DE2911734C2

DE2911734C2 - Verfahren zur Messung von Verkehrsstörungen

Info

Publication number: DE2911734C2
Application number: DE2911734A
Authority: DE
Inventors: Rolf Dr.-Ing. 8000 München Böttger
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1979-03-26
Filing date: 1979-03-26
Publication date: 1982-06-24
Also published as: IT8020822A0; BE882454A; NL8000909A; DE2911734A1; IT1131027B

Description

Die Erfindung bezieht sich auf ein Verfahren zur Messung von Verkehrsstörungen auf Autostraßen bei großem Meßstellenabstand, wobei an jeder Meßstelle Meßwerte über die Verkehrsstärke und die Geschwindigkeit der passierenden Fahrzeuge gewonnen und aus den Verkehrsstärken und dem Geschwindigkeitsverhalten an einer Meßstelle während jeweils fester gleicher Meßintervalle jeweils ein Prognosewert für die Verkehrsstärke an der in Fahrtrichtung nachfolgenden Meßstelle zu einem bestimmten nachfolgenden Meßintervall errechnet wird, wobei dieser Prognosewert mit dem entsprechenden tatsächlichen Meßwert der Verkehrsstärke verglichen und wobjl ein Störungssignal erzeugt wird, wenn die Differenz zwischen Prognosewert und Meßwert einen vorgegebenen Sollwert übersteigt.

Bei dem Streben nach einer optimalen Ausnutzung der vorhandenen Verkehrsflächen, insbesondere der Autobahnen, ist die frühzeitige Erkennung von Verkehrsstörungen besonders bedeutsam. Solche Verkehrsstörungen, die beispielsweise durch Unfälle verursacht werden und für kürzere oder längere Zeit eine Verminderung der Fahrstreifenanzahl bewirken, führen zu einem ständig wachsenden Stau mit entsprechenden Wartezeiten und sonstigen unangenehmen Begleiterscheinungen. Je schneller eine solche Behinderung beseitigt wird, um so schneller verschwindet auch die Überlastung und die damit verbjndenen Folgen. Die Beseitigung der Behinderung geht aber um i;o schneller, je eher man von ihrer Existenz weiß.

Bei kleinem Meßstellenabstand von beispielsweise einigen hundert Metern ist rs verhältnismäßig leicht, Verkehrsbehinderungen festzustellen und die entsprechenden Folgerungen daraus zu ziehen. Der mit dem kleinen Meßstellenabstand verbundene hohe Aufwand läßt sich aber höchstens auf besonders gefährdeten Streckenabschnitten, wie bekannten Staustrecken, Tunnels usw., rechtfertigen, nicht jedoch auf normalen Autobahnabschnitten, Prognosen für den zu erwartenden Verkehrsablauf, also über mehrere Kilometer, sind naturgemäß mit größeren Unsicherheiten behaftet;

daher kommt es darauf an, eine möglichst gute, meßtechnisch begründete, aber nicht zu komplizierte Prognose zu verwenden.

Es wurden bereits verschiedentlich prinzipielle Überlegungen zur Beurteilung und Prognose des Straßenverkehrs bei großem Meßstellenabstand angestellt (Straßenverkehrstechnik, Heft 5/1976, Seite 183—187). Bei diesen Untersuchungen liegt aber das Schwergewicht auf der Ermittlung der Reisezeitverteilung bzw. de: Dichte-Laufzeitverteilung zwischen den beiden Meßstellen aufgrund des Verlaufs der Verkehrsstärke-Meßwerte an beiden Meßstellen über längere Zeiträume. Kennt man diese Verteilungen, so kann man von einem Meßquerschnitt aus für den nächsten auch Prognosen für die zu erwartende Verkehrsstärke abgeben. Die relativ komplizierte Ermittlung dieser Verteilungen mit hinreichend großer Signifikanz benötigt aber längere Zeit, so daß die Aktualität der Aussagen sehr zu wünschen übrig läßt

In einer weiteren Untersuchung (Straßenverkehrstechnik, Heft 3/1976, Seite 86 bis 92) wird eine mathematische Beschreibung der Verkehrsdynamik zur Bildung eines Modells für den Verkehrsabi'auf benutzt. Dieses rechenintensive Modell arbeitet mh mehreren Parametern, die erst langwierig und aufwendig ermittelt werden müssen. Somit gibt auch dieses Modell keine konkrete Hilfe für eine schnelle und praktikable Ermittlung von brauchbaren Prognosewerten.

Aus der US-Patentschrift 31 85 959 ist auch bereits ein System bekannt, das nach dem eingangs erwähnten Meßverfahren arbeitet. Zur Beurteilung des Geschwindigkeitsverhaltens der Fahrzeuge wird dort jeweils der Mittelwert der Geschwindigkeit innerhalb der einzelnen Meßintervalle ermittelt und zur Gewinnung von Prognosewerten herangezogen. Da die Berechnung des Mittelwertes verhältnismäßig einfach ist, kann man bei dem bekannten System bereits auf einfache Weise Prognosewerte erhalten, die eine verhältnismäßig sichere Aussage über Verkehrsstörungen gestatten. Nachteilig bei diesem bekannten Verfahren ist allerdings nocii, daß sich der Mittelwert der Geschwindigkeit verhältnismäßig langsam ändert, so daß eine signifikante Abweichung der Mittelwerte erst nach einer gewissen Zeit eine signifikante Abweichung zwischen Prognosewert und tatsächlichem Meßwert erkennen läßt.

Aufgaoe der Erfindung ist es deshalb, das Meßverfahren der eingangs erwähnten Art so zu verbessern, daß Änderungen im Geschwindigkeitsverhalten noch schneller eine Aussage über Verkehrsstörungen ermöglichen.

Erfindungsgemäß wird diese Aufgabe mit einem Verfahren der eingangs erwähnten Art dadurch erreicht, daß zur Berechnung der Prognosewerte für die Verkehrsstärke einer Meßstelle jeweils die an der vorangehenden Meßstelle gemessenen Geschwindigkeitsverteilungen für die Zeit der vorangehenden Meßintervalle verwendet werden.

