EP1659550A2 - Method for detecting traffic data - Google Patents

Method for detecting traffic data Download PDF

Info

Publication number
EP1659550A2
EP1659550A2 EP05022489A EP05022489A EP1659550A2 EP 1659550 A2 EP1659550 A2 EP 1659550A2 EP 05022489 A EP05022489 A EP 05022489A EP 05022489 A EP05022489 A EP 05022489A EP 1659550 A2 EP1659550 A2 EP 1659550A2
Authority
EP
European Patent Office
Prior art keywords
data
section
survey
traffic
signatures
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.)
Granted
Application number
EP05022489A
Other languages
German (de)
French (fr)
Other versions
EP1659550B1 (en
EP1659550A3 (en
Inventor
Marc-André Funk
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.)
Mercedes Benz Group AG
Original Assignee
DaimlerChrysler AG
Daimler AG
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 DaimlerChrysler AG, Daimler AG filed Critical DaimlerChrysler AG
Publication of EP1659550A2 publication Critical patent/EP1659550A2/en
Publication of EP1659550A3 publication Critical patent/EP1659550A3/en
Application granted granted Critical
Publication of EP1659550B1 publication Critical patent/EP1659550B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
    • G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • 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 generally to traffic data collection systems. Specifically, the invention relates to the methods used in such systems for the evaluation of collected traffic data, in particular for the collection of tolls.
  • Vehicle autonomous toll collection systems are increasingly being used. Due to the financial background, the requirements for precision for reliably avoiding bad bookings are of particular importance for such systems. Therefore, precautionary measures must be taken in the evaluation of incoming data in order to detect irregularities - for example caused by technical disturbances in the transmission path - quickly and reliably.
  • Modern evaluation methods are therefore based on modeling data, which are used as a reference for the plausibility check of the currently collected data. As modeling data, node-edge models of the traffic route network are usually used. The efficiency of such toll collection systems is thus crucially dependent on the quality of the modeling data. For previous methods, the modeling data with measurement errors are collected and quality assured. This procedure is relatively complex, offers no time resolution and has a low statistical significance.
  • the present invention has for its object to develop a method for traffic data acquisition, which overcomes the known disadvantages and has other advantages and is particularly suitable for autonomous toll collection systems. This object is achieved by the method for detecting traffic data with the features of claim 1. Further details and advantageous embodiments of the invention are the subject of the dependent claims.
  • journeys traveled by motor vehicles are compiled on the basis of transmitted data from individual parts of predetermined motorway sections of a traffic network model. Corrections are made on plausibility considerations (coherent route, no double motorway sections, completion of missing pieces, logical time sequence, etc.). By taking place at predetermined time intervals statistical analysis of the data collected error sources are detected in the traffic data collection system. This allows timely quality monitoring of the entire system.
  • the information about the motorway sections (“motorway section”) and the node (“node”) can be used to determine the "FromNach” relation.
  • the updating of the data model is carried out by updating the basic data.
  • the individual road sections raised to a vehicle may be denoted by i, j, k. If, following the relation "node", the highway section j can follow immediately after i, the next survey j with k can be considered.
  • the data constellation is also considered correct if the highway section j is allowed to follow the motorway section i immediately following the relation "node optimization" and i carries an exit identifier and j carries an entry identifier.
  • the potential event (gaps with input / exit identifier) before an entry in the event table does not cross checked against any manual entry to become. This analysis must also be carried out for survey data with the value 0 € (vehicle with vehicle unit has been manually checked in).
  • Event lists are preferably generated for more analysis with more universal tools, including other cuts are used to amplify signals of interest and to set them apart from the background (noise).
  • the duration of the program is sufficient as the observation period, but it is also possible to choose any period of observation (for example, hourly or daily) (see section 4.3).
  • the survey data are provided by the EDP in the form of summary data pots (SDT). These are first to be broken down into individual surveys. Care must be taken to ensure that information about the sum data pot as well as the position in the sum data pot is not lost. The original data can then be discarded.
  • SDT summary data pots
  • Events with local signatures can be displayed in the format shown in Table 1 plus the "Signature” column and stored in individual case lists. For events with non-local signatures, however, specific data formats (which must also contain the "Signature” column) must be defined.
  • the fields of stored events are also referred to as event variables.
  • the plausibility of survey data is initially checked locally.
  • the data fields contained in the survey data are to be tested against a range of values.
  • the range of values results from this model.
  • upper and lower bounds or a discrete set should be specified as hard cuts .
  • the attribute "safe” is used in the sense of "unique”. Thus, for example, even with signatures of length 2 (see FIG. 2) gaps can be recognized, although here it is not certain that exactly one section was not or was raised incorrectly.
  • the data stream contains three sections p, q and r that do not form a contiguous path. There is no need for another hard cut parameter.
  • Figure 3 shows some non-local 4-length signatures without considering the entrance and exit identifiers. It is clear that due to the strong combinatorial dependence on length, the number of cases to be considered increases strongly. The relatively low profits of the information discernible by these signatures, at the present time, do not appear to make the effort associated with recognition as proportionate. All basic functions of the survey can be checked quantitatively and qualitatively well with the signatures shown in FIG. 1 and FIG.
  • the events of the individual signatures are to be statistically evaluated according to the invention. This is done technically by classifying and counting events (absolute frequency) and normalizing to a corresponding population to obtain relative frequencies. In this case, for independent events, the error (the standard deviation) of the absolute frequency by the root is to be given (estimated) from this frequency. This means that the true value of the underlying random variable is 67% probability in the interval N ⁇ ⁇ N. The relative error of a measurand therefore falls with 1 / ⁇ N.
  • a (one-dimensional) histogram is a set of counters (channels) in which the frequency of occurrence of a value of an event variable is recorded.
  • a channel is also called bin , the assignment of value ranges of the histogrammed variables to the channels is called binning.
  • the histogram should always be kept on the number of individual surveys per STD.
  • two- or multi-dimensional histograms result.
  • a two-dimensional histogram would be the number of bumps above the EHK ID and over the leg.
  • Multidimensional histograms can be reduced in their dimensionality by means of projections (adding all entries over a dimension to be eliminated). By increasing the absolute number of events, the relative error per bin is reduced.
  • All statistically collected data should preferably be issued in the form of database tables regularly (ie once per observation period), ie made available to subsequent programs. After a period of observation, all counter contents are to be deleted. Counters should not be persistent, ie they are initialized to zero at program start. For each output, a header table is to be output, which contains the period of observation as well as the values used for signature detection hardcuts and possibly further options and parameters that are important for the interpretation of the data.
  • event lists contain, among other things, data describing individual events (see Section 3). These lists can serve as data base for further analysis tools (data warehouses, etc.).
  • Filter conditions are thus general logical expressions that are evaluated by accessing the data fields of an event. To allow the user to formulate their own filter conditions, a parser for these expressions can be implemented. However, this is not absolutely necessary if filter conditions are first anchored in the program code.
  • each filter In an expanded embodiment of the method according to the invention, several filters can be operated simultaneously. In this case, each filter generates its own output list, in which data can be contained redundantly.
  • Kirchhoff's rules Freedom from sources here means that the observed objects can not spontaneously arise from a source or disappear in a sink.
  • a source-free flow can be assumed, and thus divergences in the flow can be regarded as an indication of error effects).
  • Kirchhoff's rule in the present case is that the sum of all flows at a node must be zero.
  • the survey efficiency is the quotient of sections correctly identified as individual surveys and the number of sections of the actual vehicle on the actual journey. For a majority of the sections from the topological signatures of length 3 depicted in Section 3.2, using the absolute frequencies shown in Section 4.1, this collection efficiency thus defined can be approximately estimated as the quotient of the sum of the absolute frequencies of the events with the signatures "Safe On - Section Gaps "and” Safe One-Section Misidentification "and the number of individual surveys plus the number of events with the" Secure One-Section Gaps "signature.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

Method for evaluation of captured traffic data, especially for collecting toll fees, in which journeys to be evaluated, are composed of motorway sections according to a line-node model. Subsequent corrections or plausibility calculations are made to the collected data. Statistical analyses of the captured data are carried out to detect error sources in the traffic data capture system.

Description

Die Erfindung betrifft allgemein Systeme zur Erfassung von Verkehrsdaten. Speziell betrifft die Erfindung die in derartigen Systemen eingesetzten Verfahren zur Auswertung erfasster Verkehrsdaten, insbesondere für die Erhebung von Mautgebühren.The invention relates generally to traffic data collection systems. Specifically, the invention relates to the methods used in such systems for the evaluation of collected traffic data, in particular for the collection of tolls.

Fahrzeugautonome Straßengebührenerfassungssysteme werden zunehmend eingesetzt. Aufgrund des finanztechnischen Hintergrunds sind für derartige Systeme die Anforderungen an Präzision zur zuverlässigen Vermeidung von Fehlbuchungen von besonderer Bedeutung. Daher sind in der Auswertung eingehender Daten Vorkehrungen zu treffen, um Unregelmäßigkeiten - beispielsweise hervorgerufen durch technische Störungen im Übertragungsweg - schnell und sicher zu detektieren. Moderne Auswerteverfahren stützen sich daher auf Modellierungsdaten, die als Referenz zur Plausibilitätsprüfung der aktuell erfassten Daten herangezogen werden. Als Modellierungsdaten werden üblicherweise Knoten-Kanten-Modelle des Verkehrswegenetzes herangezogen. Die Effizienz derartiger Straßengebührenerfassungssysteme hängt damit entscheidend von der Qualität der Modellierungsdaten ab. Für bisherige Verfahren werden die Modellierungsdaten mit Messfehlern erhoben und qualitätsgesichert. Dieses Vorgehen ist relativ aufwändig, bietet keine Zeitauflösung und hat eine geringe statistische Aussagekraft.Vehicle autonomous toll collection systems are increasingly being used. Due to the financial background, the requirements for precision for reliably avoiding bad bookings are of particular importance for such systems. Therefore, precautionary measures must be taken in the evaluation of incoming data in order to detect irregularities - for example caused by technical disturbances in the transmission path - quickly and reliably. Modern evaluation methods are therefore based on modeling data, which are used as a reference for the plausibility check of the currently collected data. As modeling data, node-edge models of the traffic route network are usually used. The efficiency of such toll collection systems is thus crucially dependent on the quality of the modeling data. For previous methods, the modeling data with measurement errors are collected and quality assured. This procedure is relatively complex, offers no time resolution and has a low statistical significance.

Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Verkehrsdatenerfassung zu entwickeln, welches die bekannten Nachteile überwindet und weitere Vorzüge aufweist und insbesondere geeignet ist für autonome Straßengebührenerfassungssysteme. Diese Aufgabe wird gelöst durch das Verfahren zur Erfassung von Verkehrsdaten mit den Merkmalen des Anspruchs 1. Weitere Details und vorteilhafte Ausführungsformen der Erfindung sind Gegenstand der Unteransprüche.The present invention has for its object to develop a method for traffic data acquisition, which overcomes the known disadvantages and has other advantages and is particularly suitable for autonomous toll collection systems. This object is achieved by the method for detecting traffic data with the features of claim 1. Further details and advantageous embodiments of the invention are the subject of the dependent claims.

Bei dem erfindungsgemäßen Verfahren werden zurückgelegte Fahrten von Kraftfahrzeugen anhand übermittelter Daten aus einzelnen Teilen vorgegebener Autobahnabschnitte eines Verkehrsnetzmodells zusammengesetzt. Dabei erfolgen Korrekturen über Plausibilitätsbetrachtungen (zusammenhängende Fahrtstrecke, keine doppelten Autobahnabschnitte, Ergänzen fehlender Stücke, logische zeitliche Abfolge usw.). Durch in vorgegebenen Zeitabständen erfolgende statistische Analyse der erfassten Daten werden Fehlerquellen im Verkehrsdatenerfassungssystem erkannt. Damit ist eine zeitnahe Qualitätsüberwachung des Gesamtsystems möglich.In the method according to the invention, journeys traveled by motor vehicles are compiled on the basis of transmitted data from individual parts of predetermined motorway sections of a traffic network model. Corrections are made on plausibility considerations (coherent route, no double motorway sections, completion of missing pieces, logical time sequence, etc.). By taking place at predetermined time intervals statistical analysis of the data collected error sources are detected in the traffic data collection system. This allows timely quality monitoring of the entire system.

Das erfindungsgemäße Verfahren wird im Folgenden unter Bezug auf die Figuren und Tabellen näher erläutert. Dabei stellt dar:

Fig. 1
Topologische Signaturen der Länge 3
Fig. 2
Topologische Signaturen der Länge 2
Fig. 3
Topologische Signaturen der Länge 4
Tabelle 1
Datenfelder von Einzelerhebungen
Tabelle 2
Datenfelder von Länge-3-Signaturen
Tabelle 3
Datenfelder von Länge-2-Signaturen
Die kurzfristige Erkennung von Erfassungsfehlern ist nach der eigentlichen Mauterhebung die wichtigste Funktion zur Verbesserung gängiger Straßengebührenerfassungssysteme. Die möglichen Ursachen für Erfassungsfehler liegen dabei:
  • in der Strecke (Modellierung, Funktion der Stützbaken, ...)
  • im Endgerät (Störung, Defekt),
  • beim Nutzer (Manipulation, Fehlbedienung,...)
  • in externen Einflüssen (Wetter, GPS-Störungen,...).
The inventive method will be explained in more detail below with reference to the figures and tables. It shows:
Fig. 1
Topological signatures of length 3
Fig. 2
Topological signatures of length 2
Fig. 3
Topological signatures of length 4
Table 1
Data fields of individual surveys
Table 2
Data fields of length 3 signatures
Table 3
Data fields of length 2 signatures
The short-term detection of detection errors is the most important function after the actual toll collection to improve common toll collection systems. The possible causes for entry errors are:
  • in the track (modeling, support bar function, ...)
  • in the terminal (fault, defect),
  • at the user (manipulation, incorrect operation, ...)
  • in external influences (weather, GPS interference, ...).

Damit sind zugleich die Hauptziele für eine Erfassungsfehler-Analyse vorgegeben. Das enorme Datenvolumen, die erforderliche Qualität zur Vermeidung von Fehlentscheidungen und die Notwendigkeit, kurzfristig zielgerichtete Gegenmaßnahmen einzuleiten, bedingt entsprechend a) eine effiziente und Ressourcenschonende Umsetzung der Anforderungen, mit b) vollautomatisiertem Arbeitsablauf zu den entsprechenden Funktionseinheiten, die präventive Maßnahmen einleiten können. Das erfindungsgemäße Verfahren ermöglicht es, diese Ziele mit geringem Arbeits- und Zeitaufwand bei der Realisierung zu erreichen, weil die eingesetzten Algorithmen einfach sind und der Verfahrensablauf standardmäßig implementiert werden kann.Thus, at the same time the main objectives for a detection error analysis are given. The enormous volume of data, the quality required to avoid wrong decisions and the need to initiate targeted countermeasures require a) an efficient and resource-efficient implementation of the requirements, with b) a fully automated workflow to the corresponding functional units that can initiate preventive measures. The inventive method makes it possible to achieve these goals with little effort and time in the realization, because the algorithms used are simple and the procedure can be implemented by default.

Folgende Kurzdarstellung soll zunächst die Grundkonzeption des erfindungsgemäßen Verfahrens darstellen. Im Anschluss wird dann anhand einer bevorzugten Ausführungsform (Datenmodell in Form von schematisierten Informations-Objekten) das erfindungsgemäße Verfahren detailliert erläutert.The following summary is intended to first illustrate the basic concept of the method according to the invention. The method according to the invention will then be explained in detail on the basis of a preferred embodiment (data model in the form of schematized information objects).

Für das Erkennen von Erfassungsfehlern bieten sich an:

  1. 1. der einfache Vergleich der einzelnen Erhebungsdaten mit dem Streckenmodell (Plausibilitäts-/Lücken-Prüfung), sowie
  2. 2. eine Analyse der Gesamterhebungen pro Autobahnabschnitt (Verkehrsfluss).
For the detection of registration errors offer:
  1. 1. The simple comparison of the individual survey data with the route model (plausibility / gap check), as well as
  2. 2. an analysis of the total surveys per section of motorway (traffic flow).

In beiden Fällen müssen im ersten Schritt Daten (Ereignisse bzw. Summenwerte) hochperformant gewonnen werden. Schon mit diesen einfachen Informationen kann die Mauterhebung sehr wirkungsvoll agieren. Die Notwendigkeit für eine solche Verbesserung ist offensichtlich, weit zurzeit außer den Kennziffern im PMS keine unterstützenden Informationen für die operationale Steuerung zur Verfügung stehen.In both cases, data (events or summation values) must be obtained in a high-performance manner in the first step. Even with this simple information, toll collection can be very effective. The need for such improvement is evident, far beyond the benchmarks in PMS, far no supporting information is available for operational control.

Aus den Grunddaten lässt sich mit den Informationen über die Autobahnabschnitte ("Autobahnabschnitt") und den Knoten ("Knoten") die Relation "VonNach" ermitteln. Die Aktualisierung des Datenmodells erfolgt durch die Aktualisierung der Grunddaten.From the basic data, the information about the motorway sections ("motorway section") and the node ("node") can be used to determine the "FromNach" relation. The updating of the data model is carried out by updating the basic data.

Das so ermittelte Von-Nach-Wissen basiert aber (fast) nur auf dem erstellten mautpflichtigen Streckenmodell. Um gravierende Fehlinterpretationen zu vermeiden, ist die manuelle Ergänzung um besondere Konstellationen in einer Tabelle "KnotenOptimierung" unbedingt schon vor Beginn der Analyse erforderlich. Die weitere Bewertung von aufeinander folgenden Streckenabschnittserhebungen hat entsprechend beide Informationsquellen ("Knoten", "KnotenOptimierung") nach folgendem Ablaufschema zu berücksichtigen:However, the thus determined from-to-knowledge is based (almost) only on the toll road model. In order to avoid serious misinterpretations, the manual addition of special constellations in a table "Node Optimization" is essential before the analysis is started. The further evaluation of consecutive route segment surveys must accordingly take into account both information sources ("Nodes", "Node Optimization") according to the following flowchart:

Die zu einem Fahrzeug erhobenen einzelnen Streckenabschnitte mögen mit i, j, k, bezeichnet sein. Falls nach der Relation "Knoten" der Autobahnabschnitt j unmittelbar nach i folgen kann, kann die nächste Erhebung j mit k betrachtet werden. Die Datenkonstellation gilt auch als korrekt, falls der Autobahnabschnitt j nach der Relation "KnotenOptimierung" dem Autobahnabschnitt i unmittelbar folgen darf und i eine Ausfahrtkennung und j eine Einfahrtkennung trägt.The individual road sections raised to a vehicle may be denoted by i, j, k. If, following the relation "node", the highway section j can follow immediately after i, the next survey j with k can be considered. The data constellation is also considered correct if the highway section j is allowed to follow the motorway section i immediately following the relation "node optimization" and i carries an exit identifier and j carries an entry identifier.

