National Transport Library Research Database

CTR Prediktions- Och Scenariobaserad Trafikledning 2 (POST2) (CTR Predictive and Scenario-based Traffic Management 2)

  • Burghout, Wilco
  • Kungliga tekniska högskolan, Universitet eller högskola, 202100-3054
Sponsors, duration, budget: Trafikverket ; 2019-01-01 -- 2021-12-31 Registration number:
  • Trafikverket 2018/132473
Subject(s): Abstract: Huvudfokus för nuvarande fas av POST är att integrera resultaten från tidigare MMS-projekt med projekten "Kalibrering av DTA-modeller", projektet "Förbättrade tunnelavstängningar" och det pågående projektet "Motorvägskontrollstrategier" för att bygga ett ramverk för scenarioutvärdering för trafikledning. Genom att kombinera modellbaserad scenarioutvärdering och optimering med förbättrade korttidsprediktioner kan vi hjälpa trafikledningen att utveckla proaktiva strategier. Tanken är att med hjälp av historiska trafikdata identifiera ett antal typdagar som representerar olika trafikscenarion. För varje typdag kan en specifik OD-matris skattas som matchar den uppmätta trafiken. Varje OD-matris kan sedan användas för modellbaserad scenarioutvärdering, med två huvudsakliga tillämpningar (1) off-line utvärdering av trafikledningsstrategier för att säkerställa robusthet under olika typdagar (2) realtidklassificering av det nuvarande trafikläget för att kunna hitta effektiva trafikledningsåtgärder den aktuella dagen. I POST har störst insatser hittills gjorts på följande komponenter: • Metodutveckling för klustring av trafikdata för att förstå trafikmönster i Stockholms nätverk • Klassificering av kluster för att avgöra typ av dag • Grundläggande OD-estimering för typdagar • Scenarioutvärdering för typdagar med makroskopisk trafikmodell Planen för fortsättningsprojektet POST2 är att fortsätta utveckla ramverket genom att förbättra följande komponenter: • Förbättra klustrings- och klassificeringsmetoder för typdagsklassificering och efterfrågeprediktion för större nätverksområden och fler datakällor. • Utvidga nuvarande grundläggande offline OD-estimering till OD-estimering och prediktion i realtid, för trafikledningsstöd i realtid • Använda befintlig och kalibrerad meso- eller mikroskopisk trafikmodell som modellkomponent i scenarioutvärderingarna för större nätverksområden (både motorvägar och huvudgator) I samarbete med UC Berkeley har också ruttval vid incidenter analyserats baserat på data från GPS-utrustade fordon. Utvärderingen har gjorts för ett testområde i Los Angeles där stora mängder GPS-data finns tillgängligt i kombination med en kalibrerad trafikmodell. Planen är att i fortsättningsprojektet utvärdera detta också för Stockholm i syfte att möjliggöra modellering av förändrat ruttval vid incidenter. Genom utvecklingen i dessa riktningar kommer projektet att utvidga och demonstrera trafikledningsramverket för en bredare uppsättning trafik- och incidentscenarion. Projektet kommer att stödja den sista hälften av doktorandstudier för Matej Cebecauer vid KTH och en doktorand vid LiU.Abstract: The main focus of the current phase of POST is to integrate the results of previous MMS projects with the projects "Calibration of DTA Models", "Enhanced tunnel shutdowns", and the ongoing "Motorway Control Strategies" project to build a framework of scenarios for traffic management. By combining model-based scenario evaluation and optimization with improved short-term predictions, we can help traffic management to develop proactive strategies. The idea is to identify a number of type days that represent different traffic scenarios using historical traffic data. For each type day, a specific OD matrix can be estimated to match the measured traffic. Each OD matrix can then be used for model based scenario evaluation, with two main applications (1) off-line evaluation of traffic management strategies to ensure robustness during different types of days (2) real-time classification of current traffic mode in order to find effective traffic management measures on the current day. In POST, the greatest efforts have been made so far on the following components: • Methodology for clustering traffic data to understand traffic patterns in the Stockholm network • Classification of clusters to determine the type of day • Basic OD estimation for type days • Scenario evaluation for type days with macroscopic traffic model The plan for the continuing project POST2 is to continue developing the framework by improving the following components: • Improve clustering and rating methods for type-day rating and demand-sharing for larger networking sites and more data sources. • Extend current basic offline OD estimate to real-time OD estimation and prediction, for real-time traffic management support • Use existing and calibrated meso or microscopic traffic model as model component in scenario outreach for larger network (both highways and main streets) In cooperation with UC Berkeley, route selection at incidents has also been analyzed based on data from GPS-equipped vehicles. The evaluation has been done for a test area in Los Angeles where large amounts of GPS data is available in combination with a calibrated traffic model. The plan is that in the continuation project, this will also be evaluated for Stockholm in order to enable modeling of changed route selection in case of incidents. Through the development of these directions, the project will expand and demonstrate the traffic management framework for a broader set of traffic and incident scenarios. The project will support the final half of doctoral studies for Matej Cebecauer at KTH and a doctoral student at LiU.
Item type: