Search

Improving road safety and optimizing the traffic flow – these are major challenges at urban intersections. In particular, strengthening the needs of vulnerable road users (VRUs) such as pedestrians, cyclists and e-scooter drivers is becoming increasingly important, combined with support for automated and connected driving. In the LTSA project, a new system is being developed and implemented exactly for this purpose. The LTSA is an intelligent infrastructure system that records the movements of all road users in the vicinity of an intersection using a combination of several locally installed sensors e.g. video, radar, lidar. AI-based software processes the detected data, interprets the movement patterns of road users and continuously analyzes the current traffic situation (digital twin). Potentially dangerous situations are identified, e.g. right turning vehicles and simultaneously crossing VRUs, and warning messages can be sent to connected road users via vehicle-to-infrastructure communication (V2X). Automated vehicles can thus adapt their driving maneuvers. In addition, the collected data is applied to improve traffic light control depending on the current traffic situation, especially for VRUs. This abstract describes the LTSA system and its implementation in the German city of Potsdam. The current project state is presented and an outlook on next steps is given.

Straßen-Knoten-Netze als modelliertes Abbild der Straßeninfrastruktur bilden die Grundlage für eine Vielzahl von Diensten und Anwendungen. Die Verortung von Fahrzeugen, aber auch die Verkehrsumlegung, basieren darauf. Die Ermittlung optimaler Routen und die Visualisierung der Verkehrslage werden ermöglicht. Die resultierenden Anforderungen an das Netzabbild sind vielfältig und deren Bewältigung mit nicht unerheblichem Aufwand verbunden. Kernpunkte sind Genauigkeit, Aktualität und Flächendeckung. Ferner werden geringe Kosten bei dessen Erstellung angestrebt. Als Ergänzung zu manueller Digitalisierung und der Erfassung durch Messfahrzeuge mit hochpräziser Ortung stellt die Nutzbarmachung von Mehrwerten aus Floating Car Systemen einen viel versprechenden Ansatz dar. Vorgestellt wird ein Verfahren, welches mittels eines vektorbasierten Ansatzes Straßen-Knoten-Netze aus Floating Car Daten ermittelt., Node-edge-networks representing road infrastructure are base for various applications and services. Georeferencing of vehicles as well as traffic assignment are based on. Routing and traffic conditions visualisation become possible. Requirements concerning precision, topicality and area coverage of road network image are caused by. Low costs are aspired as well. Utilisation of additional benefits from floating car systems is a promising approach, supplementing common technologies like manual digitalisation or capturing road trajectories by special equipped probe vehicle. A vector based method aggregating positions information of floating car to process road infrastructure images will be presented.

Neue Methoden zur Verkehrsdatenerfassung wie die Fahrzeug-Infrastruktur-Kommunikation, der Floating Car-Ansatz und die Videodetektion eröffnen die Möglichkeit, neue Verfahren zur verkehrsabhängigen Lichtsignalanlagensteuerung zu realisieren. In dem Beitrag wird ein Verfahren beschrieben, das aus diesen Quellen Daten in Form von Fahrzeugverlustzeiten direkt zur Steuerung eines Einzelknotens verwendet. Die robuste Ausgestaltung des Verfahrens sorgt dabei dafür, dass auch mit einer lückenhaften Datenlage, wie z. B. aufgrund geringer Ausstattungsraten kommunikationsfähiger Fahrzeuge, angemessen umgegangen werden kann. Mit Hilfe einer mikroskopischen Simulationsstudie wird nachgewiesen, dass das neue Verfahren bei der Qualität des Verkehrsablaufs das gleiche Niveau wie eine traditionelle Zeitlückensteuerung erreicht oder dieses unter bestimmten Bedingungen sogar übersteigt. Mit abnehmender Ausstattungsrate ergibt sich dabei allerdings ein Qualitätsverlust, der ebenfalls mit Hilfe der mikroskopischen Simulation quantifiziert wird und wichtige Erkenntnisse für einen möglichen Praxistest liefert., State-of-the-art traffic data sources like Car-to-Infrastructure communication, Floating Car Data and video detection offer great new prospects for vehicle-actuated traffic signal control. Due to this, the article deals with a recent approach which uses vehicles’ delay times for real-time control of traffic signals at an isolated intersection. One of the strengths of the new approach is that it can handle also incomplete data sets, e.g. caused by low penetration rates of vehicles equipped with Car-to-Infrastructure communication technology, in an appropriate manner. Based on a microscopic simulation study the high quality of this innovative approach is demonstrated, which is equal or even outperforms the well-known headway-based control. However, a decreasing penetration rate of equipped vehicles means a reduced quality of signals’ control, which is quantified in the microscopic simulation study, too, and provides useful information for tests in the field.