Nur in sehr wenigen Fällen muss weiter geprüft werden:

  1. 1. Es erfolgt für das Abschnittspaar i und j ein Eintrag "E-vent" in eine Ereignis-Tabelle, falls mit dem obigen Von-Nach-Wissen und den vorliegenden Zeitangaben bei Ausfahrt i und Einfahrt j bzw. den interpolierten Zeitwerten für i und j als einfache Streckenpunkte mit der Geschwindigkeit entsprechend dem Parameter-Wert für "MindestGeschwindigkeitFür-VonNach" aus dem Parametersatz "Standard" der Punkt j von i zu erreichen ist. Fachlich wird versucht, diese Konstellation als Erfassungslücke weiter zu interpretieren.
  2. 2. Ein "Event"-Eintrag erfolgt auch, wenn der Punkt j zeitlich nicht plausibel ist und kein Einfahrtkennzeichen trägt. Diese Konstellation wird häufig auch "Ortssprung" genannt. Fachlich wird diese Konstellation unter dem Gesichtspunkt Erfassungsfehler (falsch programmierte Stützbaken, Fehler im Streckenmodell, etc.) weiter untersucht.
Only in very few cases must further be tested:
  1. 1. For the section pair i and j, an entry "E-vent" is made in an event table, if with the above from-to-know and the present times at exit i and entry j or the interpolated time values for i and j is to be reached as simple waypoints at the speed corresponding to the parameter value for "minimum speed for-from-after" from the parameter set "standard" the point j of i. Professional attempts are made to interpret this constellation as a coverage gap further.
  2. 2. An "event" entry also takes place if the point j is not plausible in time and does not carry a drive-in license plate. This constellation is often called "place jump". In technical terms, this constellation will be further investigated from the point of view of registration errors (incorrectly programmed support beacons, errors in the track model, etc.).

Für den Fall, dass das im Fahrzeug befindliche Mautgerät bei eingeschalteter Zündung zwangsweise/unvermeidbar registriert und später auch sendet, braucht das potentielle Ereignis (Lücken mit Ein-/Ausfahrtkennung) vor einem Eintrag in die Ereignis-Tabelle nicht gegen eine eventuell vorliegende manuelle Einbuchung quergeprüft zu werden. Diese Analyse muss auch für Erhebungsdaten mit dem Wert 0 € (KFZ mit Fahrzeuggerät hat manuell eingebucht) durchgeführt werden.In the event that the in-vehicle toll device forcibly / unavoidably registered with the ignition switched on and later also sends, the potential event (gaps with input / exit identifier) before an entry in the event table does not cross checked against any manual entry to become. This analysis must also be carried out for survey data with the value 0 € (vehicle with vehicle unit has been manually checked in).

Um unverzüglich zu informieren und geeignete Gegenmaßnahmen zur Schadensabwendung schnell einleiten zu können, sollten die Erhebungsdaten periodisch, z.B. im stündlichen Rhythmus untersucht, die Analyseergebnisse in der Ereignis-Tabelle zur Verfügung gestellt und Kennziffern über die Anzahl der "Events" im PMS angezeigt werden. Die Weiterverarbeitung der "Events" unter Einbeziehung aller Informationen in anderen Tabellen kann dann von der Mauterhebung in Form von automatisierten Arbeitsschritten incl. "e-mail-Alarmierung", Alerts, u.ä. umgesetzt werden. Dabei können bei Vorliegen von vielen Erhebungsdaten in einer weiterführenden Ausgestaltung des erfindungsgemäßen Verfahrens die VonNach-Relationen von km-Basis auf Zeit-Basis umgestellt werden.In order to be able to inform without delay and to be able to initiate suitable countermeasures for the avoidance of damage quickly, should the survey data are examined periodically, eg at hourly intervals, the analysis results are made available in the event table and indicators about the number of "events" in the PMS are displayed. The further processing of the "Events" including all information in other tables can then from the toll collection in the form of automated operations including "e-mail alerting", alerts, u.ä. be implemented. In this case, if there are many survey data in a further refinement of the method according to the invention, the VonNach relations can be changed from km basis to time basis.

Die folgenden Abschnitte sollen die Details der einzelnen Funktions- bzw. Ablaufschritte des erfindungsgemäßen Verfahrens anhand bevorzugter Ausführungsformen verdeutlichen. Dabei soll dargestellt werden, welche Untersuchungen auf einfache Weise möglich sind. Auf Erläuterung von Einzelheiten der datentechnischen Umsetzung wird weitgehend verzichtet. Grundsätzlich wird jedoch davon ausgegangen, dass das System die Erhebungsdaten mit hoher Rate auswerten und verarbeiten muss und aus pragmatischen Gründen der Speicherplatzbeschränkung Statistiken direkt erzeugt, d.h. Einzelfalldaten nur für Spezialfälle exportiert. Ebenso wird nicht die Art der Darstellung der Daten beschrieben. Diese muss durch geeignete Standardsoftware erfolgen. Das hier beschriebene Verfahren soll explizit nur als interne Informationsquelle dienen, d.h. ohne Berücksichtung eventueller für Laien bedienbarer Oberflächen.The following sections are intended to illustrate the details of the individual functional or operational steps of the method according to the invention with reference to preferred embodiments. It should be shown which examinations are possible in a simple way. Explanation of details of the data technology implementation is largely dispensed with. Basically, however, it is believed that the system must evaluate and process the survey data at a high rate, and for pragmatic reasons, the storage space constraint directly generates statistics, i. Individual case data only exported for special cases. Likewise, the nature of the representation of the data is not described. This must be done by suitable standard software. The method described here is intended to be used explicitly only as an internal information source, i. without consideration of any layman-operable surfaces.

1 Datenerfassung1 data acquisition

Die in einem automatischen Mauterhebungssystem erfassten Daten haben eine hohe Zahl von Erhebungen und können daher erfindungsgemäß als Informationsquelle für die Modellierung des Verkehrsflusses sowie zur Untersuchung von Systemeffizienzen verwendet werden. Das Ziel der Analyse soll die Bereitstellung der folgenden Signale sein:

  • Häufigkeit von Abschnitts- Nicht-oder -Fehlerkennungen
  • Flüsse durch Abschnitte und aus/in Anschlussstellen
The data collected in an automatic toll collection system has a high number of surveys and can therefore be used according to the invention as an information source for the modeling of the Traffic flow and to study system efficiencies. The aim of the analysis should be to provide the following signals:
  • Frequency of section no-or-misses
  • Rivers through sections and out / in connection points

Diese Signale werden anhand bestimmter, in Abschnitt 3 beschriebener Signaturen detektiert und gesammelt. Dazu benötigt das Analysesystem Zugriff auf folgende Datenquellen:

  • Erhebungsdatenverwaltung (Fahrtdaten)
  • Grunddatenverwaltung (Knoten-Kanten-Modell)
These signals are detected and collected using specific signatures described in Section 3. To do this, the analysis system needs access to the following data sources:
  • Survey data management (trip data)
  • Basic data management (node-edge model)

Außerdem sind einige Signaturen mit bestimmten Parametern zu detektieren, die vorzugeben sind. Diese Parameter werden hard cuts (Harte Schnitte) genannt.In addition, some signatures are to be detected with certain parameters to be specified. These parameters are called hard cuts .

Das Auftreten einer Signatur wird Ereignis genannt. Dabei ist zu beachten, dass dieselbe Einzelerhebung mehrere Ereignisse unterschiedlicher Signaturen auslösen kann. Ereignisse können dann in Ereignislisten gespeichert werden. Diese Listen würden ohne weitere Maßnahmen sehr schnell sehr groß werden, daher sind für die Erzeugung von Ereignislisten Filter vorzusehen, die nur Ereignisse mit bestimmten Eigenschaften speichern. Ereignislisten werden für die weitere Analyse vorzugsweise mit universelleren Tools erzeugt, dabei kommen u.a. weitere cuts (Schnitte) zur Anwendung, um interessierende Signale zu verstärken und vom Hintergrund (Rauschen) abzuheben.The occurrence of a signature is called an event. It should be noted that the same single survey can trigger several events of different signatures. Events can then be stored in event lists. These lists would very quickly become very large without any further measures, therefore filters should be provided for the generation of event lists which only store events with specific properties. Event lists are preferably generated for more analysis with more universal tools, including other cuts are used to amplify signals of interest and to set them apart from the background (noise).

Um bekannte Fehler aus den Statistiken zu eliminieren, sind Negativlisten von Abschnitts-IDs und EHK-lDs zu erstellen. Sobald in einem Ereignis ein Objekt, das auf einer Negativliste enthalten ist, referenziert wird, wird dieses Ereignis verworfen.To eliminate known bugs from the statistics, create negative lists of section IDs and EHK IDs. As soon as an object contained in a negative list is referenced in an event, this event is discarded.

Schließlich sind alle Daten für bestimmte, genau definierte Betrachtungszeiträume zu erheben. In einfacher Ausführung reicht als Betrachtungszeitraum die Laufzeit des Programms, ebenso ist es aber auch möglich, beliebige Betrachtungszeiträume (z.B. stündlich oder täglich) zu wählen (siehe Abschnitt 4.3).Finally, all data must be collected for specific, well-defined observation periods. In a simple embodiment, the duration of the program is sufficient as the observation period, but it is also possible to choose any period of observation (for example, hourly or daily) (see section 4.3).

2 Datenaufbereitung2 data processing

Bevor die Daten einer weiteren Auswertung zugeführt werden, sind sie aus den gelieferten Formaten in zu definierende und für die Analyse optimierte interne Darstellung aufzubereiten.Before the data are sent for further evaluation, they must be prepared from the supplied formats into an internal representation that is to be defined and optimized for the analysis.

