zukünftigen Prognosezeitpunkt betreffenden Ortszustandsdaten basierende Informationen an mindestens einen Verkehrsteilnehmer, insbesondere per Mobilfunk (SMS-MT oder SMS-CB) oder Radio (insbesondere RDS-TMC), gesendet werden.
  17. Verfahren nach einem der vorhergehenden Ansprüche,
    dadurch gekennzeichnet,
    daß durch Fehleranalyse der Fehlerfortpflanzung während der verfahrensgemäßen Berechnungen oder durch ein Expertensystem die Genauigkeit und/oder Zuverlässigkeit des Ergebnisses geschätzt wird und diese Schätzung mit Verkehrsinformationen ausgegeben wird.
  18. Vorrichtung zur Erstellung von Verkehrsprognosen für einen künftigen Prognosezeitpunkt aus den Zustand eines Verkehrsnetzes betreffenden Messdaten in einer Verkehrszentrale, gekennzeichnet durch:
    - eine Multidatenlogik (5), der die von beweglichen und stationären Sensoren (1, 2) sowie von einer anderen Verkehrsinformationszentrale (3) erfassten Daten zugeführt werden,
    - eines oder mehrere Teilmodule (6, 7, 8), in denen verkehrstechnische Analyseverfahren ablaufen,
    - eine Multimodell-Logik (9), in der die Ergebnisse der Teilmodule (6, 7, 8) verknüpft werden,
    - eine Simulationskomponente (10), in der auf der Basis der in der Multimodell-Logik (9) erzeugten Daten eine Prognose für die Zukunft berechnet wird,
    - eine Komponente HPR (11), die aus den von der Multimodell-Logik (9) erzeugten aktuellen Daten Ganglinien generiert,
    - die Rückkopplung der Daten der Simulationskomponente (10) und/oder der Daten der Komponente HPR (11) in die Multidatenlogik (5),
    - eine Datenfusionseinheit (14), welche aus den Ausgangsdaten der Simulationskomponente (10), der Multimodell-Logik (9) und der Komponente HPR (11) Daten erstellt, welche aktuelle und/oder prognostizierte Verkehrszustände des Straßenverkehrsnetzes repräsentieren,
    wobei die Vorrichtung so ausgebildet ist,
    - dass unter Berücksichtigung des zeitlichen Werte-Verlaufs mehrerer zu diesen Zeitpunkten erfaßter Meßdaten mit zeitlich-räumliche Entwicklungen im Verkehrsnetz repräsentierenden Verkehrsmodellen zeitlich und/oder räumlich die Meßdaten-Lücken auffüllende, Meßdaten simulierende Ersatzdaten generiert werden,
    - dass mit den Verkehrsmodellen für gegenüber dem Prognose-Erstellungs-Zeitpunkt künftige, jedoch vor dem Prognosezeitpunkt liegende Zeitpunkte ebenfalls Ersatzdaten generiert werden, und
    - dass darauf eine Prognose von den Zustand des Verkehrsnetzes zu einem gegenüber dem Prognose-Erstellungs-Zeitpunkt künftigen Prognosezeitpunkt an Orten des Verkehrsnetzes repräsentierenden Ortszustandsdaten erstellt wird aufgrund der für Zeitpunkte vor dem Prognose-Erstellungs-Zeitpunkt vorliegenden Meßdaten und Ersatzdaten und der für Zeitpunkte nach dem Prognose-Erstellungs-Zeitpunkt vorliegenden Ersatzdaten.
EP00250248A 1999-07-23 2000-07-20 Verfahren und Vorrichtung zur Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade Expired - Lifetime EP1071057B1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19935769A DE19935769C2 (de) 1999-07-23 1999-07-23 Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade
DE19935769 1999-07-23

Publications (2)

Publication Number Publication Date
EP1071057A1 EP1071057A1 (de) 2001-01-24
EP1071057B1 true EP1071057B1 (de) 2007-05-02

Family

ID=7916561

Family Applications (1)

