Fahrzeuge auf Straße und Schiene ohne Satellitenunterstützung orten DRESDEN Generierung von Bewegungszustands- und Ortsinformationen aus NF-Umfeldsignalen Braunschschweiger Verkehrskolloquium, 03.07.2014 Ina Partzsch Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI ina.partzsch@ivi.fraunhofer.de Fraunhofer
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
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
Forschungsgruppe der TU Dresden Ortung, Information und Kommunikation Prof. Dr. Oliver Michler Telefon +49 351 4640-629 oliver.michler@ivi.fraunhofer.de Hybride Lokalisierungsverfahren Energieeffiziente Sensornetze Software Defined Radio Interferenzanalysen
Gliederung 1) Motivation 2) Grundlagen 3) Neues Verfahren zur Bewegungsklassifizierung 4) Abgleich von Fahrzeug- und Nutzermedien 5) Laborumgebung 6) Aktuelle Forschungsprojekte Fraunhofer
Motivation Durchgängige ÖPNV-Navigation Flughafen Dresden Fraunhofer IVI, Zeunerstraße 38
Motivation Problemfälle für eine durchgängige Navigation Tunnel, geschirmte Fahrzeuge Quelle: http://www.badische-seiten.de/freiburg/loretto-tunnel.php Urban Canyons Quelle: http://www.fahrbier.de/2012/04/lightrail-minneapolis.html U-Bahnen Quelle: http://kyynel.biz/photography/
Motivation Lösungsansatz: Nutzung von Smartphone Sensoren Source: http://www.prlog.org/10792126/1
2 Grundlagen 1) Physikalische Grundlagen 2) Messtechnische Grundlagen 3) Grundlagen der Signalanalyse und -klassifikation Fraunhofer
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]
Physikalische Grundlagen Koordinatensysteme und Fahrzeugdynamik Schramm, Hiller, Bardini 2010: Modellbildung und Simulation der Dynamik von Kraftfahrzeugen
Fahrzeug-Mehrkörpermodelle Zum Beispiel: Bus und Straßenbahn Linienbus aus [Pütz 2012] Schienenfahrzeug mit Drehgestell (z.b. Straßenbahn), aus [Mitschke 1962]
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]
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)
Grundlagen der Signalanalyse und -klassifikation Signalerkennungssystem Signal Merkmal Klasse Quelle Analysator Klassifikator Ziel Aktion Erkennungssystem Reaktion Hoffmann 1998: Signalanalyse und -erkennung
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)
Grundlagen der Signalanalyse und -klassifikation Signalklassifikation arg ext e Quelle Analysator Ziel Klassifikator Erkennungssystem Hoffmann 1998: Signalanalyse und -erkennung
3 Neues Verfahren zur Bewegungsklassifikation 1) Datenaufzeichnung 2) Datenvorverarbeitung 3) Merkmalsgenerierung und 4) Merkmalsextraktion 5) Signalklassifikation Fraunhofer
Datenaufnahme und -vorverarbeitung Geeignete Messsysteme mit entsprechender Empfindlichkeit mit entsprechender Abtastrate Vorverarbeitung: Ggf. Interpolation/Resampling für Vergleichbarkeit Tiefpassfilter Koordinatensysteme prüfen/transformieren
Merkmalsgenerierung und -extraktion Merkmalsgenerierung Zeitbereich Frequenzbereich Kepstrum Merkmalsextraktion Verdichtung: wesentliche/klassifizierende Merkmale bestimmen Hauptkomponentenanalyse
Merkmalsgenerierung und -extraktion Haltemuster 1.5 Location SV-G, x-signal Acceleration (m/s 2 ) 1 0.5 0-0.5-1 -1.5 acc x2 acc x3 acc x1 acc x4 0.5 500 1000 1500 Samples Location SV-G, y-signal Acceleration (m/s 2 ) 0-0.5-1 500 1000 1500 Samples acc y2 acc y3 acc y1 acc y4
Merkmalsgenerierung und -extraktion Kurve vs. Gerade Z-Achse Y-Achse
Merkmalsgenerierung und -extraktion Zahnradbahnstrecke Zahnrad Adhäsion Einkoppeln
Merkmalsgenerierung und -extraktion Interessante Effekte: Geschwindigkeitsabhängigkeit 0 Spectrogram Speed profile 10 20 10 10 20 30 0 30 Time (s) 40 50 60-10 -20 Time (s) 40 50 60 70-30 70 80 90-40 80 90 100 1 10 100 Frequency (Hz) -50 100 0 10 20 30 Speed (km/h)
Signalklassifikation y, higher bands (62 Hz to 100 Hz) Mean energy of higher frequency bands (moving average over 2 sec) 10-4 10-5 Kurvenfahrt switch Tiefrillenherzstück Geradeausfahrt switch or bend straight stop Weiche Weiche oder Kurve Gerade Halt 1000 2000 3000 4000 5000 6000 7000 time index of current PSD estimate (f=200 Hz)
Signalklassifikation Hidden Markov Model
Signalklassifikation Zustandsschätzung für Testsignal Testsignal Beschleunigung in g 1.5 1 0.5 0-0.5 0.5 1 1.5 2 2.5 Zeitindex (Abtastrate 100 Hz) Range 5-95 (z) x 10 4 Beschleunigung in g 1 0.8 0.6 0.4 0.2 50 100 150 200 250 300 350 400 450 500 550 Blockindex (1 Block =1 Sekunde à 100 Messwerte) Zustandswahrscheinlichkeit Laufen 1 Zustand Ruhe Bus 0.5 Tram 0 50 100 150 200 250 300 350 400 450 500 550 Blockindex (1 Block =1 Sekunde à 100 Messwerte)
