SE503515C2 - Detektering och prediktion av trafikstörningar - Google Patents

Detektering och prediktion av trafikstörningar

Info

Publication number
SE503515C2
SE503515C2 SE9501919A SE9501919A SE503515C2 SE 503515 C2 SE503515 C2 SE 503515C2 SE 9501919 A SE9501919 A SE 9501919A SE 9501919 A SE9501919 A SE 9501919A SE 503515 C2 SE503515 C2 SE 503515C2
Authority
SE
Sweden
Prior art keywords
queue
traffic
fate
deviations
values
Prior art date
Application number
SE9501919A
Other languages
English (en)
Other versions
SE9501919L (sv
SE9501919D0 (sv
Inventor
Kjell Olsson
Original Assignee
Dimbis Ab
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 Dimbis Ab filed Critical Dimbis Ab
Priority to SE9501919A priority Critical patent/SE503515C2/sv
Publication of SE9501919D0 publication Critical patent/SE9501919D0/sv
Priority to DE69631629T priority patent/DE69631629T2/de
Priority to EP96914510A priority patent/EP0771447B1/en
Priority to PCT/SE1996/000620 priority patent/WO1996036929A1/en
Publication of SE9501919L publication Critical patent/SE9501919L/sv
Publication of SE503515C2 publication Critical patent/SE503515C2/sv

