Zurück Vor

Detailergebnis zu DOK-Nr. 51892

Ein Neuro-Fuzzy-Modell zur Reisegeschwindigkeitsabschätzung auf Richtungsfahrbahnen basierend auf einer Fusion lokaler und fahrzeuggenerierter Verkehrsdaten

Autoren	F. Offermann
Sachgebiete	5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 6.2 Verkehrsberechnungen, Verkehrsmodelle

Aachen: Lehrstuhl für Straßenwesen, Erd- und Tunnelbau und Institut für Straßenwesen der RWTH Aachen, 2001, VI, 199 S., zahlr. B, T, Q, Anhang (Mitteilungen des Lehrstuhls für Straßenwesen, Erd- und Tunnelbau und des Instituts für Straßenwesen der RWTH Aachen Nr. 42). - ISBN 3-925163-31-X

Reisezeit und Reisegeschwindigkeit sind die maßgebenden Parameter für die Klassifikation des Verkehrszustandes auf Richtungsfahrbahnen und damit wichtig für Maßnahmen der Verkehrsbeeinflussung und für Verkehrsinformationszentralen. Neben der lokalen Verkehrsdatenerfassung bieten sich hierbei auch fahrzeuggenerierte Verkehrsdaten (Floating Car Data, FCD) als Datenquelle an. In dem hier beschriebenen Forschungsvorhaben wird ein Modellverfahren entwickelt, das lokale und fahrzeuggenerierte Daten zusammenfasst und daraus eine sektorale Reisegeschwindigkeit ableitet. Hierbei werden die lokalen Verkehrsdaten unter Berücksichtigung der Stabilität des Verkehrsablaufs auf den Streckenabschnitt projiziert. Diese auf Basis lokaler Daten abgeschätzte Reisegeschwindigkeit wird mit der mittleren Reisegeschwindigkeit der Floating Cars im Analysezeitraum je nach Signifikanz der FCD-Stichprobe zusammengeführt und abschließend eine Reisegeschwindigkeit für den Streckenabschnitt abgeschätzt. Da sowohl die Projektion der lokalen Geschwindigkeiten auf die Strecke als auch die Aussagekraft der FCD-Stichprobe für die Grundgesamtheit mit Unsicherheiten versehen ist, wird als Instrumentarium für die Generierung des Algorithmus auf die Fuzzy-Logik zurückgegriffen. Das Verfahren wird einer umfangreichen Testanwendung für einen Streckenabschnitt auf der BAB A 9 nahe München unterzogen. Mittels Mikrosimulation werden Trainingsdatensätze erzeugt, die die maßgeblichen Verkehrssituationen und unterschiedlichen Ausstattungsgrade an Floating Cars kombinieren. Mit ihnen wird das Fuzzy-Modell durch eine neuronale Lernprozedur für den Untersuchungsbereich kalibriert. Abschließend wird eine erste Validierung des Verfahrens anhand einer Felduntersuchung auf der BAB A 9 durchgeführt. Die FC-Meldungen und die lokalen Verkehrsdaten werden dem Modell zugeführt und die Ergebnisse realen, mittels Videoerfassung erhobenen Reisegeschwindigkeiten gegenübergestellt.