DE102011087803B4 - Verfahren und Vorrichtung zur Fusion von klassifizierten Verkehrslageinformationen - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung (1) zur Fusion von klassifizierten Verkehrslageinformationen (LOS-DATA), die von unterschiedlichen Detektoren erfasst werden, wobei den einzelnen klassifizierten Verkehrslageinformationen (LOS-DATA) Qualitätswerte (qi) zugeordnet sind, wobei zur Fusion (FLOS) mittels einer Recheneinheit ein qualitätsgewichteter Median verwendet wird.

Description

• Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Fusion von klassifizierten Verkehrslageinformationen.
• Der so genannte Level of Service (LOS) bzw. allgemeiner entsprechend klassifizierte Verkehrsqualitätsdaten stellen in der Straßenverkehrstechnik wichtige diskrete Bewertungsgrößen für den Verkehrsfluss dar. Typischerweise werden dabei zwischen 2 bis 6 Qualitätsstufen unterschieden, die in der Regel von ”gut” bis ”schlecht” durch Buchstaben des lateinischen Alphabets (A–F) oder durch geeignete sprachliche Bezeichnungen wie ”frei”, ”zähfließend”, ”gestaut”, etc. abgebildet werden. Die konkrete Definition der einzelnen LOS-Werte hängt dabei maßgeblich von der zur Verkehrslageerfassung verwendeten Detektionstechnik, den örtlichen Gegebenheiten des jeweils betrachteten Verkehrsnetzausschnitts (z. B. Autobahn, Bundesstraße, Kreuzung (signalisiert, nicht signalisiert), etc.) sowie weiteren Faktoren ab. Die einschlägige Literatur kennt in diesem Zusammenhang eine Vielzahl unterschiedlicher Klassifizierungsschemata. Problematisch wird dies dann, wenn die LOS-bewerteten Daten unterschiedlicher Quellen miteinander verglichen werden sollen. Insbesondere die statistisch sinnvolle Fusion solcher Daten stellt in diesem Kontext eine nicht-triviale Aufgabe dar. Zugleich ist die Datenfusion jedoch eines der wichtigsten Mittel zur Verbesserung der Qualität der Verkehrslageerfassung, indem durch die Integration verschiedener Datenquellen in ein Gesamtsystem die hinlänglich bekannten Schwächen der einzelnen, derzeit verfügbaren Detektionsmethoden und -ansätze (z. B. Induktionsschleifen, Videodetektion, Radar, Floating Car Data, ...) gegenseitig kompensiert werden können.
• Für den Vergleich bzw. die Fusion von LOS-basierten bzw. klassifizierten Verkehrslageinformationen existieren bereits verschiedene Möglichkeiten, die jedoch alle ihre spezifischen Nachteile haben.
• a) Im einfachsten Fall lassen sich beispielsweise die LOS-Werte unterschiedlicher Quellen (etwa in einer Lagekarte des Verkehrsnetzes) unabhängig voneinander graphisch visualisieren. Der Vergleich bzw. die Fusion der so dargestellten Informationen erfolgt dann durch den Betrachter vor dem Hintergrund dessen subjektiver Einschätzung und Bewertung der Situation. Ein analoger, jedoch weniger praktischer Ansatz ist zudem der direkte Abgleich der sprachlich gegebenenfalls unterschiedlich codierten LOS-Werte durch den Betrachter (ohne Visualisierung). Konkret entscheidet also der Betrachter, welche Verkehrslage er aus seiner subjektiven Einschätzung heraus für zutreffend hält, wenn ihm beispielsweise aus zwei unterschiedlichen Quellen einmal die Information ”gestaut” und einmal die Information ”zähfließend” vorliegt. Schwieriger wird eine derartige Einschätzung allein auf Basis der sprachlichen Notation notwendigerweise dann, wenn die Informationen beispielsweise lauten: ”LOS C” (auf einer sechsstufigen Skala) und ”LOS B” (auf einer dreistufigen Skala). Das Vorgehen ist wesentlich von der Einschätzung des jeweiligen Betrachters abhängig und damit stark subjektiv geprägt. Ergebnisse sind dadurch in der Regel nicht zuverlässig reproduzierbar bzw. nachprüfbar. Zudem ist die ”manuelle” Fusion auch unter Verwendung geeigneter visueller Hilfsmittel (z. B. Lagekarten) mit einem großen Aufwand verbunden. Flächendeckende und kontinuierliche Fusionsergebnisse können so nicht erzeugt werden. Die Problematik der korrekten Interpretation der Buchstaben-Codes durch den Betrachter legt folglich eine grundsätzliche, mathematische Formalisierung der Fusion nahe.
• b) Ein sehr einfacher Ansatz hierzu kann formal als Filterung der jeweils verfügbaren LOS-Werte aufgefasst werden. Hierbei wird auf Grundlage bestimmter Kriterien eine Reihung der gegebenen LOS-Werte vorgenommen und anschließend der qualitativ vermeintlich beste Wert als Fusionsergebnis ausgewählt. Als Kriterien können hierzu beispielsweise vorab definierte, erfahrungsbasierte, pauschale Basisverlässlichkeitswerte für die einzelnen Datenquellen oder im Idealfall auch einzeln mitgelieferte Qualitätswerte für jeden LOS-Datenpunkt verwendete werden. Wesentlicher Nachteil des Ansatzes ist die ineffiziente Nutzung der vorhandenen Informationen. Da letztlich lediglich eine Filterung der verfügbaren LOS-Werte vorgenommen wird, bleibt in der Regel zumindest ein Teil der statistischen Informationen der Daten ungenutzt (vgl. Ansatz c). Das volle Potential einer Datenfusion wird aus Sicht der Statistik/Informationstheorie folglich nicht ausgeschöpft.
• c) Aus informationstheoretischer Sicht hat der geschilderte Ansatz b) den großen Nachteil, dass letztlich nur ein gegebenenfalls kleiner Teil der statistischen Gesamtinformation, die sich in den für einen konkreten Straßenabschnitt verfügbaren Einzel-LOS-Werten gemeinsam verbirgt, tatsächlich für die Fusion genutzt wird. Besser ist es, auch die qualitativ vermeintlich schlechteren LOS-Einzelinformationen bei der Fusion explizit (mit einem geeigneten Gewicht) zu berücksichtigen. In der Praxis wird hierfür in der Regel ein gewichtetes Mittel gemäß
  