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Description

503 515 Avståndet mellan sensorema A och B kan också ökas och antalet sensorer minskas. Kravet är här istället att det finns möjlighet att göra rimliga predikteringar. Grovt sett kan man dock säga att även ”svaga” predikteringar bör innebära en förbättring, tex även om man inte skulle kunna prediktera exakt O bilar i exemplet ovan, så kunde i alla fall en prediktion av en minskning i flöde innebära en mindre uppmätt avvikelse, än om man inte vet något, och därmed mindre risk för falsklarm. - 2A. Traditionell metodik.
En annan nackdel med traditionell metodik är att den bygger så mycket på att experimentera sig fram till lärnpliga formler med avvägda parametrar. Det är ofta svårt att förstå varför ett sätt skulle vara bättre än något av de andra, och det är också svårt att vidimera. Inte heller vet man om det går att förbättra metoden, genom mera försök och trirrmingar. - 2B. Uppfinningen.
I den aktuella uppfinningen utnyttjas förståelsen av trafikprocessema på ett mycket direkt sätt. En viktig del är förståelsen av kraftiga trafikvariationer. Dessa kan betraktas som resultat av stokastiska processer, och om man mäter t ex flöde i en sensor, så upplever man detta som brus. Med korta mätperioder får man relativt kraftiga variationer runt ett givet medelvärde. Genom att utnyttja kunskap om ”brus”, så kan man förstå att använda sig av informationen i dessa ”brusvariationer”, och inte bara se det som något som fördärvar möjligheterna att göra enkla detekteringar av incidenter.
Genom mätningar kan man erhålla medelvärden och standardavvikelser och från teori och mätningar kan man skapa approximativa fördelningsfunktioner, dvs man vet statistiskt sett en hel del om trañkvariationerna. Antages som exempel en normalfördelning, så kan en uppmätt standardavvikelse ge information om sannolikheten för att en variation skall vara större än ett givet värde. Man får också en förståelse av vad det är som man inte vet något om. ( Och att det därmed inte lönar sig med aldrig så långa och parameterfyllda formler enligt traditionell metodik.) I den aktuella uppfinningen utnyttjas kunskapen om sannolikhet för avvikelser av en viss storleksordning för att sätta trösklar, som därmed ger den önskade falsklarmsrisken. Det kan också vara så att en avvikelse, som beror på en incident, inte är tillräckligt stor för att nå tröskelöverskridande. Då kan man avvakta tills man får nästa uppmätta avvikelse och se om dessa två tillsammans är så stora att sannolikhetskravet nu är uppfyllt, dvs att man nu når över motsvarande tröskel. Detta kan successivt upprepas, och är de naturliga variationema mycket stora, så blir tröskeln hög och det krävs flera incidentorsakade avvikelser för att de skall nå över sin tröskel. Dock går tiden, ju fler mätperioder som behövs, och incidentdetektering bör ske mycket snabbt för att förhindra allvarliga sekundäreffekter. I uppñnningen kan t ex tröskeln automatiskt sättas så att ett minimum av extra mätperioder behöver användas.
Det blir också av denna orsak viktigt att hålla nere de naturliga trañkvariationema, och det görs som ovan sagts i uppfinningen, genom att det inte är variationema från ett medelvärde eller föregående värde som beaktas, - utan det är den mindre avvikelsen mellan predikterat värde och uppmätt, som bestämmer tröskelnivån. Därmed kan tröskelnivån sänkas betydligt utan att falsklarrnrisken ökar och en incidentorsakad avvikelse når då lättare över tröskeln och incidenten blir snabbt detekterad. - 3A. Traditionell metodik. 503 515 En tredje nackdel med den traditionella metodiken är att den är svår att överflytta från en situation, där den med ”trial and error” slutligen fåtts att fungera acceptabelt, till en annan situation. Det kan gälla geografiskt t ex ett annat vägavsnitt, där påfarter, vägkorsningar eller antal körfält ger andra trafiksituationen Det kan gälla ändring av mättider eller andra parametrar. Detta kan vara en mycket tidsödande och resurskrävande insats. Man behöver nämligen parallellt kontrollera trafiken med andra noggranna mätorgan för att ha ett facit att jämföra med, så att parametrar i formeln kan ändras mot bättre överensstämmelse med verkligheten. Även förändringar i trafiksituationen kan innebära att processen behöver göras om för att få nya bättre parametrar att stoppa in i formeln. - 3B. Uppfinningen.
I den aktuella uppfinningen kan mycket av anpassningen ske automatiskt. Dessutom kan startvärdena väljas bra från början. Oberoende av uppställning, så mätes den här aktuella avvikelsen upp, och motsvarande statistiska mått erhålles, t ex avvikelsernas standardavvikelse. Från dessa mått kan respektive tröskelvärde sättas automatiskt, och metoden startar att generera incidentdetektering, vilket operatören kan kontrollera upp riktigheten av. Genom att metoden hela tiden fortsätter att mäta avvikelser kan de statistiska parametrarna successivt uppdateras och anpassas till förändringar i trafiksituationen.
Trafiknedbrytning och köer. Överbelastning av vägnätet, även om det bara varar under en kortvarig trafiktopp, räcker till för att åstakomma att trafiken bryter ihop och köer växer upp. Dessa köer kan sedan underhållas av ett lägre trañkflöde, eftersom vägnätets kapacitet vanligen niinskar i och med att en kö bildats. Om det t ex samtidigt med en trafiktopp på motorvägen, kommer en trafiktopp på en påfart, så att bilarna inte får plats, så bromsar bilama in under försöket att väva ihop de två flödena. Hastigheten kan då sänkas till mycket låga värden och bilarnas avstånd bli korta med resultatet att flödet blir lågt. Det kan bli betydligt lägre än det maximala flödet, som kan hållas under friflödestrafik, och som utgör väglänkens kapacitet.
