Zurück Vor

Detailergebnis zu DOK-Nr. 43797

Anwendung von Fuzzy-Control und neuronalen Netzen zur automatischen Störfallerkennung (Orig. engl.: Application of fuzzy logic and neural networks to automatically detect freeway traffic incidents)

Autoren	C.-H. Hsiao C.-T. Lin M. Cassidy
Sachgebiete	5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 6.2 Verkehrsberechnungen, Verkehrsmodelle

Journal of Transportation Engineering 120 (1994) Nr. 5, S. 753-772, 5 B, 1 T, zahlr. Q

Bisherige Verfahren zur Störfallerkennung trennen scharf zwischen freiem und gebundenem Verkehrsfluß, wobei meist ein einzelner Schwellenwert als auslösendes Moment herangezogen wird. Aufgrund der stochastischen Eigenschaften des Verkehrsflusses eignet sich besonders die Theorie der unscharfen Mengen (Fuzzy-Control), um den fließenden Übergang zwischen störungsfreiem und gestörtem Verkehrsfluß rechtzeitig aber mit geringer Fehlalarmrate zu erkennen. Das vorgestellte System FLIPS kombiniert Fuzzy-Control mit den Lernverfahren neuronaler Netze. Die Eigenschaftsfunktionen der Meßkriterien Verkehrsstärke, Dichte und Geschwindigkeit in Werte niedrig, mittel, hoch ändern sich durch die Lernverfahren mit der Zeit; die Regelbasis zur Erkennung eines Störfalls selbst bleibt unverändert. In einer Testanwendung in Toronto wurden von 59 Störfällen 53 Fälle in weniger als 1 min nach ihrem Auftreten erkannt. Die hohe Falschalarmrate von 8 % bezogen auf alle Fahrzeuge läßt sich zu Lasten der Detektionszeit wesentlich reduzieren.