Verkehrslageberechnung mit Floating Car Data und GIP Karl Rehrl, Salzburg Research Präsentation beim GIP Day 2014, 4.7.

Größe: px

Ab Seite anzeigen:

Download "Verkehrslageberechnung mit Floating Car Data und GIP Karl Rehrl, Salzburg Research Präsentation beim GIP Day 2014, 4.7."

Ella Kalb
vor 7 Jahren
Abrufe

1 Verkehrslageberechnung mit Floating Car Data und GIP Karl Rehrl, Salzburg Research Präsentation beim GIP Day 2014,

2 Überblick 2 1. Motivation 2. Prinzip der Verkehrslageberechnung mit FCD 3. Erkennung von Verzögerungsmustern 4. Berechnung der Verkehrsqualität auf Basis von Verzögerungstypen 5. Ergebnisse der Verkehrslageberechnung 6. Validierung

3 Motivation 3 Von der

4 Motivation 4 Graphengrundlage

5 Motivation 5 Servicequalität des

6 Motivation 6 Verzögerungen.

7 IVS-Dienst Verkehrslage 7 Grundlage für intelligente Verkehrssysteme (IVS) Nutzen für Verkehrsauskunft, Verkehrssteuerung, Ziele Aktuelle Verkehrsqualität (Level-of-Service) Aktuelle und prognostizierte Reisezeiten und Verzögerungen Historische Datenbasis für Verkehrsanalysen Unterschiedliche Möglichkeiten der Berechnung Kalibrierte Verkehrsmodelle (Makroskopisch Mobile Verkehrssensoren, z.b. Floating Car Data (FCD)

8 Prinzip der Verkehrslageberechnung mit FCD 10 1 GIP als Graphengrundlage Qualitätsanforderungen: Vollständigkeit Routingfähigkeit Lagegenauigkeit Befahrbarkeiten Functional Road Classes Hohe Qualitätsanforderungen

9 Prinzip der Verkehrslageberechnung mit FCD 11 2 Befahrungen der Flotten Qualitativ hochwertige Bewegungsdaten (GPS) Abtastrate < 10 Sek. Gute Lagegenauigkeit Herausforderungen Räumliche und zeitliche Abdeckung Zuverlässiges, korrektes Map Matching Erkennung von besonderen Situationen wie U-Turns, nicht-

10 Prinzip der Verkehrslageberechnung mit FCD 12 3 Referenzgeschwindigkeiten v85 aller Befahrungen dynamisch und adaptiv aus den FCD berechnet

11 Prinzip der Verkehrslageberechnung mit FCD 13 4 Aktuelle Befahrung eines Fahrzeugs Berechnung der Verzögerungsrate s/m durch Vergleich mit Befahrungszeit bei v85 v 85 : 54 km/h 1s 0,067s/m 15 m v akt : 15 km/h 3,6s 0,24s/m 0,173s/m Verzögerungsrate

12 Berechnung der Verzögerungsrate 14 Distanz Geschwindigkeit (skaliert) Verzögerungsrate (s/m) Verzögerung (gleitend. Durchschnitt, s/70m)

13 Erkennung von Verzögerungsmustern 15 Distanz Geschwindigkeit (skaliert) Verzögerungstyp Verzögerungsmustertyp GIP Links

14 Verzögerungstypen und Verkehrsqualität 16 Heuristische Ableitung der Verkehrsqualität auf Basis von Verzögerungstypen, Dauer und Distanz Vollständig parametrisierbar, z.b. für verschiedene Flotten # Verzögerungstyp Verzögerungsstärke min. Dauer min. Distanz LOS 1 keine Verzögerung s/m (v akt ) <= s/m (55 % v 85 ) 2 leichte Verzögerung s/m (v akt ) > s/m (55% v 85 ) 3 starke Verzögerung s/m (vakt) > s/m (25% v85) 4 Einzelstopp s/m (vakt) > 0,125 s/70m 5 Multistopps / Stop & Go s/m (vakt) > 1,0 s/70m undef. undef. > 1 min. > 100 m > 2 min. > 100 m undef. < 100 m > 2 min. > 100 m Stärke der Verzögerung