Straßen-Knoten-Netze als modelliertes Abbild der Straßeninfrastruktur bilden die Grundlage für eine Vielzahl von Diensten und Anwendungen. Die Verortung von Fahrzeugen, aber auch die Verkehrsumlegung, basieren darauf. Die Ermittlung optimaler Routen und die Visualisierung der Verkehrslage werden ermöglicht. Die resultierenden Anforderungen an das Netzabbild sind vielfältig und deren Bewältigung mit nicht unerheblichem Aufwand verbunden. Kernpunkte sind Genauigkeit, Aktualität und Flächendeckung. Ferner werden geringe Kosten bei dessen Erstellung angestrebt. Als Ergänzung zu manueller Digitalisierung und der Erfassung durch Messfahrzeuge mit hochpräziser Ortung stellt die Nutzbarmachung von Mehrwerten aus Floating Car Systemen einen viel versprechenden Ansatz dar. Vorgestellt wird ein Verfahren, welches mittels eines vektorbasierten Ansatzes Straßen-Knoten-Netze aus Floating Car Daten ermittelt., Node-edge-networks representing road infrastructure are base for various applications and services. Georeferencing of vehicles as well as traffic assignment are based on. Routing and traffic conditions visualisation become possible. Requirements concerning precision, topicality and area coverage of road network image are caused by. Low costs are aspired as well. Utilisation of additional benefits from floating car systems is a promising approach, supplementing common technologies like manual digitalisation or capturing road trajectories by special equipped probe vehicle. A vector based method aggregating positions information of floating car to process road infrastructure images will be presented.

Neue Methoden zur Verkehrsdatenerfassung wie die Fahrzeug-Infrastruktur-Kommunikation, der Floating Car-Ansatz und die Videodetektion eröffnen die Möglichkeit, neue Verfahren zur verkehrsabhängigen Lichtsignalanlagensteuerung zu realisieren. In dem Beitrag wird ein Verfahren beschrieben, das aus diesen Quellen Daten in Form von Fahrzeugverlustzeiten direkt zur Steuerung eines Einzelknotens verwendet. Die robuste Ausgestaltung des Verfahrens sorgt dabei dafür, dass auch mit einer lückenhaften Datenlage, wie z. B. aufgrund geringer Ausstattungsraten kommunikationsfähiger Fahrzeuge, angemessen umgegangen werden kann. Mit Hilfe einer mikroskopischen Simulationsstudie wird nachgewiesen, dass das neue Verfahren bei der Qualität des Verkehrsablaufs das gleiche Niveau wie eine traditionelle Zeitlückensteuerung erreicht oder dieses unter bestimmten Bedingungen sogar übersteigt. Mit abnehmender Ausstattungsrate ergibt sich dabei allerdings ein Qualitätsverlust, der ebenfalls mit Hilfe der mikroskopischen Simulation quantifiziert wird und wichtige Erkenntnisse für einen möglichen Praxistest liefert., State-of-the-art traffic data sources like Car-to-Infrastructure communication, Floating Car Data and video detection offer great new prospects for vehicle-actuated traffic signal control. Due to this, the article deals with a recent approach which uses vehicles’ delay times for real-time control of traffic signals at an isolated intersection. One of the strengths of the new approach is that it can handle also incomplete data sets, e.g. caused by low penetration rates of vehicles equipped with Car-to-Infrastructure communication technology, in an appropriate manner. Based on a microscopic simulation study the high quality of this innovative approach is demonstrated, which is equal or even outperforms the well-known headway-based control. However, a decreasing penetration rate of equipped vehicles means a reduced quality of signals’ control, which is quantified in the microscopic simulation study, too, and provides useful information for tests in the field.