Straßen-Knoten-Netze als modelliertes Abbild der Straßeninfrastruktur bilden die Grundlage für eine Vielzahl von Diensten und Anwendungen. Die Verortung von Fahrzeugen, aber auch die Verkehrsumlegung, basieren darauf. Die Ermittlung optimaler Routen und die Visualisierung der Verkehrslage werden ermöglicht. Die resultierenden Anforderungen an das Netzabbild sind vielfältig und deren Bewältigung mit nicht unerheblichem Aufwand verbunden. Kernpunkte sind Genauigkeit, Aktualität und Flächendeckung. Ferner werden geringe Kosten bei dessen Erstellung angestrebt. Als Ergänzung zu manueller Digitalisierung und der Erfassung durch Messfahrzeuge mit hochpräziser Ortung stellt die Nutzbarmachung von Mehrwerten aus Floating Car Systemen einen viel versprechenden Ansatz dar. Vorgestellt wird ein Verfahren, welches mittels eines vektorbasierten Ansatzes Straßen-Knoten-Netze aus Floating Car Daten ermittelt. / Node-edge-networks representing road infrastructure are base for various applications and services. Georeferencing of vehicles as well as traffic assignment are based on. Routing and traffic conditions visualisation become possible. Requirements concerning precision, topicality and area coverage of road network image are caused by. Low costs are aspired as well. Utilisation of additional benefits from floating car systems is a promising approach, supplementing common technologies like manual digitalisation or capturing road trajectories by special equipped probe vehicle. A vector based method aggregating positions information of floating car to process road infrastructure images will be presented.

Straßen-Knoten-Netze als modelliertes Abbild der Straßeninfrastruktur bilden die Grundlage für eine Vielzahl von Diensten und Anwendungen. Die Verortung von Fahrzeugen, aber auch die Verkehrsumlegung, basieren darauf. Die Ermittlung optimaler Routen und die Visualisierung der Verkehrslage werden ermöglicht. Die resultierenden Anforderungen an das Netzabbild sind vielfältig und deren Bewältigung mit nicht unerheblichem Aufwand verbunden. Kernpunkte sind Genauigkeit, Aktualität und Flächendeckung. Ferner werden geringe Kosten bei dessen Erstellung angestrebt. Als Ergänzung zu manueller Digitalisierung und der Erfassung durch Messfahrzeuge mit hochpräziser Ortung stellt die Nutzbarmachung von Mehrwerten aus Floating Car Systemen einen viel versprechenden Ansatz dar. Vorgestellt wird ein Verfahren, welches mittels eines vektorbasierten Ansatzes Straßen-Knoten-Netze aus Floating Car Daten ermittelt. / Node-edge-networks representing road infrastructure are base for various applications and services. Georeferencing of vehicles as well as traffic assignment are based on. Routing and traffic conditions visualisation become possible. Requirements concerning precision, topicality and area coverage of road network image are caused by. Low costs are aspired as well. Utilisation of additional benefits from floating car systems is a promising approach, supplementing common technologies like manual digitalisation or capturing road trajectories by special equipped probe vehicle. A vector based method aggregating positions information of floating car to process road infrastructure images will be presented.

This thesis investigates two research problems in analyzing floating car data (FCD): automated segmentation and privacy. For the former, we design an automated segmentation method based on the social functions of an area to enhance existing traffic demand analysis. This segmentation is used to create an extension of the traditional origin-destination matrix that can represent origins of traffic demand. The methods are then combined for interactive visualization of traffic demand, using a floating car dataset from a ride-hailing application. For the latter, we investigate the properties in FCD that may lead to privacy leaks. We present an attack on a real-world taxi dataset, showing that FCD, even though anonymized, can potentially leak privacy. / Graduate

Die Realisierung von Funktionalitäten des vernetzten Fahrens basiert auf intensivem Datenaustausch, der Car-to-X-Kommunikation (C2X). Unter anderem werden zwischen den Fahrzeugen über Cooperative Awareness Messages (CAM) die Fahrzeugpositionen mitgeteilt. Die von den Fahrzeugen ausgesendeten Daten können auch von stationären Road Side Units (RSU) empfangen und für lokale Lösungen zur Interaktion zwischen Fahrzeugen und Verkehrstechnik genutzt werden. Darüber hinaus bietet sich die Nutzung der Positionsdaten im Sinn von Floating Car Daten (FCD) für zentralisierte Analysen an. Anwendungsfelder sind hier insbesondere die Verkehrsinformation und die Verkehrsstatistik. Die Positionsdaten werden bei C2X wesentlich häufiger als bei herkömmlichen FCD-Ansätzen erfasst. Um die Ressourcen zur Datenübertragung und Datenaufbereitung bei Ansätzen mit zentraler Datenverarbeitung nur in einem erforderlichen Maß zu belasten, stellt sich die Frage nach einer geeigneten Abtastrate zur Filterung der aufkommenden C2X-Positionsdaten. Verkehrskenngrößen wesentlicher Datenauswertungen mit Nutzung von Positionsdaten werden dazu bestimmt und die Ausprägung der Kenngrößen über eine beispielhafte Messstrecke unter Variation der Abtastraten für die Filterung der C2X-Positionsdaten ermittelt. Es werden Abtastraten bestimmt, bei denen die Datenauswertungen der verbleibenden Positionsdaten die Realität hinreichend genau abbildet. Es wird aufgezeigt, dass eine Abtastrate in Höhe von 2 Sekunden die beste Eignung für die gewählten Anwendungsfälle besitzt. Bei höheren Abtastraten kommen Streuungsef-fekte zum Tragen. Bei niedrigeren Abtastraten ist ein Informationsverlust zu erwarten.

La maturité de la télématique et des technologies de l’information et la communication (TIC), ainsi que l’avènement du big data dans le transport ont conduit à des développements foisonnants dans le domaine des systèmes de transports intelligents (ITS), aussi bien sur le plan des technologies de recueil que du traitement innovant de l’information. Il est désormais possible de connaître les conditions de circulation et les états de trafic sur la plupart des sections d’un réseau routier sans avoir recours à des infrastructures intrusives de collecte de données, de transmettre l’information résultante via des réseaux sans fil et de traiter rapidement toutes ces données multi-sources disponibles. La constitution de grandes bases de données a naturellement fait évoluer la pratique de gestion du trafic et plus particulièrement les méthodes de prévision. Ces méthodes ont connu un renouveau en s’inspirant des travaux produits en apprentissage statistique. Néanmoins, la façon d’appréhender le problème de la prévision est restée à une échelle locale. Pour chaque section de route, un modèle de prévision est adapté et optimisé. Notre travail de thèse présente un cadre de prévision du trafic routier qui aborde la question à l’échelle du réseau. L’étude menée au sein de ces travaux de thèse vise à exposer et évaluer cette nouvelle approche, dite globale, au regard d’approches usuelles, puis à analyser sa sensibilité vis-à-vis de divers facteurs. Après un positionnement par rapport à l’état de l’art en théorie du trafic, le cadre prédictif fondé sur des méthodes de prévision multi-variées par apprentissage est détaillé. Une version multidimensionnelle des k plus proches voisins, modèle parcimonieux et simple, est évaluée sur divers cas d’études. L’originalité réside dans l’exploitation de données issues de méthodes innovantes de collecte (e.g. Bluetooth, véhicules traceurs, véhicules connectés). Par la suite, les performances de l’approche initiale sont comparées à d’autres méthodes d’apprentissage. Un effort particulier est porté sur l’adaptation de méthodes à noyaux au cadre prédictif global. Les performances obtenues