National Transport Library Research Database

Incidentdetektering för proaktiv trafikledning (IPTL)

Sponsors, duration, budget: Trafikverket ; 2024-11-01 -- 2027-04-30 Registration number:
  • Trafikverket 2024/63350
Subject(s): Abstract: Enligt Störningsrapporten 2021 har antalet incidenter i Stockholmsområdet under åren 2017-2021 ökat från ca 16 000 till ca 21 000. Av dessa incidenter utgör ca 15% av föremål på vägbanan, 15% av olyckor och 70% av stillastående fordon. Tillsammans orsakar dessa incidenter en mycket stor samhällsekonomisk kostnad och det är viktigt att ta fram analysverktyg, beslutsstöd och åtgärdsplaner för att minimera effekterna av incidenterna. Tidig detektering av incidenter är viktigt för att snabbt kunna initiera rätt åtgärdsplaner och både informera och om möjligt styra trafikanter för att minimera incidentens påverkan på trafiksystemet. Bakgrunden till denna projektansökan är en workshop hösten 2023, initierad av Trafikverket, där olika representanter från Trafikverket kopplade till trafikledning tillsammans med trafikforskare identifierade viktiga utmaningar och möjligheter inom trafikledningsområdet. Trafikverket har de senaste åren investerat i ett stort antal ytradarsystem längs motorvägsnätet i syfte att tidigt upptäcka incidenter. Ett av de områden som identifierades under workshopen var de stora problem med falsklarm från dessa system som orsakade mycket extra arbete och svårigheter med att förstå när verkliga incidenter detekterats. Utöver de installerade ytradarsystemen är hela motorvägsnätet utrustat med radardetektorer för detektering av flöde och hastigheter, som dessutom de senaste åren utökats till att inkludera information om varje passerat fordon. Denna datakälla i kombination med en utökad insamling av probe-data från GPS-utrustade fordon samt utökade möjligheter för Trafikverket att göra realtidsanalyser av den data som samlas in i SAP-HANA-plattformen skapar nya möjligheter att utveckla kompletterande algoritmer för incidentdetektering. Syftet med detta projekt är att sammanställa litteraturen på området incidentdetektering, identifiera lämpliga algoritmer för användning under svenska förhållanden samt utvärdera en eller två algoritmer för ett utvalt testområde.Abstract: According to Störningsrapporten 2021, the number of incidents in the Stockholm area during the years 2017-2021 has increased from approx. 16,000 to approx. 21,000. Of these incidents, about 15% are objects on the roadway, 15% are accidents and 70% are stationary vehicles. Together, these incidents cause a large socio-economic cost and it is important to develop analysis tools, decision support and action plans to minimize the effects of the incidents. Early detection of incidents is important to be able to initiate the right action plans and both inform and, if possible, guide road users to minimize the impact of the incident on the traffic system. The background to this project application is a workshop in the fall of 2023 initiated by the Swedish Transport Administration (STA). In recent years, STA has invested in a number of surface radar systems along the motorway network in order to detect incidents early. One of the areas identified during the workshop was the major problems with false alarms from these systems which caused a lot of extra work and difficulties in understanding when real incidents were detected. In addition to the installed surface radar systems, the entire motorway network is equipped with radar detectors for the detection of flow and speeds, which have also been expanded in recent years to include information on each passing vehicle. This data source in combination with an expanded collection of probe data from GPS-equipped vehicles, as well as expanded opportunities for STA to perform real-time analyzes of the data collected in the SAP-HANA platform, creates new opportunities to develop supplementary algorithms for incident detection. The purpose of this project is to review literature in the area of incident detection, identify suitable algorithms for use under Swedish conditions and evaluate one or two algorithms for a selected test area.
Item type: