Publications

Disclaimer:

IEEE Copyright Notice

This material is presented to ensure timely dissemination of scholarly and technical work. Copyright and all rights therein are retained by authors or by other copyright holders. All persons copying this information are expected to adhere to the terms and constraints invoked by each author's copyright. In most cases, these works may not be reposted without the explicit permission of the copyright holder.

ACM Copyright Notice

These are the authors' versions of the work. The copyright is with ACM. They are posted here by permission of ACM for your personal use. Not for redistribution. See individual publication details for information on the publication of the definitive versions.

Springer-Verlag LNCS Copyright Notice

The copyright of these contributions has been transferred to Springer-Verlag Berlin Heidelberg New York. The copyright transfer covers the exclusive right to reproduce and distribute the contribution, including reprints, translations, photographic reproductions, microform, electronic form (offline, online), or any other reproductions of similar nature. Online available from Springer-Verlag LNCS series.

Work that appeared before the 1st of September 2003 was published while the authors were with the Lehrstuhl Praktische Informatik IV at the University of Mannheim.

Ursachen- und wirkungsorientierte Analyse gesammelter Fahrprofile zur taktischen Fahrtoptimierung

Author(s): Markus Kerper.
Title: Ursachen- und wirkungsorientierte Analyse gesammelter Fahrprofile zur taktischen Fahrtoptimierung
Published: PhD thesis, Heinrich Heine University, Düsseldorf, Germany, July 2013
Keyword(s): Vehicular Communication, Trajectory Analysis, Traffic Light State Estimation, Fuel Efficient Driving
Abstract: Ein Fahrer, der das Ziel hat vorausschauend und somit verbrauchseffizient zu fahren, muss die für ihn fahrbare Maximalgeschwindigkeit auf der vorausliegenden Strecke abschätzen, um unnötige Beschleunigungs- und Bremsvorgänge zu vermeiden. Die fahrbare Maximalgeschwindigkeit auf einem Streckenabschnitt unterliegt diversen Beschränkungen, die u. a. aus Streckengeometrie, Verkehrszeichen, Lichtsignalanlagen (LSA) und der Witterung resultieren. Die dieser Arbeit zugrunde liegende Beobachtung ist, dass Fahrer zum einen in komplexen Situationen und auf unbekannten Strecken aufgrund des Informationsdefizits nicht in der Lage sind die fahrbare Maximalgeschwindigkeit für die nächsten x-hundert Meter abzuschätzen. Zum anderen ist es für den Fahrer eine große Herausforderung fahrzeugspezifische verbrauchseffiziente Fahrmanöver daraufhin abzuleiten.Diese Arbeit verfolgt das Ziel, dem Fahrer die oben genannten komplexen Aufgaben, d. h. die Berechnung der fahrbaren Maximalgeschwindigkeit und der daraus resultierenden verbrauchseffizienten Fahrmanöver, mittels eines Assistenzsystems abzunehmen. Der Beitrag dabei ist ein System zur Berechnung der fahrbaren Maximalgeschwindigkeit aus vergangenen und aktuellen Fahrprofilen. Dazu wird in dieser Arbeit die steigende Verfügbarkeit von Kommunikation zwischen Fahrzeugen und Servern zum Austausch der Fahrprofile genutzt.Es werden zwei Verfahren zur Analyse der Fahrprofile auf einem Server entwickelt: Die wirkungsorientierte und die ursachenorientierte Analyse. Die wirkungsorientierte Analyse von Fahrprofilen ist ein generischer Ansatz, bei dem die Einflussfaktoren (z. B. die Streckengeometrie, Verkehrszeichen und LSA) auf das Fahrprofil nicht speziell betrachtet werden, sondern ausschließlich deren Auswirkungen (d. h. das Resultat aller Einflüsse) analysiert werden. Die Idee dabei ist die fahrbare Maximalgeschwindigkeit auf dem vorausliegenden Streckenabschnitt durch den Geschwindigkeitsverlauf, den Fahrzeuge typischerweise dort fahren, aus historischen Fahrprofilen abzuschätzen. Der erste Kernbeitrag dieser Arbeit ist ein Algorithmus zur Erkennung von charakteristischen Geschwindigkeitsverläufen und deren Wahrscheinlichkeit für jeden Streckenabschnitt durch Klassifikation der Fahrprofile. Das Problem dabei ist es ein Ähnlichkeitsmaß zu finden, welches die Verschiebung von Fahrprofilen zueinander berücksichtigt; beispielsweise halten Fahrzeuge an einem Stoppschild an unterschiedlichen Positionen bei Rückstau. In dieser Arbeit wird mit Dynamic Time Warping (DTW) ein Ähnlichkeitsmaß gewählt, welches bereits in der Spracherkennung eingesetzt wurde, um gleiche Wörter trotz unterschiedlich schneller Aussprache zu erkennen. Evaluiert wird der Algorithmus mittels realer Fahrprofile.Bei der ursachenorientierten Analyse wird im Vergleich zur wirkungsorientierten Analyse die Kenntnis über den maßgebenden Einflussfaktor genutzt. Innerorts werden Fahrprofile ganz wesentlich durch den Status von LSA beeinflusst. Die Idee in dieser Arbeit ist, durch Analyse von Fahrprofilen an durch LSA gesteuerten Kreuzungen, die LSA-Parameter zu schätzen. Dazu wurden in dieser Arbeit zwei Algorithmen zur ursachenorientierten Analyse von Fahrprofilen an LSA entwickelt: Der erste Algorithmus (Traffic Light State Estimation (TLSE)) wird an LSA eingesetzt, deren Schaltzeiten über einen längeren Zeitraum statisch sind. Mit dem zweiten Algorithmus (Traffic Light Correlation Analysis (TLCorA)) werden LSA adressiert, deren Schaltzeiten mit räumlich umliegenden LSA korreliert sind. Das heißt, dass die Schaltzeiten der LSA einer Kreuzung nicht statisch, die Schaltzeiten aufeinanderfolgender LSA zueinander aber statisch sein müssen (z. B. bei „grüner Welle“). Beide Algorithmen ermöglichen die Bestimmung des Status der LSA bei Ankunft des Fahrzeugs und damit der fahrbaren Maximalgeschwindigkeit.
Note:
Bib entry: [XML] [BibTeX]
Download: [PDF]
Responsible for the content: E-MailWE Informatik