  mit passenden α_i verwendet. Um hier vernünftig rechnen zu können, werden in naheliegender Weise die sprachlich bzw. alphanumerisch codierten LOS-Werte in konkrete, typischerweise natürliche Zahlen (z. B. A = 1, B = 2, C = 3 usw.) übersetzt. Die sprachliche bzw. alphanumerische Beschreibung des Fusionsergebnisses ergibt sich schließlich durch entsprechende Rundung des numerischen Wertes und Rückcodierung aus der rein numerischen Notation. Ein solches Verfahren ist für eine nicht notwendig LOS-basierte Datenfusion beispielsweise beschrieben in ”Neumann, Thorsten: Optimale Datenfusion bei Linearkombination der gemessenen Daten, Technischer Bericht, DIR, 2007” Im Gegensatz zu b) nutzt der Ansatz mit gewichtetem Mittelwert gemäß der Formel (1) systematisch die vorhandene Information aller verfügbaren LOS-Werte. Problematisch ist allerdings, dass LOS-Werte per Definition stets rangskalierte Größen sind. Aus Sicht der Statistik ist die Bildung eines Mittelwertes demnach strenggenommen nicht sinnvoll bzw. möglich. Dies wird klar, wenn man direkt mit den alphanumerisch codierten Größen rechnen wollte. Was soll beispielsweise ”2 mal LOS A” sein? Oder ist beispielsweise ”LOS D – LOS C = LOS A”? Offenbar machen derartige Rechnungen keinen Sinn. Genau das Gegenteil wird jedoch durch die oben geschilderte Transformation in numerische Werte (A = 1, B = 2, etc.) impliziert. Tatsächlich ändert aber die reine Umbenennung der einzelnen LOS-Werte (Umcodierung) nichts an der Tatsache, dass es sich bei LOS-Werten nicht um intervallskalierte, sondern lediglich ranskalierte Größen handelt, die zwar hinsichtlich einer ”Größer-kleiner-Relation” (im Sinne von ”besser” oder ”schlechter”) angeordnet werden können, für die jedoch insbesondere keine Addition/Subtraktion definiert ist. Der Ansatz ignoriert folglich wesentliche statistische Grundeigenschaften von LOS-Werten und ist demnach kritisch zu bewerten. Unter anderem hängt dessen Ergebnis maßgeblich von der willkürlich festgelegten Transformation zwischen alphanumerischer und numerischer Codierung der LOS-Werte ab, die letztlich in gewisser Weise die Willkürlichkeit des Ergebnisses impliziert.
• d) Ein aus statistischer Sicht ebenfalls sinnvoller Ansatz zur Datenfusion beruht ferner auf der Anwendung der Formel von Bayes. Hier wird die Verteilung des tatsächlichen LOS x bei gegebenen gemessenen (unabhängigen) LOS-Werte z_i durch Kombination der verschiedenen Likelihoods mathematisch sauber berechnet:
  