laissent entrevoir une typologie des méthodes en fonction des caractéristiques spatiotemporelles du réseau. Afin d’améliorer les performances en prévision et de réduire les temps de calcul, une méthode d’identification et de sélection des sections critiques du réseau est proposée. Les résultats prouvent qu’un sous-ensemble restreint de sections est en effet suffisant pour garantir des performances satisfaisantes en généralisation. Enfin, la résilience du cadre prédictif est évaluée au regard des événements non récurrents affectant le fonctionnement nominal du réseau, comme des incidents ou des conditions météorologiques dégradées. Les résultats soulignent l’impact de ces conditions non récurrentes sur la prévision temps-réel de la dynamique court-terme d’un réseau et permettent de dresser une feuille de route pour l’élaboration d’un cadre prédictif résilient et opérationnel. Cette nouvelle vision de la prévision s’inscrit dans les perspectives actuelles en termes d’applications sur les modules embarqués et les objectifs des gestionnaires d’infrastructures. / The maturity of information and communication technologies and the advent of Big Data have led to substantial developments in intelligent transportation systems (ITS) : from data collection to innovative processing solutions. Knowledge of current traffic states is available over most of the network range without the use of intrusive infrastructure-side collection devices, instead relying on wireless transmission of multi-source data. The increasing use of huge databases had a strong influence on traffic management, including forecasting methods. These approaches followed the recent trend towards innovative works on statistical learning. However, the prediction problem remains mainly focused on the local scale. The prediction for each road link relies on a dedicated, optimized and adapted prediction model. Our work introduces a traffic-forecasting framework able to tackle network scale problems. The study conducted in this thesis aims to present and evaluate this new “global” approach, in comparison to most-used existing works, and then to analyze its sensitivity to several factors. The traffic-forecasting framework, based on multi-variate learning methods, is detailed after a review of the literature on traffic flow theory. A multi-dimensional version of the k nearest-neighbors, a simple and sparse model, is evaluated through several use cases. The originality of the work stands on the processing approach, applied to data collected through new measurement process (e.g. Bluetooth, floating car data, connected vehicles). Then, the performance of our primary approach is compared to other learning-based methods. We propose an adaptation of kernel-based methods for the global prediction framework. The obtained results show that global approaches perform as well as usual approaches. The spatial and temporal specificities of the methods are highlighted according to the prediction accuracy. To improve the forecasting accuracy and reduce the computation time, we propose an identification and selection method targeting critical links. The results demonstrate that the use of a restricted subset of links is sufficient to ensure acceptable performances during validation tests. Finally, the prediction framework resilience is evaluated with respect to non-recurrent events as incidents or adverse weather conditions affecting the nominal network operations. The results highlight the impact of these non-recurrent conditions on real-time forecasting of short-term network dynamics. This enables the design of a further operational and resilient prediction framework. This perspective of forecasting matches the current applications relying on embedded systems and addressing the traffic network supervisor’s expectations.

Floating Car Data (FCD) besitzen eine sehr breite Palette an Anwendungsmöglichkeiten, die aber teilweise noch keine massenhafte Verbreitung gefunden haben, auch wenn das Innovationspotenzial als sehr hoch eingeschätzt wird. Dies begründet sich in erster Linie durch die meist relativ großen Erfassungsintervalle bei der derzeitigen FCD-Erfassung. In Dresden ist ein Taxi-FCD-System in Betrieb, welches sich durch eine sehr hohe Detektionsdichte auszeichnet. Die Fahrzeugpositionen werden mindestens alle 5 Sekunden aufgezeichnet. Damit bestehen ausgezeichnete Möglichkeiten, mögliche Mehrwerte zu prüfen und Prototypen zu etablieren. Getestet wurde u. a. die Generierung von Straßennetzabbildern. Im Dauerbetrieb befindet sich die FCD-basierte Verkehrslageermittlung.