Resultatet av överbelastning blir således att köer bildas, som minskar vägarnas kapacitet. I våra storstäder inträffar detta dagligen under rusningstrafik på morgnar och eftermiddagar, vilket gör att vägnätet får sin lägsta kapacitet, när den behöver vara som störst.
Det är således mycket värdefullt att kunna leda trafik så att trafikgenombrott undviks.
Särskilt viktigt är det att förhindra trafikgenombrott på kritiska platser, där köer leder till allvarliga stömingar på en eller flera stora trafikleder. Detta kan förhindras med hjälp av den aktuella uppfinningen.
En nyckelfunktion är prediktering av trafikgenombrott och köbildning. Genom prediktering erhålles en tidsmarginal innan det predikterade problemet verkligen inträffar. Denna tid kan användas för att införa åtgärder, som förhindrar att problemet uppstår i verkligheten. Även vid detektering av att en kö uppstått är det intressant att utnyttja prediktering. Om t ex fritt flöde predikterats och en kö ändå inträffat, så ger sensorema värden, som visar den verkliga trafiksituationen (kö). Avvikelsema mellan de predikterade friflödesvärdena och mätvärdena kan därmed användas som indikering på att en kö uppstått.
I denna beskrivning av den patentsökta uppfinningen används ibland andra begrepp än ”predikterade” , tex ordet ”förväntade”. I allmänhet kan sägas, att om en metod innehåller 503 515 att ett uppmätt värde skall jämföras med ett annat, tidigare känt, ”motsvarande värde", så innebär bestärnningen av ”motsvarande värde” ofta en framtidssyftning, även om värdet enbart erhållits från historiska värden. Här kommer därför begreppet prediktera att användas inkluderande även estimeringar, som inte är direkta predikteringar, men fyller motsvarande syfte. T ex kan jämförelsevärdet utgöras av ett medelvärde eller medelvärde plus ett värde baserat på standardavvikelse, historiskt beräknat värde etc. Oberoende på vilket sätt jäinförelsevärdet tagits fram, så är ändå syftet att detta utgör en form av förväntat järnförelsevärde, varmed det uppmätta värdet kan uppnå kriterier för detektering av kö.
Därmed har det förväntade värdet en framåtsyftande funktion mot det uppmätta värdet, och estimeras i en likvärdig process som en prediktion, även då det förväntade värdet beräknas i efterhand, dvs efter det att uppmätt värde erhållits.
Ködetektering kan enligt uppfinningen göras även då köer bildas på vägavsnitt mellan sensorer. Detta gäller även vid användning av videosensorer, IR-sensorer, radar och liknande sensorer, som t ex med sin bild kan täcka en längre vägsträcka än de metrar som traditionella loopsensorer täcker. Dock är ”räckvidden” med videosensorer i praktiken mycket kortare än den sträcka man ”kan se”. Kamerans begränsade placering i höjdled gör att t ex en buss kan skymma en lång sträcka med bilar. Videosensorer med 0,5 - 1 km avstånd kan därför bara garantera täckning i sitt närområde, och större delen av mellansträckan får hanteras på motsvarande sätt som vid loop-sensorer.
Detektering kan utföras vid såväl nedströms som uppströms sensor. Vid uppströms sensor detekteras kön genom att kön finns inom sensoms direkta mätområde. Kännetecken för kö är att trañken är tät och rör sig med lägre hastighet än vid fritt flöde. Det är känt att då flödet närmar sig vägens kapacitetstak, så sjunker hastigheten, tex vid en motorvägsinfart med hastighetsbegänsning till 70 krn/h kan hastigheten gå ner till 55 km/h på grund av att trafiken tätnar. Vid ytterligare tätare trafik kollapsar trafiken till en kö, som kan få ännu lägre hastigheter. Enligt uppfinningen kan det senare trafiktillståndet kontrolleras genom mätning under minst två mätperioder Det visar sig att när det är kö på grund av trafikkollaps, så är hastighet och flöde fasenliga, så att både flöde och hastighet ökar respektive minskar tillsammans. När det däremot är tät trafik, inklusive rörliga köer med högre hastigheter, så ändrar sig hastighet och flöde i motfas. Med hjälp av denna metod kan man också definiera vid vilken brythastighet tät trafik typiskt övergår i kökollaps.
Mätningari Göteborg av uppfinnaren, visade att brythastigheten låg vid 55 kni/h. Detta var väl reproducerbart vid vägnätets typiska hastighets gräns, 70 km/h.
Det finns andra definitioner på kö t ex en där redan två bilar kan anses bilda kö om tidsgapet mellan dem är mindre än 2 sek och bakomliggande bil har högre behovshastighet.
Köer och köbildning får också olika förlopp på landsväg med ett körfält kontra två körfält och jämfört med motorväg. De köer som är intressantast för aktuellt patent är sådana som uppkommer på motorvägsliknande in- och utfaiter till större städer.
Ur trañkledningssynpunkt är de väsentliga köerna sådana som alstrar stora problem. Därför betraktas små grupper av bilar som kör nära varandra som tät trafik. Även längre paket med bilar som färdas med något reducerade hastigheter jämfört med friflödeshastigheten ( oftast den skyltade hastigheten) betraktas här som tät trafik. Vanligen kännetecknas sådana bilpaket av att fronten på paketet rör sig framåt utmed vägen (s.k. rörlig kö ). Vid hastigheter över brythastigheten kännetecknas trafiken i ett sådant paket av högt flöde och rimligt hög hastighet, varför homogen (lugn) bilfärd i ett sådant paket inte utgör ett direkt trañkproblem.