  Der eigentliche LOS-Fusionswert wird schließlich per Maximum-Likelihood-Argument oder per ”Wheel-of-Fortune”-Ansatz aus der so berechneten Verteilung generiert. Ein solches Verfahren ist beispielsweise beschrieben in dem Fachartikel ”Junghans, Marek; Jentschel, Hans-Joachim: Qualification of Traffic Data by Bayesian Network Data Fusion, 10th Int. Conference an Information Fusion, July 9–12, 2007, Quebec, Canada”. Nachteil des Bayes'schen Ansatzes ist, dass die benötigten Likelihoods auf der rechten Seite der Formel (2) per se erst einmal nicht bekannt sind. Das Verfahren erfordert demnach eine aufwendige Kalibrierung, die die Qualität der Fusion maßgeblich beeinflusst. Da die entsprechenden Wahrscheinlichkeiten zudem teilweise nur schwer aus Daten direkt generiert werden können, ist in vielen Fällen eine subjektive Schätzung auf Basis von Erfahrungswerten erforderlich, die die bekannten Probleme hinsichtlich fehlender Nachvollziehbarkeit bzw. Reproduzierbarkeit und hohem manuellen Aufwand aufwirft.
• e) Sowohl die Ansätze aus b) und c) als auch teilweise das Vorgehen in a) setzen voraus, dass die Eingangs-LOS-Größen auf einer einheitlichen Skala vorliegen. Dies impliziert, dass vorab gegebenenfalls eine Art Normierung vorgenommen werden muss, bei der alle LOS-Werte auf eine einheitliche Skala transformiert werden. Dies bedeutet, dass beispielsweise eine 6-stufige LOS-Skala (A–F) auf eine 3-stufige Skala (”frei”, ”zähfließend”, ”gestaut”) – oder umgekehrt – abgebildet werden muss. Nach aktueller Praxis werden hierzu für jeden Einzelfall (z. B. ”6 Stufen -> 3 Stufen” oder ”3 Stufen -> 4 Stufen”) einfache Zuordnungstabellen definiert, auf deren Basis LOS-Werte statisch in die jeweils andere Skala überführt werden. Die konkrete Festlegung der Abbildung in den Zuordnungstabellen unterliegt dabei in der Regel der Willkür des jeweiligen Anwenders und ist meist mehr oder weniger trivial. Ein allgemeines und plausibles Vorgehen zur Transformation von LOS-Werten zwischen beliebigen, unterschiedlichen LOS-Skalen (”n Stufen -> m Stufen”) ist nicht bekannt. Die Umrechnung von LOS-Werten in andere Skalen, aber auch bereits die Abbildung zwischen formal gleichen Skalen (z. B. A–F bei zugleich unterschiedlicher Definition der einzelnen LOS-Stufen) sind wegen der teils sehr unterschiedlichen Klassifizierungsschemata der eingesetzten LOS-Konzepte keineswegs trivial. Vielmehr macht die Komplexität des Problems hier zwangsläufig entsprechende Heuristiken erforderlich. In diesem Sinne können die oben genannten statischen Zuordnungstabellen als durchaus brauchbare Lösung angesehen werden. Nachteilig ist allerdings, dass sie keine grundsätzliche Verallgemeinerung auf beliebige LOS-Konzepte mit jeweils beliebiger Stufenanzahl erlauben. Stattdessen muss mit entsprechendem Aufwand in jedem Einzelfall per Hand eine neue Zuordnungstabelle erstellt werden. Zudem wird die softwaretechnische Realisierung der Transformation aufwendiger, weil jede neue Zuordnungstabelle explizit im Programmcode oder an anderer Stelle hinterlegt werden muss. Schließlich bewirkt die statische Abbildung von LOS-Werten auf eine andere Skala im Einzelfall unter Umständen eine Ungleichbehandlung einzelner LOS-Stufen, wenn beispielsweise mehrere LOS-Werte auf denselben Zielwert abgebildet werden, während bei anderen eine 1:1-Zuordnung vorgenommen wird, was in der nachfolgenden Tabelle dargestellt ist.

Ausgangswert (6-Stufen-Konzept)	Zielwert (4-Stufen-Konzept)
LOS A	LOS A'
LOS B	LOS B'
LOS C
LOS D	LOS C'
LOS E
LOS F	LOS D'

• f) Ein wichtiger Punkt bei der Fusion von Daten ist weiterhin die Bewertung der Qualität des Fusionsergebnisses. Gängige Ansätze bei der ”LOS-basierten” Datenfusion konzentrieren sich dabei zumeist auf mehr oder weniger willkürlich festgelegte Qualitätswerte auf Grundlage von Experteneinschätzungen, die einer einfachen Logik folgend (wenn ... dann ...) dem Fusionsergebnis zugeordnet werden, oder auf nachträglichen Messungen im Zuge stichprobenartiger Validierungskampagnen. Darüber hinaus stellt die DE 10 2005 009 604 A1 ein letztlich heuristisches Verfahren vor, mit dem ein Verlässlichkeitswert für fusionierte Verkehrsdaten bestimmt werden kann. Eine explizit beschriebene Methode zur statistisch begründeten Abschätzung (Prognose) der konkreten Wahrscheinlichkeit für die ”Richtigkeit” des einzelnen Ergebnisses der ”LOS-basierten” Datenfusion ist jedoch nicht bekannt. Die Festlegung von Qualitätswerten für Fusionsergebnisse auf Basis mehr oder weniger willkürlicher Experteneinschätzungen hat auch bei nachträglicher Übersetzung in eine einfache Entscheidungslogik den Nachteil einer stark subjektiv geprägten Sichtweise. In der Regel ist dabei am Ende bestenfalls ein ungefährer Vergleich verschiedener Fusionsergebnisse im Sinne von ”besser” und ”schlechter” möglich. Eine objektiv messbare/nachvollziehbare Qualitätsbewertung ist jedoch nicht möglich. Der heuristische Ansatz zur Bestimmung eines Bewertungswertes aus der DE 10 2005 009 604 A1 objektiviert in diesem Sinne die Berechnung des entsprechenden Qualitätswertes, indem eine konkrete Berechnungsvorschrift definiert wird, die eine reproduzierbare Qualitätsbewertung ermöglicht. Dennoch bleibt wegen der Verquickung statistischer und heuristischer Elemente unklar, wie die so erzeugten Qualitätswerte wirklich zu interpretieren sind. In diesem Sinne spricht die DE 10 2005 009 604 A1 im Fall der finalen Bewertungswerte auch lediglich von Vertrauenswürdigkeit und nicht etwa von Wahrscheinlichkeiten für die Richtigkeit des Fusionsergebnisses, die in gewisser Weise objektiv messbar oder interpretierbar wären. Die konkrete Interpretation der Bewertungswerte gemäß der DE 10 2005 009 604 A1 obliegt folglich erneut dem Betrachter und damit dessen subjektiver Einschätzung. Eine umfassende Verifizierung der berechneten Qualitätswerte ist demnach nicht oder nur eingeschränkt möglich.
• Aus dem Fachartikel ”Beliakov, G. et al.: The median and its extensions. Elsevier. Fuzzy Sets and Systems 175 (2011), online verfügbar bei Science Direct (www.sciencedirect.com), Seiten 36–47 ist ein Verfahren zur Fusion von klassifizierten Eingangswerten bekannt, wobei den einzelnen klassifizierten Eingangswerten Qualitätswerte zugeordnet sind, wobei zur Fusion mittels einer Recheneinheit ein qualitätsgewichteter Median verwendet wird.
• Aus der US 5,182,555 A ist ein Verfahren zur Fusion von klassifizierten Verkehrslageinformationen bekannt, wobei eine Schätzung der Qualitätswerte der Verkehrslageinformationen erfolgt, wobei eine Vorabtransformation der klassifizierten Verkehrslageinformationen vor der Fusion erfolgt, bei welcher eine Normierung auf eine einheitliche Skala stattfindet.
• Der Erfindung liegt daher das technische Problem zugrunde, eine Verfahren und eine Vorrichtung zur Fusion von beliebig klassifizierten Verkehrslageinformationen zu schaffen, mittels der die beliebigen klassifizierten Verkehrslageinformationen sinnvoll miteinander zu einer Gesamtinformation kombiniert werden können, wobei dabei sowohl die statistischen Eigenschaften der LOS-Klassifizierung als auch die technische Umsetzbarkeit im Sinne einer automatischen Berechnung der Fusion mittels der Vorrichtung zu berücksichtigen sind.
• Die Lösung des technischen Problems ergibt sich durch die Gegenstände mit den Merkmalen der Ansprüche 1 und 5. Weitere vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.
• Das Verfahren bzw. die Vorrichtung zur Fusion von klassifizierten Verkehrslageinformationen (nachfolgend auch als LOS-Werte bezeichnet), die von unterschiedlichen Detektoren (Datenquellen) erfasst werden, wobei den einzelnen LOS-Werten Qualitätswerte zugeordnet sind, beruht darauf, dass zur Fusion mittels einer Recheneinheit ein qualitätsgewichteter Median verwendet wird. Dieser berücksichtigt explizit die statistischen Charakteristika der rangskalierten LOS-Werte und hat schon deshalb Vorteile gegenüber dem Stand der Technik. Hinzu kommt, dass der (gewichtete) Median als robuster Mittelwert verstanden werden kann in dem Sinne, dass Ausreißer in den Messwerten das Ergebnis in vorteilhafter Weise praktisch nicht verfälschen. Zugleich sichert die explizite, qualitätsgewichtete Berücksichtigung jeweils aller verfügbaren LOS-Werte ähnlich wie der Ansatz c) und im Gegensatz zu den einfacheren Methoden aus b) aus informationstheoretischer Sicht aber auch weiterhin die effiziente Nutzung der gesamten in den Daten enthaltenen Information. Dabei ist anders als beim Bayes'schen Ansatz aus d) in vorteilhafter Weise keine aufwendige Kalibrierung des Verfahrens notwendig. Abschließend erlaubt eine optionale virtuelle Manipulation der in die Berechnung eingehenden Qualitätswerte – falls erforderlich oder gewünscht – in flexibler Weise die Nachbildung weiterer Fusionsansätze wie etwa einer Filterung. Die fusionierten Daten können dann bedarfsweise zur automatischen Verkehrssteuerung verwendet werden, indem diese zur Steuerung von Verkehrsanlagen wie z. B. Lichtsignalanlagen verwendet werden. Darüber hinaus können diese Routenplanern und/oder Navigationsgeräten zur Verfügung gestellt werden, die dann in Abhängigkeit der Daten optimierte Routen ermitteln können.
• Dabei wird parallel eine Fusion der Qualitätswerte vorgenommen, wobei eine untere und eine obere Schranke des Qualitätswertes des Fusionsergebnisses der LOS-Werte ermittelt werden. Dabei sei angemerkt, dass parallel dabei nicht zwangsläufig bedeutet, dass dies zeitlich parallel erfolgt, sondern ist vielmehr im Sinne von ergänzend zu verstehen, d. h. die Abschätzung der Qualität kann auch dem Fusionsprozess der LOS-Werte nachfolgen. Dabei erfolgt eine Abschätzung der Qualität der Fusionsergebnisse auf Basis wahrscheinlichkeitstheoretischer Überlegungen. Anders als etwa in der DE 10 2005 009 604 A1 ist der entsprechend ermittelte Qualitätswert (verstanden als Wahrscheinlichkeit für die Richtigkeit des Fusionsergebnisses) dabei objektiv überprüfbar. Da eine exakte statistische Beschreibung der Fusion wegen der Komplexität des Gesamtsystems bestehend aus Datenerfassung und -verarbeitung (d. h. insbesondere Erzeugung der Eingangs-LOS-Werte) jedoch nicht möglich ist, beschränkt sich das Verfahren der vorgestellten Erfindung notwendig auf die Abschätzung einer oberen Schranke für die Qualität des Fusionsergebnisses unter der Annahme eines optimalen bzw. idealisierten Fusionsalgorithmus. Eine untere Schranke für die Qualität ist in diesem Kontext automatisch durch die Qualität des besten LOS-Einzelwertes gegeben, wie ein einfaches statistisches Argument zeigt.
