Detailergebnis zu DOK-Nr. 68321
Algorithmen zur Identifikation wiederkehrender Engstellen auf Autobahnen auf der Basis der Qualität von Datendetektoren (Orig. engl.: Freeway recurrent bottleneck identification algorithms considering detector data quality issues)
| Autoren |
B. Ran P. Jin S. Parker J. Fang D.J. Walton |
|---|---|
| Sachgebiete |
5.1 Autobahnen 5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit) 6.1 Verkehrserhebungen, Verkehrsmessungen 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Journal of Transportation Engineering 138 (2012) Nr. 10, S. 1205-1214, 9 B, 2 T, 24 Q
Seit dem Einsatz von Zählschleifen werden Computeralgorithmen zur Identifikation wiederkehrender Engpässe auf Autobahnen studiert. Solche Algorithmen analysieren archivierte Daten von Zählschleifen und identifizieren potenzielle wiederkehrende Engpässe und deren Charakteristika, wie zum Beispiel Ort, Tageszeit und Aktivierungsrate für weitere Untersuchungen. Die Algorithmen beinhalten regelbasierte, "contour-map" basierte und simulationsbasierte Methoden. Die existierenden Methoden benötigen allerdings Daten mit hoher Genauigkeit und Konsistenz, welche mit den heute üblichen Erfassungssystemen schwierig zu erreichen ist. Im Bericht wird ein Algorithmus mit starker Fehler- und Störungstoleranz vorgestellt. Ebenso werden unterschiedliche, einfache Methoden zur Störungsbeseitigung und Verbesserung der Störanfälligkeit bestehender Algorithmen vorgestellt. Die Verfahren wurden mit statistischen Fehleranalysemethoden unter Verwendung von Felddaten, erhoben auf zwei unterschiedlichen Autobahnkorridoren in Wisconsin, USA, getestet. Die Algorithmen konnten gut und mit weniger Falschmeldungen Engpässe identifizieren, vor allem bei schweren Engpässen mit Stauungen.