Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

200th Seminar! Travel Time Estimation for Traffic Management and Traveler Information

559 views

Published on

Robert L. Bertini, Portland State University

  • Be the first to comment

200th Seminar! Travel Time Estimation for Traffic Management and Traveler Information

  1. 1. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 1 Robert L. Bertini Department of Civil and Environmental Engineering Nohad A. Toulan School of Urban Studies and Planning Portland State University Oregon Transportation Research and Education Consortium Transportation Seminar No. 200 •• April 4, 2008 Travel Time Estimation for Traffic Management and Traveler Information
  2. 2. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 2 Objectives ƒ Travel time visualizations ƒ Travel time fundamentals ƒ Previous research ƒ Framework for sensor spacing ƒ Analytical tool for sensor spacing ƒ Future research ƒ Seminar perspectives
  3. 3. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 3 What Can I Do With Travel Time? ƒ Travel time is fundamental ƒ Can be used to generate other things ƒ Travel time is multimodal
  4. 4. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 4 What Can I Do With Travel Time? ƒ Measure it ƒ Guess it ƒ Report it ƒ Predict it ƒ Forecast it
  5. 5. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 5 If I Get It Wrong? ƒ Annoy travelers ƒ Destroy confidence in system ƒ Increase congestion ƒ Worsen safety ƒ Damage air quality ƒ Increase fuel consumption
  6. 6. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 6 How Can I Affect Travel Time? ƒ Increase/decrease mean value ƒ Increase/decrease variability ƒ Affect comparison between modes
  7. 7. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 7 Context “Prediction is very difficult, especially about the future.” —Niels Bohr
  8. 8. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 8 Portlland Travell Tiimes Portland Travel Times
  9. 9. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 9 London Underground
  10. 10. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 10 London Underground
  11. 11. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 11 2004 Tsunamii Tsunami
  12. 12. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 12 Runoffff Travell Tiime Runoff Travel Time
  13. 13. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 13 Fiire Statiion Response Tiime Fire Station Time
  14. 14. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 14 New York Commuter Raiill Rail
  15. 15. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 15 2004 Tsunamii Tsunami Train journey times from Cambridge
  16. 16. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 16 Travel time difference train vs. car from Cambridge
  17. 17. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 17 Fundamentalls Fundamentals Time Distance Slope = Speed Travel Time
  18. 18. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 18 Fundamentalls Fundamentals Time Distance Actual Travel Time Free Flow Travel Time Actual – Free Flow = Delay
  19. 19. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 19 Fundamentals – One Detector –– Time Distance Travel Time
  20. 20. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 20 Miidpoiint Method Midpoint Influence Area 4 Æ Travel Time 4 (at t = 0) Æ Travel Time 1 Influence Area 1 Æ Travel Time 3 (at t = 0) Influence Area 3 Æ Travel Time 2 (at t = 0) Influence Area 2 Link Travel Time (TT1 + TT2 + TT3 + TT4)
  21. 21. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 21 Fundamentals – Two Detectors –– Time Distance Travel Time
  22. 22. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 22 Measurement Parameters ƒ Fixed Locations ƒ Stop Watch Method ƒ Detectors (any kind) ƒ RF Toll Tags ƒ RF “Sign Posts” ƒ Video Image (license plate) ƒ Volume Based ƒ Fixed Times ƒ GPS + Wireless Communication ƒ Cellular Phone
  23. 23. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 23 Measurement:: Fiixed Locatiions Measurement: Fixed Locations Time Distance x1 x2 Location Time x1 x2
  24. 24. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 24 Measurement:: Fiixed Locatiions Measurement: Fixed Locations Distance x1 x2 Location Time x1 t1 x2 Time
  25. 25. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 25 Measurement:: Fiixed Locatiions Measurement: Fixed Locations Distance x1 x2 Location Time x1 t1 x2 t2 Time t1 t2
  26. 26. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 26 Measurement:: Fiixed Locatiions Measurement: Fixed Locations Distance x1 x2 Location Time x1 t1 x2 t2 Time t1 t2
  27. 27. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 27 Measurement:: Fiixed Tiimes Measurement: Fixed Times Distance x1 Time t1 t2 t3 t4 t5 Time Location t1 x1 t2 t3 t4 t5
  28. 28. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 28 Measurement:: Fiixed Tiimes Measurement: Fixed Times Distance x1 Time t1 t2 t3 t4 t5 x2 Time Location t1 x1 t2 x2 t3 t4 t5
  29. 29. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 29 Measurement:: Fiixed Tiimes Measurement: Fixed Times Distance x1 Time t1 t2 t3 t4 t5 x3 x2 Time Location t1 x1 t2 x2 t3 x3 t4 t5
  30. 30. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 30 Measurement:: Fiixed Tiimes Measurement: Fixed Times Distance x1 Time t1 t2 t3 t4 t5 x4 x3 x2 Time Location t1 x1 t2 x2 t3 x3 t4 x4 t5
  31. 31. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 31 Measurement:: Fiixed Tiimes Measurement: Fixed Times Distance x1 x5 Time t1 t2 t3 t4 t5 x4 x3 x2 Time Location t1 x1 t2 x2 t3 x3 t4 x4 t5 x5
  32. 32. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 32 Use Counts (TTI Method)
  33. 33. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 33 Use Counts (TTI Method)
  34. 34. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 34 Flow (vph) Speed (mph) Siimiillar Idea Usiing Granullar Data Similar Using Granular
  35. 35. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 35 WSDOT Travell Tiimes Travel Times
  36. 36. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 36 Data Collllectiion Was Diiffffiicullt Collection Difficult Data Collection Greenshields, et al., 1947 Speedometer Greenshields, et al., 1957
  37. 37. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 37 Previious Research:: LAFSP Previous Research:
  38. 38. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 38 Previious:: Hiighway 18 Previous: Highway
  39. 39. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 39 Previious Research:: Frontiier Previous Research: Frontier
  40. 40. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 40 Previious Research:: ODOT VMS I Previous Research: 40 ƒ 15 directional freeway links ƒ 87 probe runs ƒ 516 miles/12 drivers ƒ 15 hours of data collected
  41. 41. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 41 Previious Research:: ODOT VMS I Previous Research: 0246810121416182002468101214161820Probe Travel Time (min) Estimated Travel Time (min) Coifman (u/s) Coifman (d/s) MidpointCoifman - MidpointCoifman - DistwtMidpoint - Average
  42. 42. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 42 Previious Research:: ODOT VMS I Previous Research:
  43. 43. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 43 Previious Research:: ODOT VMS I Previous Research: 0024681012141602468101214Bus Travel Time (min) Estimated Travel Time (min) Coifman (u/s) Coifman (d/s) MidpointCoifman - MidpointCoifman - Distwt
  44. 44. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 44 ODOT Phase II: Tufte ƒ Data quality ƒ Congestion ƒ 300 ground truth runs on I-5 and OR 217 ƒ Other algorithms
  45. 45. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 45 ODOT Phase II ƒ Average error ~5-7% ƒ Need for more detection, but where? 05101520253035404550<-30-30-20-20-10-10-00-1010-2020-30>30% Error % of Runs # of Runs - 67 I-5 N 01020304050<-30-30-20-20-10-10-00-1010-2020-30>30% Error % of Runs # of Runs - 60 I-5 S
  46. 46. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 46 Motivation ƒ Ongoing efforts to improve freeway travel time estimates ƒ Display travel time ranges for key corridors ƒ Desire to provide additional detection ƒ Need for ““optimal optimal”” decision decision- making aid
  47. 47. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 47 Portland ATMS ƒ Freeway Surveillance ƒ 502 inductive loop detectors ƒ ~175 stations ƒ Dual loop (act as single loop) ƒ 1.2 mile average spacing ƒ Upstream of on-ramps ƒ 135 ramp meters ƒ 98 CCTV ƒ ATIS ƒ www.TripCheck.com ƒ Real-time speed map ƒ Static CCTV images ƒ 18 dynamic message signs (DMS) ƒ 3 display travel times on rampsramps Real
  48. 48. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 48 Freeway Detector Locatiions Locations
  49. 49. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 49 Portlland Speed/Travell Tiime Inffo Portland Travel Time Info
  50. 50. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 50 Bus/Arteriiall Speeds Arterial
  51. 51. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 51 Hypothetiicall x-t Plane Hypothetical x1MeasuredSpeediActual Travel TimeFree Flow Travel TimeFreeFlowSpeedExtrapolated Travel Time l= Segment Length xtExtrapolatedSpeedOver- predictiont1= Time IntervalDelay
  52. 52. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 52 Freeway Corridor Example 305.67 Columbia305300295290285 4:008:0012:0016:0020:00 285.26 Wilsonville291.00 Carman298.48 Iowa302.22 Rose Qtr. 806040200vfvAC opqrn VMSMPTime02/08/07 Northbound I-5DOWNTOWN1 mileABDACACCDvCDDA