• In einer Ausführungsform werden die Qualitätswerte der LOS-Werte von den Detektoren (bzw. Datenquellen) übermittelt und/oder von der Vorrichtung zur Durchführung der Fusion geschätzt. Im Idealfall bzw. vorzugsweise werden die Qualitätswerte direkt von den Detektoren mitgeliefert.
• Aus Sicht der Praxis wird dies jedoch nicht immer der Fall sein. In diesem Sinne müssen die q_i gegebenenfalls heuristisch geschätzt werden. Hierzu werden vorzugsweise gewisse Basisverlässlichkeiten p_k aller auftretenden Quellen k definiert, die anschließend pauschal jedem Eingangs-LOS-Wert aus dieser Quelle zugewiesen werden, sofern kein q-Wert vorhanden ist. Die Festlegung der p_k erfolgt dabei vorzugsweise auf Grundlage der Auswertung entsprechender historischer Daten (vgl. DE 10 2005 009 604 A1 ), kann im Zweifel aber auch auf groben Experteneinschätzungen beruhen. Je nach Verfügbarkeit an Eingangsinformationen für die LOS-Datenfusion werden die letztlich verwendeten Qualitätswerte q_i somit entsprechend der nachfolgend dargestellten Matrix (n = Anzahl an LOS-Stufen für jeweilige Quelle) definiert.
• 
• Im unwahrscheinlichen Fall, dass weder q-Werte mitgeliefert werden noch die Quelle der Daten bekannt ist bzw. keine Basisverlässlichkeit p_k geschätzt werden kann, wird in diesem Zusammenhang in bewusst pessimistischer Weise der Wert q_i ≔ 1/n definiert. Dies entspricht im Sinne der Wahrscheinlichkeit der Richtigkeit des zugehörigen LOS-Wertes einem rein zufällig geratenen Wert und ist demnach die niedrigstmögliche Qualität eines Eingangs-LOS-Wertes im Rahmen dieses Qualitätsverständnisses.
• In einer weiteren Ausführungsform werden die LOS-basierten Verkehrslageinformationen vor der Fusion einer Vorabtransformation unterzogen, wobei hierzu alle LOS-Stufen einer gegebenen LOS-Klassifizierung als gleich groß betrachtet werden (Laplace-Ansatz) und anschließend die Skalen normiert werden. Der stochastische Algorithmus zur Umrechnung der LOS-Werte kann dann kurz wie folgt beschrieben werden: Ziehe zufällig einen Punkt aus dem Intervallbereich des gegebenen Ausgangs-LOS-Wertes auf der normierten Ausgangsskala. Je nachdem in welchen Intervallbereich der normierten Zielskala der Punkt dabei fällt, wird der zugehörige Ziel-LOS-Wert ermittelt. Codiert man hierzu die verschiedenen LOS-Werte jeweils aufsteigend/absteigend durch die natürlichen Zahlen 0, 1, 2, usw., lässt sich das Vorgehen die Umrechnung von einer n-stufigen in eine m-stufige LOS-Skala kompakt in einer einzelnen Formel darstellen, die letztlich universell für beliebige LOS-Konzepte anwendbar ist: LOS_neu = [ m / n(LOS_alt + R[0, 1))] mit R[0, 1) = Zufallszahl ∈ [0, 1). (3)
• Bemerkenswert ist, dass mit dem stochastischen Ansatz unter Annahme des oben genannten Laplace-Ansatzes die konkreten Proportionen zwischen den jeweils auftretenden LOS-Konzepten auch ohne komplizierte, deterministische Verfahren/Vorschriften automatisch berücksichtigt werden. Insbesondere sind anders, als es im Fall deterministischer Abbildungsvorschriften notwendig wäre, nicht für jeden Einzelfall explizite Regeln zu definieren, die die Gleichbehandlung der auftretenden LOS-Stufen sicherstellen.
• In einer weiteren Ausführungsform werden die übermittelten Qualitätswerte vor der Fusion der LOS-Werte modifiziert, so dass die Fusion sehr einfach an konkrete Vorgaben und Wünsche anpassbar ist.
• Die Erfindung wird nachfolgend anhand eines bevorzugten Ausführungsbeispiels näher erläutert. Die Fig. zeigen:
• 1 eine schematische Darstellung der LOS-basierten Datenfusion anhand eines beispielhaften Verkehrsnetzes,
• 2 eine beispielhafte Darstellung einer Vorabtransformation der übermittelten LOS-Werte und
• 3 ein schematisches Ablaufdiagramm eines Verfahrens zur Fusion von LOS-basierten Verkehrslageinformationen.
• 1 zeigt ein Beispiel zur LOS-basierten Datenfusion. Jeweils für dasselbe Verkehrsnetz liegen hier zunächst LOS-Werte (klassifizierte Verkehrslageinformationen) aus zwei Quellen vor (FCD = Floating Car Data; DET = Induktionsschleifendetektoren). Die LOS-Werte liegen dabei bereits in einer einheitlichen Skala, nämlich einer dreistufigen Skala (fließend – dicht – gestaut) vor. Dabei steht eine durchgezogene Linie für ”fließend”, eine gestrichelte Linie für ”dicht” und eine gepunktete Linie für ”gestaut”. Dabei ist weiter noch in dem rechten Verkehrsnetz die Lage der Induktionsschleifendetektoren als durchgezogene Querstriche eingezeichnet.
• Die LOS-Werte unterscheiden sich dabei bei der dritten Netzkante, wobei der FCD-LOS-Wert ”dicht” und der DET-LOS-Wert ”gestaut” ist. Des Weiteren werden die LOS-Werte ergänzt durch Angaben zur tatsächlichen, mittleren Geschwindigkeit und zur Qualität der LOS-Werte.
• Die entsprechenden q-Werte sind hierbei als Wahrscheinlichkeit der Richtigkeit des jeweils zugehörigen LOS-Wertes zu interpretieren. Der untere Teil der Grafik zeigt schließlich das Ergebnis der Fusion. Erkennbar ist, wie die Qualitätsinformationen insbesondere im Fall der dritten Netzkante auf die Entscheidung für ein bestimmtes Fusionsergebnis (hier „dichter Verkehr”) einwirken. Da zudem alle LOS-Werte bereits in einer einheitlichen Skala („fließend”, „dicht”, „gestaut”) vorliegen, entfällt die Notwendigkeit einer Vorabtransformation der Eingangswerte.
• Ist eine solche Transformation jedoch in anderen Fällen notwendig, kann sie gemäß der Formel (3) erfolgen. Man beachte, dass dabei aus technischen Gründen in der Regel zuvor eine triviale Umcodierung der LOS-Werte in natürliche Zahlen 0, 1, 2, usw. vorzunehmen ist. 2 zeigt exemplarisch für die Fälle „6 Stufen -> 4 Stufen” und umgekehrt, wie die Umrechnung zwischen den jeweils beiden LOS-Skalen dann formal vorgenommen wird. Hierbei sind insbesondere die angegebenen, in Formel (3) implizit enthaltenen Übergangswahrscheinlichkeiten zu beachten, die vor allem dann wichtig sind, wenn die Zuordnung aufgrund der jeweils angenommenen Proportionen zwischen den einzelnen LOS-Klassen (Laplace-Ansatz) nicht eindeutig ist.
• Die Fusion der LOS-Werte selbst erfolgt dann mittels eines qualitätsgewichteten Medians. Seien dazu die gegebenen Eingangs-LOS-Werte LOS₁, ..., LOS_n entsprechend ihrer Rangskalierung aufsteigend sortiert (von „gut” nach „schlecht”), d. h. LOS₁ ≤ LOS₂ ≤ ... ≤ LOS_n. Dazu seien die zugehörigen Qualitätswerte q_i für i = 1, ..., n gegeben. Das Fusionsergebnis ist dann definiert durch LOS_Fusion ≔ LOS_j (4) mit j ε {1, ..., n}, sodass

  
• Optional ist dieser Fusionsansatz erweiterbar in dem Sinne, dass anstelle der originären Qualitätswerte q_i künstlich modifizierte Werte z_i verwendet werden, die mittels einer allgemeinen Funktion f aus den q_i und LOS_i berechnet werden: z → ≔ f(q →|LOS₁, ..., LOS_n) (6)
• Dadurch kann in flexibler Weise letztlich jede alternative Fusionsmethodik, deren Fusionsergebnisse jeweils in der Menge M ≔ {LOS₁, ..., LOS_n} aller Eingangs-LOS-Werte liegen, im Rahmen der Verallgemeinerung des in den Formeln (4) und (5) beschriebenen Verfahrens nachgebildet werden. Theoretisch kann die Funktion f dabei im Extremfall sogar die vollständige Fusionslogik beinhalten und stellt damit ein äußerst flexibles Werkzeug zur individuellen Anpassung der Fusion an konkrete Vorgaben oder Wünsche bereit. Darüber hinaus hat ein derartiges Konzept den großen Vorteil, dass auf softwaretechnischer Seite eine umfassende Modularisierung möglich ist, die spätere Anpassungen an der Software maßgeblich vereinfacht und bezüglich ihres Aufwandes reduziert.
• Es bleibt, die Qualität q_Fusion des Fusionsergebnisses LOS_Fusion abzuschätzen. Auch diese wird dabei als Wahrscheinlichkeit der Richtigkeit des entsprechenden LOS-Wertes interpretiert. Die untere Schranke für q_Fusion ergibt sich dabei durch Vergleich des erfindungsgemäßen Fusionsverfahrens mit dem einfachstmöglichen sinnvollen Verfahren. Dieses würde bei gegebenen LOS-Werten mit zugeordneten Qualitätswerten entsprechend dem genannten Verständnis mindestens den qualitativ vermeintlich besten LOS-Wert auswählen und als Fusionsergebnis zurückgeben. Die Qualität des Fusionsergebnisses wäre demnach automatisch gleich der Qualität des qualitativ besten Eingangs-LOS-Wertes. Als vernünftigerweise anzunehmende, untere Schranke für die Qualität der Ergebnisse des erfindungsgemäßen Fusionsverfahrens ergibt sich folglich:

  
• Umgekehrt ergibt sich eine sinnvolle obere Schranke aus dem Vergleich mit einem idealisierten, gewissermaßen optimalen aber zugleich noch realistischen Fusionsverfahren, das aus den Eingangs-LOS-Werten stets den Wert herausgreift, der am nächsten am tatsächlichen Wert liegt. Das Fusionsergebnis wäre also immer dann richtig, wenn in den jeweiligen Eingangs-LOS-Werten mindestens einmal der richtige LOS-Wert auftaucht. Unter Verwendung der Qualitätswerte der Eingangs-LOS-Werte (verstanden als Wahrscheinlichkeit für deren Richtigkeit) und unter Annahme der stochastischen Unabhängigkeit der verschiedenen Datenquellen ergibt sich hieraus eine Wahrscheinlichkeit, die gemäß

  

  zugleich in plausibler Weise die obere Schranke für die Qualität der Ergebnisse des erfindungsgemäßen Verfahrens definiert.
• Der tatsächliche Qualitätswert des Fusionsergebnisses kann schließlich in heuristischer Weise als mehr oder weniger pessimistischer/optimistischer Trade-off zwischen oberer und unterer Schranke (vgl. Formeln (7) und (8)) gemäß

  

  mit α₁ = 1 und geeigneten α_i ε [0, 1] grob festgelegt werden („Qualitätsfusion”).
• In der 3 ist ein Workflow des Fusionsverfahrens dargestellt, wie es in einer Vorrichtung 1 zur Fusion von LOS-basierten Verkehrslageinformationen stattfindet. Der Workflow lässt sich grob in drei Abschnitte unterteilen, nämlich die Vorverarbeitung 2, die eigentliche Fusion 3 und die Nachbearbeitung 4.
• In der Vorverarbeitung 2 werden die eingehenden LOS-basierten Verkehrslageinformationen LOS-DATA verschiedener Datenquellen bzw. Detektoren mittels einer Vorabtransformation T in normierte LOS-Werte LOS-NORM überführt, denen dann Qualitätswerte q_i zugeordnet werden, die entweder mit den LOS-basierten Verkehrslageinformationen LOS-DATA übermittelt werden oder die mittels der Vorrichtung 1 geschätzt werden. Nach der Zuordnung liegen normierte LOS-Werte mit Qualitätswerten q_i (LOS-NORM q_i) vor. In einem optionalen Schritt S können diese Qualitätswerte q_i noch modifiziert werden, was bereits beschrieben wurde. In dem Schritt F_LOS findet dann eine Fusion mittels eines qualitätsgewichteten Medians statt. Parallel findet die Qualitätsabschätzung des Fusionsergebnisses F_qi statt, wobei eine untere und eine obere Schranke des Qualitätswertes des Fusionsergebnisses ermittelt werden. Das Ergebnis beider Prozesse bildet dann zusammen den vollständigen Datensatz D_norm. Die optionale Nachbearbeitung 4 umfasst eine weitere Transformation T2 analog zum anfänglichen Vorgehen (siehe Formel (3)), um Ausgangsdaten D_out zu erzeugen. Dies ist dann sinnvoll, wenn beispielsweise nachgelagerte Verkehrsinformations- oder -prognosedienste die LOS-Fusionsergebnisse D_norm in einer anderen LOS-Skala benötigen. Dabei kann vorgesehen sein, dass die Nachbearbeitung durch die externe Anwendung initiiert wird, da diese die gewünschte LOS-Skala vorgibt.
• Durch die effiziente Verknüpfung mehrerer Datenquellen im Zuge der Generierung der Verkehrsinformation mit Hilfe des erfindungsgemäßen Verfahrens können hier ggf. wichtige Verbesserungen in der Informationsqualität erzielt werden. Dies erhöht die Verlässlichkeit der Verkehrsinformationen und damit die Akzeptanz und das Vertrauen der Verkehrsteilnehmer in die angebotenen Dienste. Die Objektivierung der Qualitätsbewertung im Sinne der wahrscheinlichkeitsbasierten Interpretation der verwendeten Qualitätsmaße verbessert zudem die Möglichkeiten einer konkreten Überprüfung der jeweils behaupteten Güte der angebotenen Verkehrsinformationen.