I närhet av städer är det dock tätt med av- och påfaiter, varför lugn tät trafik sällan förekommer. Istället kännetecknas trafiken av körfältsbyten, ”vävningar”, vilka snarare får 503 515 den täta trafiken att bryta samman, och resultera i köer med låg hastighet i det instabila köorrirådet.
För motorvägstrafik har s.k. sträcksystem använts. Dessa system baseras traditionellt på att varierbara hastighetsskyltar sätts upp med intervall på t ex 500m, utmed en motorvägssträckning. Sensorer mäter trafiksituationen, och när trafiken blir stökig, varierande hastighet etc., så sänker systemet hastighetsgränsen över ett antal intervall.
Meningen är att trafiken skall lugnas och hastigheten homogeniseras till den nu skyltade lägre hastigheten. Det finns rapporter som påstår att kraftiga förbättringar åstadkommits avseende såväl olycksreduktion som ökad framkomlighet. Ett problem med traditionella metoder är, att när stökigheten inträffar så är trafikkollapsen redan på väg, och när mätvärden och detektering erhållits, så är kollapsen ofta ett faktum. Olika försök göres för att förbättra situationen, t ex att mäta i mycket korta perioder för att snabbt få information.
I den aktuella uppfinningen predikteras istället trafiken successivt, och när sannolikheten för kollaps blir över ett angivet värde, så reduceras motsvarande hastigheter på skyltarna.
Härigenom skapas tidsmarginaler för att undvika trafikkollaps, och ingreppen i trafiken kan också bli mindre. Metoden är densamma som används för kö- och incidentdetektering.
Den aktuella uppfinningen kan också användas vid styming av påfartstrafik t ex styming av ”ramp metering". I närheten av städer är påfartstrafik och avfartstrañk en allvarlig stömingskälla som beskrivits ovan. Här sker ofta överbelastning och trafikkollaps till besvärliga köer. Prediktion av risk för överbelastning kan användas för reducering av påfartstrafiken på den aktuella rampen, och för reducering av trafiken på motorvägen, genom t ex reducering av påfartstrafik på ramper uppströms den aktuella påfarten.
Prediktion av trafiksammanbrott vid en påfart kan bygga på mätningar i uppströms sensorer t ex en sensor på huvudvägen och en sensor på påfartsleden. Uppmätning av trafik i respektive sensor kan användas för att förutsäga trafiken en tid senare, lika med restiden, i sarnmanvävningspunkten. Genom hopmatchning eller synkronisering av mätningarna kan t ex tillfällen när samtidiga trafiktoppar når påfarten predikteras. De predikterade flödena jämförs med tröskelvärden för att få prediktion av överbelastning. Ett sätt att ansätta tröskelvärde för huvudleden illustreras som följer. Vävningskapaciteten Cv = Co - a * Ie, där Co är en konstant och Ie är flödet på påfarten. Faktorn a visar att kapaciteten på huvudleden inte bestäms av en enkel summa av de två flödena. Både Co och a bör kalibreras för den aktuella påfarten. Exempel på värden för en tvåfilig motorväg är Co = 4200/h och a = 2,5, dvs a skiljer sig avsevärt från värdet 1. Detta framgår också av värdet på a vid en avfart, där t ex a = 1,5. I bägge fallen är det vävningen, som ger den mindre totalkapaciteten vid av- resp. påfart. Den här angivna formeln har visat sig stämma bra ner till små påfartsflöden. När trafiken brutit samman gäller något andra villkor. Vid etablerad kö sker t ex ofta varannanvävning som ger en motsvarande relation mellan trafiken på huvudleden och på påfarten.
Då köer växer, så att de når uppströms sensor, kan algoritmer,som tex ovan nämnda, kalibreras, och Co respektive a kan successivt uppdateras. Även algoritmer som beskriver kötillväxt och köavveckling kan uppdateras.
Kötillväxten bestäms av skillnaden mellan flödet bakom och framför kön. Flödet framför kön kan vid behov estimeras från en modell för köavveckling i fronten på kön. Ett exempel på en enkel formel är Iaq = b * (g)'°'5 , där g är gapet mellan bilama i köfronten och b är en 503 515 konstant, vars värde kan anges approximativt och uppdateras genom mätningar. Iaq kan också bestämmas ur Iaq = (Va - Vq) / (Da - Dq), där V är hastighet och D är periodavståndet för bilarna, och a indicerar parametrar framför kön och q i kön.
Tillsammans med sambandet I = V/ D kan avflödet i köns front och flödet framför kön bestäimnas, och med uppgift om flödet och gällande hastighet bakom kön, kan även köns tillväxt och avveckling bestämmas. Köavvecklingsformeln gäller för många vanliga situationer, och gapet g kan erhållas från typiska samband mellan gap, flöde och hastighet vid kötillstånd.
Bestämning av sannolikhet för köer och incidenter.
Vid prediktering av en händelse är det inte alltid intressantast att bedöma, om det är sannolikast att händelsen inträffar, dvs om sannolikheten är över 50%. Om risken för köbildning är 30% eller risken för olycka är 10%, så kan detta vara tillräckligt för att åtgärder skall sättas in för att undvika att händelserna inträffar, dvs trots att det är störst sannolikhet att det varken blir kö eller olycka. Nedan ges exempel på hur man enligt uppfinningen kan arbeta med sannolikhetsbestärnning.
En mycket vanlig fördelningsfunktion inom statistiken är den normala eller Gausska fördelningen. Om denna antages gälla approximativt för biltrafiken på den aktuella delen av vägnätet, så kan man kalibrera funktionen från mätningar av variansen i trafiken runt medelvärdet. Sannolikheten för att erhålla ett visst värde kan beräknas eller vanligen hämtas från tabell. Beroende på hur detekteringen utföres, så kan modifieringar av fördelningen behövas, eller anpassning med hjälp av andra fördelningsfunktioner.
