Schaltzeitprognose von verkehrsabhaengigen Lichtsignalanlagen unter Beruecksichtigung verschiedener Steuerungsverfahren / Switching time prediction of traffic actuated signal controls considering different control strategies

Es gibt verschiedene Ansaetze zur Emissionsreduktion an signalisierten Knotenpunkten. Ueber eine Fahrzeug-Infrastruktur-Kommunikation koennen den Autofahrern beispielsweise Empfehlungen zu einer passenden Annaeherungsgeschwindigkeit an eine Lichtsignalanlage gegeben werden. Somit kann sich der Fahrer im Falle eines nicht vermeidbaren Halts dem Knotenpunkt energie- und verbrauchsoptimal annaehern. Fuer die Generierung solcher situationsabhaengigen Handlungsempfehlungen ist die Information ueber die bevorstehenden Schaltzeitpunkte eine Grundvoraussetzung. Da moderne Anlagen ihre Schaltzeiten an das aktuelle Verkehrsgeschehen anpassen, ist eine Prognose der bevorstehenden Signalbildwechsel erforderlich. Diese werden dabei mit einer geringeren Wahrscheinlichkeit als 100 Prozent eintreten. Der Beitrag stellt einen Prognoseansatz vor, der auf einer sogenannten SVM (Support Vector Machine) beruht. Die Komplexitaet verschiedener Steuerungsverfahren hat dabei einen besonderen Einfluss auf die resultierende Prognoseguete. Die Untersuchungsergebnisse anhand realer Signalisierungsdaten der Staedte Duesseldorf und Kassel zeigen auf, dass sich durch die Verwendung des SVM-Ansatzes die Prognostizierbarkeit bevorstehender Signalbildwechsel im Vergleich zu einem rein statistischen Ansatz verbessern laesst. (A) ABSTRACT IN ENGLISH: There are several approaches to reduce emissions at signalized intersections. Drivers can be provided with recommendations of a suitable speed for the approach to the next traffic light via a vehicle-to-infrastructure communication (V2I). Thus, in case of an unavoidable stop, the driver is able to approach the intersection in energy efficient and fuel-saving way. The information of forthcoming switching times is a basic requirement to generate such recommendations. However, modern traffic lights adapt their switching times to the current traffic situation. Therefore, a prediction of forthcoming changes of signal patterns is necessary. These changes will then occur with a probability less than 100 percent. The paper presents a prediction approach based on a so-called SVM (Support Vector Machine). The complexity of various signal control methods has a special influence on the resulting quality of the prediction. The research results using real signal data from the German cities of Dusseldorf and Kassel confirm an improved predictability of forthcoming changes of signal patterns by using the SVM approach compared to a statistical approach. (A)

• Availability:
  • Find a library where document is available. Order URL: http://worldcat.org/oclc/6525734
• Authors:
  • WEISHEIT, T
  • HOYER, R
• Publication Date: 2015

Language

• German

Media Info

• Pagination: 503-13
• Serial:
  • Straßenverkehrstechnik
  • Volume: 59
  • Issue Number: 8
  • ISSN: 0039-2219

Subject/Index Terms

• TRT Terms: Energy; Forecasting; Highway traffic; Highways; Intersections; Pollutants; Private transportation; Scale models; Speed; Traffic control; Traffic flow; Traffic signals
• Geographic Terms: Germany
• ITRD Terms: 8125: Deutschland; 2442: Emission; 213: Energie; 5408: Geschwindigkeit; 746: Individueller Verkehr; 455: Knotenpunkt; 565: Lichtsignal; 6205: Modell; 132: Prognose; 2755: Straße; 773: Straßenverkehr; 671: Verkehrsfluss; 654: Verkehrssteuerung
• Subject Areas: Energy; Highways; Operations and Traffic Management; I10: WIRTSCHAFT UND VERWALTUNG; I15: UMWELT; I72: VERKEHRS- UND TRANSPORTPLANUNG; I73: VERKEHRSREGELUNG;

Filing Info

• Accession Number: 01578257
• Record Type: Publication
• Source Agency: Forschungsgesellschaft für Straßen- und Verkehrswesen (FGSV)
• Files: ITRD
• Created Date: Oct 20 2015 9:18AM