Claims (8)

1. Verfahren zur Fusion von klassifizierten Verkehrslageinformationen (LOS-DATA), die von unterschiedlichen Detektoren erfasst werden, wobei den einzelnen klassifizierten Verkehrslageinformationen (LOS-DATA) Qualitätswerte (q_i) zugeordnet sind, wobei zur Fusion (F_LOS) mittels einer Recheneinheit ein qualitätsgewichteter Median verwendet wird, wobei parallel eine Fusion (F_qi) der Qualitätswerte (q_i) vorgenommen wird, wobei eine untere und eine obere Schranke des Qualitätswerts des Fusionsergebnisses der klassifizierten Verkehrslageinformationen ermittelt werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Qualitätswerte (q_i) von den Detektoren übermittelt werden und/oder geschätzt werden.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die klassifizierten Verkehrslageinformationen (LOS-DATA) als Level of Service(LOS)-Daten klassifiziert sind, die jeweils einer LOS-Stufe einer LOS-Klassifizierung zugeordnet sind, wobei eine Skala die Anzahl der LOS-Stufen einer jeweiligen LOS-Klassifizierung bezeichnet, wobei die klassifizierten Verkehrslageinformationen (LOS-DATA) einer Vorabtransformation (T) vor der Fusion (F_LOS) unterzogen werden, wobei hierzu alle LOS-Stufen einer gegebenen LOS-Klassifizierung als gleich groß betrachtet werden und anschließend die Skalen normiert werden.
4. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die übermittelten Qualitätswerte (q_i) vor der Fusion (F_LOS) der klassifizierten Verkehrslageinformationen modifiziert werden.
5. Vorrichtung (1) zur Fusion von klassifizierten Verkehrslageinformationen (LOS-DATA), die von unterschiedlichen Detektoren erfasst werden, wobei den einzelnen klassifizierten Verkehrslageinformationen Qualitätswerte (q_i) zugeordnet sind, wobei die Vorrichtung (1) derart ausgebildet ist, dass diese zur Fusion (F_LOS) einen qualitätsgewichteten Median verwendet, wobei die Vorrichtung (1) derart ausgebildet ist, dass neben der Fusion (F_LOS) der klassifizierten Verkehrslageinformationen eine Fusion (F_qi) der Qualitätswerte (q_i) vorgenommen wird, wobei eine untere und eine obere Schranke des Qualitätswertes des Fusionsergebnisses der klassifizierten Verkehrslageinformationen ermittelt werden.
6. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, dass die Vorrichtung (1) klassifizierte Verkehrslageinformationen mit Qualitätswerten (q_i) von den Detektoren empfängt und/oder Qualitätswerte für die klassifizierten Verkehrslageinformationen schätzt.
7. Vorrichtung nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass die klassifizierten Verkehrslageinformationen (LOS-DATA) als Level of Service(LOS)-Daten klassifiziert sind, die jeweils einer LOS-Stufe einer LOS-Klassifizierung zugeordnet sind, wobei eine Skala die Anzahl der LOS-Stufen einer jeweiligen LOS-Klassifizierung bezeichnet, wobei die Vorrichtung (1) derart ausgebildet ist, dass die klassifizierten Verkehrslageinformationen (LOS-DATA) einer Vorabtransformation (T) vor der Fusion (F_LOS) unterzogen werden, wobei hierzu alle LOS-Stufen einer gegebenen LOS-Klassifizierung als gleich groß betrachtet werden und anschließend die Skalen normiert werden.
8. Vorrichtung nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass die Vorrichtung (1) die übermittelten Qualitätswerte (q_i) vor der Fusion (F_LOS) der klassifizierten Verkehrslageinformationen modifiziert.

Images