SE470367B - Sätt att prediktera trafikparametrar - Google Patents

Description

470 36? Den aktuella uppfinningen kan använda sig av de mätsensorer som är aktuella idag.

Det är också en bärande princip i uppfinningen att de använda parametervärdena ständigt anpassas till aktuella mätvärden så att systemet automatiskt söker förbättra sin noggrannhet och successivt anpassa sig efter förändringar i resmönster, trafilcrytmer, vägnät etc.

Det är känt att många matematiska metoder har testats på olika trafikproblem. Det är därvid inte ovanligt med missförstånd avseende trafikens natur och inneboende stokastiska karaktär. Mer avancerade metoder och mer omfattande beräkningar kan inte ge bättre precision vid predikteringar av trafik än de gränser som sätts av trafikens "brusíghet". Dras en parallell med elektronisk mätteknik, så vore det som att försöka få ut mer signal ur elektroniskt brus genom att använda allt mer förfinade metoder.

Har man väl accepterat att brus är brus, så är detta en användbar kunskap. Det ökar förståelsen för hur man kan behandla och prediktera trafik. Parametervärden som används för att karakterisera brus är t ex medelvärden och varianser, som kan beräknas ur brusets fördelningsfunktion.

Det är naturligtvis inget fel att använda kvalificerade metoder som t ex Kalman- filtrering, vilken också kan användas i den aktuella uppfinningen. Det väsentliga är att metoderna används för rätt typ av problem och med en anpassad modell av verkligheten.

Det finns även simuleringsprograxn utvecklade för biltrafik. Dessa används ofta vid dimensionering av gatukorsningar, på- och avfarter till motorvägar etc. Trafikens stokastiska natur kommer här till uttryck genom användning av slumptalsgenerering för att lotta fram enskilda fordons positioner och starttider, förares beteendefaktorer etc.

Det resultat man får fram är e_tt exempel på hur trafiken skulle kunna bli, beroende på modellen och framlottade parametrar. Med ett större antal simuleringar kan man få en uppfattning om hur trafiken tenderar att flyta i t ex en vägkorsning och därmed kunna korrigera vägkorsningen redan på planeringsstadiet.

Som framgår av exemplet ovan ger denna typ av simulering exempel på hur trafiken skulle kunna bli. Detta skall jämföras med predikteringen, där kravet är att prestera en lösning som ligger inom det sannolikaste utfallsområdet och med en uppfattning om aktuell varians.

Uppfinningens kännetecken framgår av efterföljande patentkrav. 470 367 Uppfinningen beskrivs närmare nedan under hänvisning till bifogade ritningar, där figur la visar en enkel modell av en ledningscentral med endast en operatörsplats.

Figur lb visar exempel på processenhet ingående i trafikrnodellenheten.

Figur 2 visar dataflöde och funktioner för prediktering och uppdatering.

Figur 3 visar sensorinformationen in till ledningscentralen.

Figur 4 visar prediktering av en länk i ett första steg.

Figur 5 visar prediktering av flera länkar i ett efterföljande steg.

Figur 6 visar uppdatering av historiskt värde XH i en databas.

Figur 7 visar hur trafikparametrama kan behandlas för att åstadkomma funktionsvärden som ingår i framtagningen av korrelationskoofficienten och prediktionsfaktom.

Figur 8 visar ett förenklat exempel på ett vägnät med tillfartsleder till en stadskärna.

Den aktuella uppfinningen kommer först att beskrivas i en utföringsform, där enkelhet i resonemang och utförande prioriteras för att ge en förståelse av uppñnningens grundläggande natur. Därefter kommer exempel på mer förfinade utföringsformer att presenteras. Detta är en strävan efter pedagogik snarare än prioritering av uppfinníngsvärde. implementeringen av uppfinningen bygger på tillgång till mätsensorer. Då mätsensorer kan utgöra en stor kostnad presenteras också utförandeformer, där sensortätheten i vägnätet är låg, men anordningen ändå kan prestera användbar information, låt vara mindre exakt och med högre felsannolikhet i predikteringarna.

Enkelt exempel på gtfgrandeforrn Ett exempel på användningsområde för uppfinningen är trafiksituationen i och nära storstäder. Här kan vi dela in vägnätet i några olika delar med skilda egenskaper och olika trafikteknisk betydelse.

A Stora trafikleder i för stadens in- och utgående trafik.

B. Trafikartärer - för stora trafikflöden inne i staden.

C. Områdesnät - sammanhängande nätverk av gator och vägar inom ett relativt enhetligt område ur trafiksynpunkt.

D. Övriga trafikleder E. Småvägar och gator av mindre trafiktelcnisk betydelse.

Tr fik "mnin r r fikl r Företrädesvis mäts trafiken med avseende på två av följande parametrar: I = bilar/s P = bilar/m v = m/s oc där den tredje parametem kan erhållas ur I = P -v En intressant uppgift är att prediktera trafiken på en länk A på en trafikled, baserat på mätningar med sensorer på en länk B uppströms längs leden.

Grundtanken är att biltrafiken i B når A tiden tl senare och att man därför kan förutsäga trafiken i A med framförhållningen tl.

Här uppstår emellertid några intressanta komplikationer, som vanligen inte beaktas.

Antag t ex att mätsensom på länk B ligger fem minuters väg uppströms från A. Om man även utrustat A med mätsensor så kan man finna att det finns en viss korrela- tion mellan mätvärden i B med de som erhålls 5 minuter senare i A. Detta innebär dock inte att man genom att mäta i B kan prediktera trafiken i A med 5 minuters framförhållning. Fem minuters restid med 20 m/ s (ungefär 70 km/h) innebär en sträcka på 6 km. I eller nära städer är det vanligt med flera av- och tillfarter på en sådan sträcka och det är vanligt med mättider i storleksordningen fem minuter för att variansen inte skall bli stor i mätningarna. Men om mättiden är fem minuter, så innebär det att de första bilarna, som ingår i mätningen, redan har kommit till A när mätningen avslutas. Om de fem minutemas prediktering behövs för att kunna hinna styra om trafiken, så måste således i det här exemplet, en mätsensor anbringas 10 minuters färdväg från A. Detta innebär ett avstånd på 1,2 mil från A och det är oftast många faktorer som påverkar trafiken under en så lång färdväg, vilket innebär att en "ett till ett" koppling mellan trafiken i B och A inte kan förväntas.

Vi har således följande komplikationer: Väljer vi mätsensom nära A för att få god korrelation med mätvärden i B, så får vi ingen predikteringstid, eftersom denna äts upp av mättiden. Väljer vi sensorn långt bort för att få predikteringstid så förlorar vi i korrelationsnivå. 470 567 I den aktuella uppfinningen bildas I = 10 + Il + Iz P = P0 + P1 + P2 där I, är ett medelvärde över tidsintervallet Tz överlagrat på 10 och Il Il är ett medelvärde över tidsintervallet TI överlagrat på 10 L, är ett medelvärde över tidsintervallet TO Exempel på värden är T, = 30 s TI = 3 min To = min För enkelhets skull kan lo beräknas successivt som approximation men) = 10+ Iftlïzlißífi To/Tz Tr/Tz och I2(t+T2) = I(t+T2) - I0(t+T2) - I1(t+T,) Täthetsvärdena P0, P1 och P2 beräknas på motsvarande sätt. Fördelen med uppdelning av flödet i tre olika tidskomponenter är starkt kopplad till målet med uppgiften.

