Fahrzeuge auf Straße und Schiene ohne Satellitenunterstützung orten

Transkript

1 Fahrzeuge auf Straße und Schiene ohne Satellitenunterstützung orten DRESDEN Generierung von Bewegungszustands- und Ortsinformationen aus NF-Umfeldsignalen Braunschschweiger Verkehrskolloquium, Ina Partzsch Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI Fraunhofer

2 Fraunhofer IVI Zahlen und Fakten Institutsleiter Prof. Dr. Matthias Klingner 95 Mitarbeiterinnen und Mitarbeiter 50 studentische Hilfskräfte Budget ~ 8,2 Mio. Euro (2013) vier Abteilungen gemeinsame Forschungsgruppen TU Dresden TU Bergakademie Freiberg

3 Fraunhofer IVI Ausgewählte Forschungsschwerpunkte Verkehrssystemtechnik Fahrzeugbau und Antriebstechnologien Sensortechnik Energiespeicher und Elektromobilität automatische Fahrzeugführungs- und Fahrerassistenzsysteme Verkehrsinformationsund -managementsysteme elektronisches Ticketing und Tarifmodelle Disposition und Logistik

4 Forschungsgruppe der TU Dresden Ortung, Information und Kommunikation Prof. Dr. Oliver Michler Telefon Hybride Lokalisierungsverfahren Energieeffiziente Sensornetze Software Defined Radio Interferenzanalysen

5 Gliederung 1) Motivation 2) Grundlagen 3) Neues Verfahren zur Bewegungsklassifizierung 4) Abgleich von Fahrzeug- und Nutzermedien 5) Laborumgebung 6) Aktuelle Forschungsprojekte Fraunhofer

6 Motivation Durchgängige ÖPNV-Navigation Flughafen Dresden Fraunhofer IVI, Zeunerstraße 38

7 Motivation Problemfälle für eine durchgängige Navigation Tunnel, geschirmte Fahrzeuge Quelle: Urban Canyons Quelle: U-Bahnen Quelle:

8 Motivation Lösungsansatz: Nutzung von Smartphone Sensoren Source:

9 2 Grundlagen 1) Physikalische Grundlagen 2) Messtechnische Grundlagen 3) Grundlagen der Signalanalyse und -klassifikation Fraunhofer

10 Physikalische Grundlagen Koordinatensysteme und Fahrzeugdynamik Earth fixed- Earth centered Koordinatensystem Fahrzeugkoordinaten Smartphone Koordinaten Kräfte, die auf das Smartphone einwirken und von Beschleunigungssensoren gemessen werden sind die Summe aus Fahrzeugbewegungen und Körperbewegungen. [Partzsch, mobil.tum 2013]

11 Physikalische Grundlagen Koordinatensysteme und Fahrzeugdynamik Schramm, Hiller, Bardini 2010: Modellbildung und Simulation der Dynamik von Kraftfahrzeugen

12 Fahrzeug-Mehrkörpermodelle Zum Beispiel: Bus und Straßenbahn Linienbus aus [Pütz 2012] Schienenfahrzeug mit Drehgestell (z.b. Straßenbahn), aus [Mitschke 1962]

13 Integration von Smartphones in Fahrzeug- Mehrkörpermodelle Aktivitäten des Menschen Fahrweg Fahrzeug Fahrdynamik des Kfz Nutzung Fahrzeugverbindung Smartphonesensoren Bewegungszustand des Smartphones Technische Systemeigenschaften Bewegungsmuster des Fahrzeugs Sensorwerte des Smartphones [Partzsch, POSNAV 2013]

14 Messtechnische Grundlagen Sensortypen Foto: Olaf Wolfram Foto: Ludwig Reyer Foto: Klaus Habermann x 4 x 3 x 2 x 1 Beschleunigungssensor (K-Beam Type 8393B10) Beschleunigungssensor (ADXL335) Vibrationssensor (PCB356A02) Mikrofon (G.R.A.S. 46AO) iphone mit LIS331 DLH (Beschleunigungsund Drehratensensor)