Durch die erfindungsgemäße Heranziehung der Geschwindigkeitsverteilung zur Berechnung von Pmgnosewerten für die Verkehrsstärke ist eine auftretende Störung besonders schnell als signifikante Abweichung zwischen Prognosewert und tatsächlichem Meßwert zu erkennen. Das Meßverfahren beruht dabei auf der Erkenntnis, daß die in einem bestimmten Meßintervall einen Meßquerschnitt passierenden Fahrzeuge aufgrund ihrer Geschwindigkeitsverteilung jeweils einen ganz bestimmten Btfsfag zur Verkehrsstärke in den darauffolgenden Meßiitervallen an einem stromabwärts gelegenen Meßquerschnitt leisten. Dabei geht man davon aus, daß die einzelnen Fahrzeuge ihre Geschwindigkeit zwischen zwei Meßstellen im wesentlichen beibehalten. Die prognostizierte Verkehrsstärke an der stromabwärts gelegenen Meßstelle zu einem bestimmten Meßintervall setzt sich also aus den Einzelbeiträgen mehrerer vorangehender Meßintervalle, gemessen an der stromaufwräts gelegenen Meßstelle,

ίο zusammen. Diese Summenbildung ist einfach und schnell durchzuführen, so daß der Vergleich mit dem tatsächlichen Meßwert der Verkehrsstärke schnell vorgenommen und im Bedarfsfall zu Störungsmeldungen bzw. weiteren Maßnahmen genutzt werden kann.

H Allerdings muß für die Ermittlung der Original-Geschwindigkeitsverteilung eine bestimmte, immer gleich große Anzahl von Fahrzeugen berücksichtigt werden. Die Zeit für die Ermittlung eine.' solchen Verteilung hängt deshalb von der wechselnden Verkehrsstärke ab und stimmt im allgemeinen nicht mit einem Meßin'.ervall zur Verkehrsprognose übere·". Für ein bestimmtes Mcßintcrval! wird die jeweils le'zte vorliegende Verteilung herangezogen.

Die Geschwindigkeitsverteilung wird zweckmäßigerweise so ermittelt, daß alle nach Zahl und Gescliwindigkeit rrfaßten Fahrzeuge je nach ihrer Geschwindigkeit in eine von mehreren Geschwindigkeitsklassen eingeteilt werden und daß für die einzelnen Geschwindigkeitsklassen die relative Häufigkeit ermittelt wird. Aus der relativen Häufigkeit und der jeweils mittleren Geschwindigkeit der einzelnen Geschwindigkeitsklassen werden die Prognosewerte durch Summenbildung aus mehreren vorangehenden Meßintervallen errechnet.

Um jeweils möglichst aktuelle Prognosewerte zu erhalten, werden die Meßintervalle möglichst kurz gehalten. Dabei können jedoch die bei den gemessenen Geschwindigkeitsverteilungen auftretenden Häufigkeiten für die jeweils gleichen Geschwindigkeitsbereiche

wegen der relativ geringen Gesamtzahl der Fahrzeuge stark schwanken. Deshalb ist es zweckmäßig, einen .^l .atistischen Ausgleich dieser Schwankungen vorzusehen. Dies kann dadurch geschehen, daß die zu einem bestimmten Zeitpunkt ermittelte Häufigkeitsverteilung für die Geschwindigkeitsbereiche mit einem wählbaren Ausgleichsfaktor unter Einbeziehung der zuletzt ermittelten, bereits ausgeglichenen Häufigkeitsverteilung des jeweils vorangehenden Meßintervalls modifiziert wird. Wie erwähnt, soll das erfindungsgemäße Verfahren

so bei großem Meßstellenabstand die Erkennung von Störungen gewährleisten. Dieser Meßstellenabstand ergibt sich bei Autobahnen im allgemeinen durch die Ein und Ausfahrten. So ist vorgesehen, an jeder Anschlußstelle Detektoren zur Erfassung der Verkehrsstärke und der Geschwindigkeiten vorzusehen. An diesen Anschlußstellen ist normalerwe^;se ohnehin ein Anschluß an das elektrische Leitungsnetz vorhanden. Der an den Ein- und Ausfahrten zufließende bzw. abfließende Verkehr wird dabei getrennt nach Vcrkehrsstärke mi. eigenen Detektoren erfaßt und den jeweiligen Meßwerten der Meßstellen addiert bzw. subtrahiert; dabei wird zweckmäßigerweise die Häufigkeitsverteilung für die Geschwindigkeiten der geradeaus fahrenden Fahrzeuge auch für den zufließenden Verkehr angenommen. Sind zwischen den Anschlußstellen der Autobahn Steigungsstrecken vorhanden, so ist es weiterhin zweckmäßig, die Geschwindigkeitsverteilung nicht an der Anschlußstelle, sondern in der Nähe

der Steigung zu messen. Die genaue Lage der MeDsIeIIe wird in diesen Fällen aus der Länge der Steigungsstrekke im Verhältnis zum Abstand der benachbartein Anschlußstellen und aus der Größe der Steigung ermittelt.

Das erfindungsgemäße Verfahren wird nachfolgend an Ausführungsbeispielen anhand der Zeichnung näher erläutert.

Es zeigt

Fig. 1 eine Aulobahnstrecke mit zwei Anschlußstellen mit Detektoren an jeder Anschlußstelle,

Fig. 2 ein Beispiel für die Geschwindigkeitsverteilung an einer Meßstelle.

Fig.3 bis 5 ein Beispiel für die Aufbereitung von statistisch ausgeglichenen Häufigkeitsverteilungen.

Fig.6 ein Zahlenbeispiel für eine Meßreihe für die Verkehrsstärke an einer Meßstelle über eine Anzahl von Meßintervallen und die Berechnung eines Prognosewertes für die nachfolgende Meßstelle,

F i g. 7 ein Blockschaltbild für die Speicherung und Auswertung der Meßdaten und mehrere Meßstellen,

F i g. 8 und 10 zwei Beispiele für die Behinderungserkennung durch Vergleich von Prognosewerten und Originalmeßwerten,

Fig.9 und 11 die zu den Fig.8 bzw. 10 gehörigen Geschwindigkeitsverteilungen,

Fig. 12 einen Vergleich für verschiedene Prognoseverfahren.

