Neue Technologien auf Basis anonymisierter Floating Car Daten (FCD) ermöglichen es, die Erkenntnisse zur Verkehrslage zu verdichten sowie diese stabiler zu beschreiben. Ob sich Verkehrslage und Verkehrsinformationen in Niedersachsen durch Bündelung von Verkehrsdaten verschiedener Quellen verbessern lassen, ist zentraler Untersuchungsgegenstand eines Pilotprojektes des Niedersächsischen Ministeriums für Wirtschaft, Arbeit und Verkehr und dem ADAC e. V. Der vorliegende Beitrag fasst die Ergebnisse der Untersuchung zusammen, die von einer Arbeitsgemeinschaft der SSP Consult Beratende Ingenieure GmbH und TraffiCon GmbH mit dem Unterauftragnehmer TraffGo Road GmbH durchgeführt wurde. Grundlage sind archivierte FCD des ADAC im Vergleich mit Daten aus ortsfesten Messquerschnitten der Verkehrsbeeinflussungsanlage A 2 sowie Daten aus von den Gutachtern durchgeführten Messfahrten. Im ersten Teil des vorliegenden Beitrags werden Literatur- und Internetquellen in Kombination mit Expertenbefragungen vorgestellt, um den aktuellen Wissensstand zur Datenerfassung mit Hilfe der FC-Technik projektbezogen auszuwerten (z. B. Anforderungen an Datengüte und Qualität, Kriterien für die Bewertung der FCD). Der zweite Teil der Untersuchung beinhaltet Vorbereitung, Durchführung und Evaluierung eines Pilotprojektes mit Schwerpunkt auf der A 2 in Niedersachsen.

Der Fachvortrag zur Veranstaltung ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einführung

Der Wunsch der Ortsveränderung von Personen und Gütern ist in den vergangenen Jahrzehnten beständig gestiegen. Die Folge ist ein hohes Verkehrsaufkommen auf den Straßen verbunden mit regelmäßigen Verkehrsüberlastungen. Volkswirtschaftlich betrachtet entsteht ein monetärer Schaden, den es zu minimieren gilt. Nach statistischen Berechnungen steht jeder Deutsche etwa 70 Stunden im Jahr im Stau. Der Volkswirtschaft gehen dadurch nach Schätzungen des Bundesministeriums für Bildung und Forschung jährlich etwa 97 Milliarden Euro verloren (siehe SPEER, 2004, [1]). Verkehrsstaus bedeuten darüber hinaus eine potenzielle Unfallgefahr. Immer wieder kommt es an Stauenden zu Auffahrunfällen mit Personenund Sachschäden.

Die bestehende Verkehrsinfrastruktur optimal zu nutzen, ist daher eines der verkehrspolitischen Ziele. Ein wesentliches Ziel dabei ist es, durch Verknüpfung mit innovativen Informationssystemen wirtschaftliche Lösungen zur Optimierung von Verkehrsfluss und Verkehrssicherheit zu schaffen. Technologien auf Basis anonymisierter Bewegungsdaten von Fahrzeugen wie Floating Car Daten ermöglichen es, die Erkenntnisse zur Verkehrslage zu verdichten sowie diese unabhängig von kostenintensiver intelligenter Ausstattung der vorhandenen Infrastruktur stabiler zu beschreiben.

Das Niedersächsische Ministerium für Wirtschaft, Arbeit und Verkehr hat in einem Pilotversuch in Kooperation mit dem ADAC e. V. eine Untersuchung durchgeführt, bei der geprüft wurde, ob sich Aussagen über die Verkehrslage und Verkehrsinformationen in Niedersachsen durch Bündelung von Daten aus unterschiedlichen Quellen verbessern lassen. Grundlage sind historische (monatlich archivierte) FCD des ADAC im Vergleich mit Daten aus ortsfesten Messquerschnitten der Verkehrsbeeinflussungsanlage auf der A 2 sowie Daten aus speziellen, von den Gutachtern durchgeführten Messfahrten.

Im ersten Teil der Untersuchung werden Literaturund Internetquellen in Kombination mit Expertenbefragungen ausgewertet, um den aktuellen Forschungsund Wissensstand zur Datenerfassung mit Hilfe der FC-Technik zu beschreiben sowie projektbezogen auszuwerten. Der zweite Teil der Untersuchung befasst sich mit der Vorbereitung, Durchführung und Evaluierung des Pilotprojektes. Analysiert werden insbesondere Qualität, Verfügbarkeit sowie Nutzbarkeit der FCD.

Der vorliegende Beitrag fasst die Kernergebnisse zusammen und identifiziert künftige Anwendungsmöglichkeiten für den Einsatz von FCD.

2 Ergebnisse der Recherchen und Befragungen

2.1 Literaturund Quellenanalysen

Es ist grundsätzlich zu unterscheiden zwischen aktiven (Messung durch Einheiten im Fahrzeug) und passiven (Messung über mehrere Messquerschnitte von außen) Verfahren zur FCD-Generierung. In der Fachwelt haben sich zwischenzeitlich die von den Fahrzeugen selbst generierten Verkehrsdaten aus aktiven Verfahren als eigentliche FCD etabliert. Neuere Anwendungen arbeiten hinsichtlich der Datenübertragung meist mit dem GTP-Standard, wobei es zur Minimierung des Datenvolumens ausreichend ist, Fahrzeug-ID, Zeitangabe und GPS-Position zu übertragen.