15 Grundlagen der Signalanalyse und -klassifikation Signalerkennungssystem Signal Merkmal Klasse Quelle Analysator Klassifikator Ziel Aktion Erkennungssystem Reaktion Hoffmann 1998: Signalanalyse und -erkennung

16 Grundlagen der Signalanalyse und -klassifikation Signaldomänen und Signaleigenschaften Analyse im Zeitbereich Klassisiche Statistische Maße (z.b. Mittelwert, Streuung) Korrelation Allgemeine Signaleigenschaften (z.b. Nulldurchgänge) Frequenzbereich Geeignete Kooeffizienten Energie Entropyie Cepstrum-Bereich Klassifikation Statistische Ansätze Probabilistische Ansätze Geometrische Ansätze Entscheidungsbäume (decision trees) hidden Markov models Künstliche Neuronale Netze (artificial neural networks)

17 Grundlagen der Signalanalyse und -klassifikation Signalklassifikation arg ext e Quelle Analysator Ziel Klassifikator Erkennungssystem Hoffmann 1998: Signalanalyse und -erkennung

18 3 Neues Verfahren zur Bewegungsklassifikation 1) Datenaufzeichnung 2) Datenvorverarbeitung 3) Merkmalsgenerierung und 4) Merkmalsextraktion 5) Signalklassifikation Fraunhofer

19 Datenaufnahme und -vorverarbeitung Geeignete Messsysteme mit entsprechender Empfindlichkeit mit entsprechender Abtastrate Vorverarbeitung: Ggf. Interpolation/Resampling für Vergleichbarkeit Tiefpassfilter Koordinatensysteme prüfen/transformieren

20 Merkmalsgenerierung und -extraktion Merkmalsgenerierung Zeitbereich Frequenzbereich Kepstrum Merkmalsextraktion Verdichtung: wesentliche/klassifizierende Merkmale bestimmen Hauptkomponentenanalyse

21 Merkmalsgenerierung und -extraktion Haltemuster 1.5 Location SV-G, x-signal Acceleration (m/s 2 ) acc x2 acc x3 acc x1 acc x Samples Location SV-G, y-signal Acceleration (m/s 2 ) Samples acc y2 acc y3 acc y1 acc y4

22 Merkmalsgenerierung und -extraktion Kurve vs. Gerade Z-Achse Y-Achse

23 Merkmalsgenerierung und -extraktion Zahnradbahnstrecke Zahnrad Adhäsion Einkoppeln

24 Merkmalsgenerierung und -extraktion Interessante Effekte: Geschwindigkeitsabhängigkeit 0 Spectrogram Speed profile Time (s) Time (s) Frequency (Hz) Speed (km/h)

25 Signalklassifikation y, higher bands (62 Hz to 100 Hz) Mean energy of higher frequency bands (moving average over 2 sec) Kurvenfahrt switch Tiefrillenherzstück Geradeausfahrt switch or bend straight stop Weiche Weiche oder Kurve Gerade Halt time index of current PSD estimate (f=200 Hz)

26 Signalklassifikation Hidden Markov Model

27 Signalklassifikation Zustandsschätzung für Testsignal Testsignal Beschleunigung in g Zeitindex (Abtastrate 100 Hz) Range 5-95 (z) x 10 4 Beschleunigung in g Blockindex (1 Block =1 Sekunde à 100 Messwerte) Zustandswahrscheinlichkeit Laufen 1 Zustand Ruhe Bus 0.5 Tram Blockindex (1 Block =1 Sekunde à 100 Messwerte)