Fig. 13 ein Fluudiagramm für die fortlaufende Berechnung der Länge eines Staues und der Wartezeiten bei Störungen,

Fig. 14 ein Diagramm für den zeitlichen Verlauf einer Stauentwicklung gemäß Fig. 8 einschließlich der Wartezeiten.

Die Fig. 1 zeigt ein Autobahnteilstück mit zwei Richtungsfahrbahnen R 1 und R 2. wobei jede Richtungsfahrbahn zwei Fahrspuren besitzt. Gezeigt sind zwei Anschlußstellen -4SI und AS2 mit jeweils einer Ausfahrt /IF bzw. Einfahrt EF in jeder Richtung. Jede Fahrspur All. R 12, Λ21 und R22 besitzt an jeder Anschlußstelle AS 1 bzw. 452 jeweils zwei hintereinander liegende Detektoren Dl und D 2, und zwar zwischen Aus- und Einfahrt. Mit diesen Detektoren können in bekannter Weise alle darüberfahrenden Fahrzeuge gezählt sowie die Geschwindigkeit eines as jeden Fahrzeuges ermittelt werden. Die Aus- und Einfahrten besitzen jeweils einen Detektor DA bzw. DE zur Ermittlung der Verkehrsstärke.

An der Anschlußstelle ASl wird demnach die Verkehrsstärke ZlG der geradeaus fahrenden Fahr- so zeuge, die Vericehrsstärke ZXA für die ausfahrenden und die Verkehrsstärke ZlE für die einfahrenden Fahrzeuge gemessen. Die Verkehrsstärke für die an dieser Meßstelle ankommenden Fahrzeuge beträgt demnach für ein bestimmtes Meßintervall N:

ZX (N) = ZXG(N) + ZXA(N).

Die Verkehrsstärke der zur nächsten Anschlußstelle AS 2 weiterfahrenden Fahrzeuge beträgt für dasselbe Meßintervall:

Al(N) = ZXG(N) + ZXE(N).

Dieser Wert A X muß also zur Prognose für die nachfolgende Meßstelle AS2 herangezogen werden. Der daraus errechnete Prognosewert ZPl wird mit dem Wert Z2 für die an der Anschlußstelle AS 2 ankommenden Fahrzeuge verglichen.

Der Abstand zwischen je zwei Anschlußstellen AS beträgt bei Autobahnen üblicherweise mehrere Kilometer. Tritt zwischen den beiden Anschlußstellen eine Störung auf, so soll diese möglichst schnell erkannt und beseitigt werden. Gleichzeitig ist es wünschenswert, die Staubildung in dem überlasteten Teilstück möglichst gering zu hallen. Dazu müssen die Kraftfahrer frühzeitig gewarnt und unter Umständen bei der vorhergehenden Anschlußstelle zum Verlassen der Autobahn veranlaßt werden. Zur Störungserkennung wird jeweils aus den Meßwerten für Geschwindigkeiten und Verkehrsstärken der stromaufwärts gelegenen Meßstelle (Anschlußstelle) ein Prognosewert für die zeitlich entsprechend zu erwartende Verkehrsstärke an der stromabwärts gelegenen Meßstelle ermittelt und mit der dort gemessenen Verkehrsstärke verglichen. Eine besondere Rolle für die Gewinnung der Prognosewerte kommt bei dem nachfolgend beschriebenen Ausführungsbeispiel der Geschwindigkeitsverteilung an der stromaufwärts gelegenen Meßslelle zu.

Die Häufigkeitsverteilung der Geschwindigkeit an einem Meßquerschnitt wird nachfolgend anhand der Fig. 2 bis 5 erläutert. Dabei zeigt die Fig. 2 die Geschwindigkeitsverteilung an einer Meßstelle, aufgetragen über einer Richtungsfahrbahn R1. Auf der r-Achse sind die einzelnen Geschwindigkeiten aufgetragen, wobei in Richtung der s-Achse der bei der jeweiligen Geschwindigkeit in der Zeiteinheit (pro Sekunde) zurückgelegte Weg dargestellt ist. In der senkrechten Ebene ist dazu die Häufigkeitsverteilung der gefahrenen Geschwindigkeiten aufgetragen. Die Λ-Achse zeigt die relative Häufigkeit, also den Anteil der mit einer bestimmten Geschwindigkeit fahrenden Fahrzeuge an der Gesamtzahl der Fahrzeuge. Man erkennt im vorliegenden Beispiel, daß die relative Häufigkeit bei der Geschwindigkeit 100 km/h am größten ist, daß also die relativ meisten Fahrzeuge mit dieser Geschwindigkeit fahren. Aus der Normierung ergibt sich, daß die Summe aller relativen Häufigkeiten gleich 1 ist

Für die praktische Gewinnung von Prognosewerten wird der aufzunehmenden Geschwindigkeitsverteilung eine vorgebbare Merkmalseinteilung

0 < £Ί < E₂ <

zugrunde gelegt, mit deren Hilfe die Wertskala der Geschwindigkeit in / + 1 getrennte Klassen oder Bereiche zerlegt wird. El, E2 usw. bedeuten dabei die Grenzen der Geschwindigkeitsklassen. Nimmt man an, daß die Maßeinheit der Geschwindigkeitss*.ula die gleiche ist wie die der gemessenen Geschwindigkeit v, dann läßt sich jeder Wert von ν eindeutig einer solchen Klasse nach der folgenden Tabelle zuordnen:

Klasse	O	Bedingung	Mittelwert der Klasse	I I
1 2		E, <v<£₂	(Ε,/2 = ν,) (E₂ + E₁)Hi. = V₂	I 1 Bi
I /+1	E₁ < ν	(E, + E,_])/2 = v/

Die Häufigkeitsverteilung für die Geschwindigkeit sagt aus, wie häufig Fahrzeuge mit Geschwindigkeiten innerhalb der einzelnen Klassen aufgetreten sind. Der Ausdruck

H(Ej. ι < f < Ei)

bedeutet die Anzahl von Fahrzeugen, deren Geschwindigkeiten valledie Bedingung

E₁. _t < v<E,

genügt haben, die somit zur Geschwindigkeitsklasse i gehören(i « 1.2...-/ + 1 mit Ει*ι - »).