Rayleighfördelningen är t ex intressant vid enveloppdetektering och filtrerade brusavvikelser. Som illustration till uppfinningen använder vi en approximativ fördelning av "brus“-avvikelser enligt P[y(t)2x] = exp(-x2/o2), dvs att sannolikheten att en avvikelse y(t) är större än ett givet värde x är exppxz/øz).
Vi får då att sannolikheten att det under en mätperiod finns en avvikelse större än standardavvikelsen är exp(-1) = 37%. Vi kan också fråga, hur stor avvikelsen behöver vara för att sannolikheten skall vara så liten som t ex 104. Från 104 = exp(-9,2) erhålles att x = 30. Detta innebär också, att det under 104 st mätperioder finns en sannolikhet på 37% att finna en avvikelse som är större än detta värde. Om stor avvikelse indikerar att det kan vara en incident, så innebär en tröskelsättning på x = 36, att falsklarinrisken är 104.
I exemplet ovan kan x och y vara flöden.Då gäller att incidenter förväntas ge upphov till sänkta flöden framför kön, och därmed är det endast enkelsidiga avvikelser som behöver beaktas, varvid sannolikhetsvärdena blir hälften av ovanstående.
Vid ackumulering av flera mätperioder, adderas brusavvikelsema kvadratiskt, dvs efter n perioder är o(n) = (n)°'5 * o'(1). Signalen adderas linjärt, dvs som jämförelse s(n) = n * s(1).
Därmed fås en integrationseffekt s(n)/o(n) = n°'5 * s(l)/o(l).
Vid falsklarmsrisken 104 erhålles nu att tröskeln relaterat till en mätperiod, kan sänkas vid ackumulerade mätperioder enligt (9,2/n)°'5 , dvs x = 3 * n'°'5 6.
I ett praktiskt exempel är t ex flödet av bilar under en mätperiod på 30 sek. i genomsnitt 16 bilar och tillhörande G-värde är 4 st. Om en incident blockerar ett körfält och köbildningen reducerar flödet till 8 bilar, så blir avvikelsen 8 bilar = 20, och villkoret för att få 503 515 iröskeiöverskfiiiande vid faiskiarmsfisk ma io* är då an 20 är Siam än (9,2/n)°~5 o.
Antalet mätningar behöver då vara större än 9,2/4, dvs 3st. Hade fördelningen istället varit linjär i exponenten, dvs exp(-x/o), så hade det behövts över 20 mätperioder.
Enligt uppfinningen kan man istället använda sig av avvikelsen mellan predikterat och uppmätt värde för fördelningsfunktionen. Härvid kan avvikelsema reduceras avsevärt.
Antag t ex att 70% av avvikelsema kan predikteras så, att o' = 30% av 4 = 1,2 st.Då krävs att signalen är större än 9,205 * 1,2 = 3,6 bilar. Med en incidentorsakad avvikelse på 8 bilar,fås en säker incidentdetektering redan i första mätningen.
Då det finns många sensorer i ett nätverk är det ännu viktigare att hålla nere falsklarmsrisken. Om man med 100 sensorer vill begränsa falsklarmen till ett per dygn fås l0O*24*60*2 st perioder, och falsklarmskravet 3,5 * 106 .
Traditionella metoder har enligt rapporter problem med långa detekteringstider som också illustrerats ovan. Uppfinningen ger som visats mycket stora tidsvinster.
Nedan följer några exempel på användning av uppfinningens metoder i trafikstymingsprocessen.
Traditionella metoder för styrning av trafik vid t ex en påfart, innebär en isolerad styming av trafiken punktvis på den givna rampen.
Med uppfinningen och dess användning av prediktion skapas tidsmarginaler för styming av trafiken sammanhängande i ett nätverk. Detta är ett stort steg, eftersom trafiken i allra högsta grad är en nätverksfunktion. Problem uppstår i trånga sektorer, - men problemlösningen bör vara nätverksbaserad, annars flyttas problemet ofta bara till en annan punkt.
Nära förknippat med nätstyming är styming av trafik mellan olika rutter. Om vid prediktering av trañk på ett vägnät, trafikproblem predikteras t ex överbelastning, så kan detta problem många gånger undvikas genom att åtgärder vidtages i tid, tex kan trafik ledas över till en annan rutt, varvid trafikvolymen på den ursprungliga rutten minskar till en nivå under överbelastning.
Ruttstyming kan t ex ske med hjälp av ”VMS”, omställbara skyltar. Budskapet kan t ex innehålla information om olika grader av problem på den givna rutten. Ju större problem ju fler kan tänkas välja en alternativ väg. Genom sensormätningar i direkt anslutning till bilistemas vägval fås en snabb återkoppling av hur stor andel av trafikantema som valde den alternativa vägen. Detta mått används också för att datera upp styrkevärdet på det aktuella visade budskapet, så att systemet successivt lagrar ett aktuellt mått på styrkan av respektive budskap. Därmed kan systemet på förhand välja budskap som passar mot den andel av bilister, som man önskar skall välja ny rutt.
I uppfinningen ingår att man kan prediktera utfallet av åtgärder. Detta är viktigt eftersom man inte bör välja en åtgärd som leder till nya problem. Kalibrering och uppdatering erhålles genom att konsekvensema av åtgärdema successivt mätes upp och anpassar de lagrade styrkevärdena för åtgärdema. Härvid väljes företrädesvis en långsammare uppdatering, så att endast del av förändringen får direkt genomslag.
Uppfinningen är också lämplig för styming av s k "park and ride", tex parkera bilen och ta tåget eller bussen, - där styrinformationen delvis baseras på predikterade problem i 503 515 vägnätet. Ett annat område är styrning av avresetid, t ex kan information om trafikproblem förrnå trafikanter att välja ett annat kommunikationsmedel eller att senarelägga sin resa.