Von hoher Relevanz sind die Aspekte des Datenschutzes (Beachtung der nationalen Datenschutzgesetze sowie der europäischen Datenschutzrichtlinie) und der Anonymisierung. Wichtig bei Letzterer ist die Sicherstellung, dass es nicht bzw. nur mit unverhältnismäßig hohem Aufwand möglich ist, eine Re-Identifikation von Personen durch Verschneidung mit anderen Datensätzen vorzunehmen.

Als wesentliche Kenngrößen zur Beurteilung der Qualität von FC-Daten werden

•    die Durchdringungsrate (Verhältnis zwischen Anzahl an FCD-Fahrzeugen und Gesamtzahl der Kfz in einem Streckenabschnitt je Zeiteinheit),

•    Umfang und Prinzip der Fusion mit anderen Datenquellen zur Verbesserung der Verkehrszustandsermittlung sowie

•    Qualitätsindizes aus dem EU-Projekt QUANTIS [2], insbesondere des hier entwickelten Bewertungskataloges,

im Hinblick auf die Nutzbarkeit im hier vorliegenden Projekt analysiert.

Besonders betrachtet wurden auch bekannte Einsatzbeispiele in Deutschland sowie im Ausland und das Themengebiet der Kooperativen Systeme (Car-to-X). Dabei haben sich als Datenanbieter neben dem ADAC e. V. u. a. die Firmen TomTom und INRIX etabliert. Auch die Öffentliche Hand greift im Rahmen der Verkehrslagegenerierung teils auf deren Daten zurück, etwa in NRW (Ruhrpilot) oder Bayern (über die Zentralstelle für Verkehrsmanagement). Im Ausland sind beispielsweise die Projekte „ITS Vienna Region 2006“ in Österreich oder das „National Traveler Information System“ in England zu nennen.

In Deutschland ist das Projekt simTD1 der nationale Modellversuch für kooperative Systeme. Dabei kommen zur Vernetzung zwischen Fahrzeug und Infrastruktur sogenannte „Road Side Units“ zum Einsatz, welche die relevanten Informationen an die Beteiligten weiterleiten. Ziel ist eine Verbesserung von Verkehrsfluss und Verkehrssicherheit durch optimale Verknüpfung der Informationen und Systeme. Alle bekannten Recherchen zeigen: Die bisherigen Erfahrungen sind positiv, für eine Überführung kooperativer Systeme in den Regelbetrieb aber noch Detaillierungen und technische Erweiterungen umzusetzen.

Eine weitere Alternative zu konventionellen stationären Detektionsmethoden sind Bluetooth-Reader. Feldversuche mit dieser Methode haben bereits die hohe Qualität der Reisezeiten (vergleichbar mit Reisezeiten aus FCD) demonstriert, wenn entsprechende Mindestdurchdringungsraten gegeben sind. In den USA werden Bluetooth-Daten oft zur Validierung von FC-Daten genutzt [3].

2.2 Expertenbefragungen

Zur Erweiterung der Erkenntnisse aus den Literaturund Quellenanalysen wurden mit Fachexperten der Straßenbauverwaltungen der Länder, Kommunen, Forschungseinrichtungen und kommerziellen FC-Daten-Anbietern Interviews zu den Themengebieten FC-Daten und Kooperative Systeme (Car-to-X) geführt.

2.2.1 Ergebnisse aus Sicht der Öffentlicher Hand

Aus Sicht der Öffentlichen Hand sind FC-Daten auf Autobahnen für Reisezeitberechnungen wegen der weitest gehenden Unabhängigkeit von lokalen Einflüssen (z. B. Baustellen) eine sinnvolle Ergänzung gegenüber der Detektion mit lokalen Messeinrichtungen und statischen bzw. dynamischen Verkehrsmodellen. Bei FC-Daten privater Anbieter ist die Datenqualität derzeit nicht ausreichend transparent. Bluetooth-Detektion stufen die meisten Befragten als eine kostengünstige Ergänzung der Reisezeitmessungen ein. Dies gilt insbesondere für die Befragten mit Erfahrungen in der aktiven Anwendung dieser Technologie.

Haupterkenntnis aus der Befragung ist der Wunsch nach einem unabhängigen „Prüfsiegel“, mit welchem die Qualität der FC-Daten verschiedener Quellen bewertet werden kann. Bei Ausschreibungen durch die Öffentliche Hand zu FC-Daten ist die zu liefernde Qualität festzuschreiben und durch den Anbieter in geeigneter Form nachzuweisen. Die Verwendung von ADAC-FCD bietet nach Ansicht aller Befragten eine gute Alternative und Ergänzung zu kommerziellen Anbietern wie TomTom und INRIX, da hier auf anonymisierte Rohdaten (gehashte IDs für definierte Streckenabschnitte mit Entfernung von Startund Zielort) zurückgegriffen werden kann, die eine transparente Qualitätsbewertung der Daten ermöglichen.