Eine derartige Häufigkeitsverteilung ist in Fig. 3 dargestellt. Dabei ist als Merkmalseinteilung gewählt worden:

E₁ = 15 km/h
E₁ = 25 km/h

Eis

= 175 km/h
= 185 km/h
= 195 km/h

Grundlage einer solchen Verteilung ist eine Menge von Fahrzeugen mit ihren Eigenschaften (hier die Geschwindigkeiten), die meßtechnisch aufgenommen und statistisch ausgewertet werden. Je größer diese Menge, dieses Kollektiv ist. um so genauer entspricht die aufgenommene Verteilung der wirklich vorhandenen und um so sicherere statistische Aussagen lassen sich daraus gewinnen. Die in einer solchen Verteilung enthaltene Information ist aber erst am Ende der Aufnahme vollständig und daher auch dann erst weiter verwendbar. Um also möglichst aktuelle Prognosewerte zu gewinnen, wird die Verteilung aus den Geschwindigkeitswerten einer nicht allzu großen Anzahl von Fahrzeugen, z.B. 100 Fahrzeugen, gewonnen. Dabei können die auftretenden Häufigkeiten von einer Fahrzeugmenge zur nächsten stark schwanken. Aus diesem Grund ist es zweckmäßig, einen statistischen Ausgleich dieser Schwankungen vorzusehen, der anhand der F i g. 3 bis 5 nachfolgend beschrieben wird.

Die absoluten Häufigkeiten (in Fahrzeugen Fz) der gerade gemessenen neuen Originalverteilung sind in Fig.3 mit //,bezeichnet, während die Häufigkeiten aus der vorhergehenden, zusätzlich aufbereiteten Verteilung mit Hi bezeichnet sind (F i g. 4). Aus diesen beiden Verteilungen wird nun eine neue Verteilung mit den Häufigkeiten Hi* nach folgendem Gesetz gebildet:

IT,*= Ff₁ + a (H₁- H₁)

ϊ Dieser neue Wert wird für alle Häufigkeiten (i = 1, 2, 3 ..., / + 1) gebildet, wobei für dert Ausgleichsfaktor α gilt: 0 < a. < 1. Dieser Ausgleichsfaktor & gibt an, mit welchem Gewicht (Anteil) der neue Originalweft H₁ in den neuen ausgeglichenen Wert H? eingeht. Ein <x — 1

ίο würde bedeuten, daß //,·* = H-, ist, also die aufbereitete Verteilung mit der Originalverteilung identisch ist. Bei Ä = 0 dagegen geht die neue Originalverteilung überhaupt nicht in die aufbereitete Verteilung ein. In der Praxis wird α zwischen diesen beiden Extremen liegen.

H In F i g. 5 ist die Wirkung dieses Ausgleichsvorgangs für a. = '/z und für α = '/4 dargestellt. Durch entsprechende Wahl von α hat man hier ein einfaches Mittel, diesen Ausgleichsvorgang optimal anzustellen. Nach der Berechnung der Häufigkeiten H* werden die bisherigen

Häufigkeiten H₁* nicht mehr gebraucht, daher treten die Häufigkeiten H* dann an die Stelle der Häufigkeiten H_h Die aufbereitete Verteilung folgt daher automatisch instationären Änderungen des Gesamtablaufs in einem gewissen zeitlichen Abstand, der durch die Wahl von ix bestimmt ist. Mit Hilfe der Geschwindigkeitsverteilung und der gemessenen Verkehrsstärke am Meßquerschnitt über aufeinanderfolgende Meßintervalle der Dauer T kann man die in einer Entfernung D stromabwärts zu erwartenden Verkehrsstärken progno-

stizieren. Man geht dabei von folgenden Überlegungen aus:

Die Fahrzeuge einer bestimmten Geschwindigkeitsklasse /mit dem Mittelwert v;benötigen im Mittel für die Strecke D eine Fahrzeit F_h welche sich als Vielfaches von T(Dauer eines Meßintervalls) darstellen läßt:

F₁ = D/(v, ■ T).

Liegen von einem bestimmten Meßquerschnitt für N vorhergehende Zeitintervalle T entsprechend N Meßwerte A 1 (n) mit π = N, N- 1,.., 2,1 für die Anzahl de Fahrzeuge in jedem Zeitintervall T vor, dann läßt sich für das aktuelle Zeitintervall N berechnen, wieviele Fahrzeuge ZP(N) im Abstand D stromabwärts an der nächsten Meßstelle vorbeifahren. Dabei läßt sich für jede Geschwindigkeitsklasse /der vorher beschriebenen Häufigkeitsverteilung eine zugehörige Fahrzeuganzahl ermitteln, wobei zu jeder Geschwindigkeit / die entsprechende relative Häufigkeit Λ/ gehört. Die Anzahl der Fahrzeuge für eine bestimmte Geschwindigkeitsklasse/beträgt demnach:

ZPUV), = h, (AF₁- AX (N-[F₁]-1) + (1 - AE) ■ Ai(N-[F,]))

Fahrzeuge, wobei [/v] die größte ganze Zahl < F, bedeutet und AFj= Fi-[Fj\\sl.

Auf diese Weise wird berücksichtigt, daß dieTährzeit Fi kein ganzzahliges Vielfaches von T ist. Die prognostizierte Anzahl von Fahrzeugen einer Geschwindigkeitsldasse / kommt also im allgemeinen aus zwei aufeinanderfolgenden Meßintervallen des vorangehenden Meßquerschnitts, wobei die Mengen anteilsmäßig entsprechend dem Wert von Fi aus den beiden Meßwerten genommen werden. Um einen Prognosewert für die gesamte Zahl der stromabwärts zu erwartenden Fahrzeuge zu gewinnen, müssen die Werte für alle Geschwindigkeitsklassen zusammengenommen werden; somit ergibt sich für den Prognosewert folgende Berechnung:

ZP(N) = Σ Λ, ■ (AF, - A\ (N-[F₁] - I) + (1 - AF,) Al(N- [F,])).

Die Berechnung des Prognosewertes ZP (N)aus einer Meßreihe von Originalwerten soll anhand der Fig.6 mit Zahlenbeispielen veranschaulicht werden. Dabei wird angenommen, daß Meßwerte A 1 (η) von 20 Meßintervallen an einem Meßquerschnitt vorliegen. Ein Meßintervall hat eine Zeitdauer von T = 1 Minute, und die Meßintervalle bzw. ihre Meßwerte sind numeriert mit N- 19, N- 18 ... N- 1. N. Diese Meßwertnummern η sind der ersten Spalte der Pig.6 aufgetragen. Der neueste Meßwert (55 Fahrzeuge) steht also ganz unten und dieser Wert gehört zum aktuellen Meßintervall N.

Aus dieser Meßreihe der Originalwerte A 1 soll nun ein Prognosewert für einen stromabwärts im Abstand D liegenden Meßquerschnitt zum aktuellen Zeitpunkt (Meßintervall N) berechnet werden. Als Abstand der Meßquerschnitte sei beispielsweise D = 10 km angenommen. In Fig.6 ist nun eben η für die einzelnen Meßintervalle jeweils die Fahrzeit F, in Vielfachen von T aufgetragen. Je nach ihrer Fahrzeit F, müssen die »tn7dlnpn Pahi-7oncrp 7)1 pinpm hpctimmtpn friihprpn —·■·—-■■·-·· * ·-··-—«.—o- —— -...-... — ... .. _. ...

Meßintervall die erste Meßstelle passiert haben, um zum Meßintervall N die zweite Meßstelle zu erreichen. Die Fahrzeuge mit der Fahrzeit F₁ — 15 · Γ sind also beim Meßintervall Λ/-15 am ersten Meßquerschnitt erfaßt worden. Ist die Fahrzeit F, kein ganzes Vielfaches von T. dann werden anteilig die Meßwerte der beiden Meßintervalle herangezogen, zwischen denen F₁ liegt, wie oben anhand der Berechnung bereits dargelegt wurde. Auf die Achse /sind die einzelnen Geschwindigkeitsklassen entsprechend den F i g. 2 bis 5 aufgetragen. So entspricht der Geschwindigkeitsklasse / = 5 beijpielsweise eine Durchschnittsgeschwindigkeit von 50 km/h. Bei einer Fahrstrecke D — 10 km und einem Meßintervall von der Länge T = 1 min ergibt dies eine normierte Fahrzeit von Fs = 12. Dieser Fahrzeit F₅ = 12 entspricht das Meßintervall N- 12 mit dem Meßwert /4 1= 41. Multipliziert mit der relativen Häufigkeit Λ? aus der Häufigkeitsverteilung ergibt dies einen Fahrzeuganteil ZP(NS = 41 - A₅ für die entsprechende Geschwindigkeitsklasse 5.

Für die Geschwindigkeitsklasse / = 7 ergibt sich beispielsweise keine ganzzahlige Fahrzeit Fl Denn für diese GeschwindigkeMsklasse mit der Durchschnittsgeschwindigkeit ν = 70 km/h errechnet sich Fi = 8,57. Die normierte Fahrzeit liegt also in diesem Fall !wischen den Werten 8 und 9. Der Meßwert des Meßintervalls (N-S) wird also mit 0,43 und der Meßwert des Meßintervalls (N-S) mit dem Anteil 0,57 herangezogen. Daraus ergibt sich für die Geschwindigkeitsklasse / = 7 ein Fahrzeuganteil zum Prognosewert von:

ZP(N)₇ = (0,43 ■ 37 + 057 · 39) · A₇ = 38,14 · h,.

Auf diese Weise werden die Prognosewerte für alle Geschwindigkeitsklassen / errechnet; ihre Gesamtsumme ergibt dann den Prognosewert für den stromabwärts liegenden Meßquerschnitt zum Zeitpunkt des Meßintervalls N.

Die an der ersten Meßstelle ermittelten Prognosen ZPl (N) werden mit den wirklich gemessenen Werten Z2(N) der zweiten Meßstelle verglichen. Laufen die Prognosewerte und die wirklichen Meßwerte wesentlich und systematisch, d.h. immer nach der gleichen Seite, auseinander, so kann man auf eine Verkehrsstörung zwischen beiden Meßstellen schließen. Die Größe der Abweichung und die Dauer der gieichen Tendenz geben Auskunft über die Schwere der Störung. Dabei müssen die abbiegenden und einbiegenden Fahrzeuge besonders gemessen und berücksichtigt werden. Hierzu sei noch einmal auf die F i g. I verwiesen. Wie erwähnt, werden an jeuer Anschlußstelle AS 1. AS2 usw. sowohl die geradeaus fahrenden Fahrzeuge mit den Detektoren -,Dl und D 2 als auch die ausfahrenden Fahrzeuge mit dem Detektor DA und die einfahrenden Fahrzeuge mit dem Detektor DE gemessen. Die Prognose für die Anschlußstelle AS2 ergibt sich aus den Meßwerten ZlG für die geradeaus fahrenden Fahrzeuge und Z\E

to für die einfahrenden Fahrzeuge, gemessen an der Anschlußstelle AS 1. Dabei wird die Geschwindigkeitsverteilung KPl der geradeaus fahrenden Fahrzeuge auch für die einfahrenden Fahrzeuge herangezogen. Die gemessene Fahrzeugmenge, die z. B. im Intervall A/bei der Anschlußstelle ASl ankommt, ist dann die Summe Z2 (N) aus dem Meßwert für die geradeaus sveiterfahrenden Fahrzeuge ZlC[N) und dem Meßwert fü<· die ausfahrenden Fahrzeuge Z2\(N). Mit dieser Summe Z2 (N)m\& die Prognose ZP1 (N)iür die Anschlußstel-

on Ip ΛΜΙ van rfpr Anschlußstelle ASi her verolichpn werden. Entsprechend wird für die vorangehenden und für die dahinterliegenden Anschlußstellen verfahren.