Untersuchungsgegenstand der vorliegenden Arbeit ist die Schnittstelle zwischen Verkehrsprozess und Informationsprozess in Systemen für die fahrzeuggenerierte Verkehrsdatengewinnung. Dabei konzentrieren sich die Untersuchungen auf die originäre Größe Geschwindigkeit. Das wesentliche Ziel der theoretischen und praktischen Untersuchungen bildet die qualifizierte Bestimmung makroskopischer Kenngrößen des Verkehrsflusses aus mikroskopischen Einzelfahrzeugdaten. Einen Schwerpunkt der Arbeit bildet die Analyse von mikroskopischen Einzelfahrzeugdaten mit Hilfe von informationsentropischen und spektralen Betrachtungen. Diese Untersuchungen erfolgen mit dem Ziel, eine optimale Nutzung der limitierten Übertragungs- und Verarbeitungskapazität in realen FCD-Systemen zu ermöglichen, theoretische Grenzerte abzuleiten und in der Praxis verwendete Parameter von FCD-Systemen theoretisch zu begründen. Ausgehend von empirischen und theoretischen Untersuchungen wird die Entropie der Informationsquelle "Geschwindigkeitsganglinie" bestimmt. Es wird gezeigt, dass Geschwindigkeitsganglinien als Markov-Quellen modelliert werden können. Aus der Entropiedynamik von Geschwindigeitsganglinien wird eine optimale Größe für den Erfassungstakt abgeleitet. Eine Analyse der spektralen Eigenschaften von Geschwindigkeitsverläufen zeigt, dass zwischen den Spektren von Geschwindigkeitsganglinien und dem Verkehrszustand Zusammenhänge bestehen. Geschwindigkeitsganglinien besitzen Tiefpasscharakter. Für die Berechnung der Tiefpassgrenzfrequenzen von empirischen Geschwindigkeitsganglinien wird ein Leistungskriterium eingeführt. Ausgehend von den derart bestimmten empirischen Tiefpassgrenzfrequenzen kann ein optimaler Erfassungstakt ermittelt werden, dessen Größe näherungsweise mit dem aus der Entropiedynamik abgeleiteten Erfassungstakt übereinstimmt. Ein einfacher Indikator für die Dynamik von Geschwindigkeitsverläufen ist der Variationskoeffizient der Einzelfahrzeuggeschwindigkeit. Es wird gezeigt, dass die Gewinnung und Übertragung von Variationskoeffizienten der Einzelfahrzeuggeschwindigkeiten in FCD-Systemen sinnvoll ist. In der Arbeit erfolgt eine theoretische Begründung des erforderlichen Ausrüstungsgrades in FCD-Systemen. Die Beurteilung der Leistungsfähigkeit von FCD-Systemen erfolgt dabei auf der Grundlage einer Konfidenzschätzung für die Zufallsgröße Reisegeschwindigkeit. Das verwendete Verfahren ist geeignet, die Leistungsfähigkeit von FCD-Systemen in unterschiedlichen Szenarien (Stadt-, Landstraßen-, Autobahnverkehr) zu vergleichen. Es wird gezeigt, dass FC-Daten in bestimmten Szenarien (insbesondere Stadtverkehr) zwingend einer Fusion mit anderen Verkehrsdaten bedürfen. Für die statistische Dimensionierung und Auswertung eines FCD-Systems ist der Variationskoeffizient der mittleren Reisegeschwindigkeiten der Fahrzeuge eines Fahrzeugkollektivs (kollektiver Variationskoeffizient) ein wesentlicher Parameter. Es wird gezeigt, dass der kollektive Variationskoeffizient in der Regel nicht nur vom Verkehrszustand, sondern auch von der räumlichen und zeitlichen Strukturierung des Beobachtungsgebietes abhängig ist. Für die näherungsweise Bestimmung des kollektiven Variationskoeffizienten werden Modelle abgeleitet und verifiziert.

