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

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>

The term physical accessibility has widely been used by geographers, economists and urban planners and basically reflects the relative ease of access to/from several urban/rural services by considering various travelling costs. Numerous accessibility measures, ranging from simple to sophisticated, can be found in the GIS based accessibility modeling literature. However, whether simple or sophisticated, one of the fundamental shortcomings of the current GIS-based accessibility measures is that they are generally calculated from a fixed catchment area boundary based on constant traveling costs such as Euclidian (bird-flight) distance costs or transportation network-based average speed costs (e.g. 50 km/h for main streets and 30 km/h for local streets, etc.). Although such deterministic approaches are widely used in GIS-based accessibility modeling literature, they are not realistic, especially due to highly variable speeds in road segments and uncertainty in the accuracy and reliability of the accessibility measures. Therefore, this dissertation provides a new stochastic methodology for GIS-based accessibility modeling process by using GPS-based floating car data and Monte Carlo Simulation (MCS) that could handle variations in traveling costs and consider all possible catchment area boundaries, instead of one average or maximum fixed catchment area boundary. The main contribution of the research is that / the proposed physical accessibility modeling could handle uncertainties in transportation costs, create significant improvement on accuracy and reliability of accessibility measures in terms of catchment area boundaries and support decision makers who are supposed to deal with accessibility, location/allocation and service/catchment area related issues. The proposed stochastic methodology is implemented to a case study on medical emergency service accessibility, in Eskisehir, Turkey and the results of the deterministic and stochastic accessibility models are compared. The main focus of the case study is not to evaluate a specific accessibility condition in a detailed manner but to provide a methodological discussion and comparison between the deterministic and stochastic accessibility modeling process. With the implementation to a case study, it is shown that / the results of the proposed methodology are more realistic than the conventional deterministic approaches.

Geographic space is the large-scale and continuous space that encircles the earth and in which human activities occur. The study of geographic space has drawn attention in many different fields and has been applied in a variety of studies, including those on cognition, urban planning and navigation systems. A scaling property indicates that small objects are far more numerous than large ones, i.e., the size of objects is extremely diverse. The concept of scaling resembles a fractal in geometric terms and a power law distribution from the perspective of statistical physics, but it is different from both in terms of application. Combining the concepts of geographic space and scaling, this thesis proposes the concept of the scaling of geographic space, which refers to the phenomenon that small geographic objects or representations are far more numerous than large ones. From the perspectives of statistics and mathematics, the scaling of geographic space can be characterized by the fact that the sizes of geographic objects follow heavy-tailed distributions, i.e., the special non-linear relationships between variables and their probability. In this thesis, the heavy-tailed distributions refer to the power law, lognormal, exponential, power law with an exponential cutoff and stretched exponential. The first three are the basic distributions, and the last two are their degenerate versions. If the measurements of the geographic objects follow a heavy-tailed distribution, then their mean value can divide them into two groups: large ones (a low percentage) whose values lie above the mean value and small ones (a high percentage) whose values lie below. This regularity is termed as the head/tail division rule. That is, a two-tier hierarchical structure can be obtained naturally. The scaling property of geographic space and the head/tail division rule are verified at city and country levels from the perspectives of axial lines and blocks, respectively. In the study of geographic space, the most important concept is geographic representation, which represents or partitions a large-scale geographic space into numerous small pieces, e.g., vector and raster data in conventional spatial analysis. In a different context, each geographic representation possesses different geographic implications and a rich partial knowledge of space. The emergence of geographic information science (GIScience) and volunteered geographic information (VGI) greatly enable the generation of new types of geographic representations. In addition to the old axial lines, this thesis generated several types of representations of geographic space: (a) blocks that were decomposed from road segments, each of which forms a minimum cycle such as city and field blocks (b) natural streets that were generated from street center lines using the Gestalt principle of good continuity; (c) new axial lines that were defined as the least number of individual straight line segments mutually intersected along natural streets; (d) the fewest-turn map direction (route) that possesses the hierarchical structure and indicates the scaling of geographic space; (e) spatio-temporal clusters of the stop points in the trajectories of large-scale floating car data. Based on the generated geographic representations, this thesis further applies the scaling property and the head/tail division rule to these representations for urban studies. First, all of the above geographic representations demonstrate the scaling property, which indicates the scaling of geographic space. Furthermore, the head/tail division rule performs well in obtaining the hierarchical structures of geographic objects. In a sense, the scaling property reveals the hierarchical structures of geographic objects. According to the above analysis and findings, several urban studies are performed as follows: (1) generate new axial lines based on natural streets for a better understanding of urban morphologies; (2) compute the fewest-turn and shortest map direction; (3) identify urban sprawl patches based on the statistics of blocks and natural cities; (4) categorize spatio-temporal clusters of long stop points into hotspots and traffic jams; and (5) perform an across-country comparison of hierarchical spatial structures. The overall contribution of this thesis is first to propose the principle of scaling of geographic space as well as the head/tail division rule, which provide a new and quantitative perspective to efficiently reduce the high degree of complexity and effectively solve the issues in urban studies. Several successful applications prove that the scaling of geographic space and the head/tail division rule are inspiring and can in fact be applied as a universal law, in particular, to urban studies and other fields. The data sets that were generated via an intensive geo-computation process are as large as hundreds of gigabytes and will be of great value to further data mining studies. / <p>QC 20120301</p> / Hägerstrand project entitled “GIS-based mobility information for sustainable urban planning and design”

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.