Die Verkehrslage auf Autobahnen wird üblicherweise auf den gesamten Straßenquerschnitt bezogen angegeben. Gegenstand dieser Dissertation ist es die Verkehrskenngrößen für jeden einzelnen Fahrstreifen einer dreistreifigen Richtungsfahrbahn zu schätzen. Zur Schätzung werden hier nicht nur Daten verfügbarer Induktivschleifen, sondern auch Daten seitlich installierter Radarsensoren herangezogen. Die Arbeit gliedert sich in drei Themenbereiche. Beginnend mit einer Datenanalyse werden zunächst die Abhängigkeiten der Fahrstreifenbelastungsanteile von der Gesamtverkehrsdichte ermittelt. Der zweite Teil der Arbeit besteht aus der Herleitung der Zusammenhänge zwischen der Detektion seitlich installierter Radarsensoren und des Verkehrsflusses für den gesamten Querschnitt. Im dritten und letzten Teil werden die Ergebnisse der beiden ersten Teile in ein makroskopisches Verkehrsflussmodell integriert, um über einen betrachteten Streckenabschnitt für jeden Fahrstreifen unter Einbezug seitlicher "Messwerte" die verkehrlichen Kenngrößen zu erhalten. Die Datenanalyse erfolgt für zwei Bundesautobahnen unter Verwendung historischer Daten eines Jahres. Basierend auf langjährigen Forschungsarbeiten werden hier die Untersuchungen um Wirkungsanalysen potenzieller Einflussfaktoren wie bspw. Verkehrsdichte, Anteil des Schwerlastverkehrs und zulässige Höchstgeschwindigkeiten für dreistreifige Richtungsfahrbahnen auf Autobahnen erweitert. Es wird gezeigt, dass die auf den Querschnitt bezogene Gesamtverkehrsdichte maßgebend bei der Betrachtung der Zusammenhänge zwischen den Einflussgrößen und des Verkehrsaufkommens auf den einzelnen Fahrstreifen ist. Die identifizierten Zusammenhänge werden für unterschiedliche Bereiche der Verkehrsdichte abschnittsweise durch Regressionskurven beschrieben. Die Ergebnisse unterliegen dabei bestimmten Voraussetzungen und Einschränkungen bzgl. des betrachteten Messquerschnitts und seiner Charakteristik. Einschränkungen betreffen z. B. den Gradienten der Strecke, die zulässige Höchstgeschwindigkeit oder auch die Lage zu einer angrenzenden Zu- oder Abfahrt. Die Regressionsfunktionen sind daher nicht auf alle Messquerschnitte übertragbar, jedoch repräsentieren diese Ergebnisse die vorhandene Datengrundlage und sind somit für Querschnitte mit gleichen oder ähnlichen Rahmenbedingungen gültig. Induktivschleifen auf Autobahnen sind in großen Abständen voneinander entfernt in die Fahrbahn integriert. Auf den bisher nicht sensorisch abgedeckten Bereichen sollen seitlich installierte Radarsensoren zum Einsatz kommen und ergänzend Verkehrsdaten liefern, um eine genauere Aussage zum Verkehrszustand zwischen zwei entfernten Messquerschnitten treffen zu können. Die durch die seitliche Sensoranordnung erzeugten Verdeckungs-/ Abschattungseffekte verhindern eine fahrstreifenselektive Detektion der Fahrzeuge sowie die Erfassung der gesamten Fahrzeugzahl im Verkehrsfluss. Ein im Rahmen dieser Dissertation entwickelter Algorithmus dient der Schätzung des gesamten Verkehrsaufkommens über alle Fahrstreifen hinweg aus den durch den seitlichen Sensor potenziell erfassten Fahrzeugen. Als Grundlage dieses Algorithmus dienen Simulationsdaten. Dieser funktionale Zusammenhang wird im zweiten Teil dieser Arbeit in Abhängigkeit unterschiedlicher Abschattungsgrade ermittelt und kann somit je nach Detektionsfähigkeit eines Sensors angewandt werden. Der Algorithmus berücksichtigt dabei auch die Erfassungsseite, d.h. ob der Sensor rechts der Fahrbahn oder auf dem Mittelstreifen installiert ist und hieraus unterschiedlich starke Verdeckungseffekte entstehen. Die Erkenntnisse der Fahrstreifenanalyse und des Algorithmus zur seitlichen Detektion fließen in das bewährte makroskopische Verkehrsflussmodell nach Payne/Cremer ein. Als Referenz dienen hier sowohl Simulationsdaten als auch Realdaten, für die eine ähnliche Testumgebung vorgefunden werden konnte. Anhand unterschiedlicher Szenarien wird gezeigt, dass die Schätzung der Verkehrskenngrößen mittels des gewählten Verkehrsflussmodells zumeist mit zunehmender Anzahl seitlich installierter Detektoren weiter verbessert werden kann. Eine Fehlersensitivitätsanalyse verdeutlicht die Notwendigkeit einer korrekten seitlichen Fahrzeugdetektion, um eine verbesserte Verkehrslageschätzung zu erzielen. Mit einer fehlerbehafteten seitlichen Fahrzeugdetektion sinkt auch die Qualität der Schätzung so deutlich, dass der Mehrwert durch die zusätzlichen Radarsensoren verloren gehen kann oder die Schätzung dadurch sogar schlechter wird als ohne Zusatzsensoren.
