Content uploaded by Thomas Riedel
Author content
All content in this area was uploaded by Thomas Riedel on Aug 12, 2021
Content may be subject to copyright.
Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK
Département fédéral de l'environnement, des transports, de l'énergie et de la communication DETEC
Dipartimento federale dell'ambiente, dei trasporti, dell'energia e delle comunicazioni DATEC
Bundesamt für Strassen
Office fédéral des routes
Ufficio federale delle Strade
Collecte de données de trafic par les détecteurs
attribués à la régulation de carrefours à feux
Traffic data logging by detectors
used for traffic light control
Marty + Partner Ingenieurbüro AG
Jan Fischer, Dipl. Informatik Ing. FH
Adaptive Traffic Control AG
Thomas Riedel, Dr. sc. techn. ETH
Forschungsprojekt VSS 2019/126 auf Antrag des Schweizerischen Ver-
bandes der Strassen- und Verkehrsfachleute (VSS)
Juli 2021 1701
Verkehrsdatenerfassung über
Sensoren von LSA
Der Inhalt dieses Berichtes verpflichtet nur den (die) vom Bundesamt für Strassen unterstützten Autor(en). Dies gilt
nicht für das Formular 3 "Projektabschluss", welches die Meinung der Begleitkommission darstellt und deshalb nur
diese verpflichtet.
Bezug: Schweizerischer Verband der Strassen- und Verkehrsfachleute (VSS)
. Cela ne s'ap-
plique pas au formulaire 3 « Clôture du projet », qui représente l'avis de la commission de suivi et qui n'engage que
cette dernière.
Diffusion : Association suisse des professionnels de la route et des transports (VSS)
ficio federale delle
Ordinazione: Associazione svizzera dei professionisti della strada e dei trasporti (VSS)
The content of this report engages only the author(s) supported by the Federal Roads Office. This does not apply to
Distribution: Swiss Association of Road and Transportation Experts (VSS)
Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK
Département fédéral de l'environnement, des transports, de l'énergie et de la communication DETEC
Dipartimento federale dell'ambiente, dei trasporti, dell'energia e delle comunicazioni DATEC
Bundesamt für Strassen
Office fédéral des routes
Ufficio federale delle Strade
Collecte de données de trafic par les détecteurs
attribués à la régulation de carrefours à feux
Traffic data logging by detectors
used for traffic light control
Marty + Partner Ingenieurbüro AG
Jan Fischer, Dipl. Informatik Ing. FH
Adaptive Traffic Control AG
Thomas Riedel, Dr. sc. techn. ETH
Forschungsprojekt VSS 2019/126 auf Antrag des Schweizerischen Ver-
bandes der Strassen- und Verkehrsfachleute (VSS)
Juli 2021 1701
Verkehrsdatenerfassung über
Sensoren von LSA
1701 | Verkehrsdatenerfassung über Sensoren von LSA
4 Juli 2021
Impressum
Forschungsstelle und Projektteam
Projektleitung
Jan Fischer, Marty + Partner Ingenieurbüro AG
Mitglieder
Thomas Riedel, Adaptive Traffic Control AG
Federführende Fachkommission
NFK 1.5 Verkehrstelematik
Informations- und Kommunikationstechnologien für das Verkehrsmanagement
Begleitkommission
Präsident
Kurt Amstad, Tiefbauamt Kanton Zürich, Baudirektion
Mitglieder
Markus Bartsch, ASTRA
Gian Dönier, Dienstabteilung Verkehr, Stadt Zürich
Michael Früh, Tiefbauamt des Kantons Zug
Hans Ueli Gamper, Trapeze ITS Switzerland GmbH
Clemens Huber, Amt für Mobilität Kanton Basel-Stadt
Patrick Kissling, Amt für Verkehr und Tiefbau, Kanton Solothurn
Anastasios Kouvelas, Gruppe Strassenverkehrstechnik, IVT, ETH Zürich
Alain Maradan, Tiefbauamt des Kantons Bern
Antragsteller
Verband der Strassen- und Verkehrsfachleute (VSS)
Bezugsquelle
Das Dokument kann kostenlos von http://www.mobilityplatform.ch heruntergeladen werden.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 5
Inhaltsverzeichnis
Impressum ......................................................................................................................... 4
Zusammenfassung ........................................................................................................... 7
Résumé ............................................................................................................................ 17
Summary .......................................................................................................................... 27
1 Einleitung ......................................................................................................................... 37
1.1 Erfassung von Fahrzeugen ............................................................................................... 37
1.2 Zusätzliche Erfassung von Verkehr .................................................................................. 37
1.3 Detektoren und ihre Rollen ............................................................................................... 38
1.4 Detektoren und Zählstellen ............................................................................................... 39
1.5 Antworten im Forschungsbericht....................................................................................... 39
2 Wissenschaftliche Ausgangslage ................................................................................. 41
2.1 Stand der Forschung ......................................................................................................... 41
2.1.1 Intervalldaten ..................................................................................................................... 41
2.1.2 Rohdaten ........................................................................................................................... 41
2.1.3 Hinweise zu Detektionstechnologien im Strassenverkehr (Zitate) .................................... 42
2.2 Forschungsbedarf ............................................................................................................. 44
2.2.1 Besonderheit der Schweiz ................................................................................................ 46
2.2.2 Rohdaten ........................................................................................................................... 46
3 Vorgehen und Methodik ................................................................................................. 47
3.1 Technisches ...................................................................................................................... 47
3.1.1 Systeme und Daten ........................................................................................................... 47
3.1.2 Video-Aufnahmen ............................................................................................................. 48
3.2 Praktisches ........................................................................................................................ 49
3.2.1 Plausibilisierung von Einzeldetektoren ............................................................................. 49
3.2.2 Messlücken ....................................................................................................................... 49
3.2.3 Zusätzliche Messgrössen durch Doppeldetektoren .......................................................... 50
3.3 Einführendes Beispiel ....................................................................................................... 50
3.4 Vorbereitung ...................................................................................................................... 52
3.5 Versuch 1 in Zollikon, ZH .................................................................................................. 53
3.6 Versuch 2 in Solothurn und Zuchwil, SO .......................................................................... 54
4 Ergebnisse: Signalverarbeitung .................................................................................... 57
4.1 Fehlerkorrigierende Codes ................................................................................................ 57
4.2 Einzeldetektor.................................................................................................................... 58
4.2.1 Störungen .......................................................................................................................... 58
4.2.2 Technische Einflüsse ........................................................................................................ 58
4.2.3 Signalanalyse .................................................................................................................... 58
4.3 Doppeldetektor .................................................................................................................. 58
4.3.1 Geschwindigkeit ................................................................................................................ 58
4.3.2 Fahrzeugklassen ............................................................................................................... 59
4.4 Anfahrverhalten ................................................................................................................. 60
4.5 Kolonnenverhalten ............................................................................................................ 62
5 Ergebnisse: Zählgenauigkeit ......................................................................................... 63
5.1 Zählgenauigkeit in Zufahrt SOLO_16 1 (West) ................................................................. 63
5.1.1 Erhöhung der Zählgenauigkeit .......................................................................................... 64
5.1.2 Gesamtbetrachtung der Zählgenauigkeit .......................................................................... 65
5.2 Zählgenauigkeit in Zufahrt SOLO_16 3 (Ost) ................................................................... 66
5.2.1 Erhöhung der Zählgenauigkeit .......................................................................................... 67
5.3 Zählgenauigkeit in Zufahrt ZUCH_10 West¨ ..................................................................... 67
1701 | Verkehrsdatenerfassung über Sensoren von LSA
6 Juli 2021
5.4 Zufahrten von Norden und Süden ..................................................................................... 68
5.4.1 Süden ................................................................................................................................. 69
5.4.2 Norden ............................................................................................................................... 71
5.5 Zufahrt von Osten .............................................................................................................. 73
5.6 Brückenstück ..................................................................................................................... 75
5.7 Vergleich mit einer Verkehrszählstelle ............................................................................... 76
6 Ergebnisse: Beispiele der Signalverarbeitung ............................................................. 79
6.1 Störung............................................................................................................................... 79
6.1.1 Ungewöhnliches, aber korrektes Verhalten ....................................................................... 79
6.1.2 Fehlerhafte, kurze Impulse ................................................................................................ 80
6.1.3 Fehlerhafte, lange Belegungszeiten .................................................................................. 81
6.1.4 Langfristiges Schwingen .................................................................................................... 81
6.2 Übersprechen .................................................................................................................... 87
6.3 Signalanalyse für Doppeldetektoren .................................................................................. 90
6.4 Längsvergleich ................................................................................................................... 94
6.5 Gegenverkehr .................................................................................................................... 95
6.6 Quervergleich ..................................................................................................................... 96
6.6.1 Velo und Motorfahrzeuge................................................................................................... 97
6.6.2 Motorfahrzeuge .................................................................................................................. 98
6.7 Anfahrverhalten ................................................................................................................ 100
6.7.1 Von Osten (ZUCH_10) ..................................................................................................... 100
6.7.2 Von Süden (ZUCH_10) .................................................................................................... 101
7 Schlussfolgerungen und Forschungsbedarf .............................................................. 103
7.1 Schlussfolgerungen ......................................................................................................... 103
7.2 Resultierender Forschungsbedarf ................................................................................... 104
7.2.1 Auswertung des anfahrenden Verkehrs und von Fahrzeugpulks .................................... 104
7.2.2 Beobachtung der Staulänge und der Reisezeit ............................................................... 105
7.2.3 Erweiterung auf andere Verkehrsträger ........................................................................... 106
7.2.4 Beobachtung von Koordinationsbrüchen ......................................................................... 106
7.2.5 Ermittlung von Längenklassen ......................................................................................... 106
7.2.6 Zählen von Velos und Motorrädern ................................................................................. 106
7.2.7 Beobachtung von Quell-Ziel-Beziehungen ...................................................................... 106
7.2.8 Kombination mit anderen Datenquellen ........................................................................... 106
8 Empfehlung für die Umsetzung in die Praxis ............................................................. 107
8.1 Vor dem Zählen ............................................................................................................... 107
8.2 Während des Zählens ...................................................................................................... 108
8.3 Periodische Nachprüfungen............................................................................................. 109
8.4 Plausibilität ....................................................................................................................... 109
8.4.1 Regel 1: Detektor und Signalgruppe ................................................................................ 110
8.4.2 Regel 2: nachts kann man die Fahrzeuge verfolgen ....................................................... 110
8.4.3 Regel 3: entfernte Detektoren .......................................................................................... 111
8.4.4 Regel 4: Korrelation ......................................................................................................... 111
8.5 Auswahl der Detektoren zum Zählen von Fahrzeugen ................................................... 112
8.5.1 Zu lange Detektoren verwerfen ....................................................................................... 112
8.5.2 Aus den kurzen Detektoren auswählen ........................................................................... 112
Anhänge ......................................................................................................................... 115
Glossar und Abkürzungen ........................................................................................... 173
Glossaire et abréviations ............................................................................................. 176
Glossary and abbreviations ......................................................................................... 177
Literaturverzeichnis ...................................................................................................... 178
Abbildungs- und Tabellenverzeichnis ........................................................................ 180
Projektabschluss .......................................................................................................... 185
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 7
Zusammenfassung
Der vorliegende Forschungsbericht hat untersucht, wie gut man mit Detektoren Fahrzeuge
zählen kann. Die betrachteten Detektoren sind für die verkehrsabhängige Regelung von
Knotenpunkten installiert worden und nicht mit der ursprünglichen Absicht, Fahrzeuge zu
zählen. Die Messungen der Detektoren liegen als Rohdaten vor, flankengenau alle Zehn-
telsekunden. Meist sind die Detektoren Induktionsschleifen, selten Videodetektoren. Der
Bericht konzentriert sich auf Motorfahrzeuge. Am Rand wird auch versucht, Motorräder
und Velos zu erkennen sowie Lastwagen von Personenwagen zu unterscheiden.
Solche Detektoren können durchaus auch zum Zählen geeignet sein, recht genau, und
dürfen für Verkehrszählungen verwendet werden. Es müssen aber gewisse Voraussetzun-
gen erfüllt sein. Der Bericht entwickelt darum Leitlinien
zur Auswahl der Detektoren,
zur Überwachung der Genauigkeit der Messungen und
zur Vorverarbeitung der Messungen zur Erhöhung der Zählgenauigkeit.
Damit kann eine Zählgenauigkeit mit Fehlern von unter 1 % erreicht werden.
