Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-2178
Main Title: Fusion von Verkehrsdaten mit Mikromodellen am Beispiel von Autobahnen
Translated Title: Traffic data fusion using microscopic models
Author(s): Lorkowski, Stefan
Advisor(s): Nagel, Kai
Granting Institution: Technische Universität Berlin, Fakultät V - Verkehrs- und Maschinensysteme
Type: Doctoral Thesis
Language: German
Language Code: de
Abstract: Die vorliegende Arbeit widmet sich dem Problem der kontinuierlichen Verkehrslageschätzung in einem Straßennetz. Da es aufgrund hoher Verkehrsdichten immer häufiger zu Geschwindigkeitseinbrüchen kommt, ist die Verkehrslageschätzung ein äußert relevantes Problem, stellt sie doch eine unabdingbare Voraussetzung für jede Form gezielter Verkehrsbeeinflussung und -informa¬tion dar. Zunächst werden die derzeit meistgenutzten Verkehrssensoren betrachtet: stationäre sowie mobile Sensoren. Als Voraussetzung für die Fusion der Daten beider Quellen wird deren Messfehler empirisch analysiert. Es zeigt sich der Trend, dass die untersuchten Doppel-Induktionsschleifen die lokale Geschwindigkeit mit hoher Genauigkeit bestimmen, während die Präzision bei der Verkehrsstärkemessung stark zwischen verschiedenen Installationen variiert. Für mobile Sensoren ergibt sich ebenfalls eine große Abhängigkeit der Messgenauigkeit von der verwendeten Tech¬nologie: hinsichtlich der Präzision der gemessenen Einzelreisezeiten zeigen GPS-basierte Senso¬ren ein deutlich geringeres Messrauschen als GSM-basierte Messungen, allerdings ist mit GSM-Ortung eine erheblich größere Stichprobe zu beobachten, verbunden mit einem geringeren stati¬stischen Fehler. Sowohl stationäre als auch mobile Sensoren erlauben nur eine zeitlich bzw. räumlich lückenhafte Beobachtung des Verkehrsgeschehens. Zur Fusion der Daten sowie zur Schließung dieser Lücken wird eine Online-Simulation unter Nutzung eines mikroskopischen Verkehrsmodells herangezogen. Allerdings lassen sich zum einen nicht alle vorliegenden Messdaten, insbesondere keine Rei¬sezeitinformationen, als Randbedingungen für das Modell nutzen. Zum anderen werden deutliche Abhängigkeiten des Fahrverhaltens von externen Einflüssen (Helligkeit, Wetter, etc.) empirisch nachgewiesen, welche im Modell zu berücksichtigen sind. Es wird daher ein Ansatz vorgeschla¬gen, welcher die nicht als Randbedingungen für das Modell nutzbaren Messdaten für die konti¬nuierliche Kalibrierung der Modellparameter nutzt und so beide genannten Probleme ausräumt. Der Ansatz verwendet das Unscented Kalman-Filter für die Parameterkalibrierung. Für das untersuchte Beispielmodell werden die Parameter Maximalgeschwindigkeit, Nettozeitlücke zwischen aufeinanderfolgenden Fahrzeugen sowie komfortable Beschleunigung als diejeni¬gen identifiziert, welche externen Einflüssen unterliegen und sich dementsprechend für eine kon¬tinuierliche Kalibrierung anbieten. Eine Sensitivitätsstudie dieser Parameter belegt deren Rele¬vanz für das Modellverhalten, zumindest in gebundenem und teilgebundenem Verkehr. Experimente mit synthetischen, in einer Referenzsimulation erzeugten Daten zeigen, dass Änderungen der genannten Parameter in der Referenzsimulation über hier vorgeschlagenes Verfahren in der Online-Simulation nachvollzogen werden. Das Konvergenz- und Folgeverhalten der Para¬meterkalibrierung variiert dabei maßgeblich mit der Struktur und Dichte der zur Verfügung ste¬henden Messdaten sowie mit den vorzugebenden Rauschtermen für Parameter und Messungen. Abschließende Tests des Verfahrens mit empirischen Daten belegen dessen Wirksamkeit. In verschiedenen Szenarien mit unterschiedlichen Staustrukturen wird über die Parameterkalibrierung eine deutlich realitätsnähere Verkehrslageschätzung als mit konstanter Modellkalibrierung erzielt. Sowohl die zeitlich-räumliche Lage der Staustrukturen als auch die in ihnen vorherschende Ge¬schwindigkeit wird besser abgebildet, als dies mit einer statischen Parametrisierung möglich wäre.
In this work a new approach for the continuous estimation of the traffic state in a road network is proposed. Along with growing traffic volumes the occurrence of congestion is increasing steadily. Hence traffic state estimation as indispensable precondition for any traffic management and traffic information is a very relevant problem. At first the commonly used traffic sensors are investigated: stationary and mobile sensors. As precondition for data fusion the measurement error of both sources is analyzed. For the investigated inductive loop pairs a trend becomes apparent: while the local speed is observed with high accuracy, the precision of flow measurement is strongly varying between different installations. For mobile sensors the measurement error strongly depends on the used technology: regarding the precision of singular travel times GPS based sensors show a much lower measurement noise than GSM based data. However with GSM positioning a significantly bigger sample size can be observed, resulting in a smaller statistical error. Both stationary and mobile sensors only allow an incomplete monitoring of the spatiotemporal traffic situation. For fusing data of both sources as well as for closing the gaps in time and space an online simulation using a microscopic traffic flow model is proposed. However on the one hand not all available traffic data, in particular travel times, are suitable as boundary conditions for the model. On the other hand the driving behaviour strongly depends on external conditions (brightness, weather, etc.), as empirically proven. These dependencies need to be incorporated into the model. Therefore an approach is suggested that tackles both problems in parallel: the data not suitable as boundary conditions are used for continuously calibrating the model parameters. The approach utilizes the Unscented Kalman Filter for parameter calibration. For the investigated traffic model the following parameters have been identified as dependent on external factors and thus advisable for continuous calibration: the maximum speed, the time gap between preceding vehicles and the comfortable acceleration. A sensitivity study of these parameters proved their relevance for the model behaviour, at least in partly or completely synchronized traffic. Experiments using synthetic data, established in a reference simulation, showed that modifications of the above mentioned parameters in the reference simulation can be retraced in the online simulation. The convergence and tracking behaviour of the parameter calibration strongly depends on the structure and density of the available measurements and on the provided noise terms for parameters and observations. Final tests of the approach using empirical data proved its effectiveness. For several scenarios showing different modes of congestion the continuous parameter calibration leads to a more realistic traffic state estimation than using a static model calibration. Both the spatiotemporal location of the congestion structure as well as the speed is reproduced more accurately.
URI: urn:nbn:de:kobv:83-opus-22557
http://depositonce.tu-berlin.de/handle/11303/2475
http://dx.doi.org/10.14279/depositonce-2178
Exam Date: 26-Mar-2009
Issue Date: 15-Jun-2009
Date Available: 15-Jun-2009
DDC Class: 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Subject(s): Datenfusion
Mikroskopische Verkehrsflussmodelle
Unscented Kalman Filter
Verkehrsdaten
Verkehrsflussmodellierung
Data fusion
Microscopic traffic models
Traffic data
Traffic flow modelling
Unscented Kalman Filter
Usage rights: Terms of German Copyright Law
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 5 Verkehrs- und Maschinensysteme » Institut für Land- und Seeverkehr (ILS) » Publications

Files in This Item:
File Description SizeFormat 
Dokument_2.pdf5.92 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.