[論文レビュー] Highway traffic state estimation using speed measurements: case studies on NGSIM data and highway A20 in the Netherlands

Claudio Roncoli, Nikolaos Bekiaris‐Liberis+1 more|arXiv (Cornell University)|Sep 21, 2015

Traffic control and management参考文献 9被引用数 10

ひとこと要約

本稿では、接続車両からの速度測定値と最小限のスポット流量センサーのみを用いた、マクロスコピックモデルに基づく交通状態推定手法を提案する。カルマンフィルタを用いて高速道路区間全体の交通密度および流量を推定し、ノイズが多い状況や接続車両の浸透率が変動する状況下でも、NGSIMデータおよび実際のA20高速道路データの両方で高い精度を示した。

ABSTRACT

This paper presents two case studies where a macroscopic model-based approach for traffic state estimation, which we have recently developed, is employed and tested. The estimation methodology is developed for a "mixed" traffic scenario, where traffic is composed of both ordinary and connected vehicles. Only average speed measurements, which may be obtained from connected vehicles reports, and a minimum number (sufficient to guarantee observability) of spot sensor-based total flow measurements are utilised. In the first case study, we use NGSIM microscopic data in order to test the capability of estimating the traffic state on the basis of aggregated information retrieved from moving vehicles and considering various penetration rates of connected vehicles. In the second case study, a longer highway stretch with internal congestion is utilised, in order to test the capability of the proposed estimation scheme to produce appropriate estimates for varying traffic conditions on long stretches. In both cases the performances are satisfactory, and the obtained results demonstrate the effectiveness of the methodology, both in qualitative and quantitative terms.

研究の動機と目的

• 接続車両からの速度データと少数のスポット流量センサーのみを用いることで、最小限のインフラ依存で交通状態推定手法を開発すること。
• 接続車両の浸透率が変動する状況および測定ノイズが存在する状況下での推定手法のロバスト性と精度を評価すること。
• 2つの異なる高速道路環境（NGSIMマイクロシミュレーションデータおよびオランダのA20高速道路に内蔵された混雑領域を含む）における実データを用いて、手法の妥当性を検証すること。
• 接続車両と一般車両が混在する交通環境において、マクロスコピック交通モデルを用いたリアルタイム交通状態推定の実現可能性を示すこと。
• 高密度センサーネットワークへの依存を減らしつつも、高い推定精度を維持できるコスト効果的な代替手法を提供すること。

提案手法

• 本手法は、高速道路区間全体の交通ダイナミクスを記述するため、Lighthill-Whitham-Richards（LWR）フレームワークに基づくマクロスコピック交通モデルを用いる。
• 交通状態変数（密度および流量）の推定にカルマンフィルタを適用し、接続車両からの速度測定値とスポットセンサーからの総流量測定値の最小限のセットを用いる。
• 状態ベクトルには、離散的な空間的位置における密度および流量が含まれ、フィルタは動的モデルを用いて推定値を時間的に前方に発展させ、測定値で補正する。
• 測定ノイズは、速度に対して標準偏差5 km/hの加法的ガウス白色ノイズとしてモデル化され、流量測定値に対しては共分散行列 R = 100×I が使用される。
• 推定スキームは、マクロスコピックモデルの可観測性特性に依存し、最小限のセンサー情報で実現可能な可観測性を有するように設計されている。
• 本手法は、固定位置（Eulerian）と移動車両（Lagrangian）の両方のデータストリームを統合し、カルマンフィルタフレームワーク内で融合処理を行う。

実験結果

リサーチクエスチョン

• RQ1 接続車両からの速度データと少数のスポット流量センサーのみを用いて、交通状態を正確に推定できるか？
• RQ2 混在交通状態における接続車両の浸透率が異なる場合、推定精度はどのように変化するか？
• RQ3 本手法は、内部のボトルネックを有する長距離高速道路区間において、空間的・時間的におよび混雑パターンを信頼性高く再構築できるか？
• RQ4 測定ノイズ（特に速度データにおけるノイズ）は、推定スキームの性能にどのように影響を与えるか？
• RQ5 速度測定値が汚染された場合、カルマンフィルタベースのアプローチが非加法的ノイズ効果をどの程度処理できるか？

主な発見

• ノイズなしの状況では、性能指標として CVρ = 14.6% を達成し、交通密度の再構築において高い精度を示した。
• 流量測定ノイズのみが存在する場合、性能はわずかに低下し、CVρ = 15.0% となった。これは、センサーノイズに対して高いロバスト性を示している。
• 流量および速度測定値の両方が加法的ノイズによって汚染された場合、性能指標は CVρ = 16.1% に上昇したが、これは測定可能な範囲での低下であり、管理可能であることを示した。
• 3次元密度推定の視覚的検証から、A20高速道路区間における混雑の空間的・時間的パターンが正確に再構築されていることが確認された。
• 推定された密度推移は、実データとの照合により、正しい場所と時間に混雑の発生を的確に捉えていた。
• Moordrechtの発着路側の流量も高い精度で推定されており、本手法の特定のネットワークポイントにおける流量推定の信頼性を裏付けた。