I de flesta fall är uppmätningen av låga I- och P-värden och hastigheter, v, nära länkens tillåtna hastighet, tecken på att trafiken flyter bra med god marginal till länkens trafikkapacitetsvärde. Behovet av noggrannhet i värdena är i detta fall litet.

Intressanta uppgifter för transportstyrning är förväntad färdtid per länk och när trafiken flyter med god marginal till länkens trafikkapacitet så blir länktiden tL = L/vL, där L är länkens längd och vL är länkens grundhastighet, vilken ungefär motsvarar länkens hastighetsgräns.

I de flesta fall under dygnets 24 timmar gäller för de flesta väglänkarna att länktiden = tL, eftersom trafikintensiteten är låg. Det är därmed enkelt att prediktera länktiden.

Det är först när trafiken tätnar och närmar sig länkens kapacitet, som mer omfattande analyser behöver göras. (Några undantag presenteras senare.) -iš \'l CD (N O \ \l De fall vi börjar studera är fall då trañkflödet någonstans utmed leden närmar sig trafikkapaciteten.

Fall a. L, och I, är små, 12 är stort. Det innebär en enstaka hopklumpning av bilar under en kort tid ungefär lika med Tz.

Eftersom IQ och Il är små så är risken för uppbyggnad av större trañkstockuingar liten, och en noggrannare analys behöver ej göras.

Om v är litet just då Iz är stort, så indikerar detta en rnindre kö efter ett långsamt fordon och det kan vara av värde att följa utvecklingen av Iz utmed leden.

Fall b. Io är stort.

Det innebär att medelflödet under en lång tid är stort och att därmed enstaka störningar snabbt kan bygga upp trafikstockningar. Trafikflödet kännetecknas också av att biltätheten tenderar att öka och hastigheten att sjunka, då trafikflödet närmar sig ledens kapacitet.

Fall c. 11 är stort, I., litet.

Il indikerar en längre period av högt trafikflöde. Om P1 är högt och v är lågt så är det en lång bilkö som påverkar länktider och kan åstadkomma trafikstoclmingar vid t ex tillfartsleder till leden.

Uppdelníngen av flöden och tätheter i komponenter är också gynnsamt vid predikteringar av flöden. För att prediktera flöden ingår korrelationer som en viktig funktion. Vi vet av erfarenhet att en stads in- och utfartsleder är kraftigt trafikerade under morgon respektive eftermiddag i anslutning till arbetstidema och vi förväntar oss en god korrelation mellan olika infartsleder vad avser trafikutvecklingen under morgontimmama.

Denna korrelation gäller då för Io- och Po-termerna, medan Il, P1 bör uppvisa lägre korrelation och framför allt Iz, P2 inte bör uppvisa någon nämnvärd korrelation _ mellan olika leder.

Trafiksamband mellan glika trafikledçr Vi förväntar oss god korrelation mellan olika infartsleder av samma typ för trafikutvecklingen under morgontimmarna. Vi förväntar oss också god korrelation mellan trafiken som den är t ex en tisdag på en led, med hur trafiken brukar vara på tisdagar på samma led.

Vi kan således identifiera "systerleder" till den aktuella leden, vilkas trafiksituation kan användas för att under normala förhållanden prognostisera den aktuella länkens trafik. -llx “<1 'ID C14 (I *J Historiska mätdata på en led används för att definiera historiska medelvärdeskurvor för respektive dygn. Dessa kant ex utgöras av lo, Po-kurvor.

De historiska Im, POH-kurvorna används för att bestämma korrelationen mellan olika "systerleders" länkar m a p korrelationens storlek (ß) och tidsförskjutning (f).

Dagens aktuella mätvärden (I0,P0) relateras till respektive länks historiska data. Bilda t ex a = (IOA - IoQ/IQH, det norrnaliserade skillnadsvärdet mellan aktuellt uppmätta värden (IOA) och historiska värden. Där dessa värden är små för aktuella länkar och associerade leder, och det nonnalt inte är förknippat med trafikproblem, behöver man inte gå vidare med beräkningarna. Annars undersöks korrelationen mellan - värdena för "systerledema" för att se en eventuell signifikant förändring i dagens trafiksituation och därmed kunna ta hänsyn till förändringarna.

Om det finns en samhörande förändring även på systerledema, kan vi förvänta oss en förändrad trafiksituation över en större del av staden. Ar det bara en led som avviker signifikant kan vi förvänta oss en mer lokal och kanske övergående förändring.

Exempel på prediktering av flg" de på en länk B får illustrera trafikprediktion på en länk B.

En begränsad mängd sensorer finns tillgängliga. Det finns en sensor på en uppströms länk C. Mellan C och B finns fler anslutningar av trafilcflöden mot C och också av flöden av trafik från leden. Systerleder till aktuell led (La) är ledema LI till och med L ßïLæLl) och -r(L,,L1) osv är kända för systerledemas länkar.

Också ß (C,B) och 'r(C,B) dvs motsvarande korrelation mellan värdena i C och B utmed samma trafikled är kända.

Dessutom finns aktuella mätvärden från respektive sensorer, som indikerar att det är intressant att arbeta vidare, eftersom flödena är i den storleksordning att trafikproblem kan förväntas.

Från mätvärdena i C kan prediktering i B erhållas via överföringsfaktor W. Vi kan också ta hjälp av systerledema (L, - L4) samt historiska och aktuella mätvärden i B, dvs totalt tre olika typer av informationskällor.

Låt oss först diskutera fallet att vi saknar mätsensor i B. Vi antar dock att vi har tillgång till en mätsensor nedströms B dvs på länk A, eller att vi haft en rörlig sensor utplacerad på B tidigare, som gett oss korrelationsvärden för historiska data till övriga två typer av källor. 470 367 Antag vidare att C är placerad så långt ut i periferin att den är en av de yttersta sensorema för detektering av arbetsreseströmmar på morgonen. I annat fall predikteras flödet i C på motsvarande sätt som flödet i B och man kan finna en längre ut liggande sensor ovs.

Historiska kurvor for C och motsvarande länkar på systerledema korreleras i enlighet med historiska värden.

Vi skall i det följande diskutera enkla approximativa metoder att bilda historiska värden på L, och korrelationsfalctorema ß.

Från samhörande repetitiva mätningar på en länk erhålles Xi(t), och på en annan länk Yi(t). Mätningarna kan t ex vara gjorda en gång var 10:e minut för 10 måndagar.

Medelvärdesbildning ger s k historiska kurvor X,,(t) och Y,,(t) över hur den mätta trañkparametem varierar över ett typiskt måndagsdygn.

N Genom att bilda Xx (g) - YH(t¿+-r) = Z (f), där tl till tN är vald korrelationsperiod, erhålles aktuell korrelationstid r då Z(1-) är maximum.

För öX,(t)= X¿(t) - X,,(t) och motsvarande för öY¿(t) bildas _ §Y,-(t+7_) §Y,-(t+¿) -§X-,(t) . _ .

I' - âxiTa) - [öxmlz , vilket ger stor känslighet för fel då öXi(t) är litet.