  53. 53. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 53 Traffic Flow Relation and Dynamics qkqCvfvcvACqAABCDABCDAxtvCDbntdeactvCDvACvfDAACCD Aassumptions: ƒ 1 mile segment ƒ s ~ 0.1 0.1-1.0 mile ƒ qA = 2000 vph ƒ qC = 1800 vph ƒ vf = 60 mph ƒ vc = 30 mph ƒ vCD = -17.1 mph ƒ vAC = -7.5 mph
  54. 54. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 54 05001000150020002500050100150200Density (veh/mi) Flow (veh/hr) qA =2000 qC =1800 vf =60 vc =30 vCD = -17.1 D C B A vAC= -7.5
  55. 55. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 55 05001000150020002500050100150200Density (veh/mi) Flow (veh/hr) Real data I-5 Macadam 2/8/07
  56. 56. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 56 Types off Transiitiions of Transitions Time Distance Frontal stationary Backward recovery Forward recovery Forward forming Backward forming Rear stationary
  57. 57. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 57 Types off Transiitiions of Transitions Time Distance Frontal stationary Backward recovery Forward recovery Forward forming Backward forming Rear stationary
  58. 58. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 58 d = l= Segment Length xtA, D, DA: uncongestedC: congestedvfvcttf=l/vfttc=l/vc Estimation When Homogeneous VHT Actual = VHT Estimated
  59. 59. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 59 Types off Transiitiions of Transitions Time Distance Frontal stationary Backward recovery Forward recovery Forward forming Backward forming Rear stationary
  60. 60. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 60 Types off Transiitiions of Transitions Time Distance Frontal stationary Backward recovery Forward recovery Forward forming Backward forming Rear stationary
  61. 61. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 61 Types off Transiitiions of Transitions Time Distance Frontal stationary Backward recovery Forward recovery Forward forming Backward forming Rear stationary
  62. 62. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 62 Traffic Flow Relation and Dynamics ABCDAxtbntdeactvCDvACvfDAACCD
  63. 63. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 63 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested
  64. 64. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 64 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested
  65. 65. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 65 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested
  66. 66. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 66 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested
  67. 67. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 67 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested UNDER OVER
  68. 68. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 68 txsvcvftcvACCongestion Signalα= Lag Timej1Shockttflzj3j2umaxttf Transition Uncongested ÆÆCongested
  69. 69. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 69 xls=0.50xs=0.25xs=0.10tltxs=0.33 Sensor Density Affects Lag Time
  70. 70. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 70 Transition Uncongested ÆÆCongested 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) 7.0 7.5 8.0 8.5 9.0 9.5 VHT Predicted VHT Actual VHT
  71. 71. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 71 Transition Uncongested ÆÆCongested -25% -20% -15% -10% -5% 0% 5% 10% 15% 20% 25% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error Error (Penalty) Error (Absolute Value) OVER UNDER Error (Additive)
  72. 72. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 72 Transition Uncongested ÆÆCongested -25% -20% -15% -10% -5% 0% 5% 10% 15% 20% 25% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error 7.0 7.5 8.0 8.5 9.0 9.5 VHT Actual VHT Error (Additive) Error (Penalty) Error (Absolute Value) Predicted VHT
  73. 73. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 73 Traffic Flow Relation and Dynamics ABCDAxtbntdeactvCDvACvfDAACCD
  74. 74. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 74 txstrvCDRecovery Signalα′= Lag Timevcvfj1Wavettclzj3j2umaxttf Transition Congested ÆÆUncongested
  75. 75. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 75 txstrvCDRecovery Signalα′= Lag Timevcvfj1Wavettclzj3j2umaxttf Transition Congested ÆÆUncongested UNDER OV ER
  76. 76. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 76 txstrvCDRecovery Signalα′= Lag Timevcvfj1Wavettclzj3j2umaxttf Transition Congested ÆÆUncongested UNDER OVER
  77. 77. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 77 txstrvCDRecovery Signalα′= Lag Timevcvfj1Wavettclzj3j2umaxttf Transition Congested ÆÆUncongested UNDER OV ER
  78. 78. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 78 Transition Congested ÆÆUncongested 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 VHT Predicted VHT Actual VHT