28 Signalanalyse II Erkennung von Fahrzeuggeräuschen

29 Klassifikation Geräusche als Ortungsinformation nutzen Fahrtrichtung Geräuschkarte einer kurvigen Strecke mit unterschiedlichen Geräuscharten und - intensitäten: grün: kein Geräusch gelb: seltene Geräusche (1-4 mal pro Intervall) orange: wenig Geräusche (4-8 mal pro Intervall) rot: starke Geräusche (>8 mal pro Intervall) Mit drei virtuellen Balisen (VB1, VB2 und VB3), die Beginn von Schmierstrecken darstellen (Fahrtrichtung von rechts nach links)

30 4 Abgleich von Fahrzeug- und Nutzermediendaten Fraunhofer

31 Fahrzeugsignalen in Smartphone Daten finden Smartphones als Fahrzeugsensoren nutzen Motorola DEFY HTC Wildfire Fraunhofer

32 Vergleich Referenzszenario: Zeitbereich Measurement Tram Acceleration(m/s 2 ) Acceleration(m/s 2 ) Stop stop/start pattern Kurve bend Samples x 10 4 Smartphone Motorola DEFY switch Weiche Samples x 10 4 [Partzsch, mobil.tum 2013] Fraunhofer

33 Vergleich Referenzszenario: Frequenzbereich (y-signal) Messtraßenbahn Samsung Nexus [Partzsch, mobil.tum 2013] Fraunhofer

34 Einfluss der Nutzermedienposition [Partzsch, mobil.tum 2013]

35 5 Laborumgebung Fraunhofer

36 Von der Realität zur Simulation Signalverarbeitungsschritte [Partzsch, POSNAV 2013] Fraunhofer

37 Integrierte Laborumgebung Testaufbau für Software-in-the-loop [Partzsch, POSNAV 2013] Fraunhofer

38 Aufbau eines Rotations- und Schwingungsgenerators in Kooperation mit der TU Dresden Von der Idee zum Messaufbau Drehteller Fraunhofer

39 Kalibrierung Analyse der Systemcharakteristika Original Original, 10 Hz high pass filtered Replayed, mean-free Time (s) z-signal aufgenommen in einem Fahrzeug Time (s) Original z-signal, HPgefiltert Time (s) z-signal aufgenommen nach Abspielen Fraunhofer Frequency (Hz) Frequency (Hz) Frequency (Hz)

40 Kalibrierung Wiedergabegenauigkeit des Vibrationsspektrums Original Original, 10 Hz high pass filtered Replayed, mean-free Feine Strukturen werden gut wiedergegeben Time (s) Time (s) Time (s) Fraunhofer Frequency (Hz) Frequency (Hz) Frequency (Hz)

41 (leichte)anhebung benötigt (leichte) Absenkung benötigt (starke) Anhebung benötigt Fraunhofer

42 6 Aktuelle Forschungsprojekte Fraunhofer

43 Relevante Forschungsprojekte und -partner ÖPNV EU-Projekt SMART-WAY (abgeschlossen) BMWi-Projekt NADINE SAB-Projekt CPTI Außerdem im Bereich MIV: ADAC (Stauendenerkennung)

44 44 SMART-WAY Airport Galileo Based Navigation in Public Transport Systems with Passenger Interaction Laufzeit Entwicklung einer GNSS-basierten mobilen ÖV-Navigation Projektkoordination Fraunhofer IVI Realisierung und Implementierung der Navigationstechnologie Demonstrator in Dresden und Turin

45 SMART-WAY KONSORTIUM 1 Fraunhofer IVI and ITWM Fraunhofer 2 Centre for Research and Technology Hellas / Hellenic Institute of Transport 3 Swedish National Road and Transport Research Institute CERTH-HIT VTI 4 Politectico di Torino POLITO 5 Universidad Politécnica de Madrid UPM 6 The agent factory TAF 7 Dresdner Verkehrsbetriebe AG DVB 8 Gruppo Torinese Trasporti GTT

46 SMART-WAY - Navigation auf mobilen Endgeräten verfügbar Nutzerdialog über Text Dialog Kartendialog GPS, WAAS, EGNOS, (Galileo) ITCS basierte Ortung Zustandserkennungstechnologie (in Entwicklung)