Weiter geht der Bericht der Frage nach, welche weiteren nützlichen Grössen aus quali-
tätsgesicherten Detektordaten errechnet werden können.
Zählen
Mit welchen LSA-Detektoren kann man korrekt zählen? Welche Zählgenauigkeit kann er-
reicht werden? Wie ist das Vorgehen zum Erreichen der bestmöglichen Zählgenauigkeit?
Genauigkeit
Es gibt nicht den korrekt messenden und somit korrekt zählenden Detektor per se. Alle
Messungen von LSA-Detektoren können mit Fehlern behaftet sein. Wie kann man die Feh-
ler eines Detektors entdecken und quantifizieren? Und wie kann man sie korrigieren?
Die Fehler müssen durch die Beobachtung im System selbst erkannt und auch korrigiert
werden können. Dazu müssen häufig nebst den Messungen eines betrachteten Detektors
selbst auch Messungen umliegender Detektoren beigezogen werden. Zu Kontrollzwecken
werden in der Forschungsarbeit externe Videoaufnahmen beigezogen.
Unabhängigkeit
Die Erkenntnisse sind weitestgehend unabhängig von der Detektionstechnologie. Für eine
eventuelle Vorverarbeitung der Messdaten soll sie keine Rolle spielen.
Zusatznutzen
Qualitätsgesicherte Detektor-Messungen haben einen hohen Zusatznutzen zur Bestim-
mung und Überwachung von Modellparametern, beispielsweise des Zeitbedarfswerts,
des Fahrverhaltens oder von Quell-Ziel-Beziehungen, aber auch zur Ermittlung rege-
lungstechnisch relevanter Grössen wie Staulängen und Verlustzeiten. Auch zur Kombi-
nation mit Messungen anderer Systeme («Data Fusion») sind sie dadurch sehr gut ver-
wendbar.
Statistische Anforderungen
Für eine landesweite Statistik oder auch den internationalen Vergleich müssen die Zähl-
werte und allgemein alle Messwerte den folgende drei Kriterien genügen:
Vergleichbarkeit: Die Messungen müssen untereinander vergleichbar sein.
Kontinuität: Die Messungen müssen über die Zeit miteinander vergleichbar sein.
Qualität: Die Messungen müssen bezifferbaren Qualitätsanforderungen genügen.
Die Forschungsarbeit beschreibt das Vorgehen, um diese Anforderungen sicherzustellen.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
8 Juli 2021
Definition der Zählgenauigkeit
Die Zählgenauigkeit bzw. Güte kann in der folgenden Metrik durch die Anzahl Sterne aus-
gedrückt werden
1
:
Güte
*
**
***
****
Fehler
< 15 %
< 10 %
< 5 %
< 2 %
Tab. 1 Qualitätsklassen für Verkehrsmesswerte
Voraussetzung für die Verwendung eines Detektors ist, dass keine technischen Fehler vor-
liegen, siehe dazu später die Aufzählung im Kapitel «Fehlertypen».
Periodische Überprüfungen werden empfohlen. Für diese Tests sollte die Technologie
der Detektoren keine Rolle spielen dürfen. Es hat sich auch gezeigt, dass sich die dominant
verwendeten Induktionsschleifen nicht gross von Videosensoren unterscheiden bezüglich
der Möglichkeiten, sich zu irren.
Übersprechen, Prellen, Auslassen von Fahrzeugen kann je nach Situation durch Verände-
rung der Empfindlichkeit des Detektors korrigiert werden. Kostenintensivere Abhilfen schaf-
fen auch das Verschieben eines Detektors, die Veränderung seiner Form oder gar der
Einbau eines Doppeldetektors mit Richtungsempfindlichkeit. Darauf soll hier nicht weiter
eingegangen werden, zumal in den meisten Fällen ein System zum Zählen von Fahrzeu-
gen nur «Gast» an bestehenden Detektoren ist und eine Veränderung der bestehenden
Detektoren sie die ihnen zugedachte Aufgabe möglicherweise nicht mehr korrekt erfüllen
lassen könnte.
Bestimmung der Zählgenauigkeit
Die Zählgenauigkeit kann im System nur im Vergleich mit anderen, auf derselben Fahrlinie
liegenden Detektoren bestimmt werden (siehe Kapitel 5). Ein Vergleich mit Handzählungen
ist natürlich auch möglich, was in dieser Arbeit anhand von Videoaufnahmen durchgeführt
worden ist. Ebenso können Vergleiche mit Zählstellen anderer Systeme durchgeführt wer-
den, in diesem Bericht mit einer VDE-Zählstelle (siehe Abschnitt 5.7). Idealerweise liegen
dabei mindestens drei Detektoren auf einer Fahrlinie:
Es gibt eine Häufung von Zählwerten, wo sich mindestens zwei Detektoren in etwa
einig sind.
Bei Patt-Situationen (die Detektoren sind sich paarweise einig über den Zählwert, es
gibt aber keine klare Mehrheit) hilft nur ein Blick auf den aufgezeichneten Signalzeiten-
plan, wo sporadische, systematische oder Verkehrs-induzierte Fehler erkennbar sind.
Je kleiner die Garbe der Kurven, welche als korrekt identifiziert worden sind, umso bes-
ser ist die Zählgenauigkeit.
Es liegt auf der Hand, dass man in der Abfolge von Detektoren denjenigen zum Zählen
wählt, welcher die höchste Zählgenauigkeit hat. Dabei empfehlen sich folgende flankie-
rende Massnahmen für zukünftige Störungen im Fall ausreichender Redundanz:
Bereitstellung von Ersatz-Detektoren aus derselben Garbe, falls der gewählte Detektor
ausfallen sollte, kurzzeitig gestört ist oder sein Verhalten suspekt wird.
Falls nicht vorhanden, sollte aus weiteren Detektoren in derselben Zufahrt genügend
Information hergeleitet werden, um mindestens die Zählwerte temporär zu ersetzen.
Eventuell auch Bereitstellung von Ersatz-Detektoren, deren Abweichung der Zählwerte
bezüglich des gewählten Detektors beschreibbar sind, entweder durch einen konstan-
ten Offset, einen Proportionalitätsfaktor oder durch eine Abweichungs-Ganglinie [8].
So kann man sicherstellen, dass ein Ausfall eines Detektors nicht auch zum Ausfall der
Statistik führt.
1
Framework Guidelines for Data and Service Quality Requirements. EIP Sub-Activity 3.2. Data and Service Qual-
ity Requirements for (Real-Time) Traffic Information incl. Road Safety Related Traffic Information
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 9
Erhöhung der Zählgenauigkeit
Es ist wünschenswert, so genau wie möglich zählen zu können. Zur Erhöhung der Genau-
igkeit gibt es eine Reihe von Methoden. Sie alle gehen von einer Vorverarbeitung des Roh-
signals der Detektoren aus, bevor es in Zählwerte umgewandelt wird. Hier sind die Vorver-
arbeitungen in aufsteigender Komplexität aufgezählt.
Korrektur mit Tiefpass-Filter: Das Rohsignal des Detektors wird durch einen Tiefpass
geschickt. Ein Tiefpass filtert hohe Frequenzen, also kurze Impulse und kurze Lücken.
Dadurch werden prellende Signale und auch Detektionen von Zweirädern ausgemerzt.
Einen reinen Tiefpass zu verwenden ist jedoch gefährlich, denn ein kurzer Impuls ist
nicht immer ein Fehler.
Signalanalyse am Einzeldetektor und Erkennung von Störungen: Normalerweise
zeigen Detektoren Effekte, die mit Prellen verglichen werden können. Sie sind auf An-
hänger oder elektromagnetische Unstetigkeiten des Fahrzeugechos zurückzuführen.
Die Frequenz von solchem Prellen ist häufig deutlich höher als Lücken zwischen Fahr-
zeugen und Impulsdauern von Fahrzeugen. Prellen kann mit relativ einfachen Mitteln
herausgefiltert werden, allerdings unter Einbusse von Detailinformationen über die
Fahrzeugtypen und häufig auch unter Verlust der Zählung von Velos und Motorrädern.
Bekannte Störungen müssen genau beschreibbar sein. Am einfachsten sind sie für
elektrische Schienenfahrzeuge beschreibbar. Aber auch sporadisch prellende Detekto-
ren können auf Störungen zurückzuführen sein. Während der gestörten Zeit können
Detektoren häufig nicht zum Zählen verwendet werden. In dieser Zeit sollte ein Ersatz-
Detektor verwendet werden.
Signalanalyse am Doppeldetektor durch die Behandlung von Haltelinien-nahen
Doppeldetektoren, vor und nach der Haltelinie oder beide nach der Haltelinie: meist
sind diese beiden Detektoren unterschiedlich empfindlich eingestellt und ermöglichen
eine differenzierte Erklärung und Behebung von beobachteten Phänomenen.
Behandlung von Detektionssequenzen von zwei und mehr Detektoren auf derselben
Fahrlinie, falls vorhanden: damit können die Einkopplung von Gegen- und Parallelver-
kehr sowie von Zweirädern erkannt werden; Velos zeigen zudem andere Phänomene
als Motorräder.
Signalanalyse an parallelen Detektoren durch die Behandlung von parallelen Fahr-
spuren in dieselbe Richtung zur Identifikation von überholenden Motorrädern, über-
holten Velos und unsauber befahrenen Fahrspuren
Behandlung von parallelen Fahrspuren in die Gegenrichtung und dadurch ausgelös-
tem Übersprechern
Verfolgung der Fahrzeuge über mehrere Knoten mit dem Ziel herauszufinden, ob es
sich um ein wirkliches Motorfahrzeug handelt, ob es ein Velo oder ein Motorrad ist, ob
gemessene Preller auf einen Anhänger zurückgehen, usw. Als Zusatznutzen kann man
eine zeitvariante Quell-Ziel-Matrix schätzen [7].
Rechtswidriges Verhalten wird von der Vorverarbeitung erkannt. Die Erkennung ist
nicht immer klar, da es sich auch um fehlerhafte Impulse handeln kann. Meist wird sie
durch die Betrachtung mehrerer Detektoren klar und der gleichzeitigen Kenntnis des
Zustandes der Signalgruppen, wie beispielsweise
die Rotfahrer, erkannt von den beiden Detektoren vor und nach der Haltelinie,
überholende Motorräder auf einer richtungsfremden Abbiegespur Spur lassen sich
eventuell verfolgen,
Umfahren des Lichtsignals auf einer anderen Spur,
Befahren des Fussgängerstreifens oder des Trottoirs durch ein Velo.
Der Forschungsbericht diskutiert diese Verfahren und entwickelt Grundlagen für eine au-
tomatische Erkennung.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
10 Juli 2021
Ermittelte Zählgenauigkeit
Beispielhaft werden die rohen und die korrigierten Zählwerte einer typischen Zufahrt
2
hier
eingeführt. Auf dem Weg zur Haltelinie überfährt ein Fahrzeug die folgenden verwertbaren
Detektoren:
«3» für die Anmeldung
«1» vor der Haltelinie für Motorfahrzeuge
«V» vor der Haltelinie für Velos
«R» nach der Haltelinie («Rotlicht-Detektor»)
Abb. 2 Wichtigste Detektoren und ihre Rollen in einer Zufahrt
Folgendes Detektionsverhalten kann festgestellt werden:
Nur Detektor «V» detektiert Velos (V)
Alle Detektoren detektieren Motorfahrzeuge (MFZ) und auch Motorräder (MR), Motor-
räder werden aber häufig unzuverlässig detektiert
Die Vorverarbeitung der Messungen gemäss Signalanalyse am Einzeldetektor (siehe spä-
ter) bringt folgende Veränderungen mit sich:
Keiner der Detektoren detektiert mehr Motorräder.
Das ist auf das Fahrverhalten der Motorräder zurückzuführen und zwar insbesondere auf
den Abstand in einer anfahrenden oder langsam fahrenden Kolonne, welcher dem Detek-
tionsmuster eines Anhängers gleicht.