Bilda istället _27 öYi(t+-r) - öXi(t) PCW) = 2 taxin? 2 _22 ÖYKIk-I-T) ' ÖXÅQ) °°h I* W = 52 tßxtoi* k dä: Xiu) = Xm , (Xíto = Xiu» och korrelationsefficienten ß (r) runt medelkurvorna X,¿(t) och Yfl(t) är ß = Paf) - f* Y där a, och a, är standardav. runt XR respektive YH.

Korrelationskoofficienten ß (f) har maximalt beloppet 1 då X och Y är helt korrelerade. r,('r) = ß(r) - :Y innehåller dessutom en skalfaktor 91' X som är ett uttryck för att trafiken kan vara högre på länken för y än länken för x.

Korrelationskoofficienten ß(r) beräknad enligt ovan kan vara liten, trots att x och y är starkt korrelerade. Det beror på att ß('r) är beräknad runt XH(t) och YH(t), vilka tar upp den kraftfulla kor-relationen, och ß('r) indikerar därmed att trafik- variationerna runt XH(t) och YH(t) delvis kan vara slumpmässiga variationer, som inte beror på faktorer som är gemensamma för x och y.

För att beräkna motsvarane korrelationskoofficient för XH(t) och YH(t+ r) bildas medelvärdet av XH(t) och YH(t+ 1) och ßH('r) beräknas runt dessa medelvärden för vald korrelationsperiod.

Ett annat sätt att relatera YH till XH är att bilda Värdet på Fda över en längre tidsperiod bildas ur 2 Slvuflijfl- . ' t d rdHÜ) _ 2 _ 1 I beräkningen av ßH(1) ovan ges en betoning av max- och minvärden på XH(t) och YH(t+ r) kurvoma. Parametem PdHCr) betonar istället tidsderivatoma, flankerna på XH(t) och YH(t) kurvorna. Ett sätt att förstärka kraven på korrelation är att använda derivatan där denna ger mera bidrag och amplituden där denna ger mera bidrag. För en sinusformad kurva sker då gränsövergång vid n1r/4.

Om fler systerleder kan korreleras till den aktuella leden fås motsvarande flera mätvärden av typ X, kopplade till den aktuella länkens värden y, och I* för summa av systerlänkarnas bidrag kan erhållas ur r _ 211-63., ß :ng 4: w c» w w Om emellertid några systerlänkar har högre korrelation än andra så bör dessa viktas högre än vid summeringen för rs ovan. säu ax = X1 + X, 6Y = Yl + YZ ¶=g& X1 och Yl är korrelerade med korrelationskofficienten = 1 och X2 och YZ är “brusvariationer" dvs okorrelerade.

Dåfås __ 1:1 X12 = 1 ß- (k-Zlïö* - (ïzíïötfi 1 V* 1 V2 1 2 1 2 Ü* ïz) °(1+_z) d.. 52 2:; till* få” “ XZZ 5 2 YZ h -=1- oc YZ _1_ och u<1= 11 -<1 + (sfn N X I facklitteraturen sätts ofta X2 = 0 varvid erhålles 2 2 2 ß2=l1í :l 'Y2.

Uz G2 Y Y och där ßz är ett uttryck för hur stor del av variansen i Y som kan relateras till beroendet av X.

Eftersom vid korrelationen det kan vara svårt att definiera hur stor del av bruset som ligger i X respektive i Y så kan man tilldela hela bruset till X Y korrelationen enligt 1 1+ ß2= à )2 S2 2 (N =1-ß2 Inom biltrafikområdet gäller vanligen att az är proportionellt mot medelvärdet och aktuell mättid. Med hänsyn till detta kan man göra en schablonfördelning av brus mellan X och Y från Yl = kl X1 2 2 <å> =i1 så; X _k1+1 2 2 “Mål = ïß-ßz kl för stora ß.

Korrelationskoofficienten ß kan alltså uttryckas som en funktion av signal/brus- förhålllandet på respektive länk motsvarande värdena X och Y. Genom att förbättra signal-brus förhållandena kan korrelationen förbättras. Detta kan åstadkommas genom att relatera den aktuella länken till flera systerlänkar Om systerlänkama har olika korrelationskoofficienter, olika signal/brusförhållande, så bör inte mätvärden adderas rakt av, utan de värden som har bättre sígnal/brus- förhållande bör viktas högre än de andra. 2 (å) Optimal viktning sker genom att multiplicera X-värden med en faktor a = - 2 å; i förhållande till en vald referensstation, (Z).

Härvid blir det nya signal/brusförhållandet 2 2 2 tåg = ån! f <š>z Med hjälp av ovanstående viktningsmetod kan bidrag erhållas även från svagt korrelerade systerlänkar. 470 567 12 Systerlänkar definierade vi tidigare som länkar med god korrelation mellan respektive trafikpararnetrar. Däremot är det inte säkert att awikelsema från respektive länks historiska medelvärden är lika väl korrelerade. Det är rimligt att antaga att trafiken fluktuerar på ett slumpmässigt sätt runt respektive medelvärde och att dessa fluktuationer inte behöver ha sin grund i någon gemensam källa för flera leder. I ovan givna uttryck 8Y = Yi + Y, är Yz en sådan slumpmässig variation som ej kan predikteras från systerlänkarna. Den bästa möjliga predikteringen är Yl = klXl, där X1 = 6X - X2 och X2 är okänd. Bidraget från EX vid prediktering av Yl erhålles från Z<$Y+a--k--6Xi al - k16X = a] kl (X1 + X2). Sammantaget predikteras Yl = där normering har valts m a p 6Y, som i detta exempel symboliserar prediktion från sensor på samma led. Faktom ki ersätts i praktiken ofta med Fi.

Från trafikens fördelningsfunktion kan medelvärden av variationema X2 och YZ uppskattas. Då 6 X är litet dvs mindre än eller ungefär lika stort som medelvärdet av X2, är det i praktiken oftast inte värt besväret att prediktera 6Y till annat än 6Y=O, och med kunskapen att medelvariationen är ungefär YZ. Genom att välja flera systerleder erhålles lägre gränsvärden. Viktigare ändå är att snabbt kunna prediktera 6Y då det uppmätta värdet på 8X är stort. Ett stort värde på 6X behöver inte innebära att 6Y blir stort. Om flera systerleder samtidigt ger stora SX värden så indikerar detta en ökad sannolikhet för att det finns en gemensam förändring i trafiken. Förändringens natur kan vara okänd i predikteringsögonblicket och ändå kan en prediktering av 6Y göras baserad på relationerna mellan de olika systerlederna, vilka kan beräknas från de uppmätta värdena. Det bör observeras att de nu erhållna relationerna kan vara annorlunda än tidigare erhållna, gällande för de mer standardiserade öX-värdena.

Då trafiken på en väglänk-ökar mot mättnadsvärdet, länkens kapacitet, ökar trafiltflödet långsamt och om 6X och 6Y beskriver avvikelser i trafikflöde (I), så erhålles en annan faktor kl, som relation mellan Yl och X1. Om däremot 6X och 6Y betecknar trafiktäthet (P), så kan P fortsätta att öka som resultat av högre trafiktryck, även då trafiken närmar sig kapacitetsmax. Vid höga trafikflöden kan biltätheten P vara ett lämpligare mått på trafiken än flödet. _12. *<1 LI) (ml CA ešl 13 Då predikteringar från t ex trafiken på systerlänkar ger höga trafikflöden, nära mättnad, på den utvalda länken är det lämpligt att undersöka situationen uppströms länken. Oftast är det tillflöden från två länkar som sätts samman till det höga flödet och just i förbindningspunkten brukar det vara en trång sektor. År detta fallet så sker den en förträngning av trafiken i sammanbindningspunkten. Hastigheten sjunker och flödet minskar varför köer byggs upp på den ena eller båda tillflödena. Härvid kan flödet i sammanbindningspunkten bli avsevärt lägre än den efterföljande länkens kapacitet, och flödet på länken blir lägre än den ovan nämnda första predikteringen.

Trafiken på den utvalda länken kan flyta bra med god hastighet. I gengäld kan flödena uppströms på tillfartslederna bli avsevärt lägre på grund av trafikstockriing.

Predikteiing av flöden på en länk är inte en isolerad process utan det krävs en fortsatt analys av flöden såväl uppströms som nedströms länken, för att identifiera risker för trafikstockningar som förändrar den första "primära" predikteringen.

Då det av ekonomiska skäl kan förväntas att inte alla länkar är utrustade med sensorer, behövs hjälpfunktioner som beskriver hur trafiken ändrar sig över en sträcka med av- och tillfarter mellan två sensorbaserade länkar.

En överföringsfunktion W(X,t) beskriver hur biltäthet (flöden och hastigheter) förändras som funktion av avstånd och tid utmed en vägsträcka, t ex kommer flödena Il och 12 att förändras från en mätning vid (Xvtl) till en mätning nedströms vid (X2, tz). Vi har också funktioner qb(t) och 9(t) som beskriver förändringar vid tillfarter och avfarter. Vid avfarter sker en uttunning av trafiken med i genomsnitt samma faktor.

Däremot vid tillfarter kan man förvänta sig viss anpassning till huvudväg från en tillfartsled, vilket bör medföra att Iz-termen jämnas ut något om det är hög trafik på huvudvägen.

Dessa funktioner (W(X,t), 4>(t) och 6(t) kan beräknas från mätningar på aktuella leder. Om det inte finns sensorer vid aktuella av- och tillfarter kan prediktioner göras med samrna metod som beskrivits för systerleder dvs jämförelser med likvärdiga av- och tillfarter.

Vid uppmätta höga trafildlöden på en led i (Xvh), kan W(X,t) beskriva störningstillväxt och den ökade sarmolikheten för köbildning och trafikstockriingar vid trafikflöden nära ledens kapacitet. Dessa tillväxtfunktioner kan mätas upp och avsättas för att prediktera trafiken nedströms en länk med mätsensor.

I uttryck av typen Y(Z2,t2) = W(Z,t) - X(Z1,t1) har vi tidigare använt termen I' istället för W för beskriva predikteringen av Y på en plats nedströms mätningen X.

Termen I' erhölls från förutsättningar om linjär korrelation mellan värdena Y och X, eller 6Y och 6X. .lä *J C' CN O\ \'| 14 Termen W kan mera fritt användas för att beskriva en transformation av trafik från en plats till en annan plats en tid (ta-ti) senare.

Exempelvis kan flödestermen I2(Z,t) ges en kontinuerligt föränderlig funktion, där I2(Zst) = W(Z,t) - I en första approximation för små t kan W(Z,t) ges en linjär tillväxtfunlctiori, där W(Z,t) = (1+a1t) - f(Z-vt).

På en trafikled med trafikflöden 10 nära ledens kapacitet kan man förvänta sig att små Iz-termer växer till som funktion av tiden och med en tillväxthastighet som beror av faktorn 10/ C. Termen W kan då utgöras av en funktion f1(Z-vt) som beskriver “stömingen“ Iz förflyttning utmed leden och en funktion f2(I0,t) som beskriver tillväxt av störningen. Funktionen fz kan för små tidsperioder approximeras med en linjär funktion i t dvs fz ß (1+a2t) där az är en funktion av IO/C. Genom att göra mätningar av 12 utmed leder för olika Io/ C kan man definiera funktionen W(Z,t) som beskriver hur "trafikstörriingar" I, växer till. På samma sätt kan man finna motsvarande funktioner för Il-termen. Mätningar kan också identifiera de nivåer på IQ, Il och 12 där trafikstockningar vanligen uppstår, varför funktionen W är intressant hjälp vid prediktering av trafik utmed leder, särskilt om det är glest med sensorer utmed leden.

En mätning på en högtrafikerad led kan på detta sätt användas för att prediktera var utmed leden trafikstoclmingar riskeras, och när de kan inträffa.

För att även kunna ta hänsyn till av- och tillfarter görs mätningar för att definiera q>(t) och 9(t). Härvid antages 9(t) ge en procentuell uttunning av trafiken, medan tillfartsproblematiken och därmed funktionen 4>(t) blir mer komplicerad. ø(t) kommer dels att orsaka slumpvisa förtätningar särskilt vid höga IO-värden på leden, och dels att i någon mån utjämna befintliga Iz-variationer, genom viss trafikanpassning vid tillfarter. Utnyttjas "ramp-metering" vid tillfarten blir 4>(t) lättare att bestämma och ger ett jämnt tíllflöde till leden.

Särskilt intressant är att genom mätningar identifiera de flödesvärden på leden där tillfartsflödet riskerar att ge upphov till trafikstockningar.

Nedan skall anordningen beskrivas översiktligt i anslutning till figurerna 1 till 6.

I figur la presenteras en enkel modell av en trafikledningscentral. För stora städer kommer trafikledningscentralen att byggas upp med ett stort antal operatörsplatser, och ledningscentralerna kommer att likna de ledningscentraler som används inom försvaret för t ex luftförsvarsledning eller ledningssystem ombord på fartyg. Dessa ledningssystem är uppbyggda för att klara höga krav på realtidsprestanda och har i sin moderna utformning en distribuerad databehandlingsarkitektur.

.Ex \J CD (JJ C \ \¿l 15 I figur la visas några väsentliga byggblock för ledningscentralen. "Sensor- kommunikation" (4) tar emot sensorinformationen från vägnätet och "Styrorgan- kommunikation" (5) sänder ut resulterande åtgärdssirrformation från lednings- centralen. I arbetet i ledningscentralen fyller "Operatören" (2) en viktig funktion. Han matar in information om incidenter och händelser som rapporteras in till lednings- centralen så att 'Trafikmodellen" (3) kan ta hänsyn till motsvarande förändringar i Vägarnas kapacitet etc vid beräkning och prediktering av trafikflöden. Operatören får också presenterat för sig aktuell och predikterad trafiksituation och fattar beslut om åtgärder.

I "databasen" (1) lagras mycket av den historiska informationen om trafiken på vägnätets olika länkar vid olika tider.

Ntrafilcrnodellenheten" sker de beräkningar av trafikparametrar som krävs för att göra aktuella predikteringar. Kravet på snabbhet är stort eftersom många beräkningar krävs för att prediktera trafiken på ett stort vägnät. Predikteringarna skall successivt uppdateras och ständigt hållas aktuella. Realtidskravet är uppenbart i den aktuella applikationen, och trafikmodellenheten byggs upp med snabb tillgång till egna data- areor, kraftfull datorkapacitet och utnyttjande realtidsoperativsystern. Exempel på byggbitar i dagens teknik är IBMs RS6000 och operativsystem AIX eller SUN's motsvarande Unix-paket med Sparc-dator och Solaris.

I figur lb presenteras en grov struktur för processenheten, där en styrprocessor (6) via adressbuss (10) och databuss (11) kommunicerar med enheten (7) dataarea där data lagras som används i beräkningsenheten (8) och där en In/ut-enhet (9) kommu- nicerar med andra enheter t ex via ett LAN.

I figur 2 illustreras informationsflödet vid Prediktering och uppdatering mellan olika funktionsblock. Dessa är Sensorinformation (12), som visas i figur 3, Prediktering (14) som visas i figur 4, Uppdatering (15), som visas i figur 6, Databas (13) där systemets stora datamängder lagras, och ett block (16) som illustrerar fortsatta åtgärder som Styrning eller information om trafik. Nya mätvärden från sensorerna jämförs med tidigare historiska värden, som hämtats från databasen till trafilnnodellens egen dataarea och nya predikterade trafikparametrar genereras för beslut om styrning.

De nya mätvärdena används också för att beräkna nya uppdaterade historiska värden som lagras i aktuell dataarea för omedelbar användning eller i databasen för senare behov.

I figur 3 visas hur sensorinformation från vägnätets sensorer (17) transmitteras till ledningscentralen och efter mottagning (18) filtreras (19) eller medelvärdesbildas till olika snabbt varierande parametrar. Sensorinformationen kan utgöras av flöde, biltäthet och/ eller hastighet.

De aktuella trafikparametrarna skickas vidare till predikteringsfunktionen (14). -lë '<1 CD LN O\ \'| 16 I figur 4 visas predikteringen i ett första steg. Till Analys I (21) hämtas data från Dataarean (20). Dessa data utgörs i ett exempel av historiska data, XH, kapacitet, C, standardavvikelser, a, och statussyrnbol, S. Från sensorinformation erhålles behandlade mätdata. I Analys I jämförs mätdata med historiska data och avgörs om mätvärdena skall behandlas vidare för prediktering. De flesta väglätikar har under större delen av dygnet så låg trafíktäthet att länktider, medelhastighet etc kan sättas till respektive länls grundvärde. Det är därför viktigt att snabbt sortera bort de värden, som ej behöver vidarebearbetas för prediktering. I en del fall kan det räcka med en jämförelse med ett gränsvärde, Xc, där X grundvärde.

På väsentliga leder är det intressant att konstatera om mätvärdena ligger inom det statistiska utfallsområdet XH-aa faktor t ex 1,7. Ett värde utanför intervallet kan indíkera att något inträffat som kräver särskild analys. Om X ligger under intervallet så kan detta bero på trafikhinder uppströms länken, och statusvariabeln S kodsätts för uppströms länkar.

Operatören kan informeras med varningssymbol och länken kan registreras på en övervakningslista.

Om X ligger inom aktuellt utfallsområde och statusvariabeln har kodsatts till “OK", så accepteras grundvärden som prediktering. Andra exempel på kodsättning av S är "OK". Välj grundvärden.

Risk för bidrag till stöming på annan led.

Risk för stöming på egen led.

Stor risk för störning Varning (satt från arman led) gmcnmmm 4 ll II ll Il II -c-wroi-o För S> 0 kan en noggrannare analys behövas, där t ex närheten till kapacitetsgränsen analyseras. Då "Analys I" visar att predikteringsberäkning skall utföras hämtas ytterligare information till "Beräkning I", (22). Till Beräkning I hämtas ytterligare värden för prediktering nämligen prediktionsfaktom och i tillämpliga fall signal- brusförhålandet S/ N för predikteringsparametrarna. Resultatet ut är en första prediktering av trafiken baserad på den enskilda sensorinformationen.

Beräkning av predikterade länkdata från flera källor kan utföras enligt figur 5.

Det predikterade värdet på den aktuella länken Yflš) erhålls från uppmätta värden från samma led Y(t-r0), och systerlederna X,(t-f1), 20-12), etc. Värdena för respektive led multipliceras med faktom Pi/ki och adderas för att ge resultatet Y1(tp).

Faktom lg är den viktsfalctor som relaterar varje leds bidrag till dess signal/brusförhållande eller motsvarande korrelationskoofficient. 'x w CD (_14 CH \_q 17 Fig 6 visar hur det förra historiska värdet XH(0) uppdateras genom att 6 X bildas från skillnaden mellan aktuellt mätvärde och det historiska värdet, varefter det nya historiska värdet bildas genom att till det gamla värdet addera öX/k. Faktorn k bestämmer tidskonstanten för hur lång tid det tar innan en förändring i mätvärden slår igenom i motsvarande förändring i XH. Det historiska värdet XH är här inte ett medelvärde där ett antal mätvärden har samma vikt vid medelvärdesbildningen, utan faktom k ger senare inkomna värden större tyngd än tidigare värden.

Uppdateringsmetoden är enkel eftersom man inte behöver spara mer än det aktuella värdet.

I figur 7 illustreras hur korrelationskoofficienten och predikteringsfaktorn kan erhållas från signalema X och Y. Överst i figuren matas successiva värden på Y och X in i var sitt register. Härvid multipliceras motsvarande X,- och Yi med varandra och genom förskjutning av Xi och Yi relativt varandra erhålles nya par för multiplikation. Genom successiv förskjutning, multiplikation och summering erhålles en serie av värden som har maximum vid förskjutningen r mellan Y och X värden.

I illustrationen har förutsatts att förändringarna i X, Y, ox och a är små vid relativ- förskjutningama av Y och X. I annat fall kan hela korrelationskoofficienten ß beräknas för varje förskjutning och det maximala ß-värdet sökas för att bestämma r- värdet.

Vidare visas i figur 7 hur statistiska grundparametrar erhålles för parametrarna X och Y. Nederst i figur 7 repeteras uttryck för korrelationskoefficient och korrelations- faktor för att underlätta förståelsen av sambanden mellan de visade parametrama.

En anledning till att man önskar prediktera trafiken är att man i god tid önskar få reda på om det är risk för överbelastning eller trafikstockning, så att man kan vidtaga åtgärder för att undvika de predikterade trafikstömingama. Vissa trafikstörningar kan inte predikteras, utan de inträffar utan förvarning. Exempel är trafikolyckor, motorstopp och tappad last som blockerar vägbanan. Det finns därmed behov av att kunna detektera denna sorts problem så fort som möjligt och att kunna prediktera den nya trafíksituation som uppträder och som eventuellt påverkas av åtgärder från trafikoperatör, polis etc.

Detektering av att en ny situation uppstått och lokalisering av källan till störning sker genom information från mätsensorer och jämförelser med historiska värden. Vanligen erhålls förtätning av trafik uppströms källan och förtunning nedströms samt förtätning på uppströms avfarter till altemativa rutter.

En altemativ informationskälla är extema meddelande t ex telefonsamtal från bilist, polis etc om att en olycka inträffat som blockerar framkomligheten på leden till ca X %.

