1. METRA
Alternativa kostnadseffektiva metoder för
insamling av trafikdata
David Gundlegård
Institutionen för Teknik och Naturvetenskap
Avdelningen för Kommunikations- och Transportsystem
Andreas Allström (LiU/Sweco)
Transportforum 2012
2. Outline
Om METRA
Trafikdata
Alternativa tekniker
Specifika sensorer
Frågor
Sid
2 David Gundlegård, ITN 2012-01-12
3. METRA
• Alternativa MEtoder för kostnadseffektiv
insamling av TRAfikantdata
• Finansierat av Trafikverket FUD – TTS
• Två huvudområden
• Översikt alternativa metoder
för insamling av trafikdata
• Test av GPS-utrustade mobil-
telefoner som trafiksensorer
• Fortsättningen på METRA är ett projekt som
heter Mobile Millennium Stockholm
Sid
3
David Gundlegård, ITN 2012-01-12
6. Huvudegenskaper sensorer
Fasta sensorer Rörliga sensorer (probes)
• Penetrationsgrad • Penetrationsgrad
• Antal körfält • Samplingsfrekvens
• Mätnoggrannhet • Rum VS tid
• Position • Mätnoggrannhet
• Hastighet • Position
• Occupancy • Hastighet
• Aggregeringsnivå
Jämför: ”Bilkön rör sig till sensorn”
• Installationsprocedur VS ”Sensorn rör sig till bilkön”
• Placering
David Gundlegård, ITN 10-07-30
7. Alternativa tekniker
• Vad är alternativa tekniker? • Alternativa tekniker
• Motsatsen till • Trafiksignaldetektorer
standardtekniker… • Radartorn
• Radar • Bluetooth- / WiFi-sensorer
• Slingdetektorer • Vägtullar/trängselskatt
• Nummerskyltskameror • GPS-probes
• I detta projekt • Mobilnätsdata
• Fokus på trafikdata som primärt
samlas in för andra syften
• Egenskaper standardtekniker
• Hög installationskostnad
• Hög underhållskostnad
• Pålitliga
• Datakvalitet vid låga och mycket
varierande hastigheter?
David Gundlegård, ITN 10-07-30
8. Trafiksignaldetektorer
• Primärt
• Ny generation
användningsområde är att
trafiksignaldetektorer
styra trafiksignaler
• Trådlös kommunikation,
• Stor potential enkla att installera
• ca 600 trafiksignaler i • Möjlighet att mäta flöde,
Stockholm hastighet och ev. restid
• Möjlig datakälla för att • Försök pågår i Stockholm
skatta och prediktera
trafikläget i staden
• Dagens signaldetektorer ej
anpassade för att samla in
trafikdata
David Gundlegård, ITN
9. Trafiksignaldetektorer
• Restider genom • Problem
matchning av signaturer • Olika typer av detektorer
• Systemet ej byggt för datainsamling
• Svårigheter vid
acceleration/retardation
David Gundlegård, ITN
10. Radartorn
• Ursprungligt användningsområde
• Övervakning
• Användning vägtrafik
• Stillastående fordon, hinder på vägen
• Ersätter videobaserade system
• Mäter rörelse 360° inom en radie av ~ 800 m
• Trafikdetektoranvändning
• Hastighet och flöde
• Restid (max sträcka 1,5 km)
• Följa fordon, vävningsbeteende vid ramper etc
Sid
10
David Gundlegård, ITN 2012-01-12
11. Bluetooth / WiFi
• Detekterar Bluetooth-enheter i bilar
• Kostnadseffektiv och enkel installation
• WiFi-enheter
• Mobiltelefonen som WiFi-accesspunkt
• WiFi-nätverk i bilen?
David Gundlegård, ITN 10-07-30
12. Bluetooth
• Penetrationsgrad
• Varierar mellan 2 och 20 % i litteraturen
• Köpenhamn
• En sensor täckte motorväg med två körfält i
vardera riktning
• Penetrationsgrad runt 20 %
• Positioneringsnoggrannhet tillräcklig för
stadstrafik?
• Försök på gång i Stockholm
• Bygger på att Bluetooth-enheter kan
upptäckas
• WiFi/Bluetooth probes…
Sid
12
David Gundlegård, ITN 2012-01-12
15. Mobilnätsdata
• Hur många mobiltelefon-abonnemang i
Sverige?
• 11.6 miljoner
• Hur många mobiltelefoner per fordon?
• Antagligen minst 1…
• Nya typer av nät och mer trafik i näten
• Mer data av bättre kvalitet!
David Gundlegård, ITN
16. Mobilnätsdata
• Vilken data som genereras från en
mobiltelefon beror på telefonens
tillstånd
• Aktiv VS påslagen
• Lämplig för olika typer av
användningsområden
• Restider
• Resmönster/OD-skattning
• Mer datatrafik ger fler aktiva telefoner
• Smartphones genererar mycket Aktiv mobil (GSM + GPRS)
datatrafik för synkronisering av olika Aktiv (GSM + GPRS)
tjänster och nyligen aktiv mobil (GPRS)
• Mycket användbart för att få Inaktiv men påslagen mobil (GSM + GPRS)
information om hur fordon rör sig
Sid
16
David Gundlegård, ITN 2012-01-12
17. Mobilnätsdata
• O/D-estimering från Mobilnätsdata relativt • Utvärderat för restider i Malmö
enkelt och ändå bättre än resvane-
undersökningar ur flera aspekter?
• Varför lades systemet ner?
• Dålig kvalitet på restidsskattningar
• Kan bero på antalet aktiva
mobiltelefoner, nät- och vägstrukturen i
området, de algoritmer som användes
för att skatta restider etc.
• Endast CellInt vet den verkliga
orsaken…
• Omogen teknik med stor potential,
behövs forskning och oberoende
utvärdering med svenskt fokus
• Vinnova-projekt ”Framtidens mobilitet”
• Konsortium byggs just nu: SICS, LiU,
Ericsson, IBM, Sweco, Trafikverket,
MSB…
Sid
17
David Gundlegård, ITN 2012-01-12
18. Sammanfattningsvis
• Många alternativa tekniker tillgängliga
• Alla har olika egenskaper
• Ingen teknik perfekt, kombinera för bästa
resultat
• Hur kombinera? En annan presentation!
• Minska antalet fasta sensorer genom att
kombinera effektivt med alternativa tekniker
• Tillämpningen styr val av sensor
• Kostnadseffektivitet kräver dock multipla
tillämpningar från samma sensor
Sid
18
David Gundlegård, ITN 2012-01-12