2.1 Daten der Grunddatenverwaltung (GdV)2.1 Data of Basic Data Management (GdV)

In einem ersten Schritt sind die Daten der GdV einzulesen, zu plausibilisieren und in die notwendigen internen Darstellungen zu überführen. Hierbei ist zu beachten, dass diese Daten in versionierter Form vorliegen, d.h. abhängig vom Zeitpunkt einer Einzelerhebung muss die gültige Version der GdV-Daten verwendet werden. Schlägt die Plausibilisierung fehl, sind entsprechend aussagekräftige Warnungen auszugeben. Außerdem sind folgende Kennzahlen für jede Version der Grunddaten (Knoten-Kanten-Modell) auszugeben:

  • Zahl der Kanten
  • Zahl der Knoten
  • Zahl der Auffahrten
  • Zahl der Abfahrten
In a first step, the data of the GdV must be read in, made plausible and translated into the necessary internal representations. It should be noted that this data is in a versioned form, ie, depending on the time of a single survey, the valid version of the GdV data must be used. If the plausibility check fails, meaningful warnings must be issued accordingly. In addition, the following key figures must be output for each version of the basic data (node-edge model):
  • Number of edges
  • Number of nodes
  • Number of driveways
  • Number of departures

2.2 Erhebungsdaten2.2 Survey data

Die Erhebungsdaten werden von der EDV in Form von Summendatentöpfen (SDT) geliefert. Diese sind zunächst in Einzelerhebungen zu zerlegen. Dabei ist darauf zu achten, dass Informationen über den Summendatentopf sowie die Position im Summendatentopf nicht verloren geht. Die Originaldaten können sodann verworfen werden.The survey data are provided by the EDP in the form of summary data pots (SDT). These are first to be broken down into individual surveys. Care must be taken to ensure that information about the sum data pot as well as the position in the sum data pot is not lost. The original data can then be discarded.

Die Erhebungsdaten sind zu plausibilisieren. Sofern ein Plausibilitätstest nicht bestanden wird, ist ein Ereignis mit einer eindeutig definierten Signatur zu erzeugen (siehe Abschnitt 3.1).The survey data are too plausible. If a plausibility test is not passed, an event must be generated with a clearly defined signature (see Section 3.1).

Einzelerhebungen sind durch ein eindeutiges Ordnungskriterium ausreichender Periode für jede Erhebungskarte sequentiell zu sortieren. Im Prinzip ist das Wertepaar (Summendatentopfzähler, Einzelerhebungsnummer) ein solches Ordnungskriterium, allerdings ist die Periode des Summendatentopfzählers mit 216 zu gering. Periodenüberläufe des SDT-Zählers müssen daher erkannt, gezählt, und in das Kriterium aufgenommen werden, so dass sich folgendes eindeutiges Werte-Tripel ergibt: Periodenüberläufe, Summendatentopfzähler, Einzelerhebungsnummer.Individual surveys are to be sequentially sorted by a unique order criterion of sufficient period for each survey map. In principle, the value pair (sum data pot counter, individual survey number) is such a classification criterion, however, the period of the sum data pot counter is too low with 2 16 . Period overflows of the SDT counter must therefore be detected, counted and included in the criterion so that the following unique value triple results: Period overflows, total data pot counter, individual survey number.

3 Signaturen3 signatures

In diesem Abschnitt wird dargestellt, welche Signaturen im System erkannt werden sollen und welche Parameter für hard cuts für diese Signaturen relevant sind. Generell wird unterschieden zwischen

  • lokalen Signaturen, d.h. Signaturen, die bei der Analyse eines einzelnen, isolierten Erhebungsdatensatzes erkannt werden können und
  • nichtlokalen Signaturen, d.h. Signaturen, bei der die Beziehungen von mehreren Erhebungsdatensätzen zueinander eine Rolle spielen.
This section describes which signatures should be recognized in the system and which parameters are relevant for hard cuts for these signatures. Generally, a distinction is made between
  • local signatures, ie signatures that can be recognized when analyzing a single, isolated survey dataset; and
  • non-local signatures, ie signatures, in which the relationships of several survey data sets to one another play a role.

Es ist offensichtlich, dass die Erkennung von lokalen Signaturen weit weniger aufwändig ist, als die Erkennung von nichtlokalen Signaturen. Für letztere ist eine klare und performante Systemarchitektur erforderlich, um mit vertretbarem Aufwand eine ausreichende Performanz herzustellen. Dabei ist insbesondere zu beachten, dass nichtlokale Signaturen nicht ohne die Verwaltung von internen Zuständen erkannt werden können. Die Speicherung dieser Zustände muss hochperformant sein (d.h. im RAM erfolgen) und muss ausdrücklich nicht persistent gehalten werden.It is obvious that the detection of local signatures is much less expensive than the detection of non-local signatures. For the latter, a clear and high-performance system architecture is required in order to produce sufficient performance at a reasonable cost. It should be noted in particular that non-local signatures can not be detected without the management of internal states. The storage of these states must be high performance (i.e., done in RAM) and must not be explicitly held to be persistent.

Ereignisse mit lokalen Signaturen können in dem in Tabelle 1 wiedergegebenen Format zuzüglich der Spalte "Signatur" dargestellt und in Einzelfalllisten abgespeichert werden. Für Ereignisse mit nichtlokalen Signaturen sind hingegen spezifische Datenformate (die auch die Spalte "Signatur" enthalten müssen) zu definieren. Die Felder von abgespeicherten Ereignissen werden auch als Ereignisvariable bezeichnet.Events with local signatures can be displayed in the format shown in Table 1 plus the "Signature" column and stored in individual case lists. For events with non-local signatures, however, specific data formats (which must also contain the "Signature" column) must be defined. The fields of stored events are also referred to as event variables.

3.1 Plausibilität der Erhebungsdaten3.1 Plausibility of the survey data

Die Prüfung der Plausibilität von Erhebungsdaten erfolgt zunächst lokal. Dabei sind die in den Erhebungsdaten enthaltenen Datenfelder gegen einen Wertebereich zu testen. Bei Feldern, die auf Objekte aus dem Tarif- oder Streckenmodell referenzieren, ergibt sich der Wertebereich aus diesem Modell. Bei anderen Feldern sollen obere und untere Grenzen oder eine diskrete Menge als hard cuts angegeben werden können.The plausibility of survey data is initially checked locally. The data fields contained in the survey data are to be tested against a range of values. For fields that refer to objects from the tariff or route model, the range of values results from this model. For other fields, upper and lower bounds or a discrete set should be specified as hard cuts .

Daneben sind auch nichtlokale Signaturen zu erkennen:

  • Lücke im Summendatentopfzähler
In addition, non-local signatures can also be recognized:
  • Gaps in the totals data pot counter

Hier ist zu beachten, dass die Summendatentöpfe zu einer Erhebungskarte nicht unbedingt in sequentiell richtiger Reihenfolge eintreffen. Diese sind daher zunächst zu ordnen und Lücken können erst nach einem Timeout erkannt werden. Dieser Timeout ist für diese Signatur ein hard cut.

  • Lücke im Einzelerhebungszähler
It should be noted here that the totals data pots do not necessarily arrive to a survey map in sequential order. These must therefore be sorted first and gaps can only be identified after a timeout . This timeout is a hard cut for this signature.
  • Gaps in the individual survey counter

Diese Signatur erfordert keinen weiteren Parameter.This signature requires no further parameters.

Ereignisse bzgl. negativen Plausibilitätstests von Erhebungsdaten werden in dem in Tabelle 2 dargestellten Format zuzüglich der Spalte "Signatur" dargestellt.Events relating to negative plausibility tests of survey data are presented in the format shown in Table 2 plus the "Signature" column.

3.2 Topologische Abschnittsfehlerkennungen und Erkennungslücken3.2 topological section error detections and recognition gaps

In Figur 1 sind die (nicht vollständigen!) Signaturen für Ein-Abschnitts-Fehler dargestellt. Die Abschnitte sind mit p, q und r bezeichnet und entsprechend des Ordnungskriteriums für Erhebungsdaten (siehe Abschnitt 2.2) sortiert. Es sollen nun zwei verschiedene Signaturen erkannt werden:

  • Sichere Ein-Abschnitts-Lücken
    (vergl. Figur 1 oben).
FIG. 1 shows the (not complete!) Signatures for single-section errors. The sections are denoted by p, q and r and according to the order criterion sorted for survey data (see section 2.2). Two different signatures should now be recognized:
  • Secure one-section gaps
    (See Figure 1 above).

Das Attribut "sicher" wird dabei im Sinne von "eindeutig" verwendet. So sind beispielsweise auch bei Signaturen der Länge 2 (siehe Figur 2) Lücken zu erkennen, allerdings ist hier nicht sicher, dass genau ein Abschnitt nicht oder falsch erhoben wurde.The attribute "safe" is used in the sense of "unique". Thus, for example, even with signatures of length 2 (see FIG. 2) gaps can be recognized, although here it is not certain that exactly one section was not or was raised incorrectly.

Hier enthält der Datenstrom die Abschnitte p und r mit einer Ausfahrts- bzw. Einfahrtskennung. Es existiert (wenigstens) ein Abschnitt q, der einen zusammenhängenden Streckenzug (p,q,r) ergibt. Die Zeitspanne zwischen Ausfahrts- und Einfahrtskennung ist nicht größer als die Länge des (kürzesten) Abschnitts q dividiert durch einen Parameter "Grenzgeschwindigkeit", der einen hard cut definiert.

  • Sichere Ein-Abschnitts-Fehlerkennung
(Figur 1 unten)Here, the data stream contains the sections p and r with an exit or entry identifier. There exists (at least) a section q which gives a coherent tract (p, q, r). The time between exit and entry detection is not greater than the length of the (shortest) section q divided by a parameter "limit speed" which defines a hard cut .
  • Secure one-section error detection
(Figure 1 below)

Hier enthält der Datenstrom drei Abschnitte p, q und r, die keinen zusammenhängenden Streckenzug bilden. Es ist kein weiterer hard cut Parameter notwendig.Here, the data stream contains three sections p, q and r that do not form a contiguous path. There is no need for another hard cut parameter.

Ereignisse mit diesen Signaturen sollen mit den in Tabelle 2 beschriebenen Feldern dargestellt werden.Events with these signatures should be displayed using the fields described in Table 2.

In Figur 2 sind weitere Signaturen dargestellt, die ebenfalls von Interesse sind:

  • Diskontinuität (Figur 2 links oben)
FIG. 2 shows further signatures which are also of interest:
  • Discontinuity (Figure 2 top left)

Zwei im Datenstrom aufeinanderfolgende Abschnitte, die nicht als Ausfahrt und Einfahrt gekennzeichnet sind, sind im Streckenmodell nicht durch einen Knoten verbunden. Es ist zu beachten, dass dieser Fall eine geringere Signifikanz als der oben diskutierte Fall "Sichere Ein-Abschnitts-Lücken" besitzt, insbesondere lässt er sich nicht zur Abschätzung der Erhebungseffizienz verwenden. Um die Redundanz zu diesem Fall zu verringern, kann die Signatur wie folgt schärfer formuliert werden: Zwei im Datenstrom aufeinanderfolgende Abschnitte, die nicht als Ausfahrt und Einfahrt gekennzeichnet sind, können im Streckenmodell nicht durch genau einen Abschnitt verbunden werden.

  • (Falsche) Aus-Einfahrtserkennung
    (Figur 2 rechts oben)
Two consecutive sections in the data stream that are not marked as exit and entry are not connected by a node in the route model. It should be noted that this case has less significance than the "one-section safe gap" case discussed above, in particular, it can not be used to estimate the collection efficiency. To reduce the redundancy for this case, the signature can be sharpened as follows: Two consecutive sections in the data stream which are not marked as exit and entry can not be connected by exactly one section in the route model.
  • (Wrong) Off-entry detection
    (Figure 2 top right)

Zwei im Datenstrom aufeinanderfolgende Abschnitte, die als Ausfahrt und Einfahrt gekennzeichnet sind, sind im Streckenmodell durch einen Knoten verbunden und die Zeitdifferenz zwischen Ausfahrt und Einfahrt ist kleiner als ein Schwellwertparameter (hard cut).

  • Fehlende Ausfahrtkennung (Figur 2 links, Mitte)
Two consecutive sections in the data stream, identified as exit and entry, are connected by a node in the route model, and the time difference between exit and entry is less than a hard cut parameter .
  • Missing exit code (Figure 2 left, center)

Zwei im Datenstrom aufeinanderfolgende Abschnitte p und q, von denen p nicht als Ausfahrt aber q als Einfahrt gekennzeichnet sind, sind im Streckenmodell nicht durch einen Knoten verbunden.

  • Falsche Ausfahrtserkennung (Figur 2 rechts, Mitte)
Two consecutive sections p and q in the data stream, of which p is not marked as exit but q as entrance, are not connected by a node in the route model.
  • Wrong exit detection (Figure 2 right, center)

Zwei im Datenstrom aufeinanderfolgende Abschnitte p und q, von denen p nicht als Ausfahrt aber q als Einfahrt gekennzeichnet sind, sind im Streckenmodell durch einen Knoten verbunden.

  • Fehlende Einfahrtkennung (Figur 2 links unten)
Two successive sections p and q in the data stream, of which p is not marked as an exit but q as an entrance are connected in the route model by a node.
  • Missing entry code (Figure 2 bottom left)

Zwei im Datenstrom aufeinanderfolgende Abschnitte p und q, von denen p als Ausfahrt aber q nicht als Einfahrt gekennzeichnet sind, sind im Streckenmodell nicht durch einen Knoten verbunden.

  • • Falsche Ausfahrtserkennung (Figur 2 rechts unten)
Two consecutive sections p and q in the data stream, of which p is marked as exit but q is not as entrance, are not connected by a node in the route model.
  • • Wrong exit detection (Figure 2 bottom right)

Zwei im Datenstrom aufeinanderfolgende Abschnitte p und q, von denen p als Ausfahrt aber q nicht als Einfahrt gekennzeichnet sind, sind im Streckenmodell durch einen Knoten verbunden.Two successive sections p and q in the data stream, of which p is marked as exit but q is not as entrance, are connected in the route model by a node.

Ereignisse mit diesen Signaturen sollen mit den in Tabelle 3 beschriebenen Feldern dargestellt werden.Events with these signatures should be represented by the fields described in Table 3.

In Figur 3 sind einige nichtlokale Signaturen der Länge 4 ohne die Betrachtung der Einfahrt- und Ausfahrtkennungen wiedergegeben. Es ist klar zu erkennen, dass aufgrund der starken kombinatorischen Abhängigkeit von der Länge die Zahl der zu betrachtenden Fälle stark anwächst. Die relativ geringen Gewinne der durch diese Signaturen erkennbaren Informationen lassen zum gegenwärtigen Zeitpunkt den mit der Erkennung verbundenen Aufwand nicht als verhältnismäßig erscheinen. Alle grundsätzlichen Funktionen der Erhebung lassen sich mit den in Figur 1 und Figur 2 dargestellten Signaturen quantitativ und qualitativ gut überprüfen.Figure 3 shows some non-local 4-length signatures without considering the entrance and exit identifiers. It is clear that due to the strong combinatorial dependence on length, the number of cases to be considered increases strongly. The relatively low profits of the information discernible by these signatures, at the present time, do not appear to make the effort associated with recognition as proportionate. All basic functions of the survey can be checked quantitatively and qualitatively well with the signatures shown in FIG. 1 and FIG.

4 Statistiken4 statistics

Die Ereignisse der Einzelsignaturen sollen erfindungsgemäß statistisch ausgewertet werden. Dies geschieht technisch durch das Klassifizieren und Zählen von Ereignissen (absolute Häufigkeit) und das Normieren auf eine entsprechende Grundgesamtheit um relative Häufigkeiten zu erhalten. Dabei gilt, dass bei unabhängigen Ereignissen der Fehler (die Standardabweichung) der absoluten Häufigkeit durch die Wurzel aus dieser Häufigkeit gegeben (abzuschätzen) ist. Dies bedeutet, dass der wahre Wert der zugrundeliegenden Zufallsvariablen mit 67%iger Wahrscheinlichkeit im Intervall N±√N liegt. Der relative Fehler einer Messgröße fällt daher mit 1/√N.The events of the individual signatures are to be statistically evaluated according to the invention. This is done technically by classifying and counting events (absolute frequency) and normalizing to a corresponding population to obtain relative frequencies. In this case, for independent events, the error (the standard deviation) of the absolute frequency by the root is to be given (estimated) from this frequency. This means that the true value of the underlying random variable is 67% probability in the interval N ± √N. The relative error of a measurand therefore falls with 1 / √N.

4.1 Absolute Häufigkeiten4.1 Absolute frequencies

Folgende Aufstellung gibt die zu führenden Zähler wieder:

  • Zahl der eingegangenen STDs
  • Zahl der eingegangenen STDs pro EHK
  • Zahl der eingegangenen Einzelerhebungen
The following list shows the leading meters:
  • Number of STDs received
  • Number of STDs received per EHK
  • Number of individual surveys received

Die Gesamtzahl der eingegangenen Einzelerhebungen sollte sich auch aus der Summe der Zahlen der Einzelerhebungen pro EHK oder pro Streckenabschnitt ergeben. Aus praktischen Gründen (Konsistenzchecks) sollte eine solch wichtige Größe allerdings immer extra gezählt werden.

  • Zahl der eingegangenen Einzelerhebungen pro EHK
  • Zahl der eingegangenen Einzelerhebungen pro Streckenabschnitt
  • Zahl der eingegangenen Einzelerhebungen pro Streckenabschnitt mit Einfahrtkennung
  • Zahl der eingegangenen Einzelerhebungen pro Streckenabschnitt mit Ausfahrtkennung
  • Gesamtzahl der Ereignisse
  • Gesamtzahl der Ereignisse pro Signatur
  • Gesamtzahl der Ereignisse pro Signatur und pro Streckenabschnitt
  • Gesamtzahl der Ereignisse pro Signatur und pro EHK
  • Verworfene Ereignisse pro Eintrag der Negativliste
The total number of individual surveys received should also be the sum of the number of individual surveys per EHK or per leg. For practical reasons (consistency checks), however, such an important variable should always be counted extra.
  • Number of individual surveys received per EHK
  • Number of individual surveys received stretch
  • Number of individual surveys received per section of the route with entry code
  • Number of individual surveys received per section of route with exit code
  • Total number of events
  • Total number of events per signature
  • Total number of events per signature and per leg
  • Total number of events per signature and per EHK
  • Discarded events per entry of the negative list

4.2 Histogramme4.2 Histograms

Ein (eindimensionales) Histogramm ist eine Menge von Zählern (Kanälen), in denen die Häufigkeit des Auftretens eines Wertes einer Ereignisvariablen festgehalten wird. Ein Kanal wird auch Bin genannt, die Zuordnung von Wertebereichen der histogrammierten Variablen zu den Kanälen heißt Binning. (Streng genommen ist also z.B. die oben angegebene zu erhebende absolute Häufigkeit von Einzelerhebungen pro EHK ein Histogramm von Einzelerhebungen über der Ereignisvariable EHK-ID.) Es sollte immer das Histogramm über die Zahl der Einzelerhebungen pro STD geführt werden.A (one-dimensional) histogram is a set of counters (channels) in which the frequency of occurrence of a value of an event variable is recorded. A channel is also called bin , the assignment of value ranges of the histogrammed variables to the channels is called binning. (Strictly speaking, eg the above mentioned absolute frequency of single surveys per EHK is a histogram of single surveys above the event variable EHK-ID.) The histogram should always be kept on the number of individual surveys per STD.

