Section oriented acquisition and application of microscopic traffic data using multi-sensor data fusion

Fazekas, Adrian; Oeser, Markus (Thesis advisor); Herty, Michael (Thesis advisor)

Aachen (2019, 2020)
Doktorarbeit

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019

Kurzfassung

Der Straßenverkehr und die individuelle Mobilität stehen vor einem grundlegenden technologischen Wechsel, deren Fortschritte eng mit der Entwicklung der Sensortechnik und der Verfügbarkeit, Qualität und Anwendbarkeit der resultierenden Verkehrsdaten verbunden ist. Insbesondere autonomes und vernetztes Fahren benötigt einen hohen Detaillierungsgrad der Daten, der weit über den aggregierten makroskopischen Verkehrsparametern wie Verkehrsstärke, -geschwindigkeit und -dichte liegt. Hierbei spielen Datensätze eine besondere Rolle, die die Position von Fahrzeugen kontinuierlich bestimmen und auf einer mikroskopischen Skala abbilden. Solche Daten können derzeit unter bestimmten Einschränkungen mit statischen Radardetektoren, Laserscannern oder Bildverarbeitungssystemen aufgenommen werden. Für eine Datenaufzeichnung über längere Strecken sind jedoch mehrere Sensoren und damit die Entwicklung geeigneter Synchronisations- und Datenfusionsmethoden notwendig. Die derzeitigen Validierungsmethoden sind darüber hinaus nicht geeignet, eine auf solchen Daten aufbauende Entscheidungsfindung und eine systematische Optimierung zu unterstützen. Zudem sind die anwendungsspezifischen Vorteile der Daten noch nicht umfänglich demonstriert. Eine essentielle Rolle spielen insbesondere die Bereiche der Verkehrssicherheit und der Verkehrsmodellierung, da hier der hohe Detaillierungsgrad und die Qualität der Verkehrsdaten kurzfristig zu relevanten Verbesserungen führen können. An diesen Punkten setzt die vorliegende Arbeit an, indem sie neue Methoden zur Erfassung, Validierung und Anwendung hochdetaillierter Verkehrsdaten darstellt. Im ersten Schritt werden Methoden der Fusion von Verkehrsdaten präsentiert, welche auf realistischen Annahmen bezüglich der Genauigkeit der eingebundenen Sensoren beruht. Hierzu wird eine geschlossene Formulierung für die Ermittlung der zeitlich-räumlichen Verschiebung der Sensoren sowie simultanen Fahrzeugzuordnung vorgestellt. Basierend darauf werden Datensätze unterschiedlicher Sensoren fusioniert, sodass mikroskopische Verkehrsdaten unter Nutzung quintischer Bezierkurven rekonstruiert werden können. Mit den hierbei abgeleiteten Trajektorien werden die Ergebnisse abhängig von der Genauigkeit der Einzelsensoren grundlegend untersucht. Um eine quantitative Einschätzung der Erfassungsqualität zu ermöglichen, werden in dieser Arbeit auch Validierungsmethoden vorgestellt, die auf einem Vergleich automatisch erfasster Einzelfahrzeugpositionen mit manuell angelegten Referenzdaten in Videobildern beruhen. Die präsentierten Methoden ermöglichen eine einfache Fehlerbehandlung, die wiederum einen hohen Nutzen in der Entwicklung der Erfassungstechnik darstellt. Als erstes Anwendungsbeispiel wird aus den erfassten und validierten Daten die Ableitung eines neuen Indikators für die Beschreibung der Verkehrssicherheit eines Streckenabschnittes demonstriert. Dieser basiert auf der Annahme einer konstanten Beschleunigung. Er integriert zudem eine Reaktionszeit, die die Interaktion zwischen einzelnen Fahrzeugen einbezieht. Ein Vergleich des neuen Indikators mit dem etablierten Deceleration Rate to Avoid a Crash (DRAC) und dem modifizierten Indikator (MDRAC) zeigt ein sensitiveres Verhalten in der Detektion kritischer Situationen und eine realistischere Erfassung der Konfliktsituationen. Eine weitere Anwendung mikroskopischer Verkehrsdaten ist ein zweidimensionales makroskopisches Verkehrsflussmodell erster Ordnung, dessen Ziel ist, eine detaillierte Reproduktion der Verkehrsdynamik für reelle Straßengeometrien zu erreichen. In dieser Methode wird die Dynamik sowohl längs als auch quer zur Fahrtrichtung kontinuierlich beschrieben.

Identifikationsnummern

Downloads