The traffic state on motorways is usually described by the cross-sectional level of service. The subject of this thesis is the estimation of traffic parameters concerning each lane of a three-lane carriageway. Generally data are delivered from inductive loops or overhead radar sensors; whereas I show that left- or right-hand side installed sensors should be used for additional data detection. The dissertation is subdivided into three topics. At the beginning, the data are analysed for a correlation between the ratio of traffic volume of each lane and the traffic density for a cross-sectional road. The second part of this thesis is focused on the roadside detection. The relationship between the data detected by left- or right-hand side installed sensors and the traffic flow of cross-sectional road is described. Finally, in the third section, the results obtained are integrated into an existing macroscopic traffic flow model in order to receive traffic parameters for each lane of a defined road section, while taking into account additional data from left- or right-hand side installed sensors. Correlations between traffic parameters and lanes are derived by using the example of two German motorways. Historic data over one year is used for this data analysis. Former existing analyses are extended. The effect of potential influencing factors (e.g. traffic density, portion of heavy goods vehicles or speed limits) on lane-precise traffic parameters is investigated for three-lane motorways. It is shown that the cross-sectional related traffic density is the most important influencing factor. The identified relationships are described by means of regression-functions in sections for different regions of density. The results are subject to restrictions concerning the control cross-section with its physical characteristics. For example, constraints can include the gradient of the road, speed limits and the position of next on- or off-ramp. Therefore, the derived regression-functions are not applicable for every control cross-section, but for cross-sections with similar limiting factors. Inductive loops on motorways are usually installed into the pavement at large intervals. Between the control cross-sections with inductive loops there are no data available. Therefore, radar sensors, which are installed at the left- or right-hand side of the road, should deliver additional traffic data in order to derive a more precise traffic-state between two adjacent control cross-sections. A disadvantage of sidewise installation of these radar sensors is that the detection of vehicles is not complete due to covering and shadowing effects among the vehicles. Vehicles shadow each other if the radar ray is coming from the roadside. Hence, it is impossible to detect vehicles per lane or even to derive the total amount of vehicles over a cross-section. Based on this situation, an algorithm is developed to estimate the cross-sectional traffic flow by using the data coming from the sidewise-installed sensors. The database for this algorithm is formed from simulated data. This relationship is described according to covering and shadowing levels and is applicable for sensors depending on their detecting efficiency. The algorithm also considers the side of detection, i.e. whether the sensor is installed on the right-hand side or on the left-hand side, and the associated different intensive shadowing effects. The findings of the lane-related analysis and of the algorithm of sidewise detection are integrated into the well-established and proven macroscopic Payne/Cremer traffic flow model. Simulation data as well as real data for a similar test bed is used. With the help of different scenarios it is shown that the estimation of traffic parameters by using the traffic flow model could be improved by increasing the number of sidewise-installed sensors. An analysis of error-sensitivity has shown that vehicle detection by sidewise radar sensors must be correct in order to obtain an improved estimation of the traffic state. In case of errors, the sidewise vehicle detection and subsequent quality of estimation of the traffic state decreases in such a way that the added value of using additional sensors could diminish the quality of the estimation or could even worsen it compared to using no additional sensors.
Integration fahrstreifenbezogener Kenngrößen und seitlicher Detektionsdaten in ein makroskopisches Verkehrsflussmodell für dreistreifige Richtungsfahrbahnen
Integration of lane-based traffic parameters and data of sidewise detection into a macroscopic traffic flow model for three-lane carriageways
2013
209 Seiten, Bilder, Tabellen, Quellen
Hochschulschrift
Deutsch