47 Handy-Applikation Navigation Entwicklung und Tests auf Android Navigation erfolgt von Haltestelle oder aktuellen Position zur gewählten Zielhaltestelle, auf Wunsch auch mit Kartenansicht Start-Ziel Eingabe Verbindungsübersicht Verbindungsdetails Verbindungsdarstellung

48 Handy-Applikation Navigation Lokalisierungs- und Navigationsprozesse basieren auf GNSS, INS und Echtzeitbzw. Solldaten aus einer Fahrplan-Auskunft SMART-WAY erkennt Verfrühungen, Verspätungen, spontanes Aussteigen und Störungen auf der Route und berechnet die Route neu Start Navigation Unterwegs Umsteigen Zielankunft

49 NADINE Projektvorstellung NADINE Projektvorstellung Navigation im öffentlichen Personenverkehr mit modularer Dienste-Architektur zur Einbindung in externe Applikationen

50 NADINE Projektvorstellung Projektstart: 01. November 2012 Projektlaufzeit: 3 Jahre Auftraggeber: Bundesministerium für Wirtschaft und Technologie Gesamtvolumen:

51 NADINE Projektvorstellung Projektpartner: Verkehrs-Aktiengesellschaft Nürnberg (VAG) - Projektleitung Erfurter Verkehrsbetriebe AG (EVAG) Fraunhofer-Institut für integrierte Schaltungen (IIS) Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme (IVI) HanseCom GmbH (HaC) Universität Regensburg (UNIR)

52 NADINE Projektvorstellung Vier Basisinnovationen im Projekt Durchgängige Navigation als modulare Dienste-Architektur Fahrpreissensitive Navigation Intuitive Navigation in komplexen ÖV-Knotenpunkten Hybride durchgängige Ortung

53 Cool Public Transport Information (CPTI) Gefördert vom

54 CPTI: Projektziele Energieeffiziente, zonengenaue Ortung von Personen im Öffentlichen Verkehr durch Versuchsträger AutoTram Verwendung möglichst weniger Sensoren Fusion verschiedener Sensortypen Mehrfachnutzung von vorhandenen Sensoren Anwendungsbeispiele im Projekt: Versuchsträger Bus Raum-Erfassung für das Elektronische Fahrgeldmanagement Anwesenheitsgesteuerte und zonenselektive Aktivierung von energieintensiveren Systemen (z.b. Displays, Beleuchtung)

55 CPTI: Projektpartner Fraunhofer IVI Technische Universität Dresden Dresden Elektronik Ingenieurtechnik GmbH WIE Thomas Werner Industrielle Elektronik e. Kfm. TCAC GmbH Dresden IRK Dresden

56 ENERRGIEEFFIZIENZ FÜR DEN ADAC-STAUSCANNER DRESDEN Erkennung von gefährlichen Rückstauenden mittels Inertialsensorik für ADAC-StauScanner Fraunhofer

57 Messfahrt zur Aufnahme von Beschleunigungssignalen Webcam Smartphone und Sensor mit Schwanenhalshalterung DEWETRON- Messsensorik: Beschleunigungsboxen, GPS-Maus, Webcam DEWETRON Messung im Fahrzeug Fraunhofer

58 Ausfahrt aus Kurve Anhalten Ampel rot = Halt DEWETRON- Screenshot Bremsen Stand Fraunhofer

59 Erkannte Bewegungszustände Auslösebedingungen: Startzustand geringe Vibration starke Vibration starke negative Beschleunigung geringe Vibration nach starker Bremsung = Stand nach starker Bremsung Fraunhofer

60 Fahrzeuge auf Straße und Schiene ohne Satellitenunterstützung orten DRESDEN Generierung von Bewegungszustands- und Ortsinformationen aus NF-Umfeldsignalen Braunschschweiger Verkehrskolloquium, Ina Partzsch Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI Fraunhofer