3. Anwendung der RDS-Konsistenzprüfung
Bei der Einzel- und Staukonsistenzprüfung betrachtet die RDS-Konsistenzprüfung jede Beobachtung zu jedem Zeitpunkt und wendet den Algorithmus an. Bei der räumlichen Konsistenzprüfung werden mehrere Objekte innerhalb jedes Zeitraums betrachtet. Wenn der Datensatz in kleinen Zeitintervallen (z. B. 15 Minuten) gespeichert wird, könnte eine große Liste von Warnungen erzeugt werden, die überwältigend und manchmal schwierig zu handhaben sein könnte. Bei dem oben erwähnten Testmodell war der Datensatz beispielsweise 24 Stunden lang, mit Intervallen von 15 Minuten. Um die Laufzeit zu verkürzen, kann der Datensatz mit den oben beschriebenen Filteroptionen auf 5 Stunden (14 – 19 Uhr), den Analysezeitraum, gekürzt werden. Die Konsistenzprüfung mit dem Standardwert ergab insgesamt 849 Meldungen. Die Filteroption würde helfen, die Ausgabe nach Meldungstypen, Objekttyp (z. B. Abschnitt, Knoten, Detektoren) und nach RDS-Datei zu trennen.
Abbildung 5: Beispiel für RDS-Konsistenzprüfungsmeldungen
Wenn man uns Abbildung 5 genau ansieht, wird für dieselbe Detektorstation für jeden Zeitpunkt dieselbe Fehlermeldung erzeugt. Je nach Anwendung der Daten muss man sich jedes Zeitintervall ansehen, und manchmal sind aggregierte Daten über einen bestimmten Zeitraum angebracht. In den folgenden Abschnitten werden einige gängige Anwendungen dieses Instruments erörtert.
3.1 Statische OD-Einstellung
Der statische OD-Anpassungsprozess betrachtet das simulierte Volumen und vergleicht es mit dem RDS-Volumen. Die Daten müssen nicht zeitabhängig sein. Wir sind vor allem an der Inkonsistenz der Durchflüsse interessiert, da sie sich negativ auf den Anpassungsprozess auswirken könnte. Wir können die Daten nach dem Simulationszeitraum aggregieren. Im Testmodell haben wir beispielsweise die im RDS-Reader verfügbare automatische Aggregationsoption genutzt, wie in Abbildung 6 dargestellt.


Abbildung 6: RDS-Konsistenzprüfung mit aggregierten Daten
Wenn die Konsistenzprüfung auf den aggregierten Daten durchgeführt wird,ist die Anzahl der räumlichen Konsistenzfehler von 44 auf 3 gesunken. Wenn man nicht an Geschwindigkeitswerten interessiert ist, kann ein hoher Schwellenwert für die gemessene Geschwindigkeit gegenüber dem Tempolimit verwendet werden, um Berichte über Geschwindigkeitsfehler zu vermeiden. In ähnlicher Weise können auch die Belegungsprüfungen mit einem niedrigen Wert für den maximalen Verkehrsfluss zur Erkennung von Staus vermieden werden.
In der Beschreibung des ersten Fehlers heißt es, dass die beiden Abschnittsdetektoren einen Durchflussunterschied von 565 (1776-1211) Fahrzeugen aufweisen. Da es keine anderen Geometriestörungen gibt, muss einer der Durchflusswerte falsch sein. In diesem Fall wurde der niedrigere Durchflusswert durch einen fehlerhaften Detektor verursacht. In der letzten Warnmeldung basiert die Berechnung für den Knoten auf dem ein- und ausgehenden Durchfluss, wie in Abbildung 7 dargestellt. Interessanterweise fehlten die Daten für eine Abflusskurve, die durch die Informationen des nachgelagerten Knotens neu berechnet wurde.
Die manuelle Identifizierung solcher Inkonsistenzen in den Daten würde viel Zeit in Anspruch nehmen. Die RDS-Konsistenzprüfung hingegen erfolgt größtenteils automatisch und läuft innerhalb von Sekunden ab, um nützliche Informationen über Flussschwankungen zu liefern. Man sollte den Inkonsistenzdetektor für den Prozess der statischen OD-Anpassung aktualisieren/vermeiden.

Abbildung 7: Berechnung des Durchflusses für die Knoteninkonsistenzprüfung (die Zahlen geben den durchschnittlichen Durchfluss an)
3.2 Verfeinerung der Geschwindigkeit
Geschwindigkeitsdaten sind wichtig für die Modellkalibrierung und -validierung. Bei diesem Prozess werden Geschwindigkeitsanomalien durch den Vergleich mit der Höchstgeschwindigkeit im Abschnitt (oder in der Kurve) ermittelt. Geschwindigkeitsdaten sind zeitabhängig und sollten für jeden einzelnen Zeitpunkt analysiert werden oder können nach dem Zeitintervall der Modellberichterstattung zusammengefasst werden. Manchmal kann diese Analyse auch helfen, Anomalien bei der Geschwindigkeitsbegrenzung im Abschnitt zu erkennen. Wenn beispielsweise die Geschwindigkeitsbegrenzungsdaten für das Modell veraltet sind, kann das neueste RDS mögliche Stellen identifizieren, an denen Änderungen erforderlich sind. In diesem Testmodell werden häufig Warnungen für die Rampengeschwindigkeit gemeldet. Ein Beispiel ist in Abbildung 8 zu sehen, wo die Rampengeschwindigkeit auf 60 km/h und die Autobahngeschwindigkeit auf 110 km/h eingestellt war. Die Rampengeschwindigkeit an der ermittelten Stelle ist möglicherweise nicht gerechtfertigt, da der Fahrer gerade erst nach der Ausfahrt von der Autobahn mit dem Abbremsen begonnen hatte. Die Rampengeschwindigkeit kann auf der Grundlage des RDS-Geschwindigkeitswerts aktualisiert werden.

Abbildung 8: Identifizierung von Anomalien der Geschwindigkeitsbegrenzung auf Abschnitten anhand von RDS
3.3 Überlastete Abschnitte
Anhand der Verkehrsfluss- und Belegungsdaten können die überlasteten Orte aus dem RDS ermittelt werden. Dieses Ergebnis wird als Information gekennzeichnet. Die identifizierten Orte können zur Erstellung von Abschnittsgruppierungen mit Staus verwendet werden, um den Prozess der statischen OD-Anpassung zu unterstützen. Sie helfen auch bei der Modellvalidierung, da sie über typische reale Orte informieren, an denen es zu Staus kam. Im Testmodell haben wir die 1-Stunden-Aggregation verwendet, um die Staukonsistenz zu ermitteln. Die Wahl der Parameter sollte auf den Verkehrsfluss- und Belegungswerten beruhen, die an einigen typischen überlasteten Orten beobachtet wurden. In Abbildung 9 ist das Verkehrsfluss- und Belegungsprofil zweier typischer überlasteter Stellen (morgens und abends) auf der Autobahn dargestellt. Auf der Grundlage dieses Profils wird der Parameterwert für den maximalen Verkehrsfluss zur Erkennung von Staus auf 4200 Fahrzeuge pro Stunde und die Mindestbelegung zur Erkennung von Staus auf 25 % festgelegt. Ein niedrigerer Wert für die Mindestauslastung könnte zu einer Vielzahl von Fällen mit leichten Staus oder Abschnitten mit hoher Auslastung führen. Ein Beispiel für die Ergebnisse der Staukonsistenz ist in Abbildung 9 mit den verwendeten Parameterwerten dargestellt. Es zeigt zum Beispiel, dass der Detektor 4421 während des Nachmittags teilweise überlastet war.

Abbildung 9: Ein Beispiel für den Aufbau und die Ergebnisse der Staukonsistenz