Open Access

Andreas Keler

• Vehicle traffic in urban environments consists of a variation of traffic phenomena. Defining and measuring these traffic phenomena is challenging, since traffic sensors can still not observe the traffic situation of one city entirely over a period of time. One possibility to get general overviews is analyzing data coming from tracked vehicle movements. In the best cases, tracked vehicles are numerous and part of vehicle fleets that represent a big proportion of traffic participants in the investigation area. Traffic data in the form of movement trajectories is producible via the Floating Car Data (FCD) technology, which uses mobile devices that allow positioning and recording on-board information in every tracked vehicle. In case of operating taxis, these devices are part of already installed dispatcher systems and are able to produce Floating Taxi Data (FTD). One type of applications with FCD and FTD consists of inferring traffic situations with numerous different computationalVehicle traffic in urban environments consists of a variation of traffic phenomena. Defining and measuring these traffic phenomena is challenging, since traffic sensors can still not observe the traffic situation of one city entirely over a period of time. One possibility to get general overviews is analyzing data coming from tracked vehicle movements. In the best cases, tracked vehicles are numerous and part of vehicle fleets that represent a big proportion of traffic participants in the investigation area. Traffic data in the form of movement trajectories is producible via the Floating Car Data (FCD) technology, which uses mobile devices that allow positioning and recording on-board information in every tracked vehicle. In case of operating taxis, these devices are part of already installed dispatcher systems and are able to produce Floating Taxi Data (FTD). One type of applications with FCD and FTD consists of inferring traffic situations with numerous different computational techniques. This thesis introduces a traffic pattern analysis framework for FCD with the emphasis on detecting specific vehicle traffic patterns. The extracted patterns should define urban traffic congestion as the detectable traffic phenomenon, which is the focus of this work. In general, tracking numerous moving entities participating in traffic is part of a large body of ongoing research. By reviewing traditional traffic data acquisition techniques from different domains, this work aims to provide a connection to various research disciplines connected with research on moving objects. Those fields are coming from physics, computer science, GIScience and geography to mention a few. In contrast to traffic phenomena on highways, which are well studied, this work focus on urban traffic in highly populated cities with dense transportation infrastructure. By selecting, modifying, and applying various methodological aspects, this work shows the establishment of a traffic pattern analysis framework that allows extracting typical periodical and unusual traffic patterns for each day of the week. Traffic congestion can be seen as a daily event, since it has starting and end points, that occurs on specific rush hours of the day, but as well as traffic anomalies that are caused by different events in the urban environment. The distinguishing between different types of traffic congestion events is challenging, especially when relying on classified movement patterns from FCD, which is only a fraction of all traffic participants. The first step is to clarify the various terminologies and to associate them with respective formalizations of each appearance, as the terms road capacity and traffic bottlenecks. Additionally, there are different aspects of traffic congestion detection, which includes reasoning on FCD representations, preprocessing and analytical possibilities. The last mentioned include map matching on road segments and density-based clustering of vehicle movement. Preceding steps of the framework consist of adjusted preprocessing of the data. The following six framework techniques aim to reveal specific traffic patterns from the preprocessed FCD by different forms of representing urban traffic congestion events. The underlying computational methods of the framework enable the possibility to apply various computations as a sequence that reveal an increasing number of details on urban traffic congestion events. The results of the framework computations include mainly three different products that are subsequently inferable: congestion polygons, congestion propagation polylines (CPP) and bundles of associated road segments. The affected road segments result from previous matching between road segments and congestion polygons, or congestion propagation polylines. The evaluation of the framework outcomes consists of visual analysis methods. A test FTD set from taxis in Shanghai from 2007 serves for the framework evaluation. The results show selected parts of the urban investigation area influenced by recurrent and non-recurrent traffic congestion, which conclude to expected travel time variations during rush hours. Afterwards, the test results serve for extensive discussions on the usefulness and reasonability of the framework methods. A concluding outlook outlines ideas on future work, which mainly consists of proposed methodical extensions and finding suitable applications for the traffic pattern analysis framework.…
• Der Fahrzeugverkehr in städtischen Umgebungen besteht aus einer Variation von Verkehrsphänomenen. Die Definition und Messung dieser Verkehrsphänomene ist eine Herausforderung, denn Verkehrssensoren können die Verkehrssituation einer Stadt immer noch nicht gänzlich über einen längeren Zeitraum beobachten. Eine Möglichkeit, allgemeine Übersichten zu erhalten, besteht aus der Analyse von beobachteten Fahrzeugbewegungen. Im besten Falle sind die beobachteten Fahrzeuge zahlreich und Teil von Fahrzeugflotten, die einen großen Anteil der Verkehrsteilnehmer im Untersuchungsgebiet ausmachen. Verkehrsdaten in Form von Bewegungstrajektorien sind produzierbar über die Technologie Floating Car Data (FCD), die über mobile Geräte Positionierung und Aufzeichnung von fahrzeugeigenen Informationen in jedem beobachteten Fahrzeug ermöglichen. Im Falle von operativen Taxis sind diese Geräte Teil von bereits installierten Dispatchersystemen und können Floating Taxi Data (FTD) produzieren. Eine Art vonDer Fahrzeugverkehr in städtischen Umgebungen besteht aus einer Variation von Verkehrsphänomenen. Die Definition und Messung dieser Verkehrsphänomene ist eine Herausforderung, denn Verkehrssensoren können die Verkehrssituation einer Stadt immer noch nicht gänzlich über einen längeren Zeitraum beobachten. Eine Möglichkeit, allgemeine Übersichten zu erhalten, besteht aus der Analyse von beobachteten Fahrzeugbewegungen. Im besten Falle sind die beobachteten Fahrzeuge zahlreich und Teil von Fahrzeugflotten, die einen großen Anteil der Verkehrsteilnehmer im Untersuchungsgebiet ausmachen. Verkehrsdaten in Form von Bewegungstrajektorien sind produzierbar über die Technologie Floating Car Data (FCD), die über mobile Geräte Positionierung und Aufzeichnung von fahrzeugeigenen Informationen in jedem beobachteten Fahrzeug ermöglichen. Im Falle von operativen Taxis sind diese Geräte Teil von bereits installierten Dispatchersystemen und können Floating Taxi Data (FTD) produzieren. Eine Art von Anwendung mit FCD und FTD besteht darin, Verkehrssituationen mit zahlreichen verschiedenen rechnerischen Methoden abzuleiten. Diese Arbeit stellt ein Verkehrsmusteranalyse-Framework für FCD vor mit dem Schwerpunkt auf der Erkennung spezifischer Fahrzeugverkehrsmuster. Die extrahierten Muster sollten städtische Verkehrsstaus als das nachweisbare Verkehrsphänomen definieren, das im Mittelpunkt dieser Arbeit steht. Im Allgemeinen ist die Beobachtung zahlreicher bewegter Objekte, die am Verkehr teilnehmen, Teil einer großen laufenden Forschungsaktivität. Durch die Bewertung traditioneller Verkehrsdatenerfassungstechniken aus verschiedenen Forschungsgebieten soll mit dieser Arbeit eine Verbindung zu verschiedenen Forschungsdisziplinen hergestellt werden, die sich mit der Forschung von sich bewegten Objekten beschäftigen. Diese Disziplinen kommen aus Physik, Informatik, GIScience und Geographie, um nur einige zu nennen. Im Gegensatz zu Verkehrsphänomenen auf Autobahnen, die schon gut erforscht sind, konzentriert sich diese Arbeit auf den städtischen Verkehr in hoch bevölkerten Städten mit dichter Verkehrsinfrastruktur. Durch die Auswahl, Adaption und Anwendung verschiedener methodischer Aspekte zeigt diese Arbeit die Etablierung eines Verkehrsmusteranalyse-Frameworks, das es ermöglicht, typische periodische und ungewöhnliche Verkehrsmuster für jeden Tag der Woche zu extrahieren. Verkehrsstau kann als tägliches Ereignis gesehen werden, da es Anfangs- und Endpunkte hat und zu bestimmten Stoßzeiten des Tages auftaucht. Verkehrsstaus können auch Verkehrsanomalien sein, die durch verschiedene Ereignisse in der städtischen Umgebung verursacht werden. Die Unterscheidung zwischen verschiedenen Arten von Verkehrsstauereignissen ist besonders dann schwierig, wenn man sich auf klassifizierte Bewegungsmuster von FCD stützt, die nur einen Bruchteil aller Verkehrsteilnehmer ausmachen. Der erste Schritt besteht darin, die verschiedenen Terminologien zu klären und sie mit den jeweiligen Formalisierungen jedes Erscheinungsbildes zu verknüpfen, wie beispielsweise die Begriffe Straßenkapazität und Verkehrsengpässe. Darüber hinaus gibt es verschiedene Aspekte der Verkehrsstauerkennung, die Darstellung, Vorverarbeitung und analytische Möglichkeiten von FCD beinhalten. Letztgenannte beziehen sich auch auf Map-Matching mit Straßensegmenten und das dichtebasierte Clustering von Fahrzeugbewegungen. Die vorangehenden Schritte des Frameworks bestehen aus einer angepassten Vorverarbeitung der Daten. Die folgenden sechs Methoden des Frameworks zielen darauf ab, spezifische Verkehrsmuster aus den vorverarbeiteten FCD aufzudecken durch unterschiedliche Darstellungsformen von städtischen Verkehrsstauereignissen. Die zugrunde liegenden Berechnungsmethoden des Frameworks ermöglichen es verschiedene Berechnungen als Sequenz anzuwenden, die eine ansteigende Anzahl von Details über städtische Verkehrsstauereignisse aufdecken kann. Die Ergebnisse der Framework-Berechnungen umfassen vor allem drei verschiedene Produkte, die nacheinander ableitbar sind: Staupolygone, Stauausbreitungspolylinien (CPP) und Bündel von zugehörigen Straßensegmenten. Die betroffenen Straßensegmente resultieren aus einem vorherigen Matching zwischen Straßensegmenten und Staupolygonen oder Stauausbreitungspolylinien. Die Evaluierung der Ergebnisse der Framework-Anwendung besteht aus visuellen Analysemethoden. Ein Test-FTD-Satz von Taxis in Shanghai aus dem Jahre 2007 dient für die Evaluierung des Frameworks. Die Ergebnisse zeigen ausgewählte Teile des städtischen Untersuchungsgebietes, die durch wiederkehrende und nicht wiederkehrende Verkehrsstaus beeinflusst werden, die auf die zu den erwarteten Fahrzeitschwankungen während der Stoßzeiten rückschließen. Danach dienen die Testergebnisse für umfangreiche Diskussionen über den Nutzen und die Bedeutung der Framework-Methoden. Ein abschließender Ausblick skizziert Ideen für künftige Arbeiten, die vor allem aus methodischen Erweiterungen und geeignete Anwendungen für das Verkehrsmusteranalyse-Framework bestehen.…