1
SCHATTING EN VOORSPELLING VAN DE VERKEERSAFWIKKELING OP AUTOSNELWEGEN ir KATIA ORGANE Departement Mobiliteit en Openbare Werken – afdeling Verkeerscentrum dr ir CHRIS TAMPERE Katholieke Universiteit Leuven – vakgroep Verkeer en Infrastructuur
Samenvatting
Résumé
Om uit de gegevens die binnenkomen van meetsystemen op autosnelwegen indirect ook de actuele toestand van tussenliggende wegvakken en de mogelijke evolutie van de verkeerssituatie af te leiden, wordt gebruik gemaakt van een online verkeersmodel voor snelwegverkeer, Renaissance genaamd. De geschatte toestand wordt daarnaast ook in de tijd geëxtrapoleerd om korte termijn voorspellingen van de verdere evolutie van de verkeerssituatie te genereren. Dit model wordt toegepast op de Antwerpse Ring R1 en is in staat om de huidige verkeerstoestand goed te schatten en onder bepaalde voorwaarden korte termijn voorspellingen bij reguliere congestie te produceren.
Pour déduire indirectement les conditions actuelles des tronçons intermédiaires d’autoroutes et l’évolution possible de la situation du trafic à partir des données provenant des systèmes de mesure, un modèle de trafic on-line est utilisé pour le trafic d’autoroute, appelé Renaissance. En plus, cet état estimatif est extrapolé dans le temps pour générer des prévisions à court terme de l’évolution de la situation du trafic. Ce modèle est appliqué au Ring d’Anvers R1 et est capable de bien estimer les conditions actuelles du trafic et de produire, sous certaines conditions, des prévisions à court terme en cas de congestion régulière.
2
1. Inleiding De autosnelwegen in Vlaanderen worden uitgerust met een meetnet van dubbele lusdetectoren die real-time verkeersgegevens (intensiteiten en snelheden) aanleveren. Deze ruwe data geven echter een ruimtelijk gefragmenteerd beeld, waarbij meetfouten en de aanwezigheid van hoogfrequente fluctuaties (ruis) de interpretatie verder bemoeilijken. Op plaatsen waar de dichtheid van de detectoren lager is dan één per km is het, zowel voor het verstrekken van verkeersinformatie als voor het aansturen van verkeersmanagement maatregelen, van essentieel belang om in real-time de verkeerscondities op de tussenliggende wegvakken te kennen. Hiervoor wordt gebruik gemaakt van het Renaissancemodel, een online verkeersmodel voor snelwegverkeer ontwikkeld door de Technische Universiteit van Kreta (TUC), dat tevens de geschatte verkeerstoestand in de tijd extrapoleert om korte termijnvoorspellingen van de verdere evolutie van de verkeerssituatie te genereren. Naast de visualisatie van de huidige en voorspelde verkeersafwikkeling, worden ook (instantane en voorspelde) reistijden berekend. Het verkeersmodel wordt toegepast op de volledige R1 met alle op- en afritten en de aansluitende snelweg E313/E34 van Parking Ranst tot Antwerpen-Oost. In een offline context wordt vervolgens getest of het model in uiteenlopende situaties (avondspits, ochtendspits, rustig, druk, incident, …) in staat is de verkeerstoestand te schatten en over korte termijn te voorspellen.
2. Wat is Renaissance? Renaissance maakt gebruik van een tweede orde macroscopisch verkeersmodel om de dynamica van de verkeersstromen in het autosnelwegennetwerk te beschrijven. De verkeerstoestand wordt beschreven aan de hand van snelheid, dichtheid en intensiteit. De snelweg wordt opgedeeld in segmenten van ongeveer 500 m. Voor elke segmentgrens wordt per tijdstap (bv. 5 s) de verkeerstoestand berekend. De berekende verkeerstoestand wordt gecorrigeerd aan de hand van verkeersmetingen van dubbele lusdetectoren. De capaciteit, free flow snelheid en kritische dichtheid (m.a.w. het fundamenteel diagram) (van een homogeen deel) van de snelweg worden door het verkeersmodel bepaald en moeten dus niet door de gebruiker ingegeven worden. Op basis van de schatting van de verkeerssituatie en historische verkeersmetingen voor de randen van het netwerk (op- en afritten, begin en einde van de snelweg) wordt een korte termijn voorspelling gemaakt (snelheid, dichtheid en intensiteit). De toestandsschatting en korte termijn voorspelling vormen de basis voor afgeleide producten, zoals reistijden en locatie van filekop en filestaart.
3 Een gedetailleerde beschrijving van de werking van het Renaissancemodel en de volledige beschrijving van de functionaliteiten zijn terug te vinden in (ref.1 en 2).
3. Toepassing van Renaissance op de Antwerpse Ring 3.1. Netwerk Figuur 1 toont het netwerk waarop het Renaissance model werd toegepast: de volledige R1 met alle op- en afritten en de aansluitende snelweg E313/E34 van Parking Ranst tot Antwerpen-Oost. Op de locaties waar dubbele lusdetectoren op de hoofdrijbaan het model voeden, zijn blauwe vierkantjes weergegeven.
Antwerpen-Noord km 0
Antwerpen-Oost km 6.2
Kennedytunnel km 13.9
Antwerpen-Zuid km 10.4
Figuur 1: Het netwerk
3.2. Schattingsresultaten bij reguliere congestie De Antwerpse Ring is uitgerust met dubbele lusdetectoren die zowel de intensiteit als snelheid meten. Daarnaast zijn is ook een netwerk van camera’s voor verkeersbewaking voorzien, die tevens de snelheid van de voertuigen meten. De meetgegevens van de dubbele lusdetectoren worden gebruikt om het verkeersmodel te voeden. Op de segmenten waar geen dubbele lusdetectoren aanwezig zijn, worden de snelheidsmetingen van de camera’s die ongeveer om de 500m in het studiegebied aanwezig zijn, gebuikt om het model te valideren. Figuren 2 t.e.m. 6 tonen de toestandschatting van de snelheid op de Antwerpse Ring waarbij de snelheid is uitgezet in tijd (x-as) en ruimte (y-as). De snelheid is weergegeven in kleur van rood (120 km/u) over geel (75 km/u) en lichtblauw (45 km/u) naar donkerblauw (minder dan 20 km/u). Op de linkse figuur is telkens de gemeten snelheid weergegeven, rechts de geschatte snelheid door het verkeersmodel, waarbij de blauwe horizontale lijnen de locaties
4 aanduiden waar gemeten snelheden van dubbel lusdetectoren als randvoorwaarde voor het model worden gebruikt. De schatting van de snelheden op de Antwerpse Ring levert zeer goede resultaten. Zowel de kop en staart, het begin en einde van de file als de op- en afbouw van de file worden nauwkeurig gereproduceerd. Ook de filegolven en de snelheid in de files worden goed geschat, zoals te zien is in de figuren 3, 4 en 6.
Figuur 2: Toestandschatting binnenring
Figuur 3: Toestandschatting binnenring – file van Antwerpen-Oost tot Antwerpen-Zuid in ochtendspits
Figuur 4: Toestandschatting binnenring – file van Antwerpen-Zuid tot Kennedytunnel in de avondspits
5
Figuur 5: Toestandschatting buitenring
Figuur 6: Toestandschatting buitenring – file van Kennedytunnel tot Antwerpen-Oost in de avondspits
3.3. Resultaten predicties bij reguliere congestie Op basis van de schattingsresultaten voor de actuele verkeerstoestand uit de vorige paragraaf, worden korte termijn voorspellingen (bv. 20 min) met het verkeersmodel berekend. Hiervoor wordt gebruik gemaakt van historische verkeersmetingen die de evolutie van de verkeersintensiteiten aan de randen van het netwerk weergeven. Voor de beoordeling van de voorspelling van de verkeerssituatie door het verkeersmodel geldt als referentie de naderhand (ex-post) geschatte verkeerstoestand. De resultaten van de voorspellingen met het verkeersmodel zijn weergegeven in figuur 7 voor de binnenring en figuur 8 voor de buitenring. Hierbij staat telkens links de figuur voor de ganse ring en rechts een detail van een filegebied. Van boven naar onder wordt eerst de toestandschatting uit paragraaf 3.2 herhaald, vervolgens de resultaten van de voorspellingen over een horizon van 0, 10 en 20 minuten. De figuren van de voorspellingen zouden allemaal identiek zijn in geval van een 100 % perfecte voorspelling.
6
Figuur 7: Predicties (0, 10 en 20 min) binnenring; links: overzicht; rechts: file van Antwerpen-Zuid tot Kennedytunnel in de avondspits
7
Figuur 8: Predicties (0, 10 en 20 min) buitenring; links: overzicht; rechts: file van Kennedytunnel tot Antwerpen-Oost in de avondspits
8 De congestie op de binnenring in de avondspits van Antwerpen-Zuid tot de Kennedytunnel (rechts op figuur 7) wordt goed voorspeld. De opbouw van de file vanaf 15u30 wordt een beetje onderschat, maar de filestaart (tot km 10) en de afbouw van de file worden zeer goed voorspeld. Op andere plaatsen wordt de congestie op de binnenring minder goed voorspeld. Ook de voorspelling van de file op de buitenring in de avondspits van de Kennedytunnel tot Antwerpen-Oost (rechts op figuur 8) komt niet overeen met de waarnemingen. Het knelpunt dat deze file veroorzaakt ligt echter buiten het netwerk dat werd gebruikt voor deze studie, namelijk de E313 weg van Antwerpen. Hierdoor wordt het patroon van de filegolven veroorzaakt door het knelpunt op E313 niet (goed) gemodelleerd en wordt de terugslag van deze file op de binnen- en buitenring minder goed voorspeld. De kwaliteit van deze voorspellingen kan waarschijnlijk verbeterd worden door het netwerk voor het verkeersmodel uit te breiden met de E313 weg van Antwerpen, inclusief een dubbele lusdetector die de capaciteit van het knelpunt waarneemt. Ook voor de andere files die niet goed voorspeld worden, kunnen de voorspellingen verbeterd worden mits: Het knelpunt dat de file veroorzaakt deel uitmaakt van het gemodelleerde netwerk. Een dubbele lusdetector de capaciteit van het knelpunt bepaalt. De filestaart binnen het gemodelleerde netwerk blijft.
3.4. Toestandschatting en predictie bij incidentele congestie Incidenten (ongevallen, defecte voertuigen,…) met impact op de verkeersafwikkeling, worden door het verkeersmodel gedetecteerd van zodra de impact voelbaar is op de voedende detector op de hoofdrijbaan, stroomopwaarts van het incident. Op deze locatie wordt de capaciteit plots verlaagd en het fundamenteel diagram automatisch aangepast door het verkeersmodel. Door deze wijziging en de correctie van de resultaten van het verkeersmodel met de dubbele lusdetectoren stemmen de schattingsresultaten bij incidentele congestie goed overeen met de realiteit. Een goede voorspelling van de evolutie van de verkeersafwikkeling ten gevolge van een incident zou een grote meerwaarde bieden ter ondersteuning van de operatoren in het verkeerscentrum bij het nemen van beslissingen i.v.m. rerouting. Op basis van de capaciteitsverlaging van het fundamenteel diagram wordt het gevolg voor de verkeersafwikkeling voorspeld. Hoewel de detectie van een incident door de capaciteitsdaling van het fundamenteel diagram zeer nauwkeurig gebeurt, wordt de capaciteitsdaling ten gevolge van het incident door het verkeersmodel onderschat en dus ook de gevolgen voor de verkeersafwikkeling.
9 3.5 Reistijden Op basis van de toestandschatting en de voorspelling van de verkeersafwikkeling met het verkeersmodel, kan ook de reistijd over een route bepaald worden. In figuur 9 worden volgende reistijden weergegeven voor een traject op de binnenring en op de buitenring: Instantane reistijd op basis van de toestandschatting uit paragraaf 3.2 (groen) Voorspelde (of ervaren) reistijd op basis van een trajectorie door de predicties uit paragraaf 3.3 (blauw) Ervaren reistijd op basis van snelheidsmetingen met camera’s om de 500 m (rood) De ervaren reistijd op basis van de snelheidsmetingen met de camera’s wordt als referentie gebruikt om de instantane en voorspelde reistijd met het verkeersmodel te evalueren. De instantane, voorspelde en referentie reistijden zijn zeer gelijk bij zowel vlot als vertraagd verkeer. Bij de overgang van vlot naar vertraagd verkeer en omgekeerd lopen de voorspelde reistijden voor op de instantane reistijden, wat overeenkomt de verwachtingen. Estimated Travel Times on Route R1 Inner Ring 35
AID experienced tt instantaneous experienced
travel time [min]
30 25 20 15 10 5 0 20000
30000
40000
50000
60000
70000
time [s] Estimated Travel Times on Route R1 Outer Ring 70
AID experienced tt instantaneous experienced
travel time [min]
60 50 40 30 20 10 0 20000
30000
40000
50000
60000
70000
time [s]
Figuur 9: Instantane (groen) en voorspelde (blauw) reistijd op een deel van de binnenring (boven) en buitenring (onder) versus waargenomen reistijd op basis van snelheidsmetingen (rood).
10
4. Besluit en verder onderzoek De schatting van de huidige verkeerstoestand bij reguliere congestie op de Antwerpse Ring door het verkeersmodel komt zeer goed overeen met de waarnemingen. Zowel de kop en staart, het begin en einde van de file als de op- en afbouw van de file worden nauwkeurig gereproduceerd. Ook de filegolven en de snelheid in de files worden goed geschat. Op basis van deze schattingsresultaten kunnen realistische instantane reistijden geproduceerd worden. De voorspelling van de evolutie van de verkeerssituatie bij reguliere congestie is niet altijd nauwkeurig. Het verkeersmodel is wel in staat om een accurate voorspelling te maken van de congestie op de binnenring voor de Kennedytunnel, maar op plaatsen waar het knelpunt dat de congestie veroorzaakt geen deel uitmaakt van het netwerk of de filestaart buiten het netwerk staat, is het model niet in staat om goede voorspellingen te produceren. Verder onderzoek zal uitwijzen of het uitbreiden van het netwerk hier volstaat. Toch komen de voorspelde reistijden op basis van deze predicties goed overeen met de waarnemingen. De detectie van incidenten door het verkeersmodel verloopt zeer goed. Ook de schattingsresultaten zijn redelijk goed, maar de voorspellingen op basis van de automatische incidentdetectie onderschatten het gevolg van een incident op de verkeersafwikkeling. Verder onderzoek zal uitwijzen of het manueel invoeren van de ernst van een incident (de grootte van de capaciteitsreductie) de voorspellingsresultaten kan verbeteren.
Referenties Ref. 1 Wang, Y., and M. Papageorgiou. Real-time Freeway Traffic State Estimation Based on Extended Kalman Filter: A General Approach. Transportation Research B, vol. 39, 2005, pp. 141-167 Ref. 2 Wang, Y., M. Papageorgiou and A. Messmer. A Real-time Freeway Traffic Surveillance Tool. IEEE Transactions on Control Systems Technology, vol. 14, no.1, 2006, pp. 18-32