Eine mögliche Datenorganisation für dieses Überwachungsverfahren ist in F i g. 7 angegeben. Jeder Anschlußstelle ASU AS2, AS3 usw. sind drei Speicher, nämlich ein Speicher SPZfür die Meßwerte des an einer Anschlußstelle zufließenden Verkehrs, ein Speicher SPA für die Meßwerte A des an der betreffenden Anschlußstelle abfließenden Verkehrs, und ein Speicher SPZP für die zu jeder Anschlußstelle ermittelten Prognosewerte ZP zugeordnet Jeder Speicher enthält im vorliegenden Beispiel 60 Speicherplätze: damit können die Meßwerte für jeweils 60 zurückliegende Meßintervalle gespeichert werden, also bei einer Meßintervalldauer von 1 Minute die Meßwerte für jeweils eine zurückliegende Stunde. Im Speicherplatz 1 ist jeweils der älteste Meßwert, im Speicherplatz 60 der jeweils neueste Meßwert gespeichert. Aus den gesamten Meßwerten des Speichers SPA 1 wird für den aktuellen Zeitpunkt, also für das Meßintervall 60, ein Prognosewert ZP1 für die nachfolgende Anschlußstelle AS2 gebildet und im Speicherplatz 60 des Speichers SPZPl gespeichert. Dieser gespeicherte Wert ZPl wird einer Vergleichseinrichtung VC1 zugeführt gleichzeitig mit dem zugehörigen Meßwert Z 2 (N) des ankommenden Verkehrs an der nachfolgenden Anschlußstelle AS2. In der Vergleichseinrichtung VG1 wird also der Meßwert ZPl mit dem Meßwert Z2 verglichen, und das Ergebnis wird über ein Ausgabegerät ASC ausgegeben. Das kann ein Anzeigegerät ein Drucker oder ein sonstiges Aufzeichnungsgerät sein.

Wie sich kurzzeitige Verkehrsstörungen auf die Meß- und Prognosewerte auswirken,zeigen zwei Meßbeispiele, die in den F i g. 8 und 10 dargestellt sind. In F i g. 8 ist unten der zeitliche Verlauf der an der Meßstelle AS 1 abfließenden Fahrzeugmengen A1 (N) pro Minute (Meßintervall) aufgetragen. Wie aus der Figur zu ersehen ist, beträgt die Fahrzeugmenge im Mittel 40 Fahrzeuge pro Minute. Aus diesen Original-Abflußwerten A 1 werden nach der bereits erwähnten Beziehung die Prognosewerte ZP1 (N) für den Zufluß zum Meßquerschnitt an der Anschlußstelle AS 2 in beispielsweise 7 km Entfernung berechnet (punktierte Linie in Fig.8 Mitte) und mit den dort wirklich gemessenen Original-Zuflußwerten Z2 (N) verglichen. Die bei der Meßstelle ASi gemessene Geschwindigkeitsverteilung ist in Fig.9 wiedergegeben. Dort ist über der Geschwindigkeit ν die relative Häufigkeit h für die

einreinen Geschwindigkeitsklassen aufgetragen.

Beim Vergleich der Progn&je- und Meßwerte werden die Differenzen Z 2 (N) -ZPi (N) gebildet und expo-

nentiell ausgeglichen. Das ergibt folgende Berechnung für die Differenz DZP 2 (N):

DZPl (N) = DZPl (,V- M + /i · [Zl(N) - ZPl (,V) - DZPl (N - 1)).

Der Verlauf dieser ausgeglichenen Differenzen ist für das Beispiel in Fig.8 oben (punktiert) aufgetragen. Folgende Ablaufstörung ist bei diesem Beispiel angenommen:

Zwischen den Meßquerschnitten ASi und AS2, die 7 km auseinanderliegen, ist einen Kilometer vor der Meßstelle AS2 durch einen Unfall der linke Fahrstreifen in der Minute 59 blockiert worden. Bereits in den folgenden i«iinuten macht sich dieser Vorfall sofort bei den Original-Meßwerten Z2 bemerkbar (siehe Fig.8 Mitte). Zunächst fällt die Verkehrsstärke fast auf Null ab, erholt sich dann aber wieder bis zur maximalen Leistung von einem Fahrstreifen. Die beim Meßquerschnitt AS I einfahrenden Fahrzeugmengen bleiben vom Unf,.M zunächst unbeeinflußt, da dor zweispurige, sechs Kilometer lange Stauraum bis zur Unfallstelle ca. 1800 Fahrzeuge aufnehmen kann. Selbst bei einer vollständigen Blockierung beider Fahrstreifen an der Unfallstelle könnte der Verkehr mit der vorhandenen Stärke von ca. 40 Fahrzeugen pro Minute bei Meßstelle ASi noch ca. 40 Minuten lang weiterfließen, bis der Stauraum gefüllt wäre und man an den Original-Meßwerten A 1 die Störung ablesen könnte. Die Prognosewerte ZfI von Meßstelle ASi für die Meßstelle AS2 entsprechen dem unveränderten Verhalten des Verkehrs beim Meßquerschnitt ASi. Durch die Differenzbildung zwischen v/irklichem Meßwert Z2 und Prognose ZPi an der Meßstelle AS 2 macht sich die Verkehrsstörung aber dennoch relativ schnell bemerkba^r. Dies ergibt sich aus dem Verlauf der ausgeglichenen Differenzen DZP2 in Fig.8 oben. Die signalisieren bereits von der 61. Minute an durch starkes Fallen ins Negative und durch Beibehalten dieser stark negativen Werte sehr deutlich eine Störung zwischen den Meßstellen ASi und AS 2. Da die Werte negativ sind, handelt es sich um den Aufbau eines Staus. Das fortlaufende Über- oder Unterschreiten bestimmter Schwellen durch die ausgeglichene Differenz DZP 2 gibt somit gute und sichere Anhaltspunkte für das Vorliegen von Störungen im Verkehrsablauf. Während des gestörten Zustands kann man mit Hilfe der Differenz DZP 2 auch laufend recht gute Näherungen für die bestehende Staulänge, die zu erwartenden Wartezeiten usw. berechnen.