Beim Erkennen von Störfällen und der Ermittlung der Verkehrslage sind die Anforderungen an Transparenz und Güte der Daten abweichend. Da das Fahrverhalten von Pkw und Lkw unterschiedlich ist und auf Autobahnen einzelne Fahrstreifen unterschiedlich belastet sind (z.B. Lkw-Stau auf rechtem Fahrstreifen), ist nach Ansicht der Befragten nur eine flottenspezifische Differenzierung von FC-Daten (Pkw / Lkw) zielführend. Hinsichtlich der kilometerbezogenen Kosten und des Mehrwertes von FC-Daten sowie Kooperativen Diensten verweisen die Interviewpartner auf noch ausstehende abschließende Erfahrungen. Zusammenfassend kann festgehalten werden, dass vor allem eine zentrale Koordination der verschiedenen Aktivitäten auf Bundesebene sowie ein standardisiertes FC-Datenformat aufzubauen sind.

Hauptanwendungsgebiete für kooperative Dienste sehen die befragten Personen in den verbesserten Warnungen (Warnung vor Stauende, Unfall, Baustelle, kritischen Witterungssituationen etc.). Teilweise existieren in den Ländern Sicherheitsbedenken, wenn dem Fahrzeugführer zu viele oder zu komplexe zusätzliche Informationsquellen zur Verfügung stehen.

2.2.2 Ergebnisse aus Sicht privater Anbieter

Private Anbieter von FC-Daten haben aus der Befragung heraus generell ein hohes Vertrauen in die eigene Produktqualität. Mittelbis langfristige Zielstellungen sind die Stärkung der Marktpräsenz sowie eine stärkere Orientierung an den Anforderungen der Kunden. Darüber hinaus wollen die Anbieter Qualität und Umfang der Daten beziehungsweise Informationen zum FC-Datenbestand durch Einbeziehung weiterer Quellen sukzessive steigern.

Generell gilt: Die Verfahren zur Datenaufbereitung und Datenfusion entwickeln eine zunehmende Komplexität. Gleichzeitig steigt die Anzahl der verwendeten (teils heterogenen) Datenquellen. Hier zeigt sich immer mehr die Diskrepanz zwischen Schutz des Firmengeheimnisses und Anforderung der Öffentlichen Hand an die Transparenz. Private Kunden fordern im Regelfall Qualitätsnachweise etwa durch Referenzsysteme. Ein möglicher Ausweg liegt in der Definition verbindlicher Qualitätsstandards oder Referenzsysteme auf Endnutzerebene.

In der Automobilindustrie hat man starke Interessen in der Förderung der Car-to-Carund Car-to-X-Kommunikation. Hier arbeitet man bereits seit längerer Zeit sehr eng zusammen mit anderen Unternehmen wie TomTom oder INRIX, aber auch mit der Öffentlichen Hand. Die Beteiligten streben an, Konflikte aus differierenden Anforderungen (z. B. „Zielkonflikt“ aus dem Nutzerund dem Betreiberoptimum) einvernehmlich zu lösen.

2.2.3 Anwenderunabhängige Erkenntnisse

Unabhängig davon bleibt festzuhalten: Vor allem bedingt durch die unterschiedliche Interessenlage von Öffentlicher Hand und privaten Anbietern variieren die Einschätzungen hinsichtlich der Zuständigkeiten für die Ermittlung von Verkehrsinformationen und Verkehrssteuerung sehr stark. Nur durch eine bessere Zusammenarbeit kann eine Optimierung des Gesamtsystems „Verkehrslage / Verkehrsmanagement“ erfolgen. Die Zusammenarbeit in Projekten wie simTD (siehe Kapitel 2.1) schätzen alle Seiten als überwiegend positiv ein.

Verbesserungspotenziale bestehen in einer Vereinheitlichung der Ortsreferenzierung bzw. Kartengrundlagen (Geo-Standards), einer weiteren Erhöhung der Durchdringungsraten sowie der Optimierung von Referenzierungsverfahren. Bei Letzteren reicht es künftig nicht mehr aus, Daten lediglich auf den TMC-Abschnitten zu ermitteln. Gerade im nachgeordneten Netz sind hier keine ausreichenden Netzabdeckungen gegeben. Außerdem steigen die Anforderungen an eine sehr genaue Lokalisierung der generierten Daten / Informationen.

Hinsichtlich der Prüfung der Plausibilität der FC-Daten sind die Ansätze bei privaten Anbietern und Öffentlicher Hand ähnlich. Damit ist auch eine Grundlage für Qualitätsanalysen und ggf. spätere Zertifizierungsprozesse gegeben, um beurteilen zu können, inwieweit sich die Daten für die Verkehrslageermittlung oder Steuerung / Verkehrsmanagement nutzen lassen. Als künftiger Meldungsstandard wird TPEG wegen der größeren Flexibilität und der besseren Möglichkeiten, zusätzliche Informationen, etwa zu den Ursachen einer Störung bzw. konkreten Umleitungsstrecken, weiterzugeben, angesehen.