Wird nach mehr als einer Variablen differenziert, ergeben sich zwei- oder multidimensionale Histogramme. (Ein zweidimensionales Histogramm wäre z.B. die Zahl der Einzelerhebungen über der EHK-ID und über den Streckenabschnitt). Mehrdimensionale Histogramme können über Projektionen (addieren aller Einträge über eine zu eliminierende Dimension) in ihrer Dimensionalität reduziert werden. Hierbei vermindert sich durch die Erhöhung der absoluten Ereigniszahlen der relative Fehler pro Bin.If differentiation is made according to more than one variable, two- or multi-dimensional histograms result. (For example, a two-dimensional histogram would be the number of bumps above the EHK ID and over the leg). Multidimensional histograms can be reduced in their dimensionality by means of projections (adding all entries over a dimension to be eliminated). By increasing the absolute number of events, the relative error per bin is reduced.

4.3 Ausgabe4.3 issue

Alle statistisch erhobenen Daten sollen vorzugsweise in Form von Datenbanktabellen regelmäßig (d.h. einmal pro Betrachtungszeitraum) ausgegeben, also nachfolgenden Programmen zur Verfügung gestellt werden. Nach Ablauf eines Betrachtungszeitraumes sind sämtliche Zählerinhalte zu löschen. Zähler sollen nicht persistent sein, d.h. sie werden bei Programmstart mit Null initialisiert. Pro Ausgabe ist eine Header-Tabelle auszugeben, in der der Betrachtungszeitraum sowie die verwendete Werte für hard cuts bei der Signaturerkennung sowie evtl. weitere, für die Interpretation der Daten wichtige Optionen und Parameter enthalten sind.All statistically collected data should preferably be issued in the form of database tables regularly (ie once per observation period), ie made available to subsequent programs. After a period of observation, all counter contents are to be deleted. Counters should not be persistent, ie they are initialized to zero at program start. For each output, a header table is to be output, which contains the period of observation as well as the values used for signature detection hardcuts and possibly further options and parameters that are important for the interpretation of the data.

5 Ereignislisten5 event lists

In Ereignislisten werden im Gegensatz zu den in Abschnitt 4 beschriebenen Statistiken, u.a. Daten abgelegt, die einzelne Ereignisse beschreiben (siehe Abschnitt 3). Diese Listen können dann weiteren Analysetools (Data-Warehouses, o.ä.) als Datengrundlage dienen.In contrast to the statistics described in Section 4, event lists contain, among other things, data describing individual events (see Section 3). These lists can serve as data base for further analysis tools (data warehouses, etc.).

Zur Normierung der in den Listen enthaltenen Daten müssen in den Ereignislisten in regelmäßigen Abschnitten die aktuellen Zählerstände der absoluten Häufigkeiten enthalten sein.To standardize the data contained in the lists, the current counts of the absolute frequencies must be contained in the event lists in regular sections.

5.1 Filter5.1 filters

Ohne weitere Vorkehrungen würden Ereignislisten sehr groß. Daher werden die auftretenden Ereignisse vorzugsweise zunächst durch Filter geleitet, bevor sie tatsächlich in eine Ausgabeliste geschrieben werden. Ein solches Filter lässt nur Ereignisse mit bestimmten Eigenschaften passieren. Beispiele für Filterbedingungen sind:

  • Alle Ereignisse, die eine EHD-ID betreffen
  • Alle Ereignisse, die einen Abschnitt betreffen
  • Alle Ereignisse vom Typ "Diskontinuität", deren Fahrten z.B. zwischen 14:00 und 15:00 liegen.
Without further precautions, event lists would become very large. Therefore, the events that occur are preferably first passed through filters before they are actually written to an output list. Such a filter only allows events with certain properties to happen. Examples of filter conditions are:
  • All events that affect an EHD ID
  • All events that affect a section
  • All events of the type "Discontinuity" whose journeys are eg between 14:00 and 15:00.

Filterbedingungen sind also allgemeine logische Ausdrücke, die unter Zugriff auf die Datenfelder eines Ereignisses ausgewertet werden. Um dem Anwender zu erlauben, eigene Filterbedingungen zu formulieren, kann ein Parser für diese Ausdrücke implementiert werden. Dies ist jedoch nicht unbedingt erforderlich, wenn Filterbedingungen zunächst im Programmcode verankert werden.Filter conditions are thus general logical expressions that are evaluated by accessing the data fields of an event. To allow the user to formulate their own filter conditions, a parser for these expressions can be implemented. However, this is not absolutely necessary if filter conditions are first anchored in the program code.

In erweiterter Ausführungsform des erfindungsgemäßen Verfahrens können auch mehrere Filter gleichzeitig betrieben werden. In diesem Fall erzeugt jedes Filter eine eigene Ausgabeliste, in denen Daten durchaus redundant enthalten sein können.In an expanded embodiment of the method according to the invention, several filters can be operated simultaneously. In this case, each filter generates its own output list, in which data can be contained redundantly.

6 Flüsse6 rivers

Als Fluss lässt sich für das erfindungsgemäße Verfahren der Durchsatz pro Zeiteinheit an einem Querschnitt definieren (streng genommen bezogen auf diesen Querschnitt; im allgemeinen reicht es jedoch aus, für alle Abschnitte den gleichen Querschnitt anzunehmen). Mit den oben vorgestellten Zählern ist es sehr einfach, die folgenden Flüsse zu berechnen:

  • Fluss pro Abschnitt
As a flow, the throughput per unit time of a cross section can be defined for the method according to the invention (strictly speaking with reference to this cross section, but in general it is sufficient to assume the same cross section for all sections). With the counters presented above it is very easy to calculate the following flows:
  • River per section

Hier wird für jeden Abschnitt die Zahl der Erhebungen im Betrachtungszeitraum gezählt.

  • Fluss pro Einfahrt bzw. Ausfahrt
Here, for each section, the number of surveys in the period under consideration is counted.
  • River per entrance or exit

Hier wird für jeden Abschnitt die Zahl der Erhebungen mit Einfahrt- bzw. Ausfahrtkennung gezählt.Here, for each section, the number of surveys with entry or exit identifier is counted.

Für Flüsse können verschiedene Erhaltungssätze formuliert werden. Im Fall von Quellenfreiheit sind diese Regeln in der Elektrotechnik z.B. als Kirchhoff'sche Regeln bekannt. (Quellenfreiheit bedeutet hier, dass die betrachteten Objekte nicht spontan aus einer Quelle entstehen oder in einer Senke verschwinden können. Im Allgemeinen kann von einem quellenfreien Fluss ausgegangen werden und damit Divergenzen im Fluss als Hinweis auf Fehler-Effekte gewertet werden). Im vorliegenden Fall lautet die Kirchhoff'sche Knotenregel z.B., dass die Summe aller Flüsse an einem Knoten Null sein muss. (Es sei hier darauf hingewiesen, dass die detaillierte Analyse der gemessenen Flüsse nicht trivial ist und nicht Teil der Erfindung darstellt. Zum einen ist die Quellenfreiheit nur für ausreichend große Betrachtungszeiträume realistisch, da das betrachtete Netz eine gewisse Speicherkapazität aufweist und das Medium komprimierbar ist, zum anderen müssen zur Anwendung der Kirchhoff'schen Regeln bestimmte Voraussetzungen an das Knoten-Kanten-Modell gestellt werden, deren Einhaltung bisher nicht verifiziert wurden.)For rivers different conservation laws can be formulated. In the case of freedom from sources, these rules are known in electrical engineering, for example as Kirchhoff's rules. (Freedom from sources here means that the observed objects can not spontaneously arise from a source or disappear in a sink.) Generally speaking, a source-free flow can be assumed, and thus divergences in the flow can be regarded as an indication of error effects). For example, Kirchhoff's rule in the present case is that the sum of all flows at a node must be zero. (It should be noted here that the detailed analysis of the measured flows is not trivial and does not form part of the invention for sufficiently large observation periods realistic, since the considered network has a certain storage capacity and the medium is compressible, on the other hand must be made for the application of the Kirchhoff rules certain conditions to the node-edge model whose compliance has not yet been verified.)

7 Erhebungseffizienz7 Collection Efficiency

Ein wesentliches Ziel der erfindungsgemäßen Analyse ist die Abschätzung der Erhebungseffizienz. Die Erhebungseffizienz ist der Quotient aus als Einzelerhebungen korrekt erkannten Streckenabschnitten zu der Zahl der auf der tatsächlichen Fahrt liegenden Streckenabschnitte für eingeschaltete Fahrzeuggeräte. Diese so definierte Erhebungseffizienz kann für einen Großteil der Abschnitte aus den in Abschnitt 3.2 dargestellten topologischen Signaturen der Länge 3 unter Verwendung der in Abschnittl 4.1 dargestellten absoluten Häufigkeiten näherungsweise geschätzt werden als der Quotient aus der Summe der absoluten Häufigkeiten der Ereignisse mit den Signaturen "Sichere Ein-Abschnitts-Lücken" und "Sichere Ein-Abschnitts-Fehl-erkennung" und der Zahl der Einzelerhebungen zuzüglich der Zahl der Ereignisse mit der Signatur "Sichere Ein-Abschnitts-Lücken".An essential goal of the analysis according to the invention is the estimation of the survey efficiency. The survey efficiency is the quotient of sections correctly identified as individual surveys and the number of sections of the actual vehicle on the actual journey. For a majority of the sections from the topological signatures of length 3 depicted in Section 3.2, using the absolute frequencies shown in Section 4.1, this collection efficiency thus defined can be approximately estimated as the quotient of the sum of the absolute frequencies of the events with the signatures "Safe On - Section Gaps "and" Safe One-Section Misidentification "and the number of individual surveys plus the number of events with the" Secure One-Section Gaps "signature.

Diese Näherung geht von einer Erhebungseffizienz nahe bei eins aus. Hieraus folgt, dass die Zahl der Zwei-Abschnittslücken, in der zwei Abschnitte nacheinander nicht erkannt werden, stark unterdrückt ist und dass die Zahl der Einzelerhebungen einen ausreichend genauen Schätzer für die Grundgesamtheit (den Nenner) darstellt. Für eine exakte Fehlerbetrachtung können Monte-Carlo-Simulationen eingesetzt werden.This approximation assumes a collection efficiency close to one. It follows that the number of two-section gaps, where two sections are not recognized one after the other, is strongly suppressed and that the number of individual surveys provides a sufficiently accurate estimator for the population (the denominator). For a precise error analysis Monte Carlo simulations can be used.

