Advertisement

Qualitative Verkehrsdatenanalyse

  • A. Schumacher
  • H. Kirschfink
Conference paper
Part of the Operations Research Proceedings 1992 book series (ORP, volume 1992)

Kurzfassung

Die Überwachung des Verkehrszustandes in einem Straßennetz und die Verkehrssteuerung durch technische Anlagen sind die wesentliche Aufgabe einer Verkehrsrechnerzentrale (TCC). Dabei erhält die TCC zyklisch Meßwerte wie Verkehrsstärken, Geschwindigkeiten und Belegungsgrade übertragen von den im Straßennnetz installierten Detektoren. Um mit Hilfe dieser Daten den Verkehr optimal steuern zu können, müssen die Daten analysiert werden. Methoden der Künstlichen Intelligenz bieten viele Möglichkeiten, aus den detektierten Daten streckenbezogene, vollständige und qualitativ zuverlässige Verkehrsinformationen herzuleiten.

Das vorliegende Papier zeigt Methoden auf zur Überprüfung der Plausibilität von Detektordaten, zur räumlichen Prognose von Verkehrsstärken und zur Analyse der Verkehrslage. Dazu werden linguistische Variblen definiert, die für jeden Streckenabschnitt die Verkehrsbelastung in den Abstufungen (LOW,MEDIUM,HIGH,VERY HIGH) beschreiben. Analog werden linguistische Variablen für den Abbiegeverkehr definiert. Die fehlenden Verkehrsdaten werden durch einen Inferenzmechanismus, der mit linguistischen Variablen operiert, auf der Basis der detektierten Daten vervollständigt. Dazu werden zur Beschreibung der unsicheren und unvollständigen Informationen unscharfe Mengen definiert. Als Ergebnis erhält man für jeden Streckenabschnitt eine linguistische Variable, die die Verkehrsstärke auf dem Streckenabschnitt flexibel beschreibt. Eine Rückführung auf den „sichersten“ möglichen Verkehrsstärkewert ist ebenfalls möglich.

Abstract

The main task of a traffic control center (TCC) is the centralized monitoring and control of traffic flow in urban and extraurban areas via technical equipment. The TCC cyclically gets measured values such as traffic volumes, speeds and occupancy rates through detectors which are installed within the road network. To reach the best possible traffic control on the basis of these data they have to be analysed.

Methods of artificial intelligence offer a variety of possibilities to derive complete and qualitative reliable traffic information from the detected data. The paper on hand points out the methods for the checking of the plausibility of detector data, for the spacial prognosis of traffic volumes and for the analysis of the traffic situation. The identification of characteristic traffic situations as the basis of various traffic control measures corresponds to the way experts act. Therefore the basic values will be described with linguistic variables (fuzzification), for instance : traffic density could be low, medium, high or very high. Also the turning and feeding flows will be linguistic. A set of rules describing the traffic behaviour is build and new values are computed with approximate reasoning. The results of the propagation through the whole network are fuzzy sets (linguistic terms) for each link which describe the traffic state of the link.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. (Ambrosino92A).
    Ambrosino G., Cuena J., Boero M. “A General Knowledge-Based Architecture for Traffic Control: the KITS- Approach”, in: Proceedings of the conference on Artificial Intelligence Applications in Transportation Engineering, San Buenaventura, California, June 1992.Google Scholar
  2. (Ambrosino92B).
    Ambrosino G., Bielli M., Boero M., Fleischmann S., Kirschfink H., ïrgens M., “IUTCS: a Knowledge-based Blackboard Architecture for Advanced Urban Traffic Management and Control”, in: Proceedings of the 2nd Int. OECD Workshop on Knowledge Based Expert Systems in Transportation, Montreal, Canada, June 1992.Google Scholar
  3. (AURA92).
    Arran, L.A., Hernandez, S., Derqui, G., “AURA: Expert System on Traffic Control”, in: Proceedings of the 25th ISATA on RTI/IVHS, Florence, Italy, 1992.Google Scholar
  4. (Efstathiou89).
    Efstathiou, J., “Expert Systemes in Process Control”, Longman, London, UK, 1989.Google Scholar
  5. (Irgens90).
    Irgens M., Bielli M., Ambrosino G., Boero M., Fleischmann S., Hock R., “Artificial Intelligence and Expert Systems: towards an application to Road Traffic Control”, in: Proceedings of the 1st International OECD Workshop on Knowledge Based Systems in Transportation, Espoo, Finland, June 1990Google Scholar
  6. (Kirschfink92A).
    Kirschfink, H., Richter, M., “Knowledge-Based Derivation of Traffic Data”, in: Proceedings of the MTT-Conference on Managing Traffic and Transportation, Amsterdam, Netherlands, April 1992.Google Scholar
  7. (Kirschfink92B).
    Kirschfink H., Jansen B., Richter M., “Traffic Data Support Systems via AI-Based Methods”, in: Proceedings of the conference on Artificial Intelligence Applications in Transportation Engineering, San Buenaventura, California, June 1992.Google Scholar
  8. (Kühne92).
    Kühne R., Kroen A., “Knowledge-Based Optimization of Line Control Systems for Freeways”, in: Proceedings of the conference on Artificial Intelligence Applications in Transportation Engineering, San Buenaventura, California, June 1992.Google Scholar
  9. (Foraste90).
    Forast£ B., Scemama G., “Surveillance And Congested Traffic Control In Paris By Expert Systems”Conference on Road Traffic Control, IEE, 1990.Google Scholar
  10. (Zimmermann88).
    Zimermann, H.J., “Fuzzy Set Theory - and Its Applications”, 3rd printing, Kluwer-Nijhoff, Dordrecht, 1988.Google Scholar

Copyright information

© Springer-Verlag Heidelberg 1993

Authors and Affiliations

  • A. Schumacher
    • 1
  • H. Kirschfink
    • 1
  1. 1.Beratende Ingenieure für Verkehrstechnik und Datenverarbeitung Heusch/Boesefeldt GmbHAachenGermany

Personalised recommendations