Claims (15)

503 515 Patentanspråk.
1. l. Sätt att bestämma bilköer i ett nätverk med hjälp av sensorinforrnation från flera sensorer, där även köbildning på en rutt mellan två sensorer kan detekteras med hjälp av minst en av uppströms respektive nedströms sensor, kännetecknat av; att med nedströms sensor detekteras den uppkomna skillnaden i flöde vid kö jämfört med icke kö, och där skillnaden i flöde i kö-fallet blir bestämt av avflödet i fronten på kön; och att med uppströms sensor detekteras kö, när kön vuxit to m sensoms position, och att kösituationen därvid blir bestämd av hastighetsnedsättningen från fiiflödesfallet företrädesvis med hjälp av mätning av minst en av parametrarna flöde och trañktäthet i tillägg till hastighet; och vid prediktion predikteras köbildning med hjälp av uppströms och ev. nedströms sensorer, genom att flödesrelationer bestäms och att dessa relationer används tillsammans med aktuella flöden för att prediktera köbildning i minst en trång sektor utmed den givna rutten; och att köbildningsprocessen består av två steg, där det första steget utgöres av trafiknedbrytning som startar köbildningen, och steg två utgöres av köns tillväxt och avveckling; och att prediktering av det första steget utföres med hjälp av prediktering av flöde på rutten och där nedbrytning blir bestämd av att flöden inklusive ev. av- och påfarter överstiger motsvarande tröskelvärden; och att successiv kalibrering och uppdatering av ingående parametrar i köbildningsprocessen utföres genom att predikterade värden jämförs med motsvarande i sensorema uppmätta värden och därvid parametrarna korrigeras successivt genom företrädesvis långsam, filtrerad eller skalad parameterförändring.
2. Sätt enligt patentanspråk 1, kännetecknat av; att då flödet i nedströms sensor predikteras,detta flöde jämförs med motsvarande senare uppmätta flöde och att härvid en ködetekteringsprocess utnyttjar skillnaden mellan predikterade och uppmätta värden, ev ackumulerat över flera mätperioder, för att bestämma om en kö bildats; och att härvid ett av eller båda fallen, kö eller icke-kö predikteras och jämförs med uppmätta värden.
3. Sätt enligt patentanspråk l eller 2, där avvikelsema mellan förväntade och uppmätta värden bildar stokastiska fördelningar beroende på aktuell trafiksituation t ex friflödestrafik eller trafik innehållande kö, och där avvikelser större än standardavvikelsen o' blir allt osannolikare, om de inte är uttryck för en motsvarande förändring i trafiken, kännetecknat av att enstaka avvikelser eller ackumulerade avvikelser relateras till nämnda fördelningar och då avvikelsema är större än valt mått, detta bedöms som kriterium för att en motsvarande förändring i trafiken har inträffat.
4. Sätt enligt patentanspråk 1,2 eller 3, kännetecknat av; att i ködetekteringsprocessen sannolikheten för köbildning estimeras,och att detta utföres genom att mått på avvikelsema t ex standardavvikelse beräknas och kan dessa mått relateras till en antagen eller med hjälp av mätningar bestämd avvikelsefördelning, och kan vid uppmätt avvikelse eller ackumulerad uppmätt avvikelse, härvid ett mått på sannolikheten för köbildning erhållas.
5. Sätt enligt patentanspråk 1,2,3 eller 4, kännetecknat av; att incidenter detekteras med användning av motsvarande principer,som gäller för ködetektering med huvudinriktning, att då kö detekterats och sannolikheten är liten att den alstrats av annat än incidenter, så är 503 515 10 detta skäl för bedömning att incident kan ha inträffat; och gäller då trafikflödena är låga att en oväntad stillastående köfront sannolikt orsakats av en incident, och att då trafikförhållandena är sådana att kö troligen uppstått av överbelastning, det krävs ytterligare information för att avgöra att orsaken var en incident, tex en nästan helt blockerad framkomlighet under viss tid, där överbelastning ger en kö med begränsad, men dock signifikant större framkomlighet;
6. Sätt enligt patentanspråk 5, kännetecknat av, att standardavvikelsen eller motsvarande mått på avvikelser mellan predikterade eller på annat sätt förväntade värden och motsvarande mätta värden används multiplicerat med en faktor q för att ge ett mått på sannolikheten att enstaka eller ackumulerade uppmätta avvikelser med värdet (q*avvikelsemåttet) representerar den förutsatta trafiksituationen; och är q bestämd av den ansatta fördelningen; och kan q definieras som en funktion av sannolikheten eller lagras i tabellform relaterad till motsvarande sannolikhetsvärde.
7. Sätt enligt patentanspråk 6, där det finns önskemål om att hålla antalet falsklarm för incidenter under en given falsklarmsnivå, kännetecknat av att motsvarande sannolikhet för falsklarm bestäms och tillhörande värden på q används för att bestämrna tröskelnivån t ex q*o; och jämförs avvikelsema med tröskelvärdet för att acceptera en möjlig incidentdetektering; och då ackumulerade avvikelser används, dessa avvikelser jämförs med användning av ett q-värde som beror på antalet ackumulerade värden; och kan detta t ex utföras med en approximativ metod, där det ackumulerade värdet divideras med roten ur antalet vid jämförelse med användning av sådant q-värde, som då kan anses huvudsakligen oberoende av variationer i antalet ackumulerade värden.
8. Sätt enligt patentanspråk 5, 6 eller7, kännetecknat av, att trafiken även predikteras som om en incident inträffat och att även uppmätt avvikelse från detta tillstånd används vid bedömning om incident inträffat.
9. Sätt enligt patentanspråk 7 eller 8, kännetecknat av att ködetektering kan behandlas på motsvarande sätt, som beskrivits för incidenter.
10. Sätt enligt patentanspråk 1, kännetecknat av, att bestämning eller prediktering av flöde på en given vägsträcka utnyttjar flödesrelationer, som kopplas till uppströms sensorer tex en sensor på huvudvägen och en sensor på en tillfartsled; och att prediktering av flödet i sarnrnanslutningen sker i huvudsak i samma tidsfas, synkroniserat, så att tex predikteringen matchar två trafiktoppars samverkan i samrnanslutningen, och därmed den högre risken för trafiknedbrytning och köbildning, och jämförs de predikterade flödena med ansatta tröskelvärden; och kan t ex tröskelvärdet för huvudvägen uttryckas approximativt som Cv = Co - a * Ie, där Ie är flödet på tillfart eller avfart och a är tillhörande faktor och Co är en konstant; och kan Co och a ansättas från erfarenhetsvärden och ev uppdateras för respektive väglänk genom att predikterade värden jämförs med verkligt uppmättai sensorema.
11. ll. Sätt enligt patentanspråkl eller 10, kännetecknat av att avflödet i fronten på en kö approximeras med b * (g)'°'5 där g är gapet mellan bilarna i köfronten och b är en konstant, som kan uppdateras genom jämförelse med uppmätta värden; och att avflödet också kan so: 515 ll bestämmas ur (Va-Vq) / (Da-Dq), där V är hastighet och D är periodavståndet för bilarna och a indicerar situationen framför kön och q i kön; och att dessa uttryck tillsammans med trafikflöden, I=V/D, används för bestämning av avflödet i köns front och med uppgift om flödet bakom kön även köns tillväxt och avveckling.
12. Sätt enligt något av patentanspråken 1 t o m 11, kännetecknat av att de används i s k motorvägssystem för styming av variabel hastighetsbestärnning.
13. Sätt enligt något av patentansprâken 1 to m 11, kännetecknat av att de används för styming av påfartstrafik, t ex med hjälp av ”ramp metering”.
14. Sätt enligt något av patentanspråken 1 to m 11, kännetecknat av att de används för ruttdirigering.
15. Sätt enligt något av patentanspråken 1 to m 13, kännetecknat av att de används för styming av trafik i ett nätverk.
SE9501919A 1995-05-19 1995-05-19 Detektering och prediktion av trafikstörningar SE503515C2 (sv)