Application Number Title Priority Date Filing Date
EP00250248A Expired - Lifetime EP1071057B1 (de) 1999-07-23 2000-07-20 Verfahren und Vorrichtung zur Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade

Country Status (4)

Country Link
EP (1) EP1071057B1 (de)
AT (1) ATE361516T1 (de)
DE (2) DE19935769C2 (de)
ES (1) ES2286981T3 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010011041A1 (de) * 2010-03-11 2011-09-15 Volkswagen Ag Verfahren sowie einer Vorrichtung zur Verarbeitung von verkehrsbezogenen Daten

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10036364C2 (de) * 2000-07-18 2003-08-28 Ddg Ges Fuer Verkehrsdaten Mbh Verfahren zur Erstellung prognostizierter Verkehrsdaten für Verkehrsinformationen
DE10200492B4 (de) * 2002-01-03 2004-02-19 DDG GESELLSCHAFT FüR VERKEHRSDATEN MBH Verfahren zur selbstkonsistenten Schätzung von prädiktiven Reisezeiten bei Verwendung von mobilen oder stationären Detektoren zur Messung erfahrener Reisezeiten
DE10246184A1 (de) * 2002-10-02 2004-09-30 Bayerische Motoren Werke Ag Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren
JP4982143B2 (ja) * 2006-09-27 2012-07-25 クラリオン株式会社 交通状況予測装置
US8024110B2 (en) * 2007-05-22 2011-09-20 Xanavi Informatics Corporation Method of estimation of traffic information, device of estimation of traffic information and car navigation device
FR3116144B1 (fr) * 2020-11-10 2022-10-14 Ifp Energies Now Procédé de détermination d’un nombre de passages de véhicules sur au moins une portion de route d’un réseau routier

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE182709T1 (de) * 1995-04-28 1999-08-15 Inform Inst Operations Res & M Verfahren zur störungserkennung im strassenverkehr
EP0944890B1 (de) * 1996-12-16 2004-10-13 ATX Europe GmbH Verfahren zur vervollständigung und/oder verifizierung von den zustand eines verkehrsnetzes betreffenden daten; verkehrszentrale
DE19737440A1 (de) * 1997-02-14 1998-08-27 Mannesmann Ag Verfahren zur Bestimmung von Verkehrsdaten und Verkehrsinformationszentrale
EP0902405B1 (de) * 1997-09-11 2004-05-12 Siemens Aktiengesellschaft Verfahren zur Ermittlung von Verkehrsinformationen
US6047234A (en) * 1997-10-16 2000-04-04 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
None *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010011041A1 (de) * 2010-03-11 2011-09-15 Volkswagen Ag Verfahren sowie einer Vorrichtung zur Verarbeitung von verkehrsbezogenen Daten

Also Published As

Publication number Publication date
DE50014288D1 (de) 2007-06-14
DE19935769A1 (de) 2001-02-01
ATE361516T1 (de) 2007-05-15
DE19935769C2 (de) 2002-02-07
ES2286981T3 (es) 2007-12-16
EP1071057A1 (de) 2001-01-24

Similar Documents

Publication Publication Date Title
D’Angelo et al. Travel-time prediction for freeway corridors
DE60319993T2 (de) Vorrichtung und verfahren zur verkehrsinformationsbereitstellung
Choe et al. Freeway performance measurement system: operational analysis tool
DE102012201472B4 (de) Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen
EP0941534B1 (de) Verfahren zur ermittlung von fahrtroutendaten
CN113706862B (zh) 一种考虑路网容量约束的分布式主动均衡管控方法
CN101488284A (zh) 道路交通状况即时预测的智能管理***
EP0960411B1 (de) Verfahren zur bestimmung von verkehrsdaten und verkehrsinformationszentrale
Padiath et al. Prediction of traffic density for congestion analysis under Indian traffic conditions
EP1071057B1 (de) Verfahren und Vorrichtung zur Verkehrszustandsprognose durch rückgekoppelte Zustandskaskade
EP0936590A2 (de) Verfahren und Vorrichtung zur Bestimmung der Verkehrslage auf einem Verkehrswegenetz
DE10108611A1 (de) Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz
Anderson et al. Travel time estimation in urban road networks
Ben-Akiva et al. Calibration and evaluation of MITSIMLab in Stockholm
DE102005044888A1 (de) Verfahren, Anordnung und Simulationseinheit für ein Verkehrszustands-Schätzsystem
EP1071058B1 (de) Verfahren und Vorrichtung für rückgekoppelte Zustandskaskade
DE10334140B4 (de) Verfahren und System zur Ermittlung von Verkehrsdaten
Ásmundsdóttir Dynamic OD matrix estimation using floating car data
Han et al. Spatiotemporal congestion recognition index to evaluate performance under oversaturated conditions
DE10326973A1 (de) Verfahren zur automatisierten Bestimmung eines Qualitätsmaßes für Verkehrsmeldungen
Sheu Erratum: A stochastic modeling approach to real-time prediction of queue overflows
Chu et al. Evaluation of potential ITS strategies under non-recurrent congestion using microscopic simulation
Thakuriah et al. Probe-based surveillance for travel time information in ITS
EP2047448B1 (de) Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen
CN111275961A (zh) 基于浮动车数据的城市交通运行状态特征计算方法

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

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

AX Request for extension of the european patent

Free format text: AL;LT;LV;MK;RO;SI

17P Request for examination filed

Effective date: 20010129

AKX Designation fees paid

Free format text: AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

RIN1 Information on inventor provided before grant (corrected)

Inventor name: BECKER, MARKUS DIPL.-PHYS. DR.

Inventor name: FASTENRATH, ULRICH DIPL.-PHYS. DR.

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 CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE

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

Ref country code: FI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

RIN1 Information on inventor provided before grant (corrected)

Inventor name: FASTENRATH, ULRICH DIPL.-PHYS. DR. RER, NAT.

Inventor name: BECKER, MARKUS DIPL.-PHYS. DR. RER, NAT.

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

Effective date: 20070502

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

REF Corresponds to:

Ref document number: 50014288

Country of ref document: DE

Date of ref document: 20070614

Kind code of ref document: P

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

Ref country code: SE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070802

ET Fr: translation filed
REG Reference to a national code

Ref country code: CH

Ref legal event code: NV

Representative=s name: E. BLUM & CO. AG PATENT- UND MARKENANWAELTE VSP

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2286981

Country of ref document: ES

Kind code of ref document: T3

REG Reference to a national code

Ref country code: IE

Ref legal event code: FD4D

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

Ref country code: IE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

Ref country code: PT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20071002

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

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: 20080205

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

Ref country code: MC

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20070731

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070803

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

Ref country code: CY

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20070502

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

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20070720

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 16

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

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

Ref country code: NL

Payment date: 20190722

Year of fee payment: 20

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

Ref country code: DE

Payment date: 20190723

Year of fee payment: 20

Ref country code: ES

Payment date: 20190822

Year of fee payment: 20

Ref country code: FR

Payment date: 20190724

Year of fee payment: 20

Ref country code: IT

Payment date: 20190723

Year of fee payment: 20

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

Ref country code: BE

Payment date: 20190722

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: 20190725

Year of fee payment: 20

Ref country code: AT

Payment date: 20190719

Year of fee payment: 20

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

Ref country code: CH

Payment date: 20190725

Year of fee payment: 20

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 50014288

Country of ref document: DE

REG Reference to a national code

Ref country code: NL

Ref legal event code: MK

Effective date: 20200719

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: 20200719

REG Reference to a national code

Ref country code: BE

Ref legal event code: MK

Effective date: 20200720

REG Reference to a national code

Ref country code: AT

Ref legal event code: MK07

Ref document number: 361516

Country of ref document: AT

Kind code of ref document: T

Effective date: 20200720

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: 20200719

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: 20200721