So entsteht folgende typische Qualitäts-Analyse der Möglichkeit, mit LSA-Detektoren zu
zählen. Die Sterne sind gemäss Tab. 1 vergeben:
Detektor
Erkannte Fahrzeugklassen
Abweichung zu Handzählung
Weitere Klassen
unkorrigiert
korrigiert
unkorrigiert
korrigiert
V
MR
3
MFZ und MR
MFZ
** < 8 %
** < 6 %
1
MFZ und MR
MFZ
**** < 1 %
**** < 1 %
< 17 %
V
MFZ, MR und V
MFZ und V
**** < 2 %
**** < 1 %
** < 7 %
R
MFZ und MR
MFZ
**** < 2 %
**** ≈ 0%
Tab. 3 Typische Zähl-Genauigkeiten von Detektoren in einer Zufahrt
Velos und Motorräder
In Tab. 3 sieht man, dass der korrigierte Detektor R die Motorfahrzeuge so gut wie richtig
zählt, aber keinerlei Velos und Motorräder mehr. Er kann deshalb als Referenz für die an-
deren Detektoren in der Zufahrt verwendet werden.
Detektor V zählt neben den Motorfahrzeugen auch die Velos. Differenzbildung führt zur
experimentell ermittelten Fehlerrate von -7 %.
Unkorrigiert zählt Detektor 1 mit der höchsten Genauigkeit die Summe von Motorfahr-
zeugen und Motorrädern. Die Differenzbildung mit der Anzahl Motorfahrzeuge führt
hier zu einer experimentell ermittelten Fehlerrate von -17 %, was aber ausserhalb der
tolerierten Genauigkeit liegt.
In Kapitel 5 wird die Zählgenauigkeit im Detail beschrieben.
2
Zufahrt 1 am Knoten 16 in Solothurn (SOLO_16)
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 11
Die wichtigsten Ergebnisse
Qualitätsgesicherte Messungen
Der Forschungsbericht entwirft ein Verfahren zur Ermittlung von Zählwerten mit Kon-
fidenzwerten für LSA-Detektoren. Eine Fehlerrate von < 1 % ist möglich, < 2 % ist häufig
und < 5 % ist in den meisten Fällen erreichbar. Das ermöglicht in Zukunft die systematische
Verwendung von LSA-Detektoren als zusätzliche Zählstellen, schweizweit und im interna-
tionalen Austausch. Ihre Resultate ermöglichen qualitätsgesicherte Zählwert-Statistiken.
Damit diese Genauigkeit erreicht wird, müssen die Detektorsignale in den meisten Fällen
vorverarbeitet werden. Dabei verzichtet man auf die Ermittlung von Fahrzeugklassen.
Auf der Basis von auf diese Art qualitätsgesicherten Detektorsignale können Verkehrszu-
stände auf Einzel- und Doppeldetektoren errechnet werden, welche auf der berechneten
Überfahrgeschwindigkeit basieren. Das kann in statistische Angaben über Staustunden
umgerechnet werden.
Befinden sich mehrere qualitätsgesicherte Detektoren in einer Zufahrt, kann daraus eine
diskretisierte Staulänge bestimmt werden.
Ebenso bei mehreren qualitätsgesicherten Detektoren in einer Zufahrt können Reise- und
Verlustzeiten geschätzt werden [11], ebenso die Anzahl Halte bis zur Überfahrt bei Grün.
Verständnis
Der Forschungsbericht hilft, viele Detektions-Phänomene in und anhand der Messdaten
zu verstehen. Sie nutzt zur Erklärung Videoaufnahmen. Nur sehr wenige Fälle müssen als
«spontane Störung» abgetan werden. Sie zeigt einen Weg auf, wie die Phänomene er-
kannt und wie die dadurch verursachten Störungen behoben werden können. Der For-
schungsbericht schafft ebenfalls die Grundlagen, das Erkennen und das Beheben zu au-
tomatisieren.
Anwendung
In Empfehlungen für die Umsetzung in die Praxis stellt der Forschungsbericht die Schritte
vor, mit welchen LSA-Detektoren zum Zählen ausgewählt werden können und in der ge-
lieferten Qualität überwacht, im besten Fall sogar verbessert werden können.
Auf der Basis qualitätsgesicherter Detektormessungen können nicht nur Zählwerte errech-
net werden, sondern auch weitere nützliche Grössen. Der Verkehrszustand, die Staustun-
den und die Reisezeit sind erwähnt worden. Es ist in Zukunft aber denkbar, auch weitere
Grössen zu berechnen und zu überwachen, wie den Zeitbedarfswert und damit die Leis-
tungsfähigkeit, die optimale Gründauer, Brüche in Koordinationen, bis hin zur Be-
obachtung von zeitvarianten Quell-Ziel-Beziehungen [7].
Nutzen
Die Erhöhung der Zählgenauigkeit von Detektoren verhilft den Verkehrsingenieuren zu
genaueren Planungswerten in höherer Granularität.
Staustunden, Staulängen, Geschwindigkeiten und Reisezeiten sind als statistische
Werte interessant, welche bisher innerstädtisch nur spärlich vorliegen.
Schliesslich ist es denkbar, dass nach Umsetzung in der Praxis solche Werte auch online
zur Verfügung gestellt werden können (via OCIT-I PD, OCIT-C oder auch DATEX II),
was einerseits zu einem besseren Verständnis der Abläufe im Verkehr führen kann
und direkt in die Verbesserung von Knotensteuerung und Verkehrsmanagement ein-
fliessen kann,
und andererseits auch online für Eingriffe durch das Verkehrsmanagement verwendet
werden kann.
Somit ist eine längerfristige Wirkung der Forschungsarbeit zu erwarten, welche dem Ver-
ständnis und der Verbesserung des Verkehrsflusses dienen wird.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
12 Juli 2021
Fehlertypen
Die Fehlerrate der erreichbaren Zählgenauigkeit ist sehr häufig kleiner als 15 % und er-
reicht Werte von unter 2 %. Mit Vorverarbeitung können die Fehler sogar unter 1 % liegen.
Ein Detektor muss eine Reihe von Tests bestehen, einerseits bevor er überhaupt zum Zäh-
len zugelassen wird, andererseits beim späteren Zählen im Betrieb. Dazu werden periodi-
sche Überprüfungen empfohlen. In Kapitel 8 «Empfehlung für die Umsetzung in die Praxis»
wird ein Leitfaden entwickelt, wie man bei der Auswahl von Detektoren vorgehen soll.
Folgende Tests muss ein Detektor bestehen können:
Technische Fehler: Mit der Überprüfung auf technische Fehler stellt man eine Grund-
Plausibilität sicher. Am besten ist die Plausibilität sichtbar in der Aufzeichnung eines
Signalzeitenplans mit zugehörigen Detektoren:
Die Detektionen passen zum angezeigten Bild der nächstgelegenen Signal-
gruppe.
Das statistische Verhalten entspricht demjenigen von Autoverkehr (plausible Be-
legungsdauern und Lücken).
Die Detektionen passen zu den umliegenden Detektionen.
Gründe für technische Fehler können unter anderem die folgenden sein:
Vertauschte Kanalnummern zweier Detektoren
Fehlerhafte Auswerteeinheit eines Detektors oder fehlerhafter Detektor selbst
Sporadische Fehler: Detektoren können im Betrieb unregelmässig unplausible Werte
aus folgenden Gründen liefern:
Elektromagnetische Einkopplung durch Fahrzeuge auf den Detektoren und in ihrer
unmittelbaren Nähe oder optische Störungen
Elektromagnetische Einkopplung durch elektrische Schienenfahrzeuge
Automatisches Nachjustieren der Detektoren [8], was zu temporärem Schwingen
oder zu plötzlichen Dauerbelegungen führen kann
Technologie-bedingte systematische Fehler: Detektoren können im Betrieb immer
wieder dieselben Phänomene zeigen:
Nicht-Erkennung gewisser Fahrzeuge, die bestimmten Typen angehören
Prellen am Anfang oder am Ende eins Impulses oder einer Belegung oder sponta-
nes Schwingen während einer Dauerbelegung [1]
Verirrte, nicht erklärbare Impulse
Verkehrs-induzierte systematische Fehler: Die Zuordnung einer Messung zur Fahr-
linie eines Fahrzeugs ist unsicher, beispielsweise in folgenden Fällen:
Übersprechen des Gegenverkehrs oder einer parallelen Fahrspur
Spurwechsel
Überholen auf einer anderen Spur (häufig bei Motorrädern)
Ungenaues Befahren einer Spur (beispielsweise zum Überholen von Velos)
Schneiden von Spuren
Je nach Lage und technischer Ausstattung der Detektoren können die sporadischen, sys-
tematischen oder Verkehrs-induzierten Fehler gar nicht vorkommen oder sehr dominant
sein. Die Mischung der Häufigkeit der verschiedenen Fehler bestimmt die Zählgenauigkeit.
Eine wichtige Rolle spielt der Doppeldetektor, häufig vor und nach der Haltelinie gelegen.
Er ermöglicht auf kurzer Distanz eine redundante Betrachtung der Messdaten und dadurch
eine erleichterte Erkennung von Phänomenen.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 13
Signalanalyse am Einzeldetektor
Einzeldetektoren zeigen Prellen und sonstige unregelmässige Schwingungen im eigentlich
konstanten Signalverlauf als unerwünschte Störungen. Einzeldetektoren erkennen auch
regelmässig Anhänger oder Führerkabinen von Lastwagen als Einzelsignale. Wenn nur die
Anzahl Fahrzeuge ohne Erkennung von Anhängern oder Schätzung einer Klassierung ge-
zählt werden soll, sind diese Mehrfachdetektionen störend und müssen unterdrückt wer-
den. Dies kann in einer Vorverarbeitung des Rohsignals geschehen.
Die folgende Abbildung zeigt eine typische Detektionssequenz eines Detektors. Die zeitli-
che Auflösung in horizontaler Richtung ist typischerweise 0.1 s, kann aber auch besser
sein. Als Werte in vertikaler Richtung treten nur 0 für «nicht belegt» und 1 für «belegt» auf.
Abb. 4 Gemessenes Signal eines einzelnen Detektors
bn ist die Belegungszeit.
n dient der Nummerierung der aufeinander folgenden Impulsen, startend bei 1.
tn ist der Zeitpunkt der fallenden Flanke des n-ten Impulses.
tL,1 ist die Nettozeitlücke («Lücke») zwischen dem ersten und dem zweiten Impuls.
tf,1 ist die Bruttozeitlücke («Folge» oder «fallend») zwischen dem ersten und dem zwei-
ten Impuls, gemessen zwischen den fallenden Flanken. Wir verwenden sie hier nicht.
ts,1 ist die Bruttozeitlücke («steigend») zwischen dem ersten und dem zweiten Impuls,
gemessen zwischen den steigenden Flanken. Wir verwenden sie hier nicht.
Folgende Effekte können im Rohsignal eines Detektors erkannt werden:
Schwingt ein Detektor, dann ist tL n.
Für Anhänger, Fahrerkabinen oder Zugfahrzeuge von Sattelschleppern ergibt sich
meistens eine Nettozeitlücke tL
n ist für Anhängerzüge meist 2, für Sattelschlepper kommt auch 3 vor.
Beschränkt man sich auf die Filterung von kurzen Nettozeitlücken mit dem Ziel der Ver-
besserung der Zählwerte von Motorfahrzeugen, kann man auf die Unterscheidung zwi-
schen Prellen, Schwingen und Anhängerzügen verzichten:
Dafür unterdrückt man so lange die Nettozeitlücken, bis sie wieder tL von > 0.6 s sind.
Möchte man Prellen erkennen, dann achtet man gleichzeitig auf kurze Nettozeitlücken:
wenn tL n =2, dann handelt es sich um Prellen.
Wenn n > 3 ist, dann handelt es sich um eine Störung.
Für die Signal-Vorverarbeitung folgt hieraus, dass steigende Flanken sofort weitergeleitet
werden können. Fallende Flanken müssen zuerst bezüglich Nettozeitlücken überprüft wer-
den. Sie dürfen erst dann weitergeleitet werden, wenn die Zeit der längsten erwarteten
Nettozeitlücke abgelaufen ist.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
14 Juli 2021
Signalanalyse am Doppeldetektor
Folgen zwei Detektoren in kurzem Abstand aufeinander, dann können die beiden zusam-
men algorithmisch als Doppeldetektor behandelt werden. Üblicherweise werden Doppel-
detektoren dediziert zur exakten Zählung, zur Bestimmung der Fahrzeugklasse und zur
Messung der Geschwindigkeit an geeigneter Stelle in die Fahrbahn eingelassen, wie bei
den VDE-Zählstellen. Im Umfeld von LSA-Detektoren sind die Doppeldetektoren häufig
«ad hoc» zu finden, d.h. sie sind nicht als solche erstellt worden, sondern es sind Detekto-
ren, die nahe beieinander liegen, z.B. kurz vor und kurz nach der Haltelinie.
Doppeldetektoren liegen so nahe beieinander, dass sich maximal zwei Fahrzeuge darauf
befinden können, eines auf dem ersten Detektor und eines auf dem zweiten. Das soll hier
die Annahme sein. Den Fall, dass die Detektoren so weit auseinander liegen, dass sich
mindestens ein weiteres Fahrzeug zwischen den Detektoren befinden kann, lassen wir
nicht unter den Begriff des Doppeldetektors fallen.
Es hat sich gezeigt, dass die Ad-hoc-Doppeldetektoren nicht wie dedizierte Doppeldetek-
toren verwendet werden können. Häufig sind die magnetischen oder optischen Eigenschaf-
ten der beiden Detektoren unbekannt oder zueinander unterschiedlich bezüglich ihrer
Empfindlichkeit. Auch haben sie häufig unterschiedliche Bauformen so detektieren sie
vor der Haltelinie häufig auch Velos am rechten Strassenrand, nach der Haltelinie nicht.
Doppeldetektoren eignen sich in erster Linie zur Bestimmung und zur Korrektur von Zähl-
fehlern. In zweiter Linie können Geschwindigkeiten mit recht guter Präzision bestimmt wer-
den. In dritter Linie kann versucht werden, Fahrzeugtypen und -klassen zu bestimmen. Das
ist einerseits über unterschiedliche Empfindlichkeiten möglich (Erkennung von Zweirädern
nur auf einem der beiden Detektoren) oder über die Auswertung der Impulslänge in Funk-
tion der bestimmten Geschwindigkeit, um so auf die Länge der Fahrzeuge zu schliessen.
Das ist aber häufig schwierig, da die magnetischen oder optischen Echos der Fahrzeuge
nicht systematisch auf ihre Länge schliessen lassen.
Die nächste Abbildung zeigt schematisch die messbaren Grössen zweier aufeinanderfol-
gender Detektoren.
Abb. 5 Gemessene Signale eines Doppeldetektors
Die 1. Belegungszeit b1 wird vom 1. Detektor gemessen.
Die 2. Belegungszeit b2 wird vom 2. Detektor gemessen.
Dazwischen liegt die Nettozeitlücke tL («Lücke»). Normalerweise ist dieser Wert positiv,
aber bei kurzem Abstand zwischen den Detektoren oder bei langen Fahrzeugen kann
er auch negativ sein.
Als Referenz-Zeiten werden jeweils die fallenden Flanken t1 und t2 genommen. Dadurch
wird auch eine Auswertung bei anfahrendem Verkehr nach Rot ermöglicht. Nur bei
Rückstau auf den 2. Detektor ist keine Auswertung möglich.
Die Fahrzeit tf wird zwischen den beiden fallenden Flanken bestimmt.
Der Vollständigkeit halber gibt es auch eine Fahrzeit ts zwischen den beiden steigenden
Flanken, die wir hier aber nicht verwenden wollen.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 15
Signalanalyse an parallelen Detektoren
Detektoren sind Fahrpuren zugeordnet. Es kommt aber vor, dass Detektoren auch Fahr-
zeuge einer angrenzenden Spur detektieren. Das kann vom Gegenverkehr ausgelöst wer-
den oder vom parallel fahrenden Verkehr. Wir nennen das hier «Übersprechen», wenn ein
Fahrzeug aus einer anderen Spur detektiert wird. Übersprechen führt zu Zählfehlern und
zu Falschanmeldungen.
Liegt in der übersprechenden Spur ebenfalls ein Detektor, auf gleicher Höher oder nicht
weit davon entfernt, kann das Übersprechen anhand der Beobachtung der zeitlichen Ab-
folge der Signale der beiden Detektoren erkannt werden.
Die nächste Abbildung zeigt verallgemeinert die gemessenen Belegungssignale der bei-
den nebeneinander liegenden Detektoren. Das Fahrzeug fährt auf der linken Spur und wird
vom Detektor der rechten Spur mit detektiert.
Abb. 6 Gemessene Signale zweier nebeneinander liegender Detektoren
Die linke, 1. Belegungszeit b1 wird vom 1. Detektor gemessen.
Die rechte, 2. Belegungszeit b2 wird vom 2. Detektor gemessen.
Als Referenz-Zeiten werden jeweils die fallenden Flanken t1 und t2 genommen.
Der Zeitunterschied der beiden steigenden Flanken wird von ts wiedergegeben.
Der Zeitunterschied der beiden fallenden Flanken wird von tf wiedergegeben.
In der Abbildung wird für die Messung der Zeiten ts und tf angenommen, dass der Impuls
der rechten Spur vollständig innerhalb des Impulses der linken Spur liegt. Sollte dies nicht
der Fall sein, können die Zeiten negativ werden.
Wenn die Detektoren nicht auf derselben Höhe liegen, wird eine Offset-Zeit to eingeführt,
welche der Fahrzeit zwischen den beiden Detektoren Rechnung trägt. Dadurch können die
vorhin eingeführten Variablen gleich weiter verwendet werden, ausser natürlich t2.
Abb. 7 Gemessene Signale zweier benachbarter, verschobener Detektoren
1701 | Verkehrsdatenerfassung über Sensoren von LSA
16 Juli 2021
Weitere Resultate
Verkehrsdatenerfassung muss sich nicht auf das Zählen beschränken.
Obwohl sich diese Arbeit auf Zählungen konzentriert hat, können qualitätsgesicherte Ein-
zeldetektoren für zahlreiche zusätzlichen Messungen verwendet werden, wie:
Messung des Anfahrverhaltens am Einzeldetektor
In Abb. 8 ist beispielhaft die gemittelte, qualitätsgesicherte Bruttozeitlücke anfahrender
Fahrzeuge in drei parallelen Fahrspuren gezeigt, und zwar in Funktion der Position des
anfahrenden Fahrzeuges in der Warteschlage vor einem Rotlicht.
Abb. 8 Beispielhaftes Anfahrverhalten in einer Zufahrt
Aus der Messung des Anfahrverhaltens an der Haltelinie kann der aktuelle Zeitbedarfs-
wert der Fahrzeuge berechnet und angebotene mit genutzter Grünzeit verglichen wer-
den. Ebenso kann die Kapazität von Zufahrt und Knoten berechnet und die gemessenen
Zeitbedarfswerte mit den für den Entwurf der Regelung verwendeten verglichen werden.
Weitere Einzelheiten dazu findet man in den Abschnitten 4.4 und 6.7.
Erkennung von Stau und Stautendenz am Einzeldetektor
Zur Erkennung von Stau und Stautendenz dienen üblicherweise Verlängerungsdetektoren
(siehe Abb. 2) oder Staudetektoren. Die meisten Detektoren in den Zufahrten sind jedoch
kürzer. Mit einem kurzen Detektor ist das schwierig, denn er kann bei Stau in eine Lücke
zwischen zwei Fahrzeuge fallen und unbelegt bleiben.
Verfügt man über eine qualitätsgesicherte Belegungszeit des Detektors, kann man aus der
Beobachtung der Veränderung der Geschwindigkeit der Fahrzeuge Stau und Stautendenz
erkennen [4]: Bei genügenden Anzahl solcher Detektoren in der Zufahrt kann eine diskrete
Staulänge berechnet werden. Wenn zusätzlich der Zustand der Signalgruppe bekannt ist,
kann daraus eine aktuelle Verlustzeit berechnet werden und die Anzahl Halte geschätzt
werden anhand der Anzahl Umläufe, welche ein Fahrzeug in der Zufahrt verbringt.
Erkennung der Geschwindigkeit am Doppeldetektor
Doppeldetektoren ermöglichen die Messung einer Geschwindigkeit, anhand welcher da-
rauf geschlossen werden kann, wie zäh der Verkehr fliesst, so auf Stautendenz. Da Dop-
peldetektoren meist um die Haltelinie herum zu finden sind, kann dort auf die Güte des
Abflusses und ein eventuelles Überstauen eines Knotens geschlossen werden.
Abb. 9 Geschwindigkeit auf einer Doppelschleife
Weitere Einzelheiten dazu findet man in den Abschnitten 4.3.1 und 6.3.
1.5
2
2.5
3
3.5
12345678910 11 12 13 14 15 16 17
Btuttozeitlücke [s]
Position in Warteschlange
nach rechts
geradeaus
nach links
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 17
Résumé
Ce rapport de recherche examine comment des véhicules peuvent être comptés au
moyen de détecteurs installés pour la régulation de carrefours (« détecteur armoire ») et
non pas uniquement pour le comptage de véhicules. Les mesures se font sous forme de
données brutes en termes de fronts montants et descendants tous les dixièmes de se-
conde. La plupart des détecteurs sont des boucles inductives, moins fréquemment des
détecteurs vidéo. Le rapport se concentre sur les véhicules. Les possibilités de recon-
naitre des deux-roues ont aussi été examinées, de même une distinction entre camions et
voitures.
Oui, il est tout à fait possible de compter assez précisément avec de tels détecteurs ! Pas
avec tous les détecteurs et pas aussi bien avec tous.
Le rapport de recherche élabore donc des lignes directrices
pour sélectionner les détecteurs,
pour surveiller la précision des mesures et
pour prétraiter les mesures afin d'augmenter la précision de comptage.
Cela permet d'obtenir une précision de comptage avec des erreurs inférieures à 1 %.
Le travail se poursuit avec la question de savoir quelles autres valeurs utiles peuvent être
calculées à partir de données de détection de qualité assurée.
Comptage
Avec quels détecteurs armoire peut compter correctement ? Quelle précision de comptage
peut-on obtenir ? Comment obtenir la meilleure précision de comptage possible ?
Précision
Il n'existe pas de détecteur armoire qui mesure de manière parfaite et donc qui compte tout
à fait correctement en soi. Toute mesure de détecteurs peut être sujette à des erreurs.
Comment découvrir et quantifier les erreurs d'un détecteur ? Et comment peut-on les cor-
riger ?
Il devrait être possible de reconnaître et de corriger les erreurs en les observant dans le
système lui-même. Pour y parvenir, les mesures d'un détecteur doivent normalement être
comparées aux mesures de détecteurs environnants. Des enregistrements vidéo externes
sont utilisés dans la recherche à des fins de contrôle.
Indépendance
Les résultats sont autant que possibles indépendants de la technologie de détection. La
technologie ne doit jouer aucun rôle dans le prétraitement des données de mesure.
Valeurs ajoutées
Les mesures de détecteurs de qualité assurée ajoutent des valeurs supplémentaires pour
déterminer et surveiller des paramètres dun modèle de trafic, tels que le créneau inter-
véhiculaire, le comportement de conduite ou les relations origine-destination mais
aussi pour la détermination de paramètres pour la régulation en tant que longueurs de
file d'attente et de temps perdus. Ils peuvent également très bien être utilisés combinés
avec des mesures d'autres systèmes (« data fusion »).
Besoins statistiques
Pour les statistiques nationales ou les comparaisons internationales, les valeurs comptées
et généralement toute valeur mesurée doivent répondre aux trois critères suivants :
Comparabilité : les mesures doivent être comparables entre elles.
Continuité : les mesures doivent être comparables dans le temps.
Qualité : Les mesures doivent répondre à des exigences de qualité quantifiables.
Ce rapport décrit la procédure nécessaire pour répondre à ces besoins statistiques.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
18 Juli 2021
Définition de la précision de comptage
La précision ou la qualité du comptage peut être exprimée dans la métrique suivante par
le nombre d'étoiles
3
:
Qualité
*
**
***
****
Erreur
< 15 %
< 10 %
< 5 %
< 2 %
Tab. 10 Classes de qualité pour les mesures de trafic
La condition préalable à l'utilisation d'un détecteur est qu'il n'y ait pas d'erreurs techniques,
voir plus loin le chapitre « Types d'erreurs ».
Des examens périodiques sont recommandés. La technologie utilisée pour la détection
ests. Il a également été montré que les boucles
d'induction majoritairement utilisées ne diffèrent pas beaucoup des capteurs vidéo en ce
qui concerne les possibilités d'erreurs de détection.
La diaphonie, les rebonds, les sauts de véhicule peuvent être corrigés en modifiant la sen-
sibilité du détecteur en fonction de la situation. Des améliorations plus coûteuses peuvent
également être fournis en déplaçant un détecteur, en modifiant sa forme ou même en ins-
tallant un détecteur double à sensibilité directionnelle. Nous n'entrerons pas dans ces dé-
tails d'autant plus que dans la plupart des cas un système de comptage de véhicules n'est
qu'un « invité » des détecteurs existants et qu'un changement dans les détecteurs en place
pourrait éventuellement ne plus leur permettre d'accomplir correctement leur tâche prévue.
Détermination de la précision de comptage
La précision de comptage ne peut être déterminée dans le système qu'en comparaison
avec d'autres détecteurs situés sur la même trajectoire de conduite. Un comptage manuel
est bien sûr une possibilité, ce qui a été réalisé dans ce travail d'enregistrements
vidéo. Des comparaisons peuvent également être effectuées avec des stations de comp-
tage extérieures au système. Ce qui a été fait et a donné une confirmation de bonne qualité
pour les comptages externes et une assez bonne concordance avec les comptages des
détecteurs. Idéalement, il y aura au moins trois détecteurs sur une trajectoire de conduite :
Il y a un cumul de comptages là où au moins deux détecteurs concordent à peu près.
Dans les situations d'impasse (les détecteurs s'accordent par paire sur la valeur de
comptage mais il n'y a pas de majorité claire), seule une considération du plan de feux
peut aider pour identifier des erreurs sporadiques, systématiques ou liées au trafic.
Plus le faisceau de courbes identifiées comme correctes est petit, meilleure est la pré-
cision du comptage.
Il est évident que le choix parmi une séquence de détecteurs pour le comptage se portera
sur celui qui a la précision de comptage la plus élevée. Les mesures d'accompagnement
suivantes sont recommandées pour éviter de futures perturbations:
Fournir des détecteurs de remplacement du même faisceau au cas où le détecteur
sélectionné échoue, sil fonctionne mal pour un court laps de temps ou si son compor-
tement devient étrange.
teurs environnants pour remplacer les valeurs de comptage temporairement.
De plus, ou si disponible autrement, prévoir des détecteurs de remplace-
ment dont les différences de comptage par rapport au détecteur initialement choisi peu-
vent être décrites par un décalage constant, un facteur de proportionnalité, ou par une
courbe d'écart [8].
Il s'agit de s'assurer qu'une défaillance d'un détecteur n'entraîne pas une défaillance des
statistiques.
3
Framework Guidelines for Data and Service Quality Requirements. EIP Sub-Activity 3.2. Data and Service Qual-
ity Requirements for (Real-Time) Traffic Information incl. Road Safety Related Traffic Information
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 19
Augmentation de la précision de comptage
Il est souhaitable de pouvoir compter le plus précisément possible. Il existe un certain
nombre de méthodes qui peuvent être utilisées pour augmenter cette précision. Elles as-
surent toutes un prétraitement du signal brut des détecteurs avant sa conversion en valeurs
de comptage. Les types de prétraitement sont répertoriés par ordre croissant de com-
plexité.
Correction avec un filtre passe-bas : Le signal brut du détecteur est envoyé à travers
un filtre passe-bas qui filtre les hautes fréquences, c'est-à-dire les impulsions courtes
et les intervalles courts. Cela élimine les signaux de rebond et les détections des deux-
roues. Cependant, utiliser un passe-bas pur est dangereux, car une impulsion courte
n'est pas toujours une erreur.
Analyse du signal d'un seul détecteur et détection de perturbations : les détecteurs
présentent généralement des effets comparables au rebond. Ils sont dus à des re-
morques ou à des discontinuités électromagnétiques dans l'écho du véhicule. La fré-
quence de ces rebonds est souvent significativement plus élevée que les intervalles
entre les véhicules et les durées d'impulsions des véhicules. Les rebondissements peu-
vent être filtrés avec des moyens relativement simples mais en perdant des informations
détaillées sur les types des véhicules et souvent en perdant les comptages de vélos et
motos.
Les perturbations connues doivent être décrites avec précision. Le cas le plus simple
est celui des véhicules ferroviaires électriques (trams). Mais les détecteurs qui rebon-
dissent sporadiquement peuvent aussi être dus à des interférences. Pendant le temps
perturbé, les détecteurs ne peuvent souvent pas être utilisés pour le comptage. Un dé-
tecteur de remplacement doit être utilisé pendant cet intervalle de temps.
détecteur double par traitement de signaux de deux détecteurs près de la ligne d'ar-
rêt, avant et après la ligne d'arrêt ou à la fois après la ligne d'arrêt : ces deux détecteurs
sont généralement calibrés pour différentes sensibilités et ainsi permettent une explica-
tion différenciée et l'élimination de phénomènes observés.
Traitement de séquences de détection de deux ou plusieurs détecteurs sur la même
trajectoire de conduite, si disponible : cela permet la découverte de signaux induits par
trafic opposé ou parallèle ou encore par des deux-roues; de plus, les vélos présentent
des phénomènes différents de ceux des motos.
Analyse des signaux de détecteurs parallèles en traitant des voies parallèles dans
le même sens; il s'agit d'identifier des motos qui dépassent, des vélos dépassés et des
véhicules qui ne choisissent pas correctement leurs voies.
Traitement des voies parallèles dans la direction opposée et des effets de diaphonie
qui en résultent
Suivi de véhicules sur plusieurs carrefours dans le but de savoir si une voiture,
un vélo ou une moto, si les rebonds sont dus à une remorque, etc. En tant que valeur
ajoutée, on peut même estimer une matrice origine-destination qui varie avec le temps
[7].
Aussi une conduite illégale peut être reconnue par le prétraitement. La reconnais-
sance n'est pas toujours claire, car des impulsions erronées peuvent se ressembler. La
reconnaissance devient généralement claire en regardant plusieurs détecteurs et en
connaissant l'état des groupes de feux, en identifiant
Un passage au feu rouge, reconnu par les deux détecteurs avant et après la ligne
d'arrêt,
Des motos en train de dépasser sur une voie pas destinée à leur direction,
Ceux qui évitent un feu tricolore en choisissant une voie différente,
Un vélo qui emprunte un passage piéton ou le trottoir.
Le rapport de recherche discute des procédures et développe une base pour la détection
automatique.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
20 Juli 2021
Précision de comptage déterminée
Les valeurs de comptage brutes et corrigées d'une approche typique d'un carrefour sont
utilisées à titre d'exemple. Un véhicule passe sur les détecteurs utilisables suivants lors de
lde la ligne d'arrêt :
« 3 » pour le premier appel
« 1 » devant la ligne d'arrêt pour les véhicules à moteur
« V » devant la ligne d'arrêt pour les vélos
« R » après la ligne d'arrêt (« détecteur de feu rouge »)
Fig. 11 Les détecteurs les plus importants et leurs rôles lors d’une approche
Un comportement de détection suivant peut être constaté :
Seul le détecteur « V » détecte les vélos (V)
Tous les détecteurs détectent les véhicules à moteur (VM) et également les motos (M),
mais la détection des motos est souvent peu fiable
Le prétraitement des mesures selon « Analyse du signal d'un seul détecteur » (voir plus
loin) réalise les améliorations suivantes :
Aucun des détecteurs ne peut plus détecter les motos.
Ceci est dû au comportement de conduite des motos et en particulier à la distance conser-
vée dans les pelotons lents ou qui accélèrent, qui s'apparente à une détection de re-
morque.
Un résultat typique de l'analyse de qualité de comptages avec des détecteurs de carrefours
est montré dans le tableau suivant. Les étoiles sont attribuées selon Tab. 10 :
Détecteur
Catégories de véhicules
détectées
Déviation par rapport aux
comptages manuels
Autres classes
Non corrigé
Corrigé
Non corrigé
Corrigé
V
M
3
VM et M
VM
** < 8 %
** < 6 %
1
VM et M
VM
**** < 1 %
**** < 1 %
< 17 %
V
VM, M et V
VM et V
**** < 2 %
**** < 1 %
** < 7 %
R
VM et M
VM
**** < 2 %
**** ≈ 0%
Tab. 12 Précisions typiques de comptage des détecteurs lors d’une approche
Les autres catégories de véhicules ne peuvent pas être déterminées sans une calibration
additionnelle de détecteurs doubles.
Vélos et motos
Le détecteur corrigé « R » compte les véhicules à moteur quasi parfaitement, comme on
peut le voir dans le tableau Tab. 12, mais plus de vélos ou de motos. Il peut donc être
utilisé comme référence pour les autres détecteurs de l'approche.
En plus des véhicules à moteur, détecteur « V » compte également des vélos. La dif-
férence calculée conduit au taux d'erreur déterminé expérimentalement de -7 %.
Détecteur « 1 » non corrigé compte la somme des véhicules à moteur et des motos
avec la plus grande précision. La différence calculée avec le nombre de véhicules à
moteur conduit à un taux d'erreur déterminé expérimentalement de - 17 %, ce qui, ce-
pendant, est en dehors de la précision tolérée.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 21
Principaux résultats
Mesures de qualité assurée
Le rapport de recherche développe un procédé de calcul de comptages de véhicules
avec des valeurs de confiance pour des mesures effectuées par détecteurs armoire. Un
taux d'erreur < 1 % est possible, < 2 % est courant et < 5 % est réalisable dans la plupart
des cas. Cela permettra l'utilisation systématique de détecteurs armoire comme stations
de comptage supplémentaires à l'avenir, dans toute la Suisse et dans l'échange internatio-
nal de données. Les résultats permettent des statistiques de comptage de qualité garantie.
Afin d'atteindre cette précision, les signaux des détecteurs doivent être prétraités dans la
plupart des cas. Les classes de véhicules ne sont pas détectées.
Sur cette base des conditions de circulation peuvent être calculées sur des détecteurs
individuels et doubles en fonction de la vitesse de passage. Ces données peuvent être
transformées en informations statistiques sur les heures (durées) d'encombrement.
Dans le cas de plusieurs détecteurs à qualité garantie une approche, une longueur
d'encombrement discrétisée peut être déterminée.
De même, les temps de déplacement et les temps perdus peuvent être estimés [11],
ainsi que le nombre d'arrêts avant de passer le carrefour.
Compréhension
La recherche permet de comprendre de nombreux phénomènes de détection à la base
des données de mesure. Pour trouver l'explication, des enregistrements vidéo sont utilisés.
Très peu de cas doivent être considérés comme des « troubles spontanés ». Le projet
montre comment les phénomènes peuvent être reconnus et comment les perturbations
causées par eux peuvent être éliminées. Le projet de recherche crée également les bases
de l'automatisation de la détection et de l'amélioration des données.
Application
des étapes qui per-
mettent de sélectionner les détecteurs armoire pour le comptage et de surveiller la qualité
fournie, voir, dans le meilleur des cas, de les améliorer.
Les mesures de détection de qualité garantie permettent non seulement de calculer des
comptages mais également d'autres mesures utiles. , les heures d'encom-
brement et le temps de voyage ont été mentionnés. À l'avenir cependant, il est également
envisageable de calculer et de surveiller d'autres variables comme le temps requis par
véhicule et donc la capacité du carrefour, les temps verts optimum, les ruptures de
coordination et même des matrices origine destination observées [7].
Avantages
L'augmentation de la précision de comptage aide les ingénieurs de trafic à obtenir des
valeurs de planification plus précises avec un niveau de granularité plus élevé.
Les heures d'encombrement, la longueur des encombrements, la vitesse et les temps
de trajet sont intéressants en tant que valeurs statistiques, valeurs qui, jusqu'à pré-
sent, ne sont que peu disponibles dans des centres ville.
Enfin
également être disponibles en ligne (via OCIT-I PD, OCIT-C ou bien DATEX II).
D'une part cela peut conduire à une meilleure compréhension des processus dans
le trafic et peut directement contribuer à améliorer la régulation de carrefour comme
la gestion du trafic.
autre part, cela peut être utilisé directement à des fins de régulation.
Ainsi il faut s'attendre à un effet à long terme de ce projet de recherche qui servira à la
compréhension et à l'amélioration de la fluidité du trafic.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
22 Juli 2021
Types d'erreurs
Le taux d'erreur de la précision de comptage réalisable est très souvent inférieur à 15 % et
atteint des valeurs inférieures à 2 %. Par prétraitement, l'erreur peut même être inférieure
à 1 %.
Un détecteur doit passer une série de tests, d'abord avant que le détecteur ne soit même
approuvé pour le comptage, puis plus tard lors du comptage en cours de fonctionnement.
Des examens périodiques de la précision du détecteur sont recommandés.