Untersuchungsgegenstand der vorliegenden Arbeit ist die Schnittstelle zwischen Verkehrsprozess und Informationsprozess in Systemen für die fahrzeuggenerierte Verkehrsdatengewinnung. Dabei konzentrieren sich die Untersuchungen auf die originäre Größe Geschwindigkeit. Das wesentliche Ziel der theoretischen und praktischen Untersuchungen bildet die qualifizierte Bestimmung makroskopischer Kenngrößen des Verkehrsflusses aus mikroskopischen Einzelfahrzeugdaten. Einen Schwerpunkt der Arbeit bildet die Analyse von mikroskopischen Einzelfahrzeugdaten mit Hilfe von informationsentropischen und spektralen Betrachtungen. Diese Untersuchungen erfolgen mit dem Ziel, eine optimale Nutzung der limitierten Übertragungs- und Verarbeitungskapazität in realen FCD-Systemen zu ermöglichen, theoretische Grenzerte abzuleiten und in der Praxis verwendete Parameter von FCD-Systemen theoretisch zu begründen. Ausgehend von empirischen und theoretischen Untersuchungen wird die Entropie der Informationsquelle "Geschwindigkeitsganglinie" bestimmt. Es wird gezeigt, dass Geschwindigkeitsganglinien als Markov-Quellen modelliert werden können. Aus der Entropiedynamik von Geschwindigeitsganglinien wird eine optimale Größe für den Erfassungstakt abgeleitet. Eine Analyse der spektralen Eigenschaften von Geschwindigkeitsverläufen zeigt, dass zwischen den Spektren von Geschwindigkeitsganglinien und dem Verkehrszustand Zusammenhänge bestehen. Geschwindigkeitsganglinien besitzen Tiefpasscharakter. Für die Berechnung der Tiefpassgrenzfrequenzen von empirischen Geschwindigkeitsganglinien wird ein Leistungskriterium eingeführt. Ausgehend von den derart bestimmten empirischen Tiefpassgrenzfrequenzen kann ein optimaler Erfassungstakt ermittelt werden, dessen Größe näherungsweise mit dem aus der Entropiedynamik abgeleiteten Erfassungstakt übereinstimmt. Ein einfacher Indikator für die Dynamik von Geschwindigkeitsverläufen ist der Variationskoeffizient der Einzelfahrzeuggeschwindigkeit. Es wird gezeigt, dass die Gewinnung und Übertragung von Variationskoeffizienten der Einzelfahrzeuggeschwindigkeiten in FCD-Systemen sinnvoll ist. In der Arbeit erfolgt eine theoretische Begründung des erforderlichen Ausrüstungsgrades in FCD-Systemen. Die Beurteilung der Leistungsfähigkeit von FCD-Systemen erfolgt dabei auf der Grundlage einer Konfidenzschätzung für die Zufallsgröße Reisegeschwindigkeit. Das verwendete Verfahren ist geeignet, die Leistungsfähigkeit von FCD-Systemen in unterschiedlichen Szenarien (Stadt-, Landstraßen-, Autobahnverkehr) zu vergleichen. Es wird gezeigt, dass FC-Daten in bestimmten Szenarien (insbesondere Stadtverkehr) zwingend einer Fusion mit anderen Verkehrsdaten bedürfen. Für die statistische Dimensionierung und Auswertung eines FCD-Systems ist der Variationskoeffizient der mittleren Reisegeschwindigkeiten der Fahrzeuge eines Fahrzeugkollektivs (kollektiver Variationskoeffizient) ein wesentlicher Parameter. Es wird gezeigt, dass der kollektive Variationskoeffizient in der Regel nicht nur vom Verkehrszustand, sondern auch von der räumlichen und zeitlichen Strukturierung des Beobachtungsgebietes abhängig ist. Für die näherungsweise Bestimmung des kollektiven Variationskoeffizienten werden Modelle abgeleitet und verifiziert.

