Konzept zu statistisch repräsentativen Verkehrsbeobachtungen

  • Ziel des vorliegenden Forschungsvorhabens ist die Entwicklung eines Konzeptes, das eine statistisch repräsentative Erhebung von Verkehrsszenarien in verschiedenen Verkehrsräumen erlaubt. Die dadurch zu gewinnende Datengrundlage soll der Bewertung von automatisierten Kraftfahrzeugsteuerungen dienen. Ausgangspunkt und Orientierung für das methodische Vorgehen ist in diesem Forschungsvorhaben das methodische Rahmenkonzept für Verhaltensbeobachtung im fließenden Verkehr (Hautzinger, Pfeiffer & Schmidt, 2012). Durch Adaptation und Anwendung der Entwicklungsschritte dieses Rahmenkonzeptes konnte ein Erfahrungswissen gewonnen werden, auf dessen Grundlage ein Konzept für einen Stichprobenplan erstellt worden ist. Dem Rahmenkonzept folgend wurde zunächst der Untersuchungsgegenstand abgrenzt. Nach Vorstellung verschiedener Szenarienkonzepte und ihrer Beschreibungsgrößen erfolgte die Beschreibung eines allgemeinen Modells der Grundgesamtheit. Dieses Modell berücksichtigt die Abhängigkeit der Grundgesamtheit von Kontextfaktoren als Einflussgrößen auf den Verkehr. Darüber hinaus sieht das Modell der Grundgesamtheit eine Partitionierung des Untersuchungsgebietes und Untersuchungszeitraums in Untersuchungseinzelelemente vor, in denen die Untersuchungseinheiten – in vorliegendem Fall die Szenarien – mittels der verschiedenen Formen der Erhebung beobachtet werden können (vgl. (Bäumer et al., 2017b, S. 25)). Diese Partitionierung hat zum Ziel, den Einfluss der Kontextfaktoren auf die Ausprägung und Häufigkeit der Szenarien innerhalb eines Untersuchungseinzelelementes zu minimieren und damit eine Modellierung als von diesen Kontextfaktoren unabhängigen Zufallsprozess zu ermöglichen. Die nächsten beiden Entwicklungsschritte des Rahmenkonzeptes betreffen die Auswahl der Beobachtungsorte und zeiten. Im Rahmen dieses Vorhabens werden diese beiden Aspekte verallgemeinert bei der Auswahl der Beobachtungseinheiten behandelt. Allgemein kann zwischen stationären Beobachtungseinheiten (z. B. Beobachtung mittels Drohne) und instationären Beobachtungseinheiten (z. B. Beobachtung mittels fahrzeuggebundener Sensorik) unterschieden werden. Im Gegensatz zur stationären Beobachtungseinheit wird bei einer instationären Beobachtungseinheit bedingt durch den bewegten Beobachter zu verschiedenen Zeitpunkten ein anderer Streckenabschnitt des Untersuchungsgebietes beobachtet. Bei der Auswahl der Beobachtungseinheiten muss demnach bei einer stationären Beobachtungseinheit ein Ort und ein Zeitpunkt der Beobachtung definiert werden, während bei einer instationären Beobachtungseinheit darüber hinaus auch die Bewegung des Beobachters definiert werden muss. Da die Auswahl des Beobachtungsortes bei stationären und instationären Beobachtungseinheiten bei der Stichprobenplanung ein wesentlicher Aspekt ist, wurde ein Schwerpunkt auf die Entwicklung einer Methode zur Zufallsauswahl von Beobachtungsorten gelegt. Ein weiterer Entwicklungsschritt betrifft die Bereitstellung technischer Hilfsmittel und die Beobachterschulung. In diesem Zusammenhang wurden verschiedenen Formen der Erhebung detailliert betrachtet und gegenübergestellt. Bei der Betrachtung des letzten Entwicklungsschrittes des Rahmenkonzeptes wurde ein Hochrechnungsverfahren entwickelt, welches die Tatsache berücksichtigt, dass im Regelfall nur ein Teil eines Untersuchungseinzelelementes beobachtet werden kann und somit eine Extrapolation der Beobachtungen auf das gesamte Untersuchungseinzelelement notwendig ist. Dazu wurde das Auftreten der Szenarien als Zufallsprozess modelliert. Dies erlaubt die Schätzung einer Wahrscheinlichkeit für das Erfassen eines Szenarios innerhalb eines Untersuchungseinzelelementes mittels einer spezifischen Form der Erhebung. Diese Erfassungswahrscheinlichkeit kann dann genutzt werden, um eine Extrapolation der Beobachtungen durchzuführen. Für die weitere Untersuchung wurde das Hochrechnungsverfahren auf reale Verkehrsdaten angewendet und als Untersuchungseinheit das Fahrstreifenwechselszenario gewählt. Basierend auf den obengenannten Arbeiten wurde ein Konzept für einen Stichprobenplan erstellt, das auf eine möglichst repräsentative Erhebung in den Verkehrsräumen Autobahn, Überland und Innerorts abzielt. In diesem Zusammenhang wird darauf hingewiesen, dass die Beschreibung der Fahraufgabe mittels beobachteter Verkehrsszenarien zwangsläufig aufgrund des Zufallscharakters des Auftretens der Verkehrsszenarien unvollständig ist. Aus praktischer Sicht ist es daher notwendig, den Grad der Vollständigkeit der Beschreibung der Fahraufgabe auf eine effiziente Weise zu erhöhen. Ein möglicher Ansatz kann darin bestehen, den durch die empirischen Daten aufgespannten Szenarienraum basierend auf zusätzlichem Wissen anzureichern. Dieser Ansatz wurde bereits im PEGASUS Projekt bei Einführung der logischen Szenarien verfolgt