Un détecteur doit réussir les tests suivants :
Erreurs techniques : Le contrôle des erreurs techniques garantit une plausibilité de
base. La plausibilité est la mieux représentée dans l'enregistrement d'un plan de feux
avec les détecteurs associés :
Les détections correspondent aux états du groupe de feux le plus proche.
Le comportement statistique correspond à celui du trafic automobile (temps d'oc-
cupation et créneaux plausibles).
Les détections correspondent aux détections environnantes.
Les raisons des erreurs techniques peuvent inclure les suivantes :
Numéros de canal échangés entre deux détecteurs
Unité ddéfectueuse d'un détecteur ou détecteur lui-même défectueux
Erreurs sporadiques : les détecteurs peuvent délivrer de manière irrégulière des va-
leurs invraisemblables pendant le fonctionnement pour les raisons suivantes :
Couplage électromagnétique par les véhicules sur les détecteurs et dans leur voisi-
nage immédiat ou interférence optique
Couplage électromagnétique par des véhicules ferroviaires électriques (trams)
Réajustement automatique des détecteurs [8], conduisant à une oscillation tempo-
raire ou une occupation continue soudaine
Erreurs systématiques induites par la technologie : les détecteurs peuvent montrer
à plusieurs reprises les mêmes phénomènes lorsqu'ils sont en fonctionnement :
Non-détection de certains véhicules appartenant à certains types
Rebondissement au début ou à la fin d'une impulsion ou d'un temps d'occupation
ou oscillation spontanée pendant une occupation continue [1]
Impulsions erronées qui ne peuvent pas être expliquées
Erreurs systématiques induites par le trafic : l'affectation d'une mesure à une trajec-
toire de véhicule est incertaine, par exemple dans les cas suivants :
Diaphonie par le trafic en sens inverse ou sur une voie parallèle
Changement de voie
Dépassement sur une voie différente (souvent vu avec des motos)
Conduite sur voie imprécise (par exemple, en dépassant un vélo)
Véhicule qui coupe un virage et roule temporairement sur une fausse voie.
En fonction de l'emplacement et de l'équipement technique des détecteurs, les erreurs
sporadiques, systématiques ou induites par le trafic peuvent ne pas se produire du tout ou
être très dominantes. Le mélange de fréquences des différentes erreurs détermine la pré-
cision du comptage.
Le détecteur double, souvent situé avant et après la ligne d'arrêt, joue un rôle important.
Il permet une visualisation redondante des données de mesure sur une courte distance,
facilitant ainsi la détection des phénomènes.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 23
Analyse du signal d'un seul détecteur
Les détecteurs individuels montrent des rebonds et d'autres oscillations irrégulières dans
le signal supposé constant comme des perturbations indésirables. Les détecteurs indivi-
duels détectent également régulièrement les remorques ou les cabines des camions
comme des signaux individuels. Si seul le nombre de véhicules doit être compté, sans
reconnaître les remorques ou sans classification, les détections multiples sont perturba-
trices et doivent être supprimées. Ceci peut être réalisé en prétraitant le signal brut.
La figure suivante montre une séquence de détection typique pour un seul détecteur. La
résolution temporelle dans la direction horizontale est généralement de 0,1 s, mais elle
peut également être plus précise. Les seules valeurs dans le sens vertical sont 0 pour
« non occupé » et 1 pour « occupé ».
Fig. 13 Signal mesuré pour un seul détecteur
bn est le temps d'occupation.
n est utilisé pour numéroter les impulsions consécutives, en commençant par 1.
tn est le temps du front descendant de l'impulsion n.
tL,1 est le créneau intervéhiculaire net entre la première et la seconde impulsion.
tf,1 est le créneau intervéhiculaire brut entre la première et la seconde impulsion, mesuré
entre les fronts descendants
ts,1 est le créneau intervéhiculaire brut entre la première et la deuxième impulsion, me-
suré entre les fronts
Les effets suivants peuvent être reconnus dans le signal brut d'un détecteur :
Si un détecteur oscille, généralement tL n.
Pour les remorques, les cabines de conduite ou les tracteurs de semi-remorques, il
existe généralement un intervalle de temps net tL
> 0,1 s.
n vaut généralement 2 pour les camions avec remorques, 3 est souvent vu pour les
semi-remorques.
Si seul le nombre total de véhicules doit être amélioré sans reconnaissance de la classe
de véhicule, tous les rebonds, oscillations et remorque détectées peuvent être ignorés en
filtrant simplement le signal brut :
ils soient à nouveau de
tL > 0.6 s
Si le rebondissement doit encore être détecté, il faut faire attention aux créneaux inter-
véhiculaires nets courts : si tL n = 2, alors il rebondissement.
Si n > 3, perturbation
Pour les algorithmes de prétraitement du signal, il s'ensuit que les fronts montants peuvent
être transmis immédiatement. Les fronts descendants doivent d'abord être vérifiés pour les
créneaux intervéhiculaires nets et ne peuvent être transmis que lorsque la plus grande
durée d'un créneau intervéhiculaire net prévu a été dépassée.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
24 Juli 2021
Analyse des signaux de détecteurs doubles
Dans le cas de deux détecteurs successifs à courte distance, les deux détecteurs peuvent
être traités ensemble de manière algorithmique comme un détecteur double. Habituelle-
ment, les détecteurs doubles sont utilisés sur des lieux dédiés au comptage exact, pour
déterminer la classe de véhicule et poest le cas avec les
stations de comptage traditionnelles. Dans le contexte des détecteurs armoire doubles, les
détecteurs peuvent souvent être trouvés « ad hoc », à savoir qu'ils ne sont pas conçus
comme détecteurs doubles mais ils se trouvent juste avant et juste après une ligne d'arrêt.
Les détectun de y trouver un maximum de
deux véhicules, un sur le premier détecteur et un sur le second. Le cas où les détecteurs
sont si éloignés l'un de l'autre qu'il peut y avoir un véhicule supplémentaire entre eux ne
sera pas inclus dans le concept de détecteur double.
Il a été montré que les détecteurs doubles ad hoc ne peuvent pas être utilisés de la même
manière que les détecteurs doubles dédiés aux stations de comptage. Les propriétés ma-
gnétiques ou optiques sont souvent inconnues, conduisant à une sensibilité différente. En
outre, la conception géométrique est souvent différente par exemple, les vélos en bor-
dure de trottoir sont souvent détectés avant la ligne d'arrêt mais pas après la ligne d'arrêt.
Les détecteurs doubles conviennent principalement à la détermination et à la correction
des erreurs de comptage. Deuxièmement, la vitesse peut être déterminée avec une assez
bonne précision. Troisièmement, on peut tenter de déterminer les types et les classes de
véhicules. Ceci est possible en raison de sensibilités différentes (les deux-roues ne sont
pas détectés par l'un des détecteurs) ou par évaluation de la longueur d'impulsion en fonc-
tion de la vitesse dérivée la longueur du véhicule. Cela
est souvent difficile car les échos magnétiques ou optiques du véhicule ne permettent pas
de tirer des conclusions systématiques sur leur longueur.
La figure suivante montre schématiquement les paramètres mesurables de deux détec-
teurs consécutifs.
Fig. 14 Signaux mesurés provenant d'un détecteur double
Le 1er temps d'occupation b1 est mesuré par le 1er détecteur.
Le 2ème temps occupation b2 est mesuré par le 2ème détecteur.
Entre les deux créneau intervéhiculaire. Sa valeur est
généralement positive mais elle peut aussi être négative si la distance entre les détec-
teurs est courte ou si les véhicules sont longs.
Les fronts descendants t1 et t2 sont utilisés comme temps de référence. Cela permet
également une évaluation lorsque le trafic démarre après le rouge.
sur le 2ème détecteur que pas possible.
Le temps de parcours tf est déterminé entre les deux fronts descendants.
Pour une bonne exhaustivité, il y a aussi un temps de parcours ts entre les deux fronts
montants utilisé ici.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 25
Analyse des signaux de détecteurs parallèles
Les détecteurs sont attribués aux voies. Il arrive cependant que les détecteurs détectent
également les véhicules dans une voie adjacente. Cela peut être déclenché par le trafic en
sens inverse ou par le trafic circulant sur une voie parallèle. Lorsqu'un véhicule d'une autre
voie est détecté, nous appelons cela une « diaphonie ». La diaphonie peut conduire à des
erreurs de comptage et à de fausses conclusions.
S'il y a également un détecteur dans la voie d'où la diaphonie arrive, à la même position
ou non loin de celle-ci, la diaphonie peut être détectée en observant la séquence tempo-
relle des signaux des deux détecteurs.
La figure suivante montre une vue généralisée sur les signaux d'occupation mesurés par
les deux détecteurs situés l'un à côté de l'autre. Le véhicule roule sur la voie de gauche et
est également détecté par le détecteur sur la voie de droite.
Fig. 15 Signaux mesurés de deux détecteurs en parallèle
Le temps d'occupation à gauche b1 est mesuré par le 1er détecteur.
Le temps d'occupation à droite b2 est mesuré par le 2ème détecteur.
Les fronts descendants t1 et t2 sont pris comme temps de référence.
La différence de temps entre les deux fronts montants est représentée par ts.
La différence de temps entre les deux fronts descendants est représentée par tf.
mesurer des temps ts et tf, il est supposé que l'impulsion de la voie
de droite réside entièrement dans l'impulsion de la voie de gauche. Si ce n'est pas le cas,
les temps peuvent être négatifs.
Si les détecteurs ne sont pas à la même position de voie, un temps de décalage to est
introduit qui prend en compte le temps de trajet entre les deux détecteurs. En consé-
quence, les variables précédemment introduites peuvent continuer à être utilisées, sauf
bien entendu t2.
Fig. 16 Signaux mesurés de deux détecteurs en parallèle, légèrement déplacés
1701 | Verkehrsdatenerfassung über Sensoren von LSA
26 Juli 2021
Autres résultats
La collecte de données de trafic ne se limite pas aux comptages.
Bien que ce rapport se concentre sur le comptage, les signaux de détecteurs à qualité
garantie peuvent être utilisés pour bien plus de mesures, comme les suivantes :
Comportement de démarrage sur un seul détecteur
A titre d'exemple, la Fig. 17 montre le créneau intervéhiculaire brut moyen des véhicules
s'éloignant après le rouge sur trois voies parallèles, spécifiquement en fonction de la posi-
tion dans la file d'attente devant le feu rouge.
Fig. 17 Comportement de démarrage dans une approche exemple
bservation du comportement de démarrage à la ligne d'arrêt permet de calculer la
moyenne de temps requis par véhicule qui peut être comparé avec le temps vert offert
et utilisé. De même, les capacités de l'approche et du carrefour peuvent être calculées et
les mesures ntervalles intervéhiculaires peuvent être comparées à celles utilisées pour
le développement de la régulation du carrefour.
Détection d’encombrement et circulation lente par un seul détecteur
Des détecteurs de prolongation (voir Fig. 11) ou des détecteurs d'encombrement spéciaux
(un peu plus longs que les détecteurs de comptage) sont normalement utilisés pour la
détection des encombrements et pour une circulation lente. La plupart des détecteurs sont
cependant trop courts pour cette tâche car le trafic aurait pu s'arrêter, de telle sorte que le
détecteur se trouve dans l'écart entre deux véhicules .
Les informations de temps d'occupation d détecteur peuvent être traitées pour découvrir
des changements de vitesse afin de détecter une tendance d et enfin en-
combrement même [4] : s'il y a des détecteurs en nombre suffisant sur une approche, une
longueur de file discrète peut être calculée. Si les états du groupe de feux aval sont
également connus, une perte de temps actuelle peut être calculée et le nombre d'arrêts
peut être estimé sur la base du nombre de cycles qu'un véhicule passe dans l'approche.
Détection de la vitesse par un détecteur double
Les détecteurs doubles permettent de mesurer la vitesse et la celle-ci peut être utilisée
pour déterminer un état de circulation comme fluide, tendance à la congestion et encom-
bré. Étant donné que les détecteurs doubles se trouvent principalement autour de la ligne
d'arrêt, ils permettent de calculer une qualité du trafic sortant et un blocage possible du
carrefour.