Die Kenntnis von Straßensperrungen ist wesentliche Randbedingung bei der privaten Disposition von Fahrten als auch der Entscheidungsfindung von Baulastträgern zu Verkehrslenkungsmaßnahmen. Zur Nutzbarmachung von Sperrinformationen bietet sich zuerst die Etablierung geeigneter Schnittstellen zum administrativen Prozess an. Dass dieser Weg noch nicht breitenwirksam Umsetzung gefunden hat, liegt oft im Aufwand bei der Anpassung komplexer Verwaltungsabläufe und -systeme begründet. Um trotzdem mit einer großen räumlichen Abdeckung und hoher Aktualität Sperrinformationen zu erschließen, wurde ein Ansatz entwickelt, welcher auf der Seite der verkehrlichen Wirkungen von Sperranordnungen ansetzt. Grundlage bilden die Daten von GNSS-basierten Floating Car Systemen. Zur Sperrungsermittlung wird die Befahrungshäufigkeit für Straßenabschnitte ausgewertet. Werden auf einem Abschnitt keine Fahrzeuge mehr erfasst, so wird von einer Sperrung ausgegangen. Dass die so gewonnene Sperraussage mit hoher Wahrscheinlichkeit mit der Realität übereinstimmt, sind geeignete Parametrierungen der Auswertung zu finden, welche die durch unterschiedliche Verkehrsnachfrage bedingte Befahrungshäufigkeiten der Straßenabschnitte berücksichtigt. Umgesetzt und getestet wurde der Ansatz im Kontext des Dresdner operativen Straßenverkehrsmanagementsystems VAMOS mit seiner Taxi-Floating Car-Komponente. Es konnte aufgezeigt werden, dass in dem für Verkehrsmanagementmaßnahmen relevanten Vorrangnetz mit einer Gesamtlänge von 540 Kilometern für 8 Prozent der Straßenabschnitte die Wirkung von Sperrungen in weniger als 6 Stunden, bei 59 % unter 24 Stunden und bei 79 % in weniger als 72 Stunden registriert werden können. Operative Reaktionen z. B. Warnhinweise auf Informationstafeln oder die Anpassung der kollektiven Zielführung an das spezifische Verkehrslagebild, erscheinen hier möglich. Natürlich können diese Informationen auch der Anreicherung etablierter Informationsflüsse, wie die Versorgung der Landesmeldestellen für den Verkehrswarndienst oder Routing-Dienste privater Service Provider, dienen.

The use of GPS probes in traffic management is growing rapidly as the required data collection infrastructure is increasingly in place, with significant number of mobile sensors moving around covering expansive areas of the road network. Many travelers carry with them at least one device with a built-in GPS receiver. Furthermore, vehicles are becoming more and more location aware. Vehicles in commercial fleets are now routinely equipped with GPS. Travel time is important information for various actors of a transport system, ranging from city planning, to day to day traffic management, to individual travelers. They all make decisions based on average travel time or variability of travel time among other factors. AVI (Automatic Vehicle Identification) systems have been commonly used for collecting point-to-point travel time data. Floating car data (FCD) -timestamped locations of moving vehicles- have shown potential for travel time estimation. Some advantages of FCD compared to stationary AVI systems are that they have no single point of failure and they have better network coverage. Furthermore, the availability of opportunistic sensors, such as GPS, makes the data collection infrastructure relatively convenient to deploy. Currently, systems that collect FCD are designed to transmit data in a limited form and relatively infrequently due to the cost of data transmission. Thus, reported locations are far apart in time and space, for example with 2 minutes gaps. For sparse FCD to be useful for transport applications, it is required that the corresponding probes be matched to the underlying digital road network. Matching such data to the network is challenging. This thesis makes the following contributions: (i) a map-matching and path inference algorithm, (ii) a method for route travel time estimation, (iii) a fixed point approach for joint path inference and travel time estimation, and (iv) a method for fusion of FCD with data from automatic number plate recognition. In all methods, scalability and overall computational efficiency are considered among design requirements. Throughout the thesis, the methods are used to process FCD from 1500 taxis in Stockholm City. Prior to this work, the data had been ignored because of its low frequency and minimal information. The proposed methods proved that the data can be processed and transformed into useful traffic information. Finally, the thesis implements the main components of an experimental ITS laboratory, called iMobility Lab. It is designed to explore GPS and other emerging data sources for traffic monitoring and control. Processes are developed to be computationally efficient, scalable, and to support real time applications with large data sets through a proposed distributed implementation. / <p>QC 20150525</p>