Fig. 10 enthält als weiteres Beispiel Vorkommnisse zwischen den Meßstellen AS2 und AS3, die 15 km auseinander liegen. Unten ist der in etwa bereits bekannte Verlauf der Original-Meßwerte AT. am Meßquerschnitt AS 2 aufgetragen. Die abfließenden Verkehrsmengen Λ 2 sind im einzelnen naturgemäß etwas anders als die zufließenden Mengen Z2, da sich in der Nähe der Meßquerschnitte Abbiege- und Einbiegevorgänge abspielen. Die Prognosewerte ZPI vom Meßquerschnitt AS2 für den Meßquerschnitt AS3 sind wieder punktiert in der Mitte von Fig. 10. aufgezeichnet Ab der 20. Minute tritt an der Meßstelle AS3 ein starker und plötzlicher Abfall der Verkehrsstärke auf etwa die Hälfte des bisherigen Wertes ein, und zwar infolge einer Störung zwischen Meßstelle AS2 und AS3. Die Differenz DZFZ reagiert sofort mit hohen negativen Weiten (Fig. 10 oben). Nach etwa einer halben Stunde ist diese Störung beseitigt. Der aufgestaute Verkehr setzt sich in Bewegung und verursacht sehr hohe, weit über der Prognose Hegen ⁴n Werte für die Verkehrsstärke bei der Meßstelle AS3 (Fig. 10 Mitte). Danach fallen die Prognosewerte ZP2 wegen der Störung zwischen den Meßquerschnitten 451 und AS2, so daß die Differenz zwischen Z3 und ZP2 und damit auch die ausgeglichenen Werte DZP3 noch größer werden. Diesmal ist die Differenz positiv, d. h., ein bestehender Stau löst sich auf. Dieser Auflösungsprozeß ist etwa in den Minuten 95—98 abgeschlossen. Genau zu dieser Zeit beginnt dann die Stauauflösung zwischen den Anschlußstellen ASi und AS2 (F i g. 10 unten). Die Schnelligkeit, mit der sich ein bestehender Stau auflöst, kann so meßtechnisch relativ gut erfaßt und zu weiteren Berechnungen des jeweiligen Stauendes, der Staulänge und der Wartezeiten benutzt werden. In F i g. 11 ist noch die Geschwindigkeitsverteilung zur F i g. 10 dargestellt.

In den vorliegenden Beispielen wurde jeweils die Geschwindigkeitsvereilung für die Berechnung der Prognosewerte zugrunde gelegt. Wie anfangs erwähnt, könnte man auch einfach die mittlere Geschwindigkeit der Prognose zugrunde legen und damit eine noch einfachere Messung und Berechnung erreichen. Mit der Geschwindigkeitsverteilung erhält man jedoch eine höhere statistische Sicherheit und eine schnellere Reaktion der Prognosewerte auf Störungen. Dies wird in F i g. 12 veranschaulicht. Ober den Original-Meßwerten A 2 sind die Prognosewerte ZP 2 für die nachfoigende Anschlußstelle AS 3 aufgetragen. Die punktierte Kurve stellt dabei die mit der gemessenen Geschwindigkeitsverteilung gewonnenen Prognosewerte ZP2 dar. Bereits nach der kurzen Fahrzeit der schnelleren Fahrzeuge bis zum Prognosequerschnitt liegt ein entsprechendes Ergebnis vor. Demgegenüber ist eine Prognose mit Hilfe der mittleren Geschwindigkeit und der Original-Meßwerte (durchgezogene Linie in Fig. 12 oben) um eine bis zwei Minuten träger und enthält gleichzeitig zufallsbedingte Schwankungen. Das bedeutet wiederum geringere statistische Aussagesicherheit der Prognosewerte.

Benutzt man anstelle der Original-Meßwerte exponentiell ausgeglichene Meßwerte und prognostiziert mn ihnen und mit der mittleren Geschwindigkeit, so enthalten die Prognosewerte weniger zufallsbedingte Schwankungen; die statistische Aussagesicherheit wird dabei größer, gleichzeitig aber auch die Trägheit der Prognose. In diesem Fall gilt die gestrichelte Kurve in Fig. 12 oben. Zum Vergleich ist noch die mittlere Fahrzeit MFzwischen beiden Meßwerten dargestellt

Die Auswertung der gewonnenen Meßergebnisse sei anhand der Fig. 13 und 14 gezeigt Mit Hilfe der exponentiell ausgeglichenen Differenz DZP zwischen wirklichem Meßwert und Prognosewert undjnit Hilfe des ausgeglichenen mittleren Meßwertes Z für den mittleren Abfluß der überwachten Strecke kann man die Entwicklung der Staulänge STL, der Anzahl SU der gestauten Fahrzeuge und die zu erwartende Wartezeit W für die Fahrzeuge, die gerade in die Strecke einfahren, bis zum Passieren der Behinderung berech-

29 Π 734

nen. Diese Berechnung erfolgt nach dem Flußdiagramm von Fig. 13. Dabei haben die positiven Parameter Cl, C2 und E folgende Bedeutung: Das Entstehen, das Vorhandensein oder die Auflösung von Stau wird erst als gegeben angenommen, wenn die Differenz DZP größer als CX oder kleiner als -Cl ist. Bei — dem Betrag nach — kleineren Differenzen sind keine wesentlichen Unregelmäßigkeiten im Verkehrsablauf vorhanden. Geht man von einem Meßintervall von einer Minute aus, so dürfte der Wert C1 am zweckmäßigsten etwa bei 5 liegen. Sinkt die Menge der gestauten Fahrzeuge unter C 2, so gilt der Stau als aufgelöst (SU = 0). C2 dürfte zweckmäßig bei ca. 15 Fahrzeugen pro Spur liegen. Liegt der mittlere Abfluß Z der überwachten Strecke unter E, so liegt eine vollständige Blockierung der Strecke vor. E sollte dabei sehr klein gewählt verden, etwa in der Größenordnung von 1 bis 3 Fahrzeugen. In diesem Fall kann die Wartezeit nicht mehr ohne weiteres berechnet v/erden. Man benötigt dazu die Zeitangabe X, weiche angibt, wann mit der Beseitigung der vollständigen Blockierung zu rechnen ist.

Diese Größe X muß nach Angaben etwa de.- Polizei oder der Rettungsmannschaft eingegeben werden. Sie wird dann automatisch bei jedem Durchlauf des Flußdiagramms (pro Minute) um 1 erniedrigt, bis sie gleich Null ist Diese Größe X kann aber auch nach neuen Angaben jederzeit korrigiert werden. Der zweite Term der Wartezeit gibt in diesem Fall den Zeitbedarf für die Auflösung des jeweils vorhandenen Staus SU an. Tl ist dabei der mittlere Zeitbedarf pro Fahrzeug, mit dem sich die Anfahrwelle in einer stehenden Kolonne nach hinten bewegt. SP ist die Anzahl der vorhandenen Spuren der Richtungsfahrbahn, auf der sich die Fahrzeuge stauen. Ist der mittlere Abfluß der überwachten Strecke größer als E, dann liegt noch eine gewisse Durchlässigkeit an der Störungsstelle vor, die gleich Z Fahrzeuge pro Minute sina\ und diher beträgt die

ίο Wartezeit in diesem Fall SU/Z

Für das Beispiel in F i g. 8 ist der zeitliche Verlauf der Größen DZP, des Staus SU (in Fahrzeugen) bzw. der Staulänge STL (in Kilometern) und der Wartezeit in Fig. 14 aufgetragen. Man sieht, wie die Staulänge

π wächst und nach Beseitigung der Störung wieder abnimmt Die geschätzte Wartezeit nimmt wegen des geringen Durchlasses der Störungsstelle ebenfalls bis zur Beseitigung der Behinderung zu; von da an ergibt sich dann ein gesättigter Verkehrsstrom auf zwei Spuren als Abfluß (Z ist groß), und damit nimmt die entstehende Wartezeit für neu eingefahrene Fahrzeuge entsprechend ab. Als oberste Kurve ist noch die zeitliche Entwicklung der Gesamtwartezeit für alle Fahrzeuge in Fz h angegeben (minütliche Summe über SU). Wenn der Stau beseitigt ist und keine Wartezeit mehr auftritt, läuft diese Kurve parallel zur Abszisse. Ihr Wert entspricht dann der während des gesamten Staus entstandenen Gesamtwartezeit Dies ist die volkswirtschaftliche relevante Größe für den Stau.

Hierzu 10 Blatt Zeichnungen

Claims

Patentansprüche:

1. Verfahren zur Messung von Verkehrsstörungen auf Autostraßen bei großem Meßstellenabstand, wobei an jeder Meßsteile Meßwerte über die Verkehrsstärke und die Geschwindigkeit der passierenden Fahrzeuge gewonnen und aus den Verkehrsstärken und dem Geschwindigkeitsverhalten an einer Meßstelle während jeweils fester gleicher Meßintervalle jeweils ein Prognosewert für die Verkehrsstärke an der in Fahrtrichtung nachfolgenden Meßstelle zu einem bestimmten nachfolgenden Meßintervall errechnet wird, wobei dieser Prognosewert mit dem entsprechenden tatsächlichen Meßwert der Verkehrsstärke verglichen und wobei ein Störungssignal erzeugt wird, wenn die Differenz zwischen Prognosewert und Meßwert einen vorgegebenen Sollwert übersteigt, dadurch gekennzeichnet, daß für die Berechnung der Prognosewerte (Z^X, ZP2 usw.) für die Verkehrsstärke einer Meßsteiie (ASi, AS2 usw.) jeweils die an der vorangehenden Meßstelle gemessenen Geschwindigkeitsverteilungen (h) für die Zeit der vorangehenden Meßintervalle (T) verwendet werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die während -.'ines Meßintervalls (T) nach Zahl und Geschwindigkeit erfaßten Fahrzeuge je nach ihrer Geschwindigkeit in eine von mehreren Geschwindigkeitsklassen (i) eingeteilt werden, daß für die einzelnen Geschwindigkeitsklassen jeweils die relativ* Häufigkeit (h) ermittelt wird, und daß aus der relativen H^.ufigke^ (h) und der mittleren Geschwindigkeit (v) bzw. der mittleren Fahrzeit (F) der einzelnen Geschwindigke^:;sklassen die Prognosewerte durch Summenbildung aus mehreren vorangehenden Meßintervallen (N. N—\. N—2...) errechnet werden.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die jeweils neu ermittelte Geschwindigkeitsverteilung (H, bzw. Λ2) mit einem wählbaren Ausgleichsfaktor (λ) unter Einbeziehung der zuletzt gültigen, ausgeglichenen Geschwindigkeitsver:eilung modifiziert wird.

4. Verfahren nach einem der Ansprüche 1 bis 3. dadurch gekennzeichnet, daß der an Ein- und Ausfahrten (EFH, EF2X...; AFM, AF2t...) zufließende bzw. abfließende Verkehr getrennt nach Verkehrsstärke (ZXE, ZXA, Z2E, Z2A usw.) erfaßt und den jeweiligen Meßwerten der Meßslellen ϊο (AS X, 452) addiert bzw. subtrahiert werden, wobei die Geschwindigkeitsverteilung der geradeaus fahrenden Fahrzeuge (ZlG. Z2G usw.) auch für den zufließenden Verkehr (Z XE, Z2E usw.) zugrunde gelegt wird.

5 Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß beim Auftreten von Steigungsstrecken das Geschwindigkeitsverhalten der Fahrzeuge in der Nähe der Steigung ermittelt und zur Berechnung der Prognosewerte herangezogen wird.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die errnuttelten Differenzwerte (DZP) zwischen den Meßwerten (Z) einer Meßstelle (AS) und den für die«e Meßstelle errechneten Prognosewerten (ZP) nut Hilfe eines Ausgleichsfaktors (ß) unter Einbeziehung des jeweils vorangehenden Differenzwertes (DZP(N-I)) ex

ponentiell ausgeglichen werden.

7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß durch Summieren der Dtfferenzwerte (DZP) zwischen Prognosewerten (ZP) und Meßwerten (Z) die jeweilige Größe des Staus (SL/,-STL;ermittelt wird.

8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß der Stau als aufgelöst gemeldet wird, wenn die Staugröße (SU; STL) unter einen vorgegebenen Wert (C2) sinkt.

9. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, daß die voraussichtliche Wartezeit (W) für die in die überwachte Strecke einfahrenden Fahrzeuge als Quotient aus_der Staugröße (SU) und dem mittleren Abflußwert Vermittelt wird.

10. Verfahren nach Anspruch 8 oder 9, dadurch gekennzeichnet, daß bei vollständiger Blockierung der überwachten Strecke die Wartezeit (W) als Summe aus dem von der Staugröße abhängigen Zeitbedarf für die Auflösung des jeweiligen Staus einerseits und dem für die Beseitigung der Blockierung erforderlichen Zeitbedarf andererseits ermittelt wird.