Finns det sensorer såväl uppströms som nedströms så erhålles ett direkt mått på aktuell kapacitet. 18 För att göra en omedelbar prediktering av den nya trafiksituationen kan ett antal aktiviteter startas upp, med målsättningen att snabbt få fram en grov prediktering som kan förfínas efterhand och där nya mätdata successivt möjliggör bättre predikteringar. Efter ett första dynamiskt skeende tenderar den nya trafiksituationen att stabiliseras och prediktionen blir därmed enklare. Många stömingar av typ mindre trafikolyckor, motorstopp etc blockerar vägen i mindre än 5-15 minuter, varför störningens fortsatta tidsutsträclcning är beroende av den aktuella trafikintensiteten och köer som byggts upp och tar tid att avveckla. Sådana stömingar når oftast aldrig någon stabil fas utan bör i sin helhet behandlas som tillhörande den första dynamiska perioden. Följande exempel får illustrera hur anordningen arbetar för att ge prediktioner i aktuella situationer.

Antag att en länk blir blockerad till 100 % av någon incident. Detta detekteras enligt ovan och eftersom det i allmänhet fimis få egentliga närliggande ruttaltemativ för att komma runt den blockerade länken kan en enkel funktion användas för att göra en första omfördelning av den trafik som armars skulle gått på den blockerade länken.

Med hjälp av en "kostnadsfunktion", där färdtid och eventuellt parametrar som vägsträcka och vägstorlek m fl åsätts kostnadsparameter erhålles för varje prövad rutt ett kostnadsmått. Vanligen blir skillnaden mellan de 1-3 bästa mttema och övriga så stor att de övriga kan försummas i ett första skede där trafikanterna kommer att försöka ta sig runt på de altemativ de bedömer vara bäst, vilket tenderar att bli en övervikt på bästa alternativet och successivt ökad trafik fördelad på näst bästa o s v.

I anordningens beräkningsenhet fördelas trafiken enligt ovan, så att då bästa altemativet fått så mycket extra trafik att dess kostnadsvärde ökar, så fördelar man också trafik till näst bästa o s v. Om det är mycket trafik som skall omfördelas till redan hårt trafikerade altemativ så ger redan den första omfördelningen en prediktion av köer och trafikstoclmingar varför trafikledningsoperatören larmas och ev får förslag till åtgärd, t ex att vidtaga åtgärder för att på ett tidigare stadium, uppströms källan, via information, omställbara skyltar etc fördela trafiken på flera leder.

Om möjligt bör trafikflödena hållas på en säker marginal från kapacitetsmax för att undvika trafikstoclmingar. Det är, som sagts tidigare, av mycket stor vikt att hålla flödena under gränsen för trafikstockning. Då utnyttjas vägnätet maximalt. Om trafikstoclming uppstår sjunker framkomligheten avsevärt och vägnätets kapacitet reduceras då det behövs som bäst. Räcker inte omfördelningen av trafik till, så är nästa altemativ att bromsa upp flödena på lämpliga platser uppströms stömingskällan. Det är t ex bättre att ha köuppbyggnad på en infartsled i ytterområden än att släppa in trafiken närmare centrum där köema leder till ökade blockeringar av andra viktiga trafikleder och där hög kapacitet är ännu väsentligare. 470 367 19 Under tiden ovanstående första prediktering görs genom en grov omfördelning av trafik mäts den nya trafiksituationen upp av befintliga sensorer och de sensorer som ligger i början på alternativrutterna ger information om hur trafikflödena i verkligheten fördelat sig. De uppmätta värdena används för att korrigera den ansatta trafilcfördelningen och för att prediktera trafiken på altemativrutterna nedströms de nämnda sensorema.

För att snabbt få mätvärden på trafikfördelriingen används högfrekvens- komponenterna typ 1,, P2 och 11, P1. Dessa parametrar utgör karaktäristiska mönster i trafiken och kan käimas igen utmed en rutt och också korreleras med primärledens motsvarande komponenter. Härifrån kan mätningarna också visa hur stor andel av primärledens trafik som valt respektive altemativa rutt.

Operatörens styråtgärder kopplas som tilläggsinformation till anordningens predikteiingsenhet om förväntad styreffekt eller ornfördelning av trafik, varför ny prediktering görs med avseende på dess värden. I nästa steg erhålles mätvärden som talar om hur omfördelningen verkligen blev varefter ny prediktion görs o s v.

Särskilt bevakas sensorerna runt incidentkällan för att tidigt fånga upp när trafiken börjar flyta på den tidigare blockerade länken, och därefter prediktera trafiken under återgången till normalläget.

För kortvariga incidenter kan den dynamiska trafikändringen ofta betraktas som lokal, d v s den huvudsakliga förändringen av trafiken sker inom ett närliggande begränsat område runt incidenten. Detta område utgörs av några länkar uppströms incidenten innehållande avtagsvägarna för de bästa altemativrutterna, via altemativrutterna till och med tillfartslederna till den aktuella blockerade leden nedanför incidenten. Därefter kan trafiken i första approximationen anses flyta ungefär som vanligt. Det finns två skäl till att trafiken återanpassar sig nedanför den blockerade länken. För det första är det en del av trafiken ovanför blockeringen som har sin destination, så att bästa ruttval är att återgå till samma led nedanför incidenten. Det andra skälet är alternativrutterna kan bli hårt belastade, varför trafik härifrån söker sig över till den aktuella leden nedanför blockeringen för att utnyttja den bättre framkomligheten på denna led.

Om man i varje tidsögonblick har kunskap om samtliga bilars slutdestination så kan ett mera precist mttval beräknas för de individuella fordonen och de sarnlade trafikflödena beräknas för den nya trafiksituationen. För detta kan en giltig O/D- matris vara en bra utgångspunkt. .ß "<1 CD (N O x \¿l 20 En annan möjlighet att nå bättre precision i predikteringen är att utnyttja att störningarna i huvudsak är lokala och bygga upp databaser för lokala trafikflödesfördelningar. Härvid kan som tidigare nämnts komponenterna av typ Iz och Il användas. T ex kan mätvärden på den aktuella länken korreleras med mätvärden på olika altemativa leder nedanför länken för att få ett mått på hur stor andel av flödet på den aktuella länken som fördelar sig på respektive altemativled nedströms.

Då en incident inträflar på den aktuella länken kan "kostnadsberäkningen" för altemativrutter ta hänsyn till kunskap om nedströms trafikfördelning och därmed i några fall leda till en bättre prediktering av trafikfördelningen på alternativrutterna.