Fig. 18 Vitesse sur une boucle double
1.5
2
2.5
3
3.5
12345678910 11 12 13 14 15 16 17
créneau intervéhiculaire
brut [s]
Position dans la file d'attente
à droite
tout droit
à gauche
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 27
Summary
This research report examines how precisely vehicles can be counted by detectors that
have been built for traffic-actuated control of intersectionsintersection detec-
tor and not with the original intention to count vehicles. The detector measurements are
available as raw data consisting of rising and falling slopes of an occupancy signal every
tenth of a second. Most of the detectors examined are inductive loops, with some video
detectors. The report focuses on motor vehicles. In addition, some identification possibil-
ities for motorcycles and bicycles and differentiations between trucks and cars are shown.
Yes, one can count quite accurately with such detectors! One cannot count with all detec-
tors, and one cannot count equally well with all of them.
The report therefore develops guidelines
How to select the detectors,
How to monitor accuracy of the measurements, and
How to preprocess measurements in order to increase counting accuracy.
Hence a counting accuracy with errors of less than 1 % can be achieved.
The report concludes with the question of what other useful values can be calculated from
such quality-assured detector data. The existing, road operator owned detectors will prob-
ably never be replaced completely by V2X technologies, so it is worth going into depth.
Counting
What intersection detector can count correctly? What counting accuracy can be achieved?
What is the procedure for achieving the best possible counting accuracy?
Accuracy
There is no such thing as a correctly measuring detector and thus correctly counting de-
tector per se. All measurements from intersection detectors can be subject to errors. How
can one discover and quantify detector errors? And how can they be corrected?
For technical realization purposes it must be possible to recognize and correct the errors
by observing them in the system itself. To do so, often measurements of surrounding
detectors are added to the measurements of the considered detector itself. External video
recordings are used in this research report for validation purposes only.
Independence
The findings are largely independent of the detection technology. Technology should not
play a role in any preprocessing of measurement data.
Additional benefits
Quality-assured detector measurements have high added value for traffic model param-
eter determination and monitoring, such as the headway, driving behavior or origin des-
tination relations, but also for the determination of control relevant values as queue
lengths and time loss. They can also very well be combined with measurements from
data fusion).
Statistical requirements
For national statistics or international comparisons, count values - and generally all meas-
ured values - must meet the following three criteria:
Comparability: The measurements must be comparable with one another.
Continuity: The measurements must be comparable over time.
Quality: The measurements must meet quantifiable quality requirements.
This research report describes procedures to ensure the requirements.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
28 Juli 2021
Counting accuracy definition
Counting accuracy or counting quality can be expressed by the following metric using dif-
ferent numbers of stars
4
:
Quality
*
**
***
****
Error
< 15 %
< 10 %
< 5 %
< 2 %
Tab. 19 Quality classes for traffic measurements
The prerequisite for using a detector is that there are no technical errors, see chapter Error
types.
Periodic reviews are recommended. Detector technology for such tests should not matter.
It has also been shown that the behavior of the predominantly used induction loops does
not differ much from video sensors with regard to the types of detection errors.
Crosstalk, bouncing, vehicle skipping can be corrected by changing detector sensitivity de-
pending on the placement. More cost-intensive remedies can also be provided by moving
a detector, changing its shape or even installing a double detector with directional sensitiv-
ity. The report does not go into this further, especially since in most cases a system for
counting vehicles is only a "guest" at existing detectors, and a change in the existing de-
tectors could possibly no longer allow them to perform their intended (control) task cor-
rectly.
Counting accuracy determination
Within the observed system, counting accuracy can only be determined when in compari-
son with other detectors located on the same driving trajectory. Comparing with hand count-
ing is of course an off-line possibility, which was carried out for this report on the basis of
video recordings. Comparisons can also be made with counters outside the system. This
has been executed at one place, with a good quality confirmation for the external counters
and a rather good accordance with the observed system detector counts. Ideally, there are
at least three detectors on one driving trajectory:
There should be found a cumulation of counts where at least two detectors roughly
agree.
In stalemate situations (the detectors agree in pairs on the count value, but there is no
clear majority), only a look at the recorded signal timing plan can help, where sporadic,
systematic or traffic-induced errors can be identified.
The smaller the sheaf of curves that have been identified as correct, the better the
counting accuracy.
In case of a detector sequence, it is obvious to choose the detector for counting which has
the highest counting accuracy. The following accompanying measures are recommended
for eventual disruptions in case of sufficient detector redundancy:
Provide at least one replacement detector out of the same sheaf if the originally cho-
sen detector should fail, if it malfunctions for a short time, or if its behavior becomes
suspicious.
If not available, try to derive enough information from adjacent detectors in the same
approach to temporarily replace at least the counts.
In addition, or if not available otherwise, provide replacement detectors whose counting
differences to the originally chosen detector can be statistically described, either by a
constant offset, or a proportionality factor, or by a deviation curve [8].
This is to ensure that a failure of a detector does not lead to a failure of the statistics.
4
Framework Guidelines for Data and Service Quality Requirements. EIP Sub-Activity 3.2. Data and Service Qual-
ity Requirements for (Real-Time) Traffic Information incl. Road Safety Related Traffic Information
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 29
Counting accuracy increase
It is desirable to be able to count as accurately as possible. There are a number of methods
that can be used to increase accuracy. They all assume preprocessing of the raw detector
signal before conversion into count values. Preprocessing types are listed in ascending
complexity.
Correction with a low-pass filter: The raw signal from the detector is sent through a low-
pass filter. A low pass suppresses high frequencies, i.e., short pulses and short gaps.
This eliminates bouncing signals and detections from two-wheelers. However, using a
pure low pass is dangerous, because a short pulse is not always a mistake.
Single detector signal analysis and fault detection: All detectors can show effects
that can be compared to bouncing. They are due to trailers or electromagnetic discon-
tinuities in the vehicle echo. The frequency of such bouncing is often significantly higher
than the gap durations between vehicles and the pulse durations of vehicles. Bouncing
can be filtered out with relatively simple means, but by losing detailed information about
vehicles types and often also losing bicycle and motorcycle counts.
Most of the known faults can be described precisely. The easiest case is electric (light)
rail vehicles induction. But sporadic detector bouncing can also be due to interferences.
During the disturbed time, detectors often cannot be used for counting at all. A replace-
ment detector should be used during such periods.
Double detector signal analysis by processing signals of double detectors close to
the stop line, before and after the stop line or both after the stop line: these two detec-
tors are usually calibrated to different sensitivities and thus enable a differentiated ex-
planation and elimination of observed phenomena.
Treatment of detection sequences from two or more detectors on the same driving
trajectory, if available: this enables the discovery of induced signals by opposite or par-
allel traffic, and of two-wheelers; in addition, bicycles show different phenomena than
motorcycles.
Parallel detector signal analysis by treating parallel lanes in the same direction; this
is to identify overtaking motorcycles, overtaken bicycles and uncertain lane choices.
Treatment of parallel lanes in opposite direction and the resulting crosstalk-like effects
Tracking vehicles over several intersections with the aim of finding out whether it is a
real motor vehicle, whether it is a bicycle or a motorcycle, whether measured bouncers
are due to a trailer, etc. A time-variant origin destination matrix can be estimated as an
additional benefit [7].
Some illegal driving can also be recognized by preprocessing. Its recognition is not
always clear, as erroneous pulses may look alike. Recognition usually becomes clear
by looking at several detectors and knowing the state of the signal groups, identifying
red light drivers, recognized by the two detectors before and after the stop line,
overtaking motorcycles on a wrong turning lane can possibly be tracked,
avoiding a traffic light by choosing a different lane,
driving on the pedestrian crossing or the sidewalk with a bicycle.
The research report discusses procedures and develops a basis for automatic detection.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
30 Juli 2021
Determined counting accuracy
The raw and corrected count values of a typical intersection approach are used as an ex-
ample. A vehicle runs over the following usable detectors on the way to the stop line:
3 for first calling
1 in front of the stop line for motor vehicles
B in front of the stop line for bicycles
R after the stop lin
Fig. 20 Most important detectors and its roles in a driveway
The following detection behavior can be found:
Only detector «B» detects bicycles (B)
All detectors detect motor vehicles (MV) and also motorcycles (MC), but motorcycle
detection is often unreliable
Measurement preprocessing according to the Single detector signal analysis
achieves the following improvements or changes:
None of the detectors can detect motorcycles anymore.
This is due to the driving behavior of motorcycles and in particular to the headways kept in
starting or slow-moving platoons, which is similar to a trailer detection.
The result is the following typical quality analysis of counting possibilities with intersection
detectors. The stars are awarded according to Tab. 19:
Detector
Recognized vehicle classes
Deviation from hand counting
Other classes
uncorrected
corrected
uncorrected
corrected
B
MC
3
MV and MC
MV
** < 8 %
** < 6 %
1
MV and MC
MV
**** < 1 %
**** < 1 %
< 17 %
B
MV, MC and B
MV and B
**** < 2 %
**** < 1 %
** < 7 %
R
MV and MC
MV
**** < 2 %
**** ≈ 0%
Tab. 21 Typical counting precisions of detectors in a driveway
Other vehicle classes cannot be recognized without additional calibration effort on double
detectors.
Bicycles and motorcycles
The corrected detector R counts motor vehicles almost correctly, as can be seen in Tab.
21, but no longer any bicycles or motorcycles. It can therefore be used as a reference for
the other detectors in the approach.
In addition to motor vehicles, detector B also counts bicycles. The calculated difference
leads to the experimentally determined error rate of -7 %.
Uncorrected detector 1 counts the sum of motor vehicles and motorcycles with highest
accuracy. The calculated difference to the number of motor vehicles leads to an exper-
imentally determined error rate of -17 %, which, however, is outside tolerated accuracy.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 31
Main findings
Quality assured measurements
The research report develops a method for measuring and calculating vehicle counts with
confidence values for measurements by intersection detectors. An error rate of < 1 % is
possible, < 2 % is common and < 5 % is achievable in most cases.
This enables a systematic use of intersection detectors as additional counting stations in
the future, throughout Switzerland and in international data exchange. The results enable
quality-assured count statistics.
In order to achieve this accuracy, the detector signals have to be preprocessed in most
cases. Vehicle classes are not detected.
On the basis of such quality-assured detector inputs, traffic conditions on single and dou-
ble detectors can be calculated based on a calculated drive-over speed. This data may be
transformed in statistical information about traffic congestion hours (durations).
In case of several quality assured detectors in an approach, a discretized congestion
length can be determined.
Likewise, travel times and time losses can be estimated [11], as well as the number of
stops until passing the intersection.
Comprehension
The research report helps to understand many detection phenomena in and on the basis
of the measurement data. It uses video recordings for explanation. Very few cases have to
be dismissed as "spontaneous disturbances". It shows a way how the phenomena can be
recognized and how the disturbances caused by them can be eliminated. The research
report also creates the basis for automating detection and data improvement.
Application
The research report presents recommended steps for implementation in practice. It helps
to choose the right intersection detectors for counting and monitoring the delivered quality,
and in the best case how to improve the accuracy.
On the basis of quality-assured detector measurements, not only count values can be cal-
culated, but also other useful parameters. Traffic condition, traffic congestion hours and
travel time have been mentioned. In the future, however, it is also conceivable to calculate
and monitor other variables, such as average headway and thus intersection capacity,
optimum green time, coordination breaks, and even an observed time-variant origin
destination matrix [7].
Benefit
Increasing detector count accuracy helps traffic engineers achieving more precise
planning input values with better granularity.
Traffic congestion hours, traffic congestion lengths, speed and travel times are of inter-
esting statistical values, which so far are only sparsely available in intersection areas.
Finally, it is thinkable that after implementation in practice, such values can be made avail-
able online (via OCIT-I PD, OCIT-C or also DATEX II).
On the one hand this can lead to a better understanding of processes in traffic and
can directly help to improve single intersection control and traffic management,
On the other hand, it can be used directly for control purposes by network-wide traffic
management.
Thus, a positive long-term effect of the research is to be expected serving to understand
and to improve traffic flow.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
32 Juli 2021
Error types
The achievable counting error rate is very often less than 15 % and reaches values of less
than 2 %. By preprocessing, the error can even below 1 %.
A detector must pass a series of tests, initially before the detector is even approved for
counting, then later while counting under operation. Periodic detector count precision re-
views are recommended.
A detector must pass the following tests:
Technical errors: Checking for technical errors ensures a basic plausibility. Plausibility
is best visible in a signal timing plan recording with associated detectors:
The detection signals match the states of the closest signal group.
The statistical behavior of detector signals corresponds to that of car traffic (plau-
sible occupancy times and gaps).
The detections match the surrounding detections.