2.3 Fazit für den Pilotversuch in Niedersachen

Die Ergebnisse aus den Literaturund Quellenanalysen sowie Expertenbefragungen zeigen insbesondere die Notwendigkeit einer abgesicherten Validierung der FC-Daten mittels qualitativer Kennwerte. Nur die nachweisliche Sicherstellung einer ausreichenden Datengüte würde die Anwendbarkeit für die Öffentliche Hand sichern. Dabei ist die Bestimmung von

•    fahrzeugklassenbezogenen (Pkw und Lkw),

•    tageszeitabhängigen (Spitzenzeiten und verkehrsärmere Zeiten) und

•    segmentspezifischen (unterschiedliche Situation in benachbarten Abschnitten bzw. auch auf stärker oder weniger stark belasteten Streckenabschnitten)

Durchdringungsraten besonders wichtig. Nur so lässt sich im Anschluss unter Betrachtung aller erhobenen FC-Kennwerte eine Defizitanalyse der Verkehrsdatenquantität und -qualität durchführen. Hierfür besonders geeignet sind.

•    Vergleiche mit anderen (lokalen oder streckenbezogenen) Datenquellen;

•    die Ermittlung sogenannter „Level-Of-Services (LOS)“ auf verschiedene Weise (insbesondere HCM ([2] / HBS [5] oder MARZ [6] im Vergleich zu einem FCD-LOS);

•    der Abgleich mit RDS-TMC-Meldungen zum Vergleich der Qualität der Lokalisierungsinformationen;

•    die Einbringung eines FCD-Bewertungskennwertes unter Berücksichtigung der Varianz und Häufigkeit der Daten sowie

•    die Berücksichtigung von Latenzzeiten.

Diese Erkenntnisse fließen in die Festlegung der Validierungsund Bewertungskriterien für den Pilotversuch in Niedersachsen mit ein.

3 FCD Pilotversuch Niedersachsen

3.1 Untersuchungsgebiet

Der zweite Teil der Untersuchung befasst sich mit der konkreten Vorbereitung, Durchführung und Evaluierung des Pilotprojektes zur Einbindung von ADAC-FCD. Analysiert werden insbesondere Qualität, Verfügbarkeit sowie Nutzbarkeit der Flottendaten des ADAC. Der ADAC hat dazu alle FC-Daten für das Jahr 2012 und ausgewählte Landkreise in Niedersachsen zur Verfügung gestellt. Bild 1 zeigt die untersuchten Netzabschnitte:

Bild 1: Untersuchungsraum mit Abschnitten, für die FC-Daten bereitgestellt werden

3.2 Vorgehen zur Datenanalyse

Wesentliches Ziel der Untersuchung ist es, die verfügbaren FC-Daten hinsichtlich einer Beurteilung der Datengüte und der Verwendbarkeit zur möglichst flächendeckenden Verkehrslage und Verkehrssteuerung zu validieren. Ausgangsbasis sind folgende zur Verfügung stehenden Daten:

•    FC-Daten des ADAC mit gehashten IDs,

•    Verkehrslage des ADAC (segmentbezogene Geschwindigkeiten und LOS),

•    Verkehrsdaten der durchgehend auf der A 2 vorhandenen ortsfesten Datenerfassung,

•    RDS-TMC-Meldungen sowie

•    zusätzliche speziell im Rahmen des Pilotversuches durchgeführte GPS-basierte Streckenbefahrungen (mit Erstellung von Geschwindigkeitsprofilen) als unabhängige räumlichzeitlich sehr genaue Vergleichsgröße).

Dabei erfolgt eine Differenzierung nach Fahrzeugklassen (Pkw und Lkw) sowie deren zeitliche und räumliche Verteilung im Straßennetz. Bestimmen lassen sich dabei sowohl eine punkt(lokale) als auch eine streckenbezogene (momentane) Verkehrslage. Die Daten werden in einer für die Belange des Projektes speziell aufgebauten Datenbank gespeichert. In dieser wird der gesamte für die Auswertung erforderliche Datenbestand vorgehalten. Bild 2 zeigt das Gesamtkonzept für die Datenhaltung und den Datenaustausch im Projekt.

Bild 2: Datenhaltungs- und Datenaustauschkonzept

Im Ergebnis kann ermittelt werden, ob die Daten der Messfahrten mit den Erkenntnissen aus anderen Datenquellen (ADAC-FCD, Detektordaten, Verkehrsmeldungen) übereinstimmen, bzw. welche der Vergleichsdatenquellen (lokale und streckenbezogene Daten) bessere Übereinstimmungen zeigen. Neben allgemeinen statistischen Untersuchungen werden für einzelne Wochentage je 15 Minuten-Zeitintervall verkehrliche Kennwerte berechnet.

Bild 3: Übergreifender Auswertprozess

Neben einer detaillierten Datenanalyse ist das für die A 2 entwickelte webbasierte AuswerteTool zur Visualisierung verkehrlicher Kennwerte in Raum und Zeit eine wichtige Grundlage für die Auswertungen. Bild 4 zeigt dessen Aufbau und Inhalte exemplarisch.

Bild 4: Webbasiertes Auswerte-Tool mit Kartenansicht (1), Navigationsbereich zur Auswahl der Daten (2) und Diagrammen (3).

3.3 Kennwerte der Evaluierung

Im Folgenden ist kurz dargestellt, mit welchen Kenngrößen die Analysen durchgeführt wurden. Kenngrößen zur Bewertung der Qualität der Datenquelle sind

•    Zeitliche und räumliche Abdeckung / Meldungsdichte,

•    Flottenzusammensetzung (Verteilung Pkw / Lkw),

•    Anzahl der Datenpunkte bezogen auf die betrachteten Intervalle und die allgemeine Verkehrsbelastung (Durchdringungsrate) / Anzahl bzw. Häufigkeit nicht belegter Intervalle sowie

•    Abdeckung der Datenpunkte.

Kenngrößen zur Bewertung der Identifikation von Störungen sind

•    Vergleich der Reisezeitgeschwindigkeiten und des Staueintrittszeitpunktes aus den FCDaten mit den Referenzdaten aus Messquerschnitten und Befahrungen sowie mit den TMC-Meldungen,

•    getrennte Analyse nach Pkwund Lkw-Staus anhand fahrstreifenbezogener Datenabgleiche mit den MQ-Daten sowie

•    besondere Betrachtung des teilgebundenen Verkehrs zur Analyse der Auswirkungen des Anteils der Lkw an den FC-Daten (z. B. über die Einbeziehung der VBA-Schaltungen „80“ und „60“ auf Basis der Verkehrsdetektion der VBA A 2).

Kenngrößen zur allgemeinen Bewertung der FC-Daten im Rahmen der Störungserkennung sind

•    Qualität / Zuverlässigkeit der Identifikation von Störungen in Form von Geschwindigkeitseinbrüchen (insgesamt),

•    Vergleich der Erkennung von regelmäßigen und unregelmäßigen Störungen (insbesondere auch von Störungen im teilgebundenen Verkehr),

•    Möglichkeit (auf Basis des Kollektivs) einer zuverlässigen Unterscheidung von „Pkwund Lkw-Staus“,

•    Stauausdehnung und Latenzzeit der Detektion (Zeitversatz der systemseitigen Erkennung von Stauaufoder Stauabbau gegenüber der realen Zeitpunkte),

•    Bewertung der Qualität der LOS-Ermittlung,

•    Optionen zur Nutzung für die Reisezeitermittlung bzw. die Erkennung von baustellenbedingten Störungen sowie

•    Technische Qualität der Anbindung der FCD.

4 Ergebnisse der Evaluierung (Auszug)

Aufgrund der großen Datenmengen und Auswertungen können an dieser Stelle nur ausgewählte Evaluierungsergebnisse wiedergegeben werden. Eine tiefergehende Darstellung ist im Rahmen der Präsentation vorgesehen bzw. dem Bericht zum Vorhaben zu entnehmen.

4.1 Meldungsdichte der ADAC-FC-Daten auf den Autobahnen in Niedersachsen

Die Erkenntnisse aus der Analyse der Meldungsdichte und des Meldungsumfangs sowie der Qualität der FCD zeigen: Auf höher belasteten BAB-Abschnitten sind Umfang und Qualität der Daten ausreichend groß, um Lage, Dauer und Ausprägung größerer Störungen sehr genau zu erfassen. Auch die Qualität der TMC-Meldungen als Grundlage des Verkehrswarndienstes und die Randbedingungen zur Ermittlung von Reisezeiten lassen sich durch die Einbeziehung von FCD deutlich verbessern.

Die annähernde Verdoppelung des Datenvolumens (siehe auch Bild 5) zwischen Januar und Dezember 2012 verdeutlicht die dynamische Entwicklung der FC-Datenbasis des ADAC und des Marktes insgesamt.

Bild 5: FCD-Meldungen [Anzahl] aus ADAC-Daten 2012 – Gesamter Untersuchungsraum bezogen auf die in der Untersuchung betrachteten Autobahnen

4.2 Flottenspezifische Differenzierung

Ein weiteres Kriterium für die Bewertung der Einsatzmöglichkeiten der ADAC-FCD ist die flottenspezifische Zusammensetzung. Bild 6 zeigt die detektierten Fahrzeugklassen auf den analysierten Autobahnen.

Bild 6: FCD-Meldungen nach Fahrzeugkategorien gemittelt (links) und an Sonntagen am Beispiel des Monats Februar 2012 (rechts)

Es zeigt sich, dass ca. 2/3 aller FC-Daten von Lkw generiert werden. Bei einer stichprobenartigen Analyse einzelner Wochentage der einzelnen Monatsdaten hat sich gezeigt, dass sich an Sonntagen das Verhältnis zwischen der Pkw/Lkw-Detektionsverteilung umkehrt. An Sonntagen sinkt die Anzahl der Meldungen um ca. 50 % gegenüber einem Werktag. An Sonntagen im Februar 2012 sind dabei bei insgesamt geringerem Gesamtdatenaufkommen im Mittel 68 % Pkw-Detektionen erkennbar. „Nur“ 14 % der Fahrzeuge sind Lkw.

Eine exemplarische Querschnittsbetrachtung auf der A 2 im Bereich der Talbrücke Arensburg für den Monat Mai 2012 mit täglicher Aufteilung der Detektionsdichten der ADAC-FCD verdeutlicht diese Beobachtungen (siehe Bild 7).

Bild 7: Durchschnittliche Anzahl von FCD-Meldungen je 15-Minuten Zeitinterwall [Pkw/Lkw je 15-Min.] am Querschnitt Talbrücke Arensburg (A 2) im Mai 2012

Auf entsprechende Rückfrage hat der ADAC erläutert, dass aufgrund der ansonsten zu geringen Detektionsdichte gezielt Datenquellen aus Pkw-Flotten an Sonntagen zur Verbesserung der Ableitung der Verkehrslage ergänzt werden.

4.3 Auswahl der Vergleichsquerschnitte

Die in den folgenden Kapiteln getroffenen Aussagen und Erkenntnisse beruhen auf den Analysen an Einzelquerschnitten und dem Einsatz des webbasierten Auswertetools zur Überprüfung und Verifizierung weiterer Bereiche. Hinsichtlich der Datenqualität und der Verwertbarkeit der FC-Daten wurden unterschiedliche Querschnitte im BAB-Netz tiefergehend analysiert. Die Auswahl der Querschnitte erfolgte dabei derart, dass einerseits stark befahrene Autobahnen (z. B. im Zuge der A 2 und A 7) als auch andererseits weniger stark befahrene Querschnitte (z. B. Teilbereiche der A 392 westlich von Braunschweig) zu betrachten sind.

Bild 8 zeigt eine Übersicht der analysierten Querschnitte, auf die sich die nachstehenden Detailauswertungen im Wesentlichen abstützen.

Bild 8: Übersicht der ausgewählten Analysequerschnitte im Untersuchungsgebiet

4.4 Räumliche Genauigkeit und Erkennung von Störungen

Die ADAC-FCD ermöglichen eine räumlich präzise Erkennung von Störfällen. Bild 9 zeigt dies am Beispiel einer Stauentwicklung im Bereich Hannover-West am 18.08.2012. Aufgetragen sind die FCD-Meldungen mit den zugehörigen Geschwindigkeiten im Zeitraum von 14:00 bis 15:00 Uhr.

Bild 9: Räumliche Verortung eines Stauereignisses im Bereich Hannover-West, A 2, FR Westen über alle Einzelfahrten zwischen 14:00 und 15:00 Uhr am 18.08.2012

Geschwindigkeitseinbrüche lassen sich auf Basis der ADAC-FCD im Gegensatz zu rein lokalen Datenquellen bis auf die Größenordnung von ca. 100 Metern lokalisieren, wenn ein Fahrzeug diesen Streckenabschnitt befährt und entsprechende Daten generiert. Für eine Gesamtverkehrslage Niedersachsen können in diesem Zusammenhang die folgenden drei Qualitätsstufen zur räumlichen Genauigkeit der Erkennung von Geschwindigkeitseinbrüchen und deren Referenzierung aus FC-Daten abgeleitet werden:

1.    Verortung von Geschwindigkeitseinbrüchen auf Basis von TMC-Locations: mittlere bis geringe Genauigkeit (0,5 km bis 10 km, abhängig von der TMC-LC-Dichte, auf Autobahnen abhängig von Einund Ausfahrten).

2.    Verortung von Geschwindigkeitseinbrüchen auf Basis von Straßensegmenten (z.B. Navteq-Netzelementen): mittlere Genauigkeit (je nach Ausdehnung des Navteq-Elementes 10 m bis 2 km).

3.    Verortung von Geschwindigkeitseinbrüchen auf Basis von Geokoordinaten: sehr hohe Genauigkeit (< 100 m) – momentan aufgrund der hohen Datenmengen mit großem Rechenaufwand verbunden und bei größeren Streckenabschnitten schwierig darzustellen.

Aus der Analyse aller verfügbarer Vergleichsdaten lässt sich folgendes Zwischenfazit hinsichtlich der räumlichen und zeitlichen Erkennung von Störungen ziehen:

•    Staus, welche den gesamten Richtungsquerschnitt der BAB betreffen, lassen sich mit den FC-Daten sehr gut sowohl hinsichtlich Ausprägung als auch Dauer (vom Eintritt bis zur Auflösung) abbilden. Durch die Möglichkeiten der kleinräumigen Differenzierung bis auf Navteq-Ebene sind auch räumlich-zeitliche Stauentwicklungen besser darstellbar.

•    Für die Gesamtverkehrssituation nicht repräsentativ ist – insbesondere in den Zeiträumen mit sehr geringen Pkw-Anteilen an den FC-Daten – die Detektion von sogenannten „LkwStaus“ auf dem rechten Fahrstreifen, wenn in der Mitte und links noch zumindest teilgebundener Verkehr möglich ist. Dies führt zu einer deutlichen Unterschätzung der Geschwindigkeiten bezogen auf den Gesamtverkehr.

Hinsichtlich der Ermittlung des LOS gilt:

•    Stausituationen mit einer Einstufung in Stufe Z 4 (nach MARZ [6]) bzw. F (nach HCM [4]) werden weitestgehend übereinstimmend aus den Detektorwerten und FCD durch den LOS wiedergeben.

•    Unter freiem Verkehrsfluss wird der FCD-LOS i.d.R. schlechter eingestuft, da durch die geringere Lkw-Geschwindigkeit von 80 km/h eine teilgebundene Verkehrssitu-ation suggeriert wird.

•    Auch bei der LOS-Definition ist deshalb nach Pkw / Lkw zu differenzieren.

4.5 Verbesserung von Verkehrsmeldungen

Auf Basis der durchgeführten Analysen ist die Qualität der TMC-Meldungen sehr unterschiedlich. In kürzeren TMC-Abschnitten sowie bei stärker ausgeprägten Störungen ist eine gute Übereinstimmung zwischen detektierter Störung und TMC-Meldung (sowohl aus FCals auch aus Detektor-Daten) zu erkennen (siehe auch Bild 10).

Bild 10: Vergleich TMC-Meldung zu detektierter Störung – gute Übereinstimmung

Es gibt aber auch Fälle, in denen zeitliche und/oder räumliche Abweichungen zwischen Detektion und Meldung auftreten (siehe Bild 11).

Bild 11: Vergleich TMC-Meldung zu detektierter Störung – zeitliche Verschiebung

Ein wesentlicher Grund für die erkannten Unschärfen liegt vermutlich darin, dass kein direkter Zusammenhang zwischen Meldung und Störung besteht. Oft sind die betreffenden TMCSegmente zu lang oder die Störungen nicht ausreichend ausgeprägt, um durchgängig eindeutige Zuordnungen und somit eine durchgängig hohe Meldungsqualität zu generieren.

Die durchgeführten Analysen zeigen ein entsprechendes Potenzial, mittels FC-Daten eine Verbesserung von TMC-Meldungen hinsichtlich Definition der zeitlichen und räumlichen Ausdehnung zu erreichen. Weiteres Optimierungspotenzial hinsichtlich der Ableitung von TMC-Meldungen als Basis für Verkehrsmeldungen zeigt sich in einer angepassten Methodik zur Generierung der Meldungen (z. B. durch Verkürzung der TMC-Elemente in Bereichen, in denen etwa mehrere MQ in einem Segment liegen).

4.6 Durchdringungsraten / FCD-Bewertungskennwert

Als zentrale Bewertungskenngrößen werden die Durchdringungsraten für die Fahrzeuggruppen Pkw und Lkw differenziert nach verschiedenen Tagesund Tageszeitgruppen sowie die Intervalle / Bereiche mit fehlenden oder sehr gering belegten Daten identifiziert. Es wird ein sogenannter FCD-Bewertungskennwert definiert, bei dem die Detektionshäufigkeit in einem Abschnitt pro Zeitintervall sowie die Streuung der Messwerte untereinander in den Bewertungskennwert mit einfließen. Ein solcher Kennwert ist für die Betreiber von verkehrstechnischen Einrichtungen oder Informationsdiensten eine wichtige Grundlage für die Einbindung der FC-Daten für Steuerungsentscheidungen auf BAB.

Dabei wird die in der folgenden Tabelle dargestellte Klassifizierung vorgenommen.

Tabelle 1: FCD-Bewertungskennwert (siehe KRAMPE, 2006 [7])

Ein Beispiel für die Gegenüberstellung des FCD-Bewertungskennwert in Stausituationen zeigt Bild 8.

Bild 8: Stausituation (oben) auf der A 2 mit Darstellung des FCD-Bewertungskennwertes (Mitte) und der Detektionshäufigkeit (unten)

Der FCD-Bewertungskennwert war ursprünglich für geringe Detektionsraten pro Zeitintervall (z.B. 3 Detektionen pro 15 Min. Zeitintervall und Streckenabschnitt) konzipiert. Bei hohen Detektionsraten wirken sich starke Geschwindigkeitsschwankungen zu negativ auf den FCDBewertungskennwert aus. Die Detektionshäufigkeit sollte positiver auf den FCD-Bewertungskennwert wirken. Daher ist bei der weiteren Verwendung eine Neudefinition zu empfehlen.

Bei hohen Detektionsraten sollten die betrachteten Zeitintervalle von 15 Minuten auf 5 Minuten verkürzt werden. Dadurch wird die Anzahl hoher verkehrlicher Schwankungen pro Zeitintervall verkürzt und der FCD-Wert als Kenngröße wieder stabiler.

5 Fazit und weitere Anwendungsmöglichkeiten

5.1 Erkenntnisse aus der Evaluierung

Allgemeine querschnittsbezogene Stausituationen sind durch die FCD sehr gut erkennbar. Dies konnte auch durch die zusätzlich durchgeführten Befahrungen bestätigt werden. Dagegen kommt es bei „Lkw-Staus“, die auf dem rechten Fahrstreifen beschränkt sind, häufig zu einer Überschätzung ihrer Gesamtauswirkungen auf den Verkehrsfluss bzw. zu einer Unterschätzung der Reisegeschwindigkeiten auf dem mittleren und linken Fahrstreifen (hoher Pkw-Anteil).

Auch teilgebundene Verkehrssituationen lassen sich mit den bisherigen FCD auf Grund des geringen Pkw-Anteils nur bedingt identifizieren. TMC-Meldungen lassen sich durch die Einbindung von FCD ebenfalls verbessern. Vor allem Beginn und Ende von Verkehrsbehinderungen können mit FCD gut festgestellt werden.

5.2 Anwendungsmöglichkeiten

5.2.1 Nutzung der historischen Datenbasis

Bei der Verwertung der „historischen“ ADAC-FCD (Gesamtjahr 2012), die unter Berücksichtigung der erforderlichen Anonymisierung eine sehr gute Detailschärfe aufweisen, wurden folgende Einsatzmöglichkeiten für die Verkehrslage in Niedersachsen identifiziert:

•    Ableitung von Ganglinien für Reisezeiten im Abgleich mit Daten aus den Induktionsschleifen lokaler Messquerschnitte von VBA,

•    Analyse von Baustellensituationen im Hinblick auf die Auswirkungen verschiedener „Baustellentypen“ auf den Verkehrsfluss,

•    Durchführung von Qualitätsanalysen zu Verkehrslageinformationen (z. B. Stauidentifikation, TMC-Meldungen, etc.),

•    Untersuchung spezifischer Situationen im Bereich von Anschlussstellen (Identifikation von Zuoder Abflussproblemen),

•    Identifizierung des Bedarfs / der Notwendigkeit zur weiteren Planung verkehrstelematischer Infrastruktur sowie

•    Durchführung genauerer Stauentwicklungsanalysen in kritischen Streckenbereichen.

5.2.2 Online-Nutzung der FC-Daten

Darüber hinaus existieren zahlreiche Möglichkeiten zur Online-Nutzung von FCD, die hierfür in die jeweilige Systemlandschaft zu implementieren wären. Auf Grundlage der positiven Untersuchungsergebnisse ist zu empfehlen, die Einbindung von FCD zur Ermittlung der Verkehrslage und Ableitung von TMC-Meldungen weiterzuverfolgen. Dies gilt insbesondere für Bereiche, in denen eine entsprechende Dichte von lokalen Messquerschnitten nicht gegeben (bzw. in Kürze nicht zu erwarten) ist bzw. wo absehbar ist, dass z. B. durch Baumaßnahmen entsprechende Erfassungslücken entstehen.

Derzeit lassen sich keine fahrstreifenbezogene Aussagen mit FCD treffen. Insofern wird bei der Steuerung von Maßnahmen zur Streckenbeeinflussung empfohlen, auf FCD zu verzichten.

Zur Generierung von Reisezeiten auf Relationen der sogenannten Long Distance Corridors (LDC) bzw. sonstiger überregionaler Wechselwegweisungsmaßnahmen bieten sich aus  Sicht der Autoren Online-Implementierungen der FCD an. Durch FCD wird eine Verdichtung der stationären Verkehrsdatenerfassung bewirkt, so dass stabilere Grundlagen zur Ableitung von Schaltempfehlungen erwartet werden können.

Bei positivem Verlauf dieser Ansätze empfiehlt sich dann der Einsatz im Rahmen des übergreifenden Verkehrsmanagements sowie als Ersatz von Messstellen, wenn diese im Zuge von Baustellen längerer Dauer über größere Zeiträume ausfallen.

6 Literatur

[1]    SPEER, M. (2004). Die Physik des Staus“; Frankfurter Allgemeine Zeitung, Teil „Technik und Motor“; Ausgabe vom 14. September 2004, Nr. 214 / Seite T1.

[2]    QUANTIS – QUANTIS steht für “Quality Assessment and Assurance Methodology for Traffic Data and Information Services”. Das Projekt hat das Ziel, eine Methodik zur Evaluation und Optimierung von Datenquellen und Servicediensten im Hinblick auf Qualität und Kosten zu entwickeln, welche auch grenzübergreifend (europaweit) nutzbar ist. Weitere Informationen: http://www.quantis-project.eu/

[3]    KIM (2011). Kim, K., Chien, S., Spasovic, L. “Evaluation of Technologies for Freeway Travel Time Estimation: A Case Study of I 287 in New Jersey”, Transportation Research Board Annual Meeting, Washington, 2011

[4]    HCM (2000). Highway Capacity Manual, HCM 2000, Transportation Research Board National Research Council, Washington D.C., 2000

[5]    FGSV (2001). Forschungsgesellschaft für Straßen- und Verkehrswesen “Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS)“, Köln, 2001

[6]    MARZ (1991). Forschungsgesellschaft für  Straßen- und  Verkehrswesen  Arbeitsgruppe Verkehrsführung und Verkehrssicherheit: „Merkblatt für Detektoren für den Straßenverkehr“, Köln, 1991

[7]    KRAMPE, S. (2006). “Nutzung von Floating Traveller Data (FTD) für mobile Lotsendienste im Verkehr“, Dissertation TU Darmstadt, Fachbereich Bauingenieurwesen und Geodäsie, Darmstadt, (2006)