Mit dem erfindungsgemäßen Verfahren können Schwächen der eingehenden Daten im laufenden Betrieb erkannt werden. Zeitaufgelöste Qualitätsaussagen sind ebenso möglich, wie die Erkennung defekter Fahrzeugeinheiten. Die Erfassung der erforderlichen Daten für die Analyse ("Mauterhebung") ist extrem einfach und verursacht kaum zusätzlichen organisatorischen oder operativen Aufwand, weil die eingesetzten Algorithmen bekannt sind und der Verfahrensablauf standardmäßig implementiert werden kann. Zudem werden diese Werte für andere statistische Auswertungen ohnehin benötigt. Das zeitliche Raster (Aktualität) und die Weiterverarbeitung inkl. PMS sind vergleichbar mit der Plausibilitätsprüfung. Mit der erfindungsgemäßen Erfassungsfehler-Analyse ergeben sich weiterführende Ansätze zur Fehlerfeststellung. Tabelle 1 Name Typ Quelle Erklärung EHK ID EdV Erhebungskarten-ID STD_Z EdV Summendatentopfzähler ... ErhebungsZeit Punkt DATETIME EdV Zeitpunkt der Fahrt (aus STD-Header) Abschn ID EdV Erkannte AbschnittsID Abschn L GdV Länge des erkannten Abschnitts ... Erh Param EdV Erhebungsparameter ... Tabelle 2 Name Typ Quelle Erklärung EHK ID EdV Erhebungskarten-ID ... ErhebungsZeit Punkt DATETIME EdV Zeitpunkt der Fahrt (aus STD-Header) Abschn ID_P EdV Erkannte AbschnittsID Abschn_ID_Q EdV Erkannte bzw. rekonstruierte, fehlerhafte AbschnittsID Abschn ID R EdV Erkannte AbschnittsID DeltaT Ggf. Zeitdiffernz zwischen Ausfahrt und Einfahrt SigType Signaturtypus Tabelle 3 Name Typ Quelle Erklärung EHK ID EdV Erhebungskarten-ID ... ErhebungsZeit Punkt DATETIME EdV Zeitpunkt der Fahrt (aus STD-Header) Abschn ID P EdV Erkannte AbschnittsID Abschn_ID_Q EdV Erkannte bzw. rekonstruierte, fehlerhafte AbschnittsID ... SigType Signaturtypus ... With the method according to the invention, weaknesses of the incoming data can be detected during operation. Time-resolved quality statements are just as possible as the detection of defective vehicle units. The collection of the required data for the analysis ("toll collection") is extremely simple and causes little additional organizational or operational effort, because the algorithms used are known and the procedure can be implemented by default. In addition, these values are needed anyway for other statistical evaluations. The temporal grid (actuality) and further processing including PMS are comparable to the plausibility check. The detection error analysis according to the invention results in further approaches to error detection. <b> Table 1 </ b> Surname Type source statement EHK ID It Survey Card ID STD_Z It Total data counter pot ... Survey time point DATE TIME It Time of the journey (from STD header) Section ID It Detected section ID Section L GdV Length of the detected section ... Erh Param It survey parameters ... Surname Type source statement EHK ID It Survey Card ID ... Survey time point DATE TIME It Time of the journey (from STD header) Section ID_P It Detected section ID Abschn_ID_Q It Detected or reconstructed bad section ID Section ID R It Detected section ID DeltaT Possibly. Time difference between exit and entrance SigType signature type Surname Type source statement EHK ID It Survey Card ID ... Survey time point DATE TIME It Time of the journey (from STD header) Section ID P It Detected section ID Abschn_ID_Q It Detected or reconstructed bad section ID ... SigType signature type ...

Claims (10)

Verfahren zur Auswertung von Verkehrsdaten, wobei mittels stationärer und/oder mobiler Übertragungseinrichtungen Fahrtdaten von Fahrzeugen aus Abschnitten eines Verkehrswegenetzes erfasst und die so erhaltenen Erhebungsdaten zur weiteren Auswertung (z.B. Erstellung eines Verkehrsflussmodells) an eine Datenverarbeitungseinrichtung übermittelt werden,
dadurch gekennzeichnet ,
dass die Erhebungsdaten über die Datenverarbeitungseinrichtung mit einem gespeicherten Modell des Verkehrswegenetzes (Grunddatenmodell, z.B. als Knoten-Kanten-Modell) verglichen und anhand vorgegebener Kriterien auf Erfassungsfehler analysiert werden.Method for the evaluation of traffic data, whereby by means of stationary and / or mobile transmission devices driving data of vehicles from sections of a traffic route network detected and the survey data thus obtained for further evaluation (eg creation of a traffic flow model) are transmitted to a data processing device,
characterized ,
that the survey data are compared via the data processing device with a stored model of the traffic route network (basic data model, eg as a node-edge model) and analyzed on the basis of predetermined criteria for registration errors. Verfahren nach Anspruch 1,
dadurch gekennzeichnet ,
dass die Erhebungsdaten anhand Plausibilitätskriterien, wie z.B. zusammenhängende Fahrtroute, logische Abfolge von Eintritt und Austritt aus einem Streckenabschnitt, räumlich und zeitlich sequentielle Folge von Fahrtabschnitten, realistische Fahrtgeschwindigkeit usw., auf Erfassungsfehler analysiert werden.Method according to claim 1,
characterized ,
that the collection of data based on plausibility criteria, such as contiguous route, logical sequence of entry and exit from a route section, spatially and temporally sequential series of drive sections, realistic driving speed, etc. can be analyzed for detection error. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet , dass identifizierte Erfassungsfehler nach charakteristischen Merkmalen (Signaturen) klassifiziert und in zugeordneten Datenfeldern (Ereignislisten) zur weiteren Auswertung gespeichert werden.Method according to claim 1 or 2,
characterized in that identified detection errors are classified according to characteristic features (signatures) and stored in assigned data fields (event lists) for further evaluation. Verfahren nach Anspruch 3,
dadurch gekennzeichnet ,
dass als charakteristisches Merkmal zur Klassifizierung identifizierter Erfassungsfehler die in den zugeordneten Erhebungsdaten enthaltene geografische Information (z.B. Position eines Fahrtabschnitts, Knotens, usw.) vorgegeben wird.Method according to claim 3,
characterized ,
in that the geographical information contained in the assigned survey data (eg position of a travel section, node, etc.) is specified as a characteristic feature for the classification of identified registration errors. Verfahren nach Anspruch 3,
dadurch gekennzeichnet ,
dass als charakteristisches Merkmal zur Klassifizierung identifizierter Erfassungsfehler Zeitinformationen (Tageszeit, zeitliche Abfolge zwischen Ein- u. Ausfahrt in einen Abschnitt, usw.) vorgegeben werden.Method according to claim 3,
characterized ,
that as a characteristic feature for the classification of identified detection errors time information (time of day, time sequence between entry and exit in a section, etc.) are given. Verfahren nach Anspruch 3, 4 oder 5,
dadurch gekennzeichnet ,
dass die Datenfelder identifizierter Erfassungsfehler mittels statistischer Kriterien (z.B. Signifikanz, Häufigkeit, räumliche/zeitliche Korrelationen usw.) ausgewertet werden.Method according to claim 3, 4 or 5,
characterized ,
that the data fields of identified detection error by means of statistical criteria (eg significance, frequency, spatial / temporal correlations, etc.) are evaluated. Verfahren nach Anspruch 6,
dadurch gekennzeichnet ,
dass die Ergebnisse der statistischen Auswertung zur Identifizierung von systematischen Fehlerquellen (z.B. defekte stationäre/mobile Übertragungseinrichtung) herangezogen werden.Method according to claim 6,
characterized ,
that the results of statistical evaluation for Identification of systematic sources of error (eg defective stationary / mobile transmission device) are used. Verfahren nach Anspruch 7,
dadurch gekennzeichnet ,
dass identifizierte systematische Fehlerquellen zur Korrektur des aktuellen Modells des Verkehrsflusses herangezogen werden.Method according to claim 7,
characterized ,
that identified systematic error sources are used to correct the current model of traffic flow. Verfahren nach Anspruch 8,
dadurch gekennzeichnet ,
dass die Korrektur nach einem vorgegebenen zeitlichen Raster, z.B. stündlich, durchgeführt wird.Method according to claim 8,
characterized ,
that the correction is carried out according to a predetermined temporal grid, for example every hour. Verfahren nach einem der Ansprüche 1 bis 9
dadurch gekennzeichnet ,
dass die Auswertung der Verkehrsdaten die Berechnung von Mautgebühren beinhaltet.Method according to one of claims 1 to 9
characterized ,
that the evaluation of traffic data includes the calculation of tolls.
EP05022489A 2004-11-19 2005-10-14 Method for detecting traffic data Active EP1659550B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102004055992A DE102004055992A1 (en) 2004-11-19 2004-11-19 Method for collecting traffic data

Publications (3)

Publication Number Publication Date
EP1659550A2 true EP1659550A2 (en) 2006-05-24
EP1659550A3 EP1659550A3 (en) 2007-05-23
EP1659550B1 EP1659550B1 (en) 2009-01-21

Family

ID=35427273

Family Applications (1)

Application Number Title Priority Date Filing Date
EP05022489A Active EP1659550B1 (en) 2004-11-19 2005-10-14 Method for detecting traffic data

Country Status (3)