15 Ergebnisse der Verkehrslageberechnung 17 Level of Service (LOS) Karte - VAO Verzögerungsmeldungen

16 Verkehrslage Salzburg, , 8:00 18

17 Verzögerungsmeldungen, , 8:00 19

18 Validierung 20 Methodik von Validierungsfahrten Vergleich von wahrgenommenen bzw. gemessenen Verzögerungen: Dokumentation durch Sprachnachrichten (menschliche Wahrnehmung) Ort, Ursache oder Situation, Wiederaufnahme der Fahrt und subjektive Bewertung (Typ). Vergleich von Typ & Länge Berechnung aus den GPS-Daten (Algorithmus) Ort, Länge, quantitative Bewertung (Typ). Sprachnachricht #104 Sprachnachricht #102 Saalfelden Sprachnachricht #103 Sprachnachricht #101

19 Validierung Daten 21 Wo: Urbane Straßen, Landstraßen und Autobahnen Daten: 593 km bzw. 674 min Daten; durch 271 Sprachnachrichten kommentierte beobachtete Verzögerungen # Verzögerungstyp LOS Beobachtungen 1 leichte Verzögerung 28 2 starke Verzögerung 5 3 Einzelstopp 65 4 Multistopps / Stop & Go 30 Aufnahme der Weiterfahrt 23 Stärke der Verzögerung

20 Validierung Ergebnisse 22 aus Sprachnachrichten: Typ der Verzögerungen: 78,1% korrekt klassifiziert Längen der Verzögerungen: 88,3% korrekt klassifiziert Länge und Typ der Verzögerungen (= Verzögerungsmuster): 89,9% korrekt klassifiziert Geschwindigkeit [m/s] Verzögerungstyp #101, Beginn #102, 1. Stopp #103, leichte Verzögerung #104, 2. Stopp Fehlerquellen für falsche Klassifizierungen: Nicht kommentierte Verzögerungen 2 Einzelstopps bzw. 1,5% Nicht algorithmisch erkannte Verzögerungen 3 leichte Verzögerungen bzw. 2,3% Verbundene Verzögerungen unterschiedlicher Ursache 2 leichte Verzögerungen + 3 Einzelstopps bzw. 3,9% Segmentierte Verzögerungen mit gleicher Ursache 2 Multistopps bzw. 1,5% aus Algorithmus: zurückgelegte Strecke [m] 95,4% aller Einzelstopps werden korrekt erkannt und

21 Zusammenfassung 23 Vorteile der Verkehrslageberechnung mit FCD Zuverlässiges Abbild der Realität Reale Messwerte (Reisezeiten) Keine Modellannahmen, wenige empirische Parameter Qualitativ hochwertige Daten (Abtastrate < 10 Sekunden) Zuverlässige Erkennung von Verzögerungen auch aus einzelnen Befahrungen möglich Erheblicher Mehrwert durch historische Datenbasis Herausforderungen Flottenmanagement (Organisation, Charakteristik, Netzabdeckung) Vollständige Abbildung des Verkehrsgeschehens (Wochentagsverkehr, Wochenendverkehr, Tourismusverkehr)

22 Kontakt 24 Dr. Karl Rehrl Projektleiter ITS Austria West / FCD Modellregion Salzburg Salzburg Research Forschungsgesellschaft m.b.h. Jakob Haringer Straße 5/ Salzburg, Austria T F karl.rehrl@its-austriawest.at

Ähnliche Dokumente

Datenqualität. Imperfektion und erweiterte Konzepte im Data Warehousing. Ingo Beutler. Seminar im Sommersemester 2005

Datenqualität. Imperfektion und erweiterte Konzepte im Data Warehousing. Ingo Beutler. Seminar im Sommersemester 2005 Datenqualität Ingo Beutler Imperfektion und erweiterte Konzepte im Data Warehousing Seminar im Sommersemester 2005 1 2 Daten Information -Wissen Wissen Ein Fahrzeug ist mit 50 km/h über Messstelle MS11