Claims (1)

1. å) PATENTKRAV 1. Sätt att prediktera trafikpararnetrar såsom trafikflöden, hastigheter, biltätheter, och länktider med hjälp av sensorinfonnation från flera mätställen i ett aktuellt nätverk, där ett antal av sensorerna ger minst två av parametrarna trafikflöde, trafiktäthet och hastighet alternativt länktid, kännetecknat av att prediktering av en trafikparameter Y på en aktuell länk vid en tid 1 baseras på uppmätt sensorinforrnation X på en arman länk vid en tidigare tidpunkt och att predik- tionsfaktorn relateras till motsvarande korrelationskoefficient via kovariansen och statistiska grundparametrar och prediktionsnoggrannheten bestäms av korrelationen mellan motsvarande parametrar X och Y och att förbättrad korrelation erhålles genom att sensorinformation från ett antal sensorer filtreras över minst två, företrädesvis tre olika långa tidssteg för framtagning av komponenter som beskriver långsammare respektive snabbare variationer hos nämnda parametrar och att endast komponenter som beskriver långsammare variationer utnyttjas för prediktionsbestämning av trafik mellan olika leder eller mellan historiska medelvärden och att snabbare variationer utnyttjas för närtids- prediktering av trafik utmed samma trafikled eller utvald rutt, och att respek- tive prediktionsfaktor bestäms för respektive kombination av fitekvens- komponenter. Sätt enligt patentkravet 1, kännetecknat av att historiska medelvärden XH och predikteringsfaktom I' hämtas från dataarean till en predikteringsenhet för att prediktera motsvarande trafikparameter på den aktuella länken vars uppmätta värde Y senare erhålles och det nya paret X och Y värden daterar upp respek- tive XH och YH och lagrar dessa värden i rninnesarean och då erforderlig värdeföljd erhållits predikteringsfaktorn I' uppdateras från de nya XH, YH- värdena, och då prediktering önskas av avvikelser från det historiska medel- värdet YH bildas avvikelser mellan aktuella sensorvärden och historiska värden och en predikteringsfaktor för avvikelsen från YH relaterat till awikelsen i XH bildas och uppdateras, varefter den aktuella länkens trafikparameter Y - predikteras som YH plus predikterad avvikelse från YH erhållet från aktuell avvikelse i X från XH med hjälp av tillhörande predikteringsfaktor. lå Sätt enligt patentkravet 2, kärmetecknat av att prediktionsfaktorn I' sätts till ß - cry/ax där ax och ay är standardavvikelserna för relaterade parametrar X och Y och ß är korrelatíonskoefficienten, eller I' bestärns direkt som väntevärdet för X Y i förhållande till väntevärdet för X2, och där tídsderivatorna för XH(t)- och YH(t)-kurvoma är väsentliga, större än valt gränsvärde, sätts predikterings- faktom I' till motsvarande relation mellan parametrarnas, XH och YH, tids- derivator och kan predikteringsfaktom erhållen från tidsderivator kombineras med predikteringsfaktom erhållen från amplitudvärdena. Sätt enligt något av patentkraven 2 - 3, kännetecknat av att uppdateringen av lagrade parametervärden görs genom att gällande värden hämtas från datorerna till predikteringsenheten och de nya värdena som används för uppdateringen adderas till gällande värden enligt exempel XH(1) = XH(0) + (X - XH(0)) /k där k är en konstant som bestämmer förändrings-känsligheten, och där predik- teringsfaktorn 1" uppdateras genom att motsvarande faktorer uppdateras för sig enligt ovan innan kvotbildningen, varvid begränsat antal parametrar behöver lagras jämfört med sann medelvärdesbildning. Sätt enligt något av patentkraven 1 - 4 kännetecknat av att predikteringsfaktorn bestäms för en tidsförskjutning r mellan värdena i X och Y som motsvaras av ett maximum i korrelationskoofficienten och erhålles detta då X och Y finns på samma led vanligen vid det r som erhålles som tidsdifferens genom att följa med trafiken nedströms mellan X och Y, och erhåller r då X och Y finns på olika leder vanligen då X ligger i motsvarande tidsfas uppströms Y. Sätt enligt något av patentkraven 1 - 5 i en miljö med begränsad mängd sensorer och där inga sensordata erhålles från aktuell länk, kännetecknat av att historiskt värde lagras tillsammans med prediktionsfaktor för den aktuella länken relaterat till annan länks sensordata, och används aktuella värden från den senare länken för att prediktera trafik på länken utan sensor, och upp- dateras lagrade värden för den aktuella länken genom tillfälliga mätningar eller korrigeringar från operatör. Sätt enligt något av patentkraven 1 - 6 i en miljö där flera länkar i rad kan sakna sensorer, kännetecknat av att en utbredningsfaktor W (z,t) beräknas i predikteringsenheten för aktuell trafikparameter t ex flödestermen I, från uppmätta värden i två sensorer som skiljer sig åt i avstånd och trafikutbredningstid med z respektive t enligt W2(z,t) = I2(z,t)/I2(0,0) och där mätningar mellan sensorer på olika avstånd och olika trafilcflöden ger en funktion W(z,t) = f1(t) -f2(z-vt) där f1(t) kan anpassas till mätvärden enligt minsta kvadratmetoden och där f1(t) vanligen ansätts som en linjär funktion (1+at) eller vid stora tillväxtfaktorer exp (a t), där a beror av flödet I och kapaciteten C och beroendet ansätts till a(I/C), och W(z,t) kan användas för prediktering av flöde på längre sträckor utan sensorer och W(z,t) uppdateras successivt till nya förhållande på aktuell led genom kalibrering mot befintliga sensorer och kan genom anpassning till mätvärden från flera leder en mera 10. 470 567 23 generell uppsättning W(z, t) beräknas och lagras och användas för prediktering på leder där direkta sensoruppgifter saknas, och är W(z,t) särskilt intressant vid höga trafikflöden där W(z,t) kan prediktera minskande trafilcflöden på grund av ökad biltäthet och köbildning. Sätt enligt något av patentkraven 1 - 7, kännetecknat av att förändrings-faktorer d: och 9 beräknas i predikteringsenheten för aktuell trafikparameter t ex flödesterrnen I och avser d> därvid förändring i flöde, ö I,_, på leden som resultat av flödet, 1,, på en tillfartsled och avser 9 motsvarande förändring vid en avfart, och erhålles qS = öI,_/I, från mätvärden genom anpassning på motsvarande sätt som för W(z,t) i patentanspråk 7 med linjär funktion (1 +41) eller exp a och a(I/C), och är d> särskilt intressant vid höga trafilcflöden där ö ger prediktering av eventuell trañkstockriing. Sätt enligt något av patentlcaven 1 - 6, kännetecknat av att parametem Y på aktuell länk predikteras frän sensorer på flera olika länkar, där länkarna kan avse såväl länk på samma led som den aktuella länken och länkar på andra leder, identifierade som systerleder vilkas historiska trafikparametervärden har god korrelation med den aktuella länkens, och användes predikteringen från flera sensorer för att på kortare tid få stor mätvolym och god predikterings-säkerhet. Sätt enligt patentkravet 9, kännetecknat av att predikteringsvärdena från sensorer på olika leder sätts samman med avseende på att korrelationen är olika mellan olika länkars värden (X) och den aktuella länkens (Y), och används därvid viktsfalctorer för respektive prediktering där viktsfaktorerna är relaterade som respektive länks signal/brusförhållande i kvadrat, och där signal/brusförhållandet för en länk avser signalbrusförhällandet i korrelationen mellan länken X och den aktuella länken Y och kan exempelvis approximeras enligt följande z z < N) = f; -Rr där R, är en korrektionsfaktor som tar hänsyn till brus i den oberoende variabeln och R, = (k, + l)/k, motsvarar en vanlig brusfördelning, där k, är den linjära prediktionsfaktom. 