Queue length estimation at traffic signals using floating car data

Verkehr und Mobilität sind ein wichtiger Teil unseres täglichen Lebens. Zugleich leiden Menschen und Umwelt an deren negativen Folgen. Speziell im Straßenverkehr sind die Probleme häufig kaum zu übersehen. Entsprechend kommt dem Verkehrsmanagement als integraler Bestandteil der Verkehrsplanung und -steuerung eine wachsende Bedeutung zu. Ziel ist es, durch intelligente Ansätze die negativen Auswirkungen moderner Mobilität möglichst zu vermeiden oder wenigstens zu reduzieren. Ein effizientes Verkehrsmanagement benötigt dazu eine verlässliche Verkehrsdatenerfassung, wobei das innerstädtische Verkehrsmonitoring wegen finanzieller und technologischer Beschränkungen derzeit häufig grundlegende Defizite aufweist. Engmaschige Verkehrsnetze mit einer komplexen Verkehrsdynamik erschweren hier eine flächendeckende Verkehrslageerfassung mit herkömmlichen Mitteln. Die vorliegende Arbeit entwickelt daher basierend auf sogenannten Floating-Car-Daten (FCD) eine alternative Methode, die bei Bedarf in flexibler Weise zusätzlich Informationen aus beliebigen weiteren Quellen qualitätssteigernd fusionieren kann. Es ergibt sich ein kosteneffizientes, erweiterbares Verfahren zur Schätzung von Rückstaulängen an lichtsignalgeregelten Netzknoten. Dessen Kernidee ist es, beobachtete GPS-Positionen einzelner Fahrzeuge mit geeigneten, modellbasierten Profilen der lokalen Verkehrsdichte zu vergleichen. Dies erlaubt die Schätzung einer virtuellen Verkehrsnachfrage, die mit Hilfe eines Verkehrsflussmodells konsistent in die gesuchte Verkehrskenngröße umgerechnet werden kann. Die Theorie des neuen Verfahrens wird detailliert beschrieben. Darüber hinaus werden im Zuge umfangreicher Analysen mit simulierten und realen Verkehrsdaten systematisch die Potentiale des neuen Ansatzes bewertet. Insgesamt zeigt sich, dass sowohl in der Simulation als auch unter realen Bedingungen schon mit sehr niedrigen FCD-Abdeckungsgraden vielversprechende Ergebnisse erzielt werden können.Traffic and mobility are important ingredients of our daily lives. However, people and environment are suffering from their negative effects at the same time. As for road traffic in urban areas, the problems are quite obvious. That is why national and local authorities are (re-)discovering traffic management as an integrated component of traffic planning and control. Clearly, efficient traffic management needs reliable traffic information. Despite that, urban traffic monitoring is still underdeveloped due to financial and technological constraints. Because of complex traffic dynamics and close-meshed road networks in urban areas, it is hardly possible to obtain good area-wide traffic information based on conventional detection only. Because of that, an alternative method based on so-called floating car data has been developed in the presented work which is able to incorporate also additional data sources in a flexible way as to enhance the quality of the results. In its current version, it provides a cost-efficient way to estimate queue lengths at signalized intersections. The basic idea is to compare observed GPS positions with some model-based profiles of local traffic density. In this way, it is possible to gauge some kind of virtual traffic demand which is consistently transformed into the desired traffic state information afterwards using a simple traffic flow model. The theory of the new approach is described in detail. Moreover, extensive analyses based on simulated and real data systematically evaluate the achievable accuracy of estimation. All in all, it is shown that promising results can be obtained even at very low penetration rates in simulation as well as in real-life conditions