Browsing by Author "Schober, Martin"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    ItemOpen Access
    Robuste Verkehrszustandsschätzung und Störungserkennung auf Schnellstraßen
    (2009) Schober, Martin; Wehlan, Herbert (Prof. Dr.-Ing.)
    Seit vielen Jahren ist absehbar, dass die Kapazitäten des deutschen Straßennetzes nicht ausreichen, um das weiterhin ansteigende Verkehrsaufkommen bewältigen zu können. Eine bessere Nutzung der vorhandenen Infrastruktur durch den Einsatz von Verkehrsinformations- und -leitsystemen ermöglicht jedoch die Kapazitäten des Straßennetzes ohne weitere straßenbauliche Maßnahmen zu erhöhen. Ziel dabei ist Verkehrsstörungen und Überlastungen zu verhindern oder deren Anzahl und den Schweregrad ihrer Auswirkungen abzuschwächen. Die hierfür eingesetzten Technologien aus der Informations- und Telekommunikationstechnik benötigen aber für einen optimalen Betrieb schnelle, hochwertige und zuverlässige Informationen über den aktuellen Verkehrszustand. Zur Generierung entsprechender Verkehrsinformationen existieren bereits viele verschiedene, teilweise einfache, teilweise sehr komplexe Verfahren, die für die von ihnen auszuführenden Aufgaben aktuelle Verkehrsdaten hauptsächlich von ortsfesten Messstellen verwenden. Die Leistungsfähigkeit dieser Verfahren und die Qualität der von ihnen erzeugten Verkehrsinformationen werden aber vornehmlich von zwei Faktoren beeinflusst: ihrer Anpassung an die Topologie der zu untersuchenden Streckenabschnitte und der Qualität der verwendeten Verkehrsdaten. AZTEK (Automatische zeitlich-räumliche Störungserkennung) ist ein solches Verfahren, welches mittels eines makroskopischen Verkehrsflussmodells und eines Erweiterten Kalman-Filters den momentanen Verkehrszustand auf Schnellstraßen schätzt und dabei automatisch und frühzeitig Störungen im Verkehrsfluss erkennt. Die dafür benötigten Verkehrsdaten sind üblicherweise makroskopische Kenngrößen wie mittlere Geschwindigkeit und Verkehrsfluss, die lokal z.B. durch Induktionsschleifendetektoren gemessen werden. Die vorliegende Arbeit beschreibt Weiterentwicklungen an AZTEK hinsichtlich einer Erhöhung der Qualität der von AZTEK generierten Verkehrsinformationen und vor allem bezüglich eines robusten Einsatzes von AZTEK in der praktischen Anwendung, insbesondere unter der Einwirkung der beiden oben genannten Einflüsse. Die Anpassung an die Topologie der zu überwachenden Streckenabschnitte umfasst zwei Erweiterungen. Zum einen werden wichtige Modellparameter mithilfe einer Online-Parameterschätzung automatisiert angepasst, um die Einflüsse von Topologieeigenschaften wie z.B. Steigungen und Kurvigkeit auf den Verkehrsfluss berücksichtigen zu können. Zum anderen wird eine dynamische Kompensation des in Streckenabschnitten mit nicht-detektierten Anschlussstellen eingetragenen Fahrzeugbilanzfehlers durch eine Schätzung des Flusses über die Ein-/Ausfahrten angestrebt. Eine ausführliche Beobachtbarkeits- und Sensitivitätsanalyse zeigt, wie viele dieser Größen gleichzeitig und wann sie sinnvollerweise mitzuschätzen sind, da aufgrund der limitierten Anzahl an Messgrößen nicht beliebig viele Parameter gleichzeitig zur Zustandsschätzung herangezogen werden können. Um die Auswirkungen des zweiten Einflussfaktors, der Qualität der Verkehrsdaten, gering zu halten, werden einerseits die Verkehrszustandsschätzung, andererseits die automatische Störungsdetektion von AZTEK in Richtung Robustheit erweitert. Bei der Verkehrszustandsschätzung werden hierzu Beschränkungen mithilfe eines dafür entwickelten Constrained Extended Kalman-Filters (CEKF) in die Schätzaufgabe eingebunden. Die Beschränkungen umfassen einfache Zustandsbeschränkungen, Dynamikbeschränkungen sowie Beschränkungen des Verkehrsflusses, welche aus der Verkehrsflusstheorie abgeleitet werden. Das CEKF verwendet sowohl die Methode der Lagrange-Multiplikatoren als auch ein Bestrafungsfunktional, um eine hochwertige Verkehrszustandsschätzung, trotz fehlerbehafteter Verkehrsdaten und daraus resultierender Fahrzeugbilanzfehler von bis zu 25%, zu gewährleisten. Für eine frühzeitige, robuste Störungsdetektion wird eine sogenannte innovationsbasierte Störungsdetektion anhand von Verkehrsdaten für den praktischen Einsatz ausgelegt. Sie verwendet die Innovation des Kalman-Filters, um vom Verkehrsflussmodell nicht abgedeckte Störungen wie z.B. Unfälle zu detektieren. Ihre Anfälligkeit für Fehler in der Fahrzeugbilanz wird unter Zuhilfenahme von Erweiterungen wie einem Zwei-Filterabschnitts-Ansatz und einer Hochpassfilterung deutlich verringert, wodurch sie ebenfalls eine Robustheit gegenüber fehlerbehafteten Messdaten bis zu einem Fahrzeugbilanzfehler von 25% erreicht. Eine auf der Basis von historischen Daten durchgeführte qualitative wie quantitative Bewertung der Ergebnisse zeigt die positiven Auswirkungen der einzelnen vorgestellten Erweiterungsschritte auf die Qualität der Verkehrszustandsschätzung und der automatischen Störungserkennung von AZTEK. Die Tauglichkeit von AZTEK für den praktischen Einsatz konnte durch die in dieser Arbeit beschriebenen Maßnahmen ganz wesentlich verbessert werden.