Priority Applications (4)

Application Number Priority Date Filing Date Title
SE9501919A SE503515C2 (sv) 1995-05-19 1995-05-19 Detektering och prediktion av trafikstörningar
DE69631629T DE69631629T2 (de) 1995-05-19 1996-05-13 Erfassung und Vorhersage von Verkehrsbehinderungen
EP96914510A EP0771447B1 (en) 1995-05-19 1996-05-13 Detection and prediction of traffic disturbances
PCT/SE1996/000620 WO1996036929A1 (en) 1995-05-19 1996-05-13 Detection and prediction of traffic disturbances

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE9501919A SE503515C2 (sv) 1995-05-19 1995-05-19 Detektering och prediktion av trafikstörningar

Publications (3)

Publication Number Publication Date
SE9501919D0 SE9501919D0 (sv) 1995-05-19
SE9501919L SE9501919L (sv) 1996-07-01
SE503515C2 true SE503515C2 (sv) 1996-07-01

Family

ID=20398415

Family Applications (1)

Application Number Title Priority Date Filing Date
SE9501919A SE503515C2 (sv) 1995-05-19 1995-05-19 Detektering och prediktion av trafikstörningar

Country Status (4)

Country Link
EP (1) EP0771447B1 (sv)
DE (1) DE69631629T2 (sv)
SE (1) SE503515C2 (sv)
WO (1) WO1996036929A1 (sv)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998008207A1 (sv) * 1996-08-09 1998-02-26 Dinbis Ab Metod och anordning för motorvägskonrtroll

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE510430C2 (sv) * 1998-01-30 1999-05-25 Dinbis Ab Metod och anordning för nätverksstyrning av trafik
DE19805869A1 (de) * 1998-02-13 1999-08-26 Daimler Chrysler Ag Verfahren und Vorrichtung zur Bestimmung der Verkehrslage auf einem Verkehrswegennetz
US7221287B2 (en) 2002-03-05 2007-05-22 Triangle Software Llc Three-dimensional traffic report
US7610145B2 (en) 2003-07-25 2009-10-27 Triangle Software Llc System and method for determining recommended departure time
PT1988085E (pt) 2006-02-21 2015-02-05 Toyama Chemical Co Ltd Processo para a produção de éster de propionato de 3-[5-[4-(ciclopentiloxi)-2-hidroxibenzoil]-2-[(3- hidroxi-1,2-benzisoxazol-6-il)metoxi]fenilo] e produtos intermédios para o processo
DE102006033532A1 (de) * 2006-07-20 2008-01-24 Deutsche Telekom Ag Verfahren und Vorrichtung zur Generierung von Frühwarnungen vor Verkehrszusammenbrüchen an Engstellen
US8619072B2 (en) 2009-03-04 2013-12-31 Triangle Software Llc Controlling a three-dimensional virtual broadcast presentation
US8982116B2 (en) 2009-03-04 2015-03-17 Pelmorex Canada Inc. Touch screen based interaction with traffic data
US9046924B2 (en) 2009-03-04 2015-06-02 Pelmorex Canada Inc. Gesture based interaction with traffic data
WO2012159083A2 (en) 2011-05-18 2012-11-22 Triangle Software Llc System for providing traffic data and driving efficiency data
WO2013113029A1 (en) * 2012-01-27 2013-08-01 Triangle Software, Llc Estimating time travel distributions on signalized arterials
US10223909B2 (en) 2012-10-18 2019-03-05 Uber Technologies, Inc. Estimating time travel distributions on signalized arterials
US9240123B2 (en) 2013-12-13 2016-01-19 Here Global B.V. Systems and methods for detecting road congestion and incidents in real time
US9336448B2 (en) 2014-08-11 2016-05-10 Here Global B.V. Variable speed sign value prediction and confidence modeling
US10109184B2 (en) 2014-10-08 2018-10-23 Here Global B.V. Probe based variable speed sign value
US11378403B2 (en) 2019-07-26 2022-07-05 Honeywell International Inc. Apparatus and method for terrain aided navigation using inertial position

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CH665497A5 (en) * 1981-11-12 1988-05-13 Alex Frauchiger Resolving and preventing traffic queues - by indicating modified speeds to vehicles based on waiting times and distances
SE470367B (sv) * 1992-11-19 1994-01-31 Kjell Olsson Sätt att prediktera trafikparametrar

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998008207A1 (sv) * 1996-08-09 1998-02-26 Dinbis Ab Metod och anordning för motorvägskonrtroll

Also Published As

Publication number Publication date
DE69631629D1 (de) 2004-04-01
WO1996036929A1 (en) 1996-11-21
SE9501919L (sv) 1996-07-01
DE69631629T2 (de) 2004-12-23
EP0771447B1 (en) 2004-02-25
EP0771447A1 (en) 1997-05-07
SE9501919D0 (sv) 1995-05-19

Similar Documents

Publication Publication Date Title
SE503515C2 (sv) Detektering och prediktion av trafikstörningar
US10354523B2 (en) Road traffic control system, method, and electronic device
CN107767666B (zh) 一种智能检测的单点控制交叉口出***通流溢出防控方法
JP3501773B2 (ja) 交通制御されたネットワークノードを含む交通網に対する、報告車両データに基づく交通状況決定方法
EP2286388B1 (en) Dynamic pricing for toll lanes
EP0670066B1 (en) Prediction method of traffic parameters
CN106846792B (zh) 城市交通违章智能预警***及其方法
Bonneson et al. Effect of yellow-interval timing on the frequency of red-light violations at urban intersections
US9008954B2 (en) Predicting impact of a traffic incident on a road network
CN109003443A (zh) 基于地磁检测器的城市道路交叉口溢流控制方法
CN113870564B (zh) 一种封闭路段交通拥堵分类方法、***、电子设备及存储介质
Isaksen et al. Freeway traffic surveillance and control
JP2002163748A (ja) 交通流模擬装置による交通流予測制御システム
KR101228265B1 (ko) 가변속도 제어시스템
JP3758534B2 (ja) 交通流の異常検知装置及び方法
CN105279963B (zh) 一种获取路况信息的方法及装置
CN109472985B (zh) 基于路段旅行时间的实际交通需求流量估计方法
KR101133222B1 (ko) 영상기반의 사고 검지 시스템 및 방법
CN110807927A (zh) 一种交通分流方法、装置以及计算机可读存储介质
JP2002083394A (ja) 交通流の異常検知装置及び方法
CN107886726A (zh) 占道/停车行为检测方法与装置
JP3473478B2 (ja) 流入ランプ制御装置および流入ランプ制御方法
Hermanns et al. Microscopic simulation of synchronized flow in oversaturated city traffic: effect of driver's speed adaptation
CN117037485A (zh) 一种智慧高速公路主动交通流控制方法及***
Dudek et al. Detecting freeway incidents under low-volume conditions