Country Link
EP (1) EP1659550B1 (en)
AT (1) ATE421743T1 (en)
DE (2) DE102004055992A1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081846A (en) * 2011-02-22 2011-06-01 交通运输部公路科学研究所 Expressway charge data track matching based traffic state recognition method
EP2811467A2 (en) 2013-06-04 2014-12-10 Toll Collect GmbH Method and devices for error detection in a toll system
CN104318772A (en) * 2014-10-31 2015-01-28 重庆大学 Traffic flow data quality detection method for highway
EP2922031A1 (en) 2014-12-09 2015-09-23 Toll Collect GmbH Method and devices for error detection in a toll system
CN106056912A (en) * 2016-07-29 2016-10-26 浙江银江研究院有限公司 Bayonet operation state quantitative evaluation method and system
EP3300030A1 (en) * 2016-09-22 2018-03-28 Toll Collect GmbH Data processing device and method for reducing the complexity of a section network

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164904A (en) * 1990-07-26 1992-11-17 Farradyne Systems, Inc. In-vehicle traffic congestion information system
DE19755875A1 (en) * 1996-12-09 1998-06-10 Mannesmann Ag Method for transmitting location data and measurement data from a terminal, in particular a telematics terminal to a traffic control center
DE10241538B3 (en) * 2002-09-05 2004-04-22 Deutsches Zentrum für Luft- und Raumfahrt e.V. Traffic routing system accessed via computer or mobile telephone, has user response information used for continuous updating of dynamic databank used for route planning or traffic prognosis

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164904A (en) * 1990-07-26 1992-11-17 Farradyne Systems, Inc. In-vehicle traffic congestion information system
DE19755875A1 (en) * 1996-12-09 1998-06-10 Mannesmann Ag Method for transmitting location data and measurement data from a terminal, in particular a telematics terminal to a traffic control center
DE10241538B3 (en) * 2002-09-05 2004-04-22 Deutsches Zentrum für Luft- und Raumfahrt e.V. Traffic routing system accessed via computer or mobile telephone, has user response information used for continuous updating of dynamic databank used for route planning or traffic prognosis

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081846B (en) * 2011-02-22 2013-06-05 交通运输部公路科学研究所 Expressway charge data track matching based traffic state recognition method
CN102081846A (en) * 2011-02-22 2011-06-01 交通运输部公路科学研究所 Expressway charge data track matching based traffic state recognition method
EP2811468A3 (en) * 2013-06-04 2015-04-29 Toll Collect GmbH Method and device for error detection in a toll system
EP2811467A2 (en) 2013-06-04 2014-12-10 Toll Collect GmbH Method and devices for error detection in a toll system
EP2811466A2 (en) 2013-06-04 2014-12-10 Toll Collect GmbH Method and devices for error detection in a toll system
EP2811468A2 (en) 2013-06-04 2014-12-10 Toll Collect GmbH Method and device for error detection in a toll system
EP2811467A3 (en) * 2013-06-04 2014-12-31 Toll Collect GmbH Method and devices for error detection in a toll system
EP2811466A3 (en) * 2013-06-04 2015-04-15 Toll Collect GmbH Method and devices for error detection in a toll system
CN104318772A (en) * 2014-10-31 2015-01-28 重庆大学 Traffic flow data quality detection method for highway
EP2922031A1 (en) 2014-12-09 2015-09-23 Toll Collect GmbH Method and devices for error detection in a toll system
CN106056912A (en) * 2016-07-29 2016-10-26 浙江银江研究院有限公司 Bayonet operation state quantitative evaluation method and system
CN106056912B (en) * 2016-07-29 2018-10-09 浙江银江研究院有限公司 A kind of bayonet operating status quantitative estimation method and system
EP3300030A1 (en) * 2016-09-22 2018-03-28 Toll Collect GmbH Data processing device and method for reducing the complexity of a section network

Also Published As

Publication number Publication date
EP1659550B1 (en) 2009-01-21
DE502005006523D1 (en) 2009-03-12
EP1659550A3 (en) 2007-05-23
DE102004055992A1 (en) 2006-06-14
ATE421743T1 (en) 2009-02-15

Similar Documents

Publication Publication Date Title
DE69329119T2 (en) PREDICTION METHOD FOR ROAD TRAFFIC PARAMETERS
DE102015207804B4 (en) Method for detecting parking areas and / or open spaces
EP1659550B1 (en) Method for detecting traffic data
DE60010655T2 (en) METHOD AND DEVICE IN A VEHICLE MONITORING SYSTEM AND TROUBLE DIAGNOSIS SYSTEM IN A VEHICLE
DE102012201472A1 (en) Method for providing parking information on free parking spaces
EP0944890A1 (en) Process for completing and/or verifying data concerning the state of a road network; traffic information centre
EP3126874A1 (en) Method for determining a spatially resolved extent of error for position finding with a gnss
EP2280383A1 (en) Method for determining traffic information for a section of a road network and traffic calculator to implement the method
DE112021000370T5 (en) DATA MONITORING BASED ON MACHINE LEARNING
EP2201549B1 (en) Method and traffic requirements analysis device for determining source-destination requirements data of traffic flows
EP2116981A2 (en) Method and device for calculating backlog lengths in light signal assemblies
DE102022126423A1 (en) CLOUD-BASED PLATFORM SERVER FOR ANALYZING, REPORTING AND RESPONDING TO VEHICLE DTC DATA
EP2811466B1 (en) Method and devices for error detection in a toll system
EP3811035B1 (en) Method for verifying sensors in a network of sensors and sensor network
DE69801896T2 (en) METHOD AND SYSTEM FOR MEASURING PERFORMANCE AND OBSERVING THE QUALITY OF AN INFORMATION SYSTEM
EP1057156B1 (en) Detection of traffic situation with fuzzy classification, multi-dimensional morphological filtration of data and dynamic construction of domains
DE19963123B4 (en) Analytical information system
EP1717651B1 (en) Method and system for analysing events related to operating a vehicle
EP0654771A1 (en) Method for preventing false alarms in a fire detecting system and device for performing this method
DE102010064063B4 (en) Method and device for computer-aided prognosis of the travel time of a vehicle on a route made up of one or more route segments
Axer Estimating Traffic Signal States by Exploiting Sparse Low-Frequency Floating Car Data
LU102919B1 (en) Methods and systems for the early detection and evaluation of structural danger spots in road traffic
DE19905284A1 (en) Traffic situation detection with fuzzy classification and multidimensional morphological data filtering and dynamic domain formation
DE10230806B4 (en) Method and device for simulating a composite system of components through a Bayesian network
DE102016009199A1 (en) Method for operating a data acquisition unit for detecting at least one control event of a control device of a motor vehicle and a data acquisition unit and a data processing unit

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: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK YU

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: DAIMLERCHRYSLER AG

PUAL Search report despatched

Free format text: ORIGINAL CODE: 0009013

AK Designated contracting states

Kind code of ref document: A3

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK YU

RIC1 Information provided on ipc code assigned before grant

Ipc: G07C 5/00 20060101ALN20070416BHEP

Ipc: G08G 1/123 20060101ALN20070416BHEP

Ipc: G08G 1/01 20060101AFI20051205BHEP

Ipc: G07B 15/00 20060101ALN20070416BHEP

17P Request for examination filed

Effective date: 20071112

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: DAIMLER AG

17Q First examination report despatched

Effective date: 20071221

AKX Designation fees paid

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

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 BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

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: 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: 502005006523

Country of ref document: DE

Date of ref document: 20090312

Kind code of ref document: P

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

Ref country code: NL

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: 20090121

NLV1 Nl: lapsed or annulled due to failure to fulfill the requirements of art. 29p and 29m of the patents act
PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SI

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: 20090121

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: 20090121

Ref country code: ES

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: 20090502

Ref country code: LT

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: 20090121

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: 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: 20090622

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: 20090421

Ref country code: PL

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: 20090121

Ref country code: IS

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: 20090521

Ref country code: LV

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: 20090121

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

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: 20090121

Ref country code: CZ

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: 20090121

Ref country code: EE

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: 20090121

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: 20090121

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

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

Ref country code: RO

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: 20090121

Ref country code: SK

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: 20090121

26N No opposition filed

Effective date: 20091022

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

Ref country code: BG

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: 20090421

BERE Be: lapsed

Owner name: DAIMLER A.G.

Effective date: 20091031

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: 20091031

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

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

Ref country code: CH

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

Effective date: 20091031

Ref country code: BE

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

Effective date: 20091031

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: 20090422

Ref country code: LI

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

Effective date: 20091031

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

Ref country code: IT

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: 20090121

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: 20091014

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

Ref country code: HU

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: 20090722

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

Ref country code: TR

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: 20090121

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: 20090121

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 11

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 12

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 13

REG Reference to a national code

Ref country code: DE

Ref legal event code: R081

Ref document number: 502005006523

Country of ref document: DE

Owner name: TOLL COLLECT GMBH, DE

Free format text: FORMER OWNER: DAIMLER AG, 70327 STUTTGART, DE

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 14

REG Reference to a national code

Ref country code: FR

Ref legal event code: TP

Owner name: TOLL COLLECT GMBH, DE

Effective date: 20181003

REG Reference to a national code

Ref country code: AT

Ref legal event code: PC

Ref document number: 421743

Country of ref document: AT

Kind code of ref document: T

Owner name: TOLL COLLECT GMBH, DE

Effective date: 20181005

REG Reference to a national code

Ref country code: GB

Ref legal event code: 732E

Free format text: REGISTERED BETWEEN 20190131 AND 20190206

P01 Opt-out of the competence of the unified patent court (upc) registered

Effective date: 20230929

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

Ref country code: GB

Payment date: 20231025

Year of fee payment: 19

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

Ref country code: FR

Payment date: 20231023

Year of fee payment: 19

Ref country code: DE

Payment date: 20231018

Year of fee payment: 19

Ref country code: AT

Payment date: 20231019

Year of fee payment: 19