Behöver vi verkligen så många fasta sensorer på Essingeleden? Transportforum 2013

1. Behöver vi verkligen så många
fasta sensorer på Essi ngel eden??
Andreas Allström, Linköpings universitet / Sweco
David Gundlegård, Linköpings universitet

2. Agenda
o Bakgrund
o Mobile Millennium Stockholm
o Första valideringen av systemet
o Fortsatt arbete

3. Bakgrund

4. Mobile Millennium Stockholm
o Projektmål
o Utveckla nya modeller för filtrering och
fusionering av trafikdata från olika källor
o Visualisera trafikläget i realtid
o Skapa en plattform för fortsatt forskning och
utveckling inom området
o Identifiera vägsträckor där nya kostnadseffektiva
insamlingsmetoder är nödvändiga
o Utveckla modeller för restidsprediktion

5. Mobile Millennium

9. Motorvägsmodell
o Filtrering av radardata
o Baserad på en första ordningens trafikmodell,
Lighthill Whitham Richards PDE
o Cell transmission model (CTM) för att lösa PDE
o Använder en transformering av LWR och CTM med
hastigheten som tillstånd (LWR-v och CTM-v)
o Ensemble Kalman Filtering (EnKF) för data
assimilering
A distributed highway velocity model for traffic state reconstruction,
D. Work, S. Blandin, O.-P. Tossavainen, B.Piccoli and A. Bayen, 2010

10. Syfte med aktuellt arbete
o Första test av hur lämplig Mobile Millenniums
motorvägsmodell är för de förutsättningar vi har i
Stockholm
o Förbättrar modellerna de estimeringar som görs idag?
o Är det möjligt att reducera antalet fasta sensorer?
o Behöver modellen kalibreras?
o Hur robust är modellen?

12. a) b)
c) d)
Figure 1. Observed trajectories and estimated traffic state for the morning (a, c) and afternoon (b, d) peak on the 16th of March 2010.

13. All sensors Every other sensor

14. 1200
1000
800
Travel time (s)
600
400
200
0
07:30 08:00 08:30 09:00 09:30
Estimation based on all sensors Measured travel times

15. 1200
1000
800
Travel time (s)
600
400
Varannan sensor 4 %
MAPE = En sensor varje km 6 %
200
0
07:30 08:00 08:30 09:00 09:30
Estimation based on all sensors Measured travel times
Estimation based on every other sensor Estimation based on one sensor every km

16. 1200
1000
800
Travel time (s)
600
400
200
0
07:30 08:00 08:30 09:00 09:30
Estimation based on all sensors Measured travel times
Estimation based on every other sensor Estimation based on one sensor every km
Estimation by current system

17. Slutsatser
o Förbättrar Mobile Millennium-modellen
restidsestimeringarna?
o Hur robust är modellen?
o Behöver modellen kalibreras?
o Behöver vi verkligen så många fasta sensorer på
Essingeleden?

18. Fortsatt arbete - Validering och kalibrering
o Samla in mer data att validera och kalibrera mot!
o Ramverk för kalibrering
o Parametrar kopplade till fundamentala diagrammet
o Svängandelar
o In- och utflöde
o Ensemble Kalman filter

19. Fortsatt arbete - Data fusionering
o Implementerad modell kan hantera
o Data från fasta sensorer (flöde/hastighet)
o Punkthastigheter från probes
o Restider
o Kombinera punkthastigheter med restider
o Förbättra estimering mellan radarstationer
o Under underveckling

20. Mer fortsatt arbete!
o Prediktering!
o OD-data
o Nya sensorer
o Probe
o Bluetooth
o Mobilnätsdata
o ...

21. Andreas Allström
andreas.allstrom@liu.se
andreas.allstrom@sweco.se
http://www.mobilemillenniumstockholm.se