Signalanalyse II Erkennung von Fahrzeuggeräuschen
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)
4 Abgleich von Fahrzeug- und Nutzermediendaten Fraunhofer
Fahrzeugsignalen in Smartphone Daten finden Smartphones als Fahrzeugsensoren nutzen Motorola DEFY HTC Wildfire Fraunhofer
Vergleich Referenzszenario: Zeitbereich Measurement Tram Acceleration(m/s 2 ) Acceleration(m/s 2 ) 10 8 6 4 2 0-2 10 5 0-5 -10 Stop stop/start pattern Kurve bend 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 Samples x 10 4 Smartphone Motorola DEFY switch Weiche 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 Samples x 10 4 [Partzsch, mobil.tum 2013] Fraunhofer
Vergleich Referenzszenario: Frequenzbereich (y-signal) Messtraßenbahn Samsung Nexus [Partzsch, mobil.tum 2013] Fraunhofer
Einfluss der Nutzermedienposition [Partzsch, mobil.tum 2013]
5 Laborumgebung Fraunhofer
Von der Realität zur Simulation Signalverarbeitungsschritte [Partzsch, POSNAV 2013] Fraunhofer
Integrierte Laborumgebung Testaufbau für Software-in-the-loop [Partzsch, POSNAV 2013] Fraunhofer
Aufbau eines Rotations- und Schwingungsgenerators in Kooperation mit der TU Dresden Von der Idee zum Messaufbau Drehteller Fraunhofer
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)
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)
(leichte)anhebung benötigt (leichte) Absenkung benötigt (starke) Anhebung benötigt Fraunhofer
6 Aktuelle Forschungsprojekte Fraunhofer
Relevante Forschungsprojekte und -partner ÖPNV EU-Projekt SMART-WAY (abgeschlossen) BMWi-Projekt NADINE SAB-Projekt CPTI Außerdem im Bereich MIV: ADAC (Stauendenerkennung)
44 SMART-WAY Airport Galileo Based Navigation in Public Transport Systems with Passenger Interaction Laufzeit 2010-2012 Entwicklung einer GNSS-basierten mobilen ÖV-Navigation Projektkoordination Fraunhofer IVI Realisierung und Implementierung der Navigationstechnologie Demonstrator in Dresden und Turin 2011-2012
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
SMART-WAY - Navigation auf mobilen Endgeräten verfügbar Nutzerdialog über Text Dialog Kartendialog GPS, WAAS, EGNOS, (Galileo) ITCS basierte Ortung Zustandserkennungstechnologie (in Entwicklung)
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
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
NADINE Projektvorstellung NADINE Projektvorstellung Navigation im öffentlichen Personenverkehr mit modularer Dienste-Architektur zur Einbindung in externe Applikationen
NADINE Projektvorstellung Projektstart: 01. November 2012 Projektlaufzeit: 3 Jahre Auftraggeber: Bundesministerium für Wirtschaft und Technologie Gesamtvolumen: 3.161.000
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)
NADINE Projektvorstellung Vier Basisinnovationen im Projekt Durchgängige Navigation als modulare Dienste-Architektur Fahrpreissensitive Navigation Intuitive Navigation in komplexen ÖV-Knotenpunkten Hybride durchgängige Ortung
Cool Public Transport Information (CPTI) Gefördert vom
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)
CPTI: Projektpartner Fraunhofer IVI Technische Universität Dresden Dresden Elektronik Ingenieurtechnik GmbH WIE Thomas Werner Industrielle Elektronik e. Kfm. TCAC GmbH Dresden IRK Dresden
ENERRGIEEFFIZIENZ FÜR DEN ADAC-STAUSCANNER DRESDEN Erkennung von gefährlichen Rückstauenden mittels Inertialsensorik für ADAC-StauScanner Fraunhofer
Messfahrt zur Aufnahme von Beschleunigungssignalen Webcam Smartphone und Sensor mit Schwanenhalshalterung DEWETRON- Messsensorik: Beschleunigungsboxen, GPS-Maus, Webcam DEWETRON Messung im Fahrzeug Fraunhofer
Ausfahrt aus Kurve Anhalten Ampel rot = Halt DEWETRON- Screenshot Bremsen Stand Fraunhofer
Erkannte Bewegungszustände Auslösebedingungen: Startzustand geringe Vibration starke Vibration starke negative Beschleunigung geringe Vibration nach starker Bremsung = Stand nach starker Bremsung Fraunhofer
Fahrzeuge auf Straße und Schiene ohne Satellitenunterstützung orten DRESDEN Generierung von Bewegungszustands- und Ortsinformationen aus NF-Umfeldsignalen Braunschschweiger Verkehrskolloquium, 03.07.2014 Ina Partzsch Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI ina.partzsch@ivi.fraunhofer.de Fraunhofer