Section-wise modeling of traffic flow and its application in traffic state estimation

Meier, Jan-Niklas; Wehlan, H.

doi:10.1109/itsc.2001.948697

Cited by 9 publications

(6 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The EKF is considered as a de facto estimation algorithm for estimating state of a non-linear dynamic system and traffic flow models including CTM are nonlinear in nature. EKF has been consistently used for estimation of traffic state (Wang et al 2011;Messmer 2008, Wang andPapageorgiou 2005;Meier and Wehlan 2001;Cremer 1991). Other estimation algorithms for nonlinear systems such as particle filters and unscented Kalman filter are computationally expansive algorithms when compared with EKF.…”

Section: Extended Kalman Filter For Traffic State Estimationmentioning

confidence: 99%

Prediction of traveller information and route choice based on real-time estimated traffic state

Ahmed

Ngoduy

Watling

2015

Transportmetrica B: Transport Dynamics

View full text Add to dashboard Cite

Prediction of traveller information and route choice based on real-time estimated traffic stateAccurate depiction of existing traffic states is essential to devise effective real-time traffic management strategies using Intelligent Transportation Systems (ITS). Existing applications of Dynamic Traffic Assignment (DTA) methods are mainly based on either the prediction from macroscopic traffic flow models or measurements from the sensors and do not take advantage of the traffic state estimation techniques, which produce estimate of the traffic states which has less uncertainty than the prediction or measurement alone. On the other hand, research studies which highlight estimation of real-time traffic state are focused only on traffic state estimation and have not utilized the estimated traffic state for DTA applications. In this paper we propose a framework which utilizes real-time traffic state estimate to optimize network performance during an incident through traveller information system. The estimate of real-time traffic states is obtained by combining the prediction of traffic density using Cell Transmission Model (CTM) and the measurements from the traffic sensors in Extended KalmanFilter (EKF) recursive algorithm. The estimated traffic state is used for predicting travel times on alternative routes in a small traffic network and the predicted travel times are communicated to the commuters by a variable message sign (VMS). In numerical experiments on a two-route network, the proposed estimation and information method is seen to significantly improve travel times and network performance during a traffic incident.

show abstract

Section: Extended Kalman Filter For Traffic State Estimationmentioning

confidence: 99%

Prediction of traveller information and route choice based on real-time estimated traffic state

Ahmed

Ngoduy

Watling

2015

Transportmetrica B: Transport Dynamics

View full text Add to dashboard Cite

show abstract

“…The applied 2 Mathematical Problems in Engineering models were relatively simple (due to the short section lengths). Later approaches started using more comprehensive dynamic traffic flow models, which opened the way to the consideration of longer freeway stretches (2-4 km); see Cremer [12] and Cremer et al [13], while more recent investigations elaborated on some technical details based on previously proposed basic ideas; see Kohan and Bortoff [14] and Meier and Wehlan [15]. Other modeling approaches have been used as well as the Kalman filter, such as the neural networks (e.g., [16][17][18][19][20]) and others (e.g., [21,22]).…”

Section: Introductionmentioning

confidence: 99%

Development of Urban Road Network Traffic State Dynamic Estimation Method

Wang

Yun

et al. 2015

Mathematical Problems in Engineering

View full text Add to dashboard Cite

Traffic state estimation is a key problem with considerable implications in modern traffic management. A simple, general, and complete approach to the design of urban network traffic state and phase estimator has been developed in this paper. A uniform traffic state dynamic estimation method structure is designed which consists of three steps. (1) Floating-car data and radio frequency identification data preprocessing method is proposed to remove the abnormal data and finish the map matching process. (2) Section speed estimation method is proposed based on the degree of confidence. (3) Traffic phase identification method is proposed based on the estimated section speed. A number of simulation and field investigations have been conducted to test the estimator performance. The investigation results indicate that the proposed approach is of high accuracy and smoothness on the section speed estimation and effectively eliminates the influence of abnormal data fluctuations and insufficient data. And the traffic phase identification method can effectively filter out the abnormal distortion of estimated section speed around the threshold value and modify the phase step of traffic status caused by abnormal data.

show abstract

“…Frühe Anwendungen der Verkehrsschätzung [10][11][12][13][14][15] bezogen sich hauptsächlich auf kurze Schnellstraßenabschnitte mit engmaschiger Messstellenanordnung unter Verwendung einfacher mathematischer Modelle. Spätere Arbeiten [2][3][4][5][6][7][16][17][18][19][20][21][22][23][24][25][26] verwenden umfassende Modelle und haben deshalb den Weg für die Berücksichtigung langer Strecken bzw. ausgedehnter Netze mit geringer Messpunktabdeckung geebnet [7].…”

Section: Introductionunclassified

Echtzeit-Verkehrszustandsschätzung und -Störfallerkennung auf Schnellstraßen mittels des Erweiterterten Kalman-Filters

Wang

Meßmer²,

Papageorgiou

2015

At - Automatisierungstechnik

View full text Add to dashboard Cite

ZusammenfassungIn diesem Aufsatz werden neueste Fortschritte bei der Echtzeitschätzung des Schnellstraßenverkehrs betrachtet. Besonderes Augenmerk wird dabei auf einen allgemeinen Ansatz gerichtet, der sowohl Zustands- als auch Parameterschätzung vereint. Ein weiterer Schwerpunkt ist der Einsatz des Schätzalgorithmus in großräumigen Anwendungen. Zunächst wird eine mathematische Beschreibung vorgestellt, die ein validiertes makroskopisches Verkehrsflussmodell samt Zustands- und Messrauschen enthält. Der Entwurf des Schätzalgorithmus erfolgt nach dem Prinzip des Erweiterten Kalman-Filters. Das Verhalten des Algorithmus bezüglich Folgefähigkeit und automatischer Störfallerkennung wird anschließend mit Hilfe realer Testdaten bzw. Anwendungen untersucht. Dies erfolgt unter diversen Bedingungen, wobei großräumige Netze, eine dünne Messstellenanordnung, heterogene Infrastruktur, Änderungen der Umfeldbedingungen, Verkehrsstörungen, Messwertausfälle und -ungenauigkeiten einbezogen werden. Der Aufsatz schließt mit Diskussion und Schlussfolgerung ab.Der in diesem Aufsatz gegebene Überblick behandelt den Stand der Forschung bei der Anwendung des Erweiterten Kalman-Filters auf die Zustandsschätzung des Schnellstraßenverkehrs. Laufende Forschungsaktivitäten in diesem Bereich beschäftigen sich mit einer Reihe von Erweiterungen der hier beschriebenen Arbeiten. Diese beinhalten: den Vergleich mit anderen Filtermethoden (Partikelfilter oder Unscented Filter); die Dezentralisierung der Filterstruktur; die Zustandsschätzung in städtischen Straßennetzen; neue Problemstellungen, die sich aus der zunehmenden Zahl von vernetzten oder auch automatisierten Fahrzeugen ergeben, und mehr.

show abstract

Section-wise modeling of traffic flow and its application in traffic state estimation

Cited by 9 publications

References 6 publications

Prediction of traveller information and route choice based on real-time estimated traffic state

Prediction of traveller information and route choice based on real-time estimated traffic state

Development of Urban Road Network Traffic State Dynamic Estimation Method

Echtzeit-Verkehrszustandsschätzung und -Störfallerkennung auf Schnellstraßen mittels des Erweiterterten Kalman-Filters

Contact Info

Product

Resources

About