Modelli ed applicazioni per la previsione del traffico in tempo reale. Lorenzo Meschini SISTeMA s.r.l., PTV group

Transcript

1 Modelli ed applicazioni per la previsione del traffico in tempo reale Lorenzo Meschini SISTeMA s.r.l., PTV group 1

2 Alcuni obbiettivi Predict future effects for the next 30 minutes and evaluate strategies within the next 5 minutes 1 From a reactive to a proactive approach to traffic management and infomobility Provide reliable, on-time, useful traveler information 1 Transport for London vision for traffic management 2

3 C'è stato un incidente w Stima Sta generando congestione? È sul mio percorso? w Previsione Molte domande Quanta coda ci sarà fra 15 minuti? Quanto tempo ci vorrà per riassorbirla? Quanti veicoli saranno bloccati o ritardati? Quanto farò tardi in ufficio? w Supporto alle decisioni Meglio chiudere del tutto la strada per accelerare le operazioni di ripristino o lasciare una corsia aperta al traffico? Meglio cambiare strada, rimanere dove sono o fermarmi per un caffè perché stamattina non c'è verso di arrivare in ufficio? 3

4 I Bisogni Per gli utenti e le aziende di trasporto w Infomobilità con eventi e mappe di LoS w Travel Planners with dynamic routing Per le Pubbliche Amministrazioni e le Agenzie della Mobilità w Monitoraggio del traffico in tempo reale w Genstione e controllo del traffico mediante la simulazione di scenari w Controllo ottimo semaforico 4

5 Il "divario" elaborativo Al significativo sviluppo delle tecnologie ITS degli ultimi anni w Lato input: sistemi automatici e continui di monitoraggio w Lato output: info personalizzate in tempo reale tramite reti di comunicazione mobile/wireless Non è seguito uno sviluppo adeguato di metodi per elaborare dati di traffico e fornire informazioni per la mobilità Occorrono modelli di simulazione dei sistemi di trasporto finalizzati all'infomobilità ed alla gestione del traffico Per fornire previsioni accurate di flussi di traffico, congestione e tempi di percorrenza, e della loro possibile evoluzione per dati scenari Che tipo di modelli? Quale granularità dei dati? INPUT ELABORAZIONE OUTPUT 5

6 Possibili approcci Utilizzo diretto dei soli dati osservati w Osservazione = informazione Approccio statistico o descrittivo w interpolazione, inferenza, data mining, intelligenza artificale, per associare la configurazione con una configurazione storica w Le variabili di flusso e velocità vengono analizzate senza l'interpretazione e la riproduzione del fenomeno che le genera 6

7 Alcune risposte Stima Cosa sta succedendo? Previsione Cosa sta per succedere? Supporto alle Decisioni Cosa succederebbe se? Cosa è meglio fare? Uso diretto dei dati osservati FACILE Forse con misure estensive No No Approccio statistico o descrittivo SICURO Si Solo condizioni ricorrenti No Simulazione del fenomeno EFFICACE Si Si Si 7

8 La prima generazione dei modelli del traffico in tempo reale MatriX sviluppato per la città di Torino dal CSST w Assegnzazione statica applicata separtamente a ciascun inetrvallo della giornata w Con correzione in linea della domanda (matrici o-d) Traffic Platform sviluppato per la città di Berlino da PTV w Primo tentativo di simulare code e spillback mediante un modello semi-dinamico w Correzione in linea dei flussi d'arco 8

9 The seconda generazione dei modelli del traffico in tempo reale Modelli di Micro Simulazione w es. Aimsung online, Paramics online Modelli di Assegnazione Dinamica Macroscopici w es. OPTIMA w Eredita l'esperienza di Traffic Platform w Compatibile con reti reali urbane w La correzione dei flussi e delle code w Queste ultime persistono sulla rete nel tempo, anche successivamente ai veicoli che le hanno generate 9

10 OPTIMA: Approccio Stima a priori dell evoluzione del traffico per ciascun giorno tipo w Tempi di percorrenza e Probabilità di svolta ai nodi Mediante un assegnazione dinamica all equilibrio per l intera giornata w Che fornisce le scelte di percorso degli utenti che si spostano su una rete congestionata nelle diverse ore del giorno Stima di breve periodo in tempo reale dell evoluzione effettiva del traffico w Tempi di percorrenza Flussi veicolari effettivi Mediante un modello Sequenziale di Caricamento Dinamico della Rete w Riproduce la propagazione dei flussi veicolari su una rete congestionata per date probabilità di svolta ai nodi e flussi di domanda Calibrato in tempo reale sulla base delle misure raccolte con continuità sulla rete di trasporto w Conteggi, Traiettorie veicolari (FCD), Eventi 10

11 The OPTIMA vision OFF LINE ON LINE CENSUS DATA (inhabitants, workers) NETWORK DATA (street map) PROBE TRAJECTORIES (cars, taxi, trucks, ) AVL/AVM (busses & TPL vehicles) MODEL BUILD & CALIBRATION GRAPH MATCHING & AGGREGATION TRANSPORT MODEL (graph, OD matrices) LINK SPEEDS DETECTOR DATA (loops, cameras, ) DUE DYNAMIC USER EQUILIBRIUM TRAFFIC STATE HARMONIZER BASE PATH CHOICE PATTERNS TRAFFIC MEASURES (speeds, flows) EVENTS (max speeds, capacities) SEQUENTIAL DYNAMIC NETWORK LOADING SCENARIOS (max speeds, capacities) BASE ESTIMATION OF TRAVEL TIMES SCENARIO ASSESSMENT KPI REAL-TIME FORECAST (speeds, flows, queues, ) DYNAMIC ROUTING DYNAMIC JOURNEY PLANNING OPTIMAL ROAD PATHS OPTIMAL INTERMODAL PATHS 11

12 Focus su: Approccio sequenziale Timeline Current simulation start time X 5 min Current simulation start time X + 30 min Simulated time Traffic measures Previous simulation Current simulation launch time X Simulation time Initial conditions of current simulation derived from corresponding conditions of previous simulation Current simulation 12

13 Focus su: Stima dello stato del traffico da traiettorie TRAIETTORIE VEICOLARI DIAGRAMMA FONDAMENTALE DENSITÀ VEICOLARI PREVISIONE spazio spazio spazio flusso k1 k2 densità tempo k1 k2 densità densità SISTeMA s.r.l. OPTIMA - Un sistema per la simulazione del traffico in tempo reale 13

14 Focus su: Correzione dei flussi d'arco hypocritical flow only forward propagation hypercritical flow also backward propagation 14

15 Focus su: Scelta del percorso adattiva sensors and probes control devices informed rerouting 30 min tactical splitting rates real-time management strategies traffic state forecast on-line calibration injected traffic states rolling horizon DNL 5 min hystoric network & demand DUE for day types 1 day equilibrium splitting rates 15

16 APPLICAZIONI 16

17 Dusseldorf Test validation of base functionalities Links Nodes Zones 560 OD components 2M Count locations * 665 * with some counts 17

18 Monitoraggio in tempo reale da sensori di traffico fissi (e mobili) Non coprono l intera rete Non consentono previsione Possono essere integrati con modelli di simulazione Per la stima e la previsione del traffico in tempo reale 18

19 Assegnazione dinamica all'equilibrio Fornisce l evoluzione media del traffico (flussi) e della congestione (tempi e code) nei diversi istanti della giornata Per diversi giorni tipo Sull intera rete stradale (anche non monitorata) Con un modello in grado di riprodurre code e spillback 19

20 Propagazione delle misure in tempo reale Correzione in tempo reale della previsione di base sugli archi monitorati Propagazione delle correzioni Stima della congestione effettiva sull intera rete 20

21 Previsione del traffico in tempo reale Simulazione continua con "rolling horizont" Stima dell evoluzione delle condizioni effettive osservate fino a quel momento 21

22 Inserimento di Eventi Click sulla strada Inserimento evento w tipo w riduzione capacità w data e ora di inizio w data e ora di fine Nell esempio, blocco del traffico per 30 minuti Avvio della simulazione 22

23 Simulazione e Visualizzazione degli effetti di un evento Evoluzione della coda w formazione w persistenza w smaltimento 23

24 Previsione a breve termine Verifica su ogni arco della differenza fra w previsione di base w previsione attuale In termini di w flussi w tempi di percorrenza w code veicolari 24

25 Dusseldorf Test valutazione prestazioni Previsioni dello stato del traffico w Fino a 1 ora in avanti ogni 10 minutes RAM requirements Simulation 0,5 Gb DB 4,7 Gb Calculation times Input & Initialization 4 39 Import & Process Vehicle Counts 10 Perform Dynamic Network Loading 1 39 Export results into DB 19 Total for a single run

26 Dusseldorf Test aggregated quality evaluation USED MEASURES forecast ro square 0 min min min 0.55 ele ERROR DISTRIBUTION - USED MEASURES 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% err forecast 0 min forecast 10 min forecast 20 min UNUSED MEASURES forecast ro square 0 min min min 0.59 ele ERROR DISTRIBUTION - UNUSED MEASURES 100% 90% 80% 70% 60% forecast 0 min 50% forecast 10 min 40% forecast 20 min 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% err 26

27 Dusseldorf Test quality evaluation by link link capacity measured forecast 0 min forecast 10 min forecast 20 min Unmonitored location link capacity measured forecast 0 min forecast 10 min forecast 20 min Monitored location 27

28 Edmonton Lab (VISSIM) OPTIMA + BALANCE 6 miles (10 km) 31 signals OPTIMA 28

29 Transport for London Pilot OPTIMA to drive SCOOT Comparison of KPIs Short term forecast Scenario 1 Scenario 2 Scenario 3 Scenario N Signal plan 1 Signal plan 2 Signal plan 3 Signal plan N Op#ma Transporta#on Planning Model Signal plan sets selected by operator Travel #mes Signal data Detector data 29

30 Valutazione e confronto di Scenari in linea mediante KPI Build alternative scenarios Run multiple simulations in real time And "do nothing" situation Evaluate KPI Compare and rank alternative solutions against "do nothing" 30

31 Traffic Information System per la Romania 31

32 Profili storici dati singole fonti e dati armonizzati 32

33 Mappe stato del traffico da data fusion (sensori + FCD) 33

34 Interfaccia operatore per inserimento e gestione eventi visualize add specify manage 34

35 Interopreabilità fra formati differenti 35

36 RDS-TMC Broadcasting 36

37 Un progetto complessivo: Il Supervisore Regionale Traffico del Piemonte Copertura Domensione modello Zone Km rete stradale; km² superficie territoriale archi nodi Monitoraggio rete stradale, parcheggi, semafori, sensori, PMV Previsione Controllo Ogni 5 minuti previsione traffico ai minuti Generazione di messaggi Attivazione di scenari 37

38 Ricezione e gestione eventi 38

39 Monitoraggio stato PMV, Parcheggi, Semafori 39

40 Monitoraggio Sensori Stima e Previsione del Traffico 40

41 Individuazione di itinerari ottimali Viale Parioli, Roma Piazza Enrico Fermi, Roma Ore 06:00-20 min Ore 08:00-36 min Ore 18:00-48 min 41

42 Percorso DSPS 6 A Percorso su GRA richiesto alle 09:00 che risulta in parte congestionato (tratti rossi). 42

43 Percorso DSPS 6 B Richiesta uguale alla precedente ma richiesto alle 22:00 (assenza di congestione). Il tempo di percorrenza si riduce. 43

44 Conclusioni La simulazione in tempo reale consente un'efficace previsione del traffico e supporto alle decisioni Vantaggi w Accuratezza delle stime e previsioni w Sensibilità a condizioni variabili nel tempo w Ridotto numero di misurazioni necessarie w Funzionamento semi automatico 44