Zusammenfassung
In diesem Aufsatz werden neueste Fortschritte bei der Echtzeitschätzung des Schnellstraßenverkehrs betrachtet. Besonderes Augenmerk wird dabei auf einen allgemeinen Ansatz gerichtet, der sowohl Zustands- als auch Parameterschätzung vereint. Ein weiterer Schwerpunkt ist der Einsatz des Schätzalgorithmus in großräumigen Anwendungen. Zunächst wird eine mathematische Beschreibung vorgestellt, die ein validiertes makroskopisches Verkehrsflussmodell samt Zustands- und Messrauschen enthält. Der Entwurf des Schätzalgorithmus erfolgt nach dem Prinzip des Erweiterten Kalman-Filters. Das Verhalten des Algorithmus bezüglich Folgefähigkeit und automatischer Störfallerkennung wird anschließend mit Hilfe realer Testdaten bzw. Anwendungen untersucht. Dies erfolgt unter diversen Bedingungen, wobei großräumige Netze, eine dünne Messstellenanordnung, heterogene Infrastruktur, Änderungen der Umfeldbedingungen, Verkehrsstörungen, Messwertausfälle und -ungenauigkeiten einbezogen werden. Der Aufsatz schließt mit Diskussion und Schlussfolgerung ab.
Der in diesem Aufsatz gegebene Überblick behandelt den Stand der Forschung bei der Anwendung des Erweiterten Kalman-Filters auf die Zustandsschätzung des Schnellstraßenverkehrs. Laufende Forschungsaktivitäten in diesem Bereich beschäftigen sich mit einer Reihe von Erweiterungen der hier beschriebenen Arbeiten. Diese beinhalten: den Vergleich mit anderen Filtermethoden (Partikelfilter oder Unscented Filter); die Dezentralisierung der Filterstruktur; die Zustandsschätzung in städtischen Straßennetzen; neue Problemstellungen, die sich aus der zunehmenden Zahl von vernetzten oder auch automatisierten Fahrzeugen ergeben, und mehr.
Abstract
Recent advance in real-time freeway traffic state estimation is reviewed in this paper, with a particular focus on a general approach to traffic state estimation based on joint state and parameter estimation and another focus on the estimation performance in large-scale field applications. A mathematical model is first presented, including a validated macroscopic traffic flow model and a measurement model. The traffic state estimator is designed on the basis of extended Kalman filtering. The estimator's performance in tracking capability and automatic incident detection is then carefully examined via real-data tests or field applications, under various conditions involving large-scale networks, sparse measurements, infrastructure heterogeneity, changes of environmental conditions, traffic incidents, detector faults, and measurement inaccuracy. The paper is closed with discussions and conclusions.
This paper overviews the state-of-the-art research on real-time freeway traffic state estimation using extended Kalman filtering. Ongoing research in this area addresses several extensions of the work reported, including: Comparison with other filtering methods (particle or unscented filters); decentralisation of the filtering structure; state estimation in urban road networks; new issues arising from the increasing presence of connected and even automated vehicles; and more.
Über die Autoren
Institute of Transportation Engineering, Zhejiang University, 866#, Yuhangtang Road, 310058 Hangzhou, China
Gröbenseeweg 2, D-82402, Seeshaupt, Deutschland, Tel: +49-8801-95101, Fax: +49-8801-95102
Dynamic Systems und Simulation Laboratory, Department of Production Engineering und Management, Technical University of Crete, 73100 Chania, Griechenland, Tel: +30-28210-37240, Fax: +30-28210-37584
©2015 Walter de Gruyter Berlin/Boston