Reasons for technical errors can include:
Interchanged channel numbers of two detectors
Faulty evaluation unit of a detector or faulty detector itself
Sporadic errors: Detectors can irregularly deliver implausible values during operation
for the following reasons:
Electromagnetic coupling by vehicles on the detectors and in their immediate vicin-
ity or optical interference
Electromagnetic coupling by electric (light) rail vehicles
Automatic detector readjustment [8], leading to temporary oscillation or sudden
continuous occupation
Technology-induced systematic errors: detectors can repeatedly show the same
phenomena when in operation:
Non-detection of certain vehicles belonging to certain types
Bouncing at the beginning or at the end of an impulse or an occupancy time or
spontaneous oscillation during a continuous occupancy [1]
Erroneous impulses that cannot be explained
Traffic-induced systematic errors: The assignment of a measurement to a vehicle
trajectory is uncertain, for example in the following cases:
Crosstalk by traffic in the opposite direction or on a parallel lane
Lane changes
Overtaking on a different lane (often seen with motorcycles)
Inaccurate lane driving (e.g., while overtaking bicycles)
Vehicle cutting a corner and thus driving temporarily on a wrong lane
Depending on the location and on the technical equipment of the detectors, the sporadic,
systematic or traffic-induced errors may not occur at all or be very dominant. The frequency
mix of the different errors determines the counting accuracy.
The double detector, often located before and after the stop line, plays an important role.
It enables redundant viewing on the measured data over a short distance, thereby facilitat-
ing phenomena detection.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 33
Single detector signal analysis
Individual detectors can show bouncing and other irregular oscillation in an assumed con-
stant signal curve as undesirable disturbances. Individual detectors also regularly recog-
nize trailers or driver's cabs of trucks like individual signals. If only the number of vehicles
is to be counted without recognizing trailers or vehicle classification, multiple detections are
disruptive and must be suppressed. This can be achieved by preprocessing the raw signal.
The following figure shows a typical detection sequence for a single detector. The time
resolution in the horizontal direction is typically 0.1 s, but it can also be better. The only
Fig. 22 Measured signal from a single detector
bn is the occupancy time.
n numbers consecutive pulses, starting with 1.
tn is the time of the falling slope of the nth pulse.
tL,1 is the net time gap (l) between the first and second pulse.
tf,1 is the gross time gap (f) between the first and the second pulse, as measured
between the falling slopes, not used here.
ts,1 iascending
ured between the rising slopes, not used here.
The following effects can be recognized in the raw signal of a detector:
If a detector oscillates, usually tL is n.
For trailers, driver's cabs or tractor units of semi-trailers, there is usually a net time gap
tL in most cases > 0.1 s.
n is usually 2 for trucks with trailers, 3 is often ween for semi-trailers.
If only general vehicle counts shall be improved without vehicle class recognition, all bounc-
ing, oscillating and trailer recognition can be skipped by simply filtering the raw signal:
Suppress net time gaps until tL reaches again a value of > of 0.6 s.
If bouncing should still be detected, attention should be paid to short net time gaps: if tL
n = 2, then it is bouncing.
If n > 3, there is probably a faulty detection.
For signal preprocessing algorithms it follows that rising slopes can be passed on immedi-
ately. Falling slopes must first be checked for net time gaps and may only be passed on
when the largest duration of an expected net time gap has been exceeded.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
34 Juli 2021
Double detector signal analysis
In case of two successive detectors at short distance, the two detectors can be treated
algorithmically together as a double detector. Usually, double detectors are used at dedi-
cated places for exact counting, to determine vehicle classes and to measure speed at a
suitable lane position, as it is the case with traditional counting stations. In an intersection
detector environment, double detectors can often ad hoc, i.e., they have not
been designed as double detectors, such as just before and just after a stop line.
Double detectors shall be close together with a maximum of two vehicles on them, one on
the first detector and one on the second. This shall be assumed here. The case that the
detectors are so far apart that there can be an additional vehicle between them shall not
be included in this concept of a double detector.
It has been shown that ad hoc double detectors cannot be used in the same way as dedi-
cated double detectors for counting stations. Their magnetic or optical properties are often
unknown leading to different sensitivity. Also, often geometric design is different e.g.,
bicycles at the curbside are often detected before the stop line but not after the stop line.
Double detectors are primarily suitable for determining and correcting counting errors. Sec-
ondly, speed can be determined with quite good precision. Thirdly, an attempt can be made
to determine vehicle types and classes. This is possible due to different sensitivities (two-
wheelers are only detected on one of the detectors) or via pulse length evaluation as a
function of the derived speed, so that the vehicle length can be estimated. Often this is not
straight forward, because the magnetic or optical vehicle echoes do not allow systematic
conclusions about their length.
The next figure shows schematically the measurable parameters of two consecutive de-
tectors.
Fig. 23 Measured signals from a double detector
The 1st occupancy time b1 is measured by the 1st detector.
The 2nd occupancy time b2 is measured by the 2nd detector.
In between the detector impulses there is a net time l . This value is
usually positive, but it can also be negative if the distance between the detectors is short
or if the vehicle is long.
The falling slopes t1 and t2 are taken as reference times. This enables an evaluation as
well when traffic is starting after red. Only if there is spillback until the 2nd detector, no
evaluation is possible.
The travel time tf is determined between the two falling slopes.
For the sake of completeness, there is also a travel time ts between the two rising slopes,
not used here.
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 35
Parallel detector signal analysis
Detectors are assigned to lanes. It happens, however, that detectors also detect vehicles
in an adjacent lane. This can be triggered by traffic in the opposite direction or by traffic
traveling in a parallel lane. We call this crosstalk when a vehicle from another lane is
detected. Crosstalk can lead to counting errors and false conclusions.
If there is also a detector in the lane from where crosstalk arrives, at the same position or
not far from it, crosstalk can be detected by observing the detector signal time sequences
of the two detectors in one algorithm.
The next figure shows a generalized view of the occupancy signals measured by two de-
tectors located next to each other. The vehicle shall drive in the left lane and is also de-
tected by the detector in the right lane.
Fig. 24 Measured signals from two parallel detectors located next to each other
The left, 1st occupancy time b1 is measured by the 1st detector.
The right, 2nd occupancy time b2 is measured by the 2nd detector.
The falling slopes t1 and t2 are taken as reference times.
The time difference between the two rising slopes is represented by ts.
The time difference between the two falling slopes is represented by tf.
The figure assumes for the measured times ts and tf that the pulse of the right lane lies
completely within the pulse of the left lane. If this is not the case, the times can become
negative.
If the detectors are not at the same lane position, an offset time to is introduced which takes
into account the travel time between the two detectors. As a consequence, the previously
introduced variables can continue to be used, except of course t2.
Fig. 25 Measured signals from two neighboring, slightly displaced detectors
1701 | Verkehrsdatenerfassung über Sensoren von LSA
36 Juli 2021
Further results
Traffic data collection is not limited to counting.
Even though this report is focusing on counts, input of quality-assured individual detectors
can be used for much more additional measurements, e.g.:
Drive-away behavior at a single detector
As an example, Fig. 26 shows the averaged, quality-assured gross time gap headway
of vehicles driving away after red in three parallel lanes, specifically as a function of the
waiting queue position in front of the red light.
Fig. 26 Drive-away behavior in an example approach
Observing the drive-away behavior at the stop line enables the calculation of the average
time required by vehicles (average headway) which can be compared with offered and
used green time. Likewise, approach and intersection capacity can be calculated, and
the measured headways can be compared with those used for intersection control design.
Detection of traffic congestions and slow traffic by a single detector
Extension detectors (see Fig. 20) or special traffic congestion detectors (a bit longer than
counting detectors) are used for detection of traffic congestion and congestion tendency.
Most of the detectors, however, are too short for this task because traffic could have
stopped in such a way that the detector lies at the gap between two stopped vehicles.
Quality-assured occupancy time information of the detector can be checked for change in
speed in order to recognize congestion tendency and finally traffic congestion [4]: If there
are detectors in sufficient number in an intersection approach, a discrete queue length
can be calculated. If the state of the downstream signal group is also known, a current time
loss can be calculated and the number of stops can be estimated based on the number
of cycles a vehicle spends in the access.
Speed detection by a double detector
Double detectors enable speed to be measured, and speed can be used to determine
traffic states as fluid, congestion tendency and congested. Since double detectors are
mostly found around the stop line, an outflow quality and possible intersection blocking
can be calculated.
Fig. 27 Speed on a double loop
1.5
2
2.5
3
3.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Gross time gap [s]
Position in waiting queue
right turn
through
left turn
1701 | Verkehrsdatenerfassung über Sensoren von LSA
Juli 2021 37
1 Einleitung
1.1 Erfassung von Fahrzeugen
Mit der Einführung verkehrsabhängiger Lichtsignalanlagen war es nötig geworden, den
Verkehr über Detektoren erfassen zu können. In der Schweiz sind schon sehr früh Induk-
tionsschleifen dafür eingesetzt worden. Sie messen die Verstimmung des von ihnen er-
zeugten elektromagnetischen Feldes durch die Anwesenheit ferromagnetischer Metalle.
Induktionsschleifen sind noch heute die dominante Ausprägung von Fahrzeugdetektoren
in der Schweiz.
Induktionsschleifen
Jede Induktionsschleife wird von einer so genannten Auswerteeinheit angesteuert. Sie
setzt die elektromagnetischen Messungen in die Ausgangssignale «0» und «1» um mit
dem Ziel, die Anwesenheit eines Fahrzeuges mit einer «1» anzuzeigen und die Abwesen-
heit mit einer «0». Auswerteeinheiten müssen auf die angeschlossenen Induktionsschlei-
fen eingestellt werden. Die Empfindlichkeit hängt unter anderem von der meist rechtecki-
gen Fläche der Induktionsschleife ab und von den Anzahl Windungen.
Induktionsschleifen sind Störungen ausgesetzt. Das können schlecht entstörte Elektromo-
toren sein (in Autos oder Strassenbahnen), die Anwesenheit von viel ferromagnetischem
Metall (Weichen) oder elektromagnetische Felder benachbarter Detektoren. Die Auswer-
teeinheiten sollen diese Effekte so gut wie möglich unterdrücken. Auch Luftfeuchtigkeit und
Wetter können einen Einfluss auf das elektromagnetische Verhalten haben. Moderne Aus-
werteeinheiten können sich selbständig neu kalibrieren.
Andere Technologien
Neben der Induktionsschleife findet man die Videodetektion an zweiter Stelle in der
Schweiz [22]. Weitere Technologien wie Ultraschall, Erdmagnetfeld, Infrarot, usw. haben
bisher eher experimentellen Charakter und werden hier nicht behandelt.
Zukünftige Technologien
Die Erfassung von Fahrzeugen über ihre Position via GPS und die Übertragung an das
Steuergerät findet sich in vielen Forschungsarbeiten und Analysen zu zukünftigen Tech-
nologien im Strassenverkehr unter dem Stichwort der kommunizierenden Fahrzeuge
oder englisch abgekürzt V2X [9]. Auch der Ausdruck von Floating Car Data (FCD) wird in
diesem Zusammenhang häufig verwendet. GPS-Positionen sind leider ohne zusätzliche
Hilfsmittel heute noch nicht genau genug, um damit die Flanken von Detektoren zu erset-
zen [13]. Um die Positionsdaten nutzbringend einsetzen zu können, ist die aktuelle Durch-
dringungsrate ein Problem: solange nicht alle Fahrzeuge mit V2X ausgerüstet sind, kann
man sich auf die Daten nicht als einzige Quelle verlassen, beispielsweise für das Anmelden
eines Fahrzeugs bei Rot oder für das Zählen von Fahrzeugen.
1.2 Zusätzliche Erfassung von Verkehr
Im Gegenzug dazu sind solche Daten in der Lage, streckenbezogene Daten zu erzeugen
und beispielsweise durchschnittliche Reisezeiten zu messen oder Verhältnisse von Quell-
Ziel-Beziehungen zu ermitteln. Der Brückenschlag zwischen lückenlosen, ortsfesten De-
tektordaten und lückenhaften Fahrzeug- und Strecken-orientierten Messungen wird in Zu-
kunft ein wichtiges Thema werden. Das Thema befindet sich aktuell etwas unstrukturiert
im thematischen Topf von «Data Fusion» und «Big Data». Es wird auch wichtige Grundlage
sein für die Verwendung bei Aufgaben einer «Smart City», wie z.B. die bedarfsabhängige
Steuerung der öffentlichen Beleuchtung.