Estimating Traffic Signal States by Exploiting Sparse Low-Frequency Floating Car Data

Axer, Steffen

In this thesis, a novel methodology for the traffic signal state prediction based on real-world Floating Car Data (FCD) has been developed. In order to understand the characteristics of a real-world, commercially available FCD source, a one year dataset obtained from the ADAC (General German Automobile Club) is analyzed at two major intersections in Munich (Germany). Motivated by sparse and likewise low-frequently sampled trajectory volumes, this work developed a comprehensive methodology that covers all aspects of the data processing to infer hourly estimates of the signal timing parameters, such as the cycle length and the green intervals typically used on workdays or weekends. These parameters allow the prediction of future traffic signal states with respect to different constraints. The thesis describes a novel hypothesis-based cycle length estimation procedure that estimates the typical cycle length for an hour by analyzing vehicle stop bar crossing events. These events are projected into the time scale of potential cycle length candidates by the help of a modulo operation. Only the correct cycle length causes a concentration of crossing events within the cycle time, which is exploited by the hypothesis test. The concept has been analyzed for a fixed-time controlled intersection by means of a Monte-Carlo-Simulation. The thesis describes moreover the development of a green interval estimation methodology that is capable to deduce the green interval by exploiting sparse crossing events as well as stopped vehicles. The concept relies on an iterative classification procedure that infers the green interval by analyzing the number of counted crossing events per cycle second. A rule-based and iterative self-verification process checks the consistency of the green interval, which makes the method robust when working with small samples sizes. In addition, the thesis closed the gap of a missing green interval verification that checks overlapping green intervals of conflicting movements, caused by traffic actuation. As the developed concept requires ideally green interval estimates on all conflicting movements, the thesis developed also a novel cluster-based approach that tries to identify hours with very similar signal timing parameters. This time clustering allows the signal timing estimation even on movements with small trajectory samples sizes. Finally, the complete concept was calibrated and validated at four real-world intersections in Munich (Germany).

In dieser Arbeit wurde eine neuartige Methode zur Schätzung von Signalzuständen an Lichtsignalanlagen (LSA) auf Basis realer Floating Car Data (FCD) entwickelt. Um die Beschaffenheit einer realen, kommerziell verfügbaren FCD-Quelle zu verstehen, wurde ein jährlicher FC-Datensatz des ADAC (Allgemeiner Deutscher Automobil-Club) an zwei Knotenpunkten in München analysiert. Motiviert durch das geringe Trajektorienaufkommen, wurde eine durchgängige Methodik zur Verarbeitung weniger Trajektorien mit zeitlich niedriger Auflösung entwickelt. Das Verfahren ermöglicht die Schätzung werktäglicher, typischer Umlauf- und Freigabezeiten für einzelne Stunden im Tagesgang. Die Parameter können unter Randbedingungen zur Schätzung zukünftiger Signalzustände verwendet werden. Die Methodik basiert im Kern auf der Auswertung von Querungsvorgänge an der Haltlinie. Die beobachtenden Querungen werden mittels Modulo Operator in den Zeitstrahl einer hypothetischen Umlaufzeit projiziert. Lediglich die Verwendung der korrekten Umlaufzeit führt zu einer Konzentration der Querungsvorgänge innerhalb der Umlaufzeit. Dieser Effekt kann mittels Hypothesentest zur Identifikation der wahren Umlaufzeit ausgenutzt werden. Das Verfahren wurde mit einer Monte-Carlo-Simulation analysiert. Ein weiteres Ziel war die Schätzung von Freigabezeiten an einzelnen Fahrströmen. Hierzu werden neben Querungsvorgängen auch die Anzahl wartender Fahrzeuge über die Umlaufzeit ausgewertet. Mittels eines iterativen Klassifikationsprozesses werden einzelne Umlaufsekunden in Abhängigkeit des Datenaufkommens zu einer zeitlich konsistenten Freigabezeit verarbeitet. Zur Plausibilisierung der Ergebnisse setzt die Methodik auf einen iterativen Selbstprüfungsprozess, bei dem daten- und zeitspezifische Randbedingungen eingehalten werden müssen. Darüber hinaus beschreibt die Arbeit ein Verfahren zur Plausibilisierung von Freigabezeiten an Konfliktströmen. Voraussetzung für diese Methodik ist das Vorhandensein von Freigabezeitschätzungen auf vielen Konfliktströmen des Knotenpunktes. Zur Erreichung dieser Anforderung wurde ein Clusterverfahren zur Erkennung von Stunden mit ähnlichen Signalprogrammparameter entwickelt. Die Clusterung ermöglicht damit auch die Berechnung von Freigabezeiten auf Fahrströmen mit geringem FCD Aufkommen. Die gesamte Methodik wurde an vier ausgewählten LSA in München kalibriert und validiert. Die Qualität der Zustandsschätzung wurde mittels statistischer Indikatoren bewertet.

Vorschau

Zitieren

Zitierform:

Axer, Steffen: Estimating Traffic Signal States by Exploiting Sparse Low-Frequency Floating Car Data. 2017.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Details anzeigen

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten

Export