11. 12. 13. 14. 15. 16. -b \J CD u! Ox °-J j? Sätt enligt patentkravet 9 eller 10, kännetecknat av att systerleders predikteringar jämförs, och om en eller flera leder avviker signifikant från de andra, detta indikerar en incident eller särskilda förhållande på avvikande led(er) och kan detta utgöra incidentdetektering och utlösa förutbestämda aktiviteter, och kan i fallet flera avvikande leder, där avvikelser är korrelerade sinsemellan, dessa leder väljas för att tillsammans prediktera den nya situa- tionen på dessa leder. Sätt enligt patentkravet 9, 10 eller 11 där systerleder utgörs av valda infartsleder till stad och där mätningar under viss tid t ex morgontimmar används för prediktering av trafik senare under dagen i innerstaden och för ännu längre predikteringsintervall för utfartstrafiken på eftermiddagen och där sensorinformation från infartsleden respektive innerstad och utfartsleder används för att datera upp historiska värden och predikteringsfaktorema enligt tidigare patentanspråk. Sätt enligt något av föregående patentkrav känneteclmat av att information från en sensor används för prediktering av trafik i samma punkt och att denna prediktering avser ett korttidsperspektiv, vilket främst avser komponenter av typ Iz och 11 och ger tilläggsinformation om trafiksktörningar på den aktuella länken. Sätt enligt något av föregående patentkrav kärmetecknat av att en tillväxt- funktion U(t) beräknas i predikteringsenheten och innehåller faktorer som exp t/ -r t och exp t/ 1, för respektive tillväxt och aweckling av trafik för valda delar av gatunätet och där tidskonstantema mäts upp under olika förhållanden för olika I/C-värden, och dessa tidskonstanter kan användas för prediktering av trafik vid olika händelser som t ex tiden före och efter en fotbollsmatch, trafikstoclcningar etc och att U(t) lagras för olika händelser och att den nya händelsens förlopp kan predikteras genom interpolation eller extrapolation a U(t) till aktuell situation. - Sätt enligt något av föregående patentkrav, där sensorer placerade på givna leder används för att prediktera trafik på andra delar av vägnätet, målleder, kännetecknat av att då trafiken på de givna ledema kan variera med tids- konstanter som är snabbare än de som gälleer för mållederna, så behandlas de primära prediktionsvärdena med en filterfunktion med målledernas tidskonstant innan slutligt predikteringsresultat erhålles. Sätt enligt något av föregående patentkrav, kännetecknat av att prediktering av hela ytor av gatunät görs från en eller flera utvalda sensorer med hjälp av korrelation med mätvärden erhållna från en eller flera mätningar i gatunätet. 17. 18. 19. 470 367 Sätt enligt något av föregående patentkrav, kännetecknat av att då predikterad trafik på en länk är nära kapaciteten på länken, den närmaste tillfartsleden uppströms analyseras för bedömning av om detta är en trängre sektor än nämnda länk och om de samgående flödena i anslutningen utgör stor risk för trañkstoclcrxing vid insaxningen av fordon på leden, och om detta är fallet fortsättes analysen uppströms såväl på leden som tillfartsleden för analys av sekundäreffekterna på trafikstockning och predikteras traflken nedströms trafikstockningen med motsvarande lägre trafik begñnsad av trafikstockningen. Sätt enligt något av patentkraven 1 - 17 där sättet används i sammanhang där predikteringsinformationen om hur trafiken kommer att bli används för att informera bilister eller för att styra trafik med skyltar eller signaler och därför trafiken inte utvecklas enligt den första predikteringen, kännetecknat av att en ny prediktering görs med hänsyn till vidtagna åtgärder enligt t ex operatörens inmatade effektvärden eller enligt lagrade resultat, där korrela-tionen mellan verkligt uppmätta trafikflöden och de externt använda predikte-ringsvärdena beräknas och används för att korrigera det senaste predikterings- åtgärdspaketet till ett nytt uppdaterat paket för användning, och lagras flera sådana samband för valda leder, och bildas statistiska medelvärdessamband för olika typsituationer för tillämpning i motsvarande nya situationer. Sätt enligt något av patentkraven 1 - 8 fór prediktering av trafik, där kortvariga incidenter helt eller delvis blockerar framkomligheten på en länk, och där incidenten kan rapporteras in av extema källor eller detekteras av sensorer, kännetecknat av att detektering sker då sensor finns nedströms och eventuellt uppströms incidenten och då en relativt abrupt minskning i flöde kan detekteras av sensorn nedströms, vilket indikerar möjlig incident och där det nya flödet utgör ett mått på den nya begränsade kapaciteten, och definieras ett begränsat område runt incidenten som lokalt stömingsområde, som utgörs av länkar uppströms incidenten innehållande avtagsvägar för altemativa rutter och de alternativa rutterna och tillfartsledema till den aktuella leden nedströms incidenten, och bestöms de bästa alternativvägarna av en enkel värde- eller kostnadsfunktion, där färdtid, tärdsträcka, storlek på väg etc kan ingå altemativt eller som kombination, och bestäms initialt kostnaden för ett fåtal t ex l-3 st av altemativruttema med lägsta kostnad och sker trañkfördelning i ordning på bästa altemativrutten tills kostnaden ökar varefter man också fyller på näst bästa altemativ o s v i en kostnadsbalans, och sker mätningar då lämpliga sensorer finnes av den verldigt erhållna trafilcfördelningen på alternativrutterna och korrigeras därvid predikteringen av den fortsatta trañken utmed altemativ- fllïtßflla. 20. 21. 22. 367 16 Sätt enligt något av patentkraven 1 - 19, kännetecknat av att en eller flera av högfrelcvenskomponentema typ Iz, P, eventuellt tillsammans med Il, P1 används för att snabbt få mätvärden på trafiktördelriingen och där korrelation av dessa parametrar mellan den aktuella leden och respektive alternativlärtk används för att bestämma och prediktera trafiktördelningen mellan möjliga alternativa rutter. Sätt enligt patentkrav 19 eller 20, kännetecknat av att en eller flera av högfrekvenskomponentema används för att bestämma hur trañkflödet från en led fördelas på nedströms alternativa leder med hjälp av korrelation mellan leden och respektive altemativa leder nedströms, och kan sådan information lagras för utvalda leder och användas då incident inträffar på den aktuella länken för att definiera alternativrutter som matchar den givna trañláördelningen nedströms incidenten, och också initialt prediktera en tillhörande trafik för respektive alternativrutt. Sätt enligt något av patentlcraven 1 - 20, finneteclcnat av att prediktering av trañk på en aktuell länk görs från sensorvärden på en arman länk och avser predikteringen härvid långsamt varierande trañkparameter t ex Io, P0 och adderas till dessa värden amplitudvärden av högfrekventa trafikparametrar t ex Iz, P, som erhålles från lagrade värden erhållna från mätningar av trafikpara- meterrelationer som t ex I, (10, C) d v s Iz mäts för olika värden på Io/C antingen pà den aktuella leden eller utnyttjas motsvarande information från en annan liknande led, eller kan om mätningar saknas Iz- och Il-tenner uppskattas från standardavvikelser, a, från Io-värdet under motsvarande mättider T, och T,, vilka vården ger predikterade I-värden som kan jämföras med den aktuella ledens lcriterier för risk för trafikstoclming.