  79. 79. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 79 Transition Congested ÆÆUncongested -15% -10% -5% 0% 5% 10% 15% 20% 25% 30% 35% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error Error (Additive) Error (Penalty) Error (Absolute Value) OVER UNDER
  80. 80. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 80 Transition Congested ÆÆUncongested -15% -10% -5% 0% 5% 10% 15% 20% 25% 30% 35% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 VHT Error (Additive) Error (Penalty) Error (Absolute Value) Predicted VHT Actual VHT
  81. 81. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 81 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) 2.0 2.5 3.0 3.5 4.0 4.5 5.0 VHT Actual VHT Underprediction Only Predicted VHT
  82. 82. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 82 15% 16% 17% 18% 19% 20% 21% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error Error Underprediction Only
  83. 83. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 83 15% 16% 17% 18% 19% 20% 21% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error 2.0 2.5 3.0 3.5 4.0 4.5 5.0 VHT Error Predicted VHT Actual VHT Underprediction Only
  84. 84. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 84 Considering Both Transitions 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) 11.1 11.3 11.5 11.7 11.9 12.1 12.3 12.5 12.7 12.9 13.1 VHT Predicted VHT Actual VHT
  85. 85. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 85 Considering Both Transitions -15% -10% -5% 0% 5% 10% 15% 20% 25% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error Error (Additive) Error (Penalty) Error (Absolute Value)
  86. 86. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 86 Considering Both Transitions -15% -10% -5% 0% 5% 10% 15% 20% 25% 0.0 0.2 0.4 0.6 0.8 1.0 Sensor Spacing (miles) VHT Error 11.1 11.3 11.5 11.7 11.9 12.1 12.3 12.5 12.7 12.9 13.1 VHT Error (Additive) Error (Penalty) Error (Absolute Value) Predicted VHT Actual VHT
  87. 87. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 87 txsvcvftcvACCongestion Signalttf=α= Lag Timej1Shocklzj3j2umaxttf Detector at End off Sectiion of Section
  88. 88. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 88 txsvcvftcvACCongestion Signalttf=α= Lag Timej1Shocklzj3j2umaxttf Detector at End off Sectiion of Section
  89. 89. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 89 Effffects off Detector at End Effects of Regime AC Underprediction Detector Location Umax (Min) Lag Time (Min) VHT/Mile Pred VHT/Mile Act Under % Error Midpoint 0.56 4.00 2.78 3.55 22% Downstream 0.11 0.00 0.56 0.59 5% Overprediction Detector Location Umax (Min) Lag Time (Min) VHT/Mile Pred VHT/Mile Act Under % Error Midpoint 0.56 4.00 4.44 3.95 -13% Downstream 0.11 0.00 8.89 6.91 -29%
  90. 90. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 90 The Future ƒ Better estimates and forecasts ƒ Fusion of fixed and mobile sources ƒ Ubiquity of integrated information ƒ In-vehicle ƒ In-device ƒ Multimodal routing/decision-making ƒ Customizable ƒ Better management
  91. 91. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 91 Seminar Perspectives ƒ Inspired by Berkeley’s Transportation Science Seminar, originated by G.F. Newell, 1965 ƒ First seminar October 5, 2000, Benefits of Archived ITS Data: Measuring Capacity at a Freeway Bottleneck ƒ 200 seminars completed ƒ Began streaming video October 2002: 165 available for download and streaming ƒ Began podcasts (mp3) in October 2007: 30 podcasts now available ƒ Venue for student/faculty interaction ƒ Strong involvement of transportation community 200seminars 165available 30podcasts
  92. 92. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 92 Podcasts
  93. 93. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 93 Seminar Perspectives ƒ Organized by graduate students? ƒ More social interaction before/after? ƒ More point/counterpoint? ƒ We’re open to other ideas! ƒ First air transportation seminar on May 9 ƒ Other topics we haven’t covered?
  94. 94. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 94 Acknowledgements ƒ Travel time project teams, past and present ƒ Kristin Tufte, Sirisha Kothuri, David Lovell, Ben Zielke, Rafael Fernandez, Ed Anderson Sutti Tantiyanugulchai, Roger Lindgren, Monica Leal ƒ Galen McGill, Jack Marchant, Dennis Mitchell, Oregon Department of Transportation ƒ Portland State University Distance Learning Center for making the streaming easy ƒ My colleagues Jennifer Dill, Chris Monsere and John Gliebe ƒ Seminar enthusiasts and participants ƒ Ryan Gratzer
  95. 95. TTrraavveell TTiimee EEssttiimaattiioonn ffoorr TTrraaffffiicc Maannaaggeemeenntt aanndd TTrraavveelleerr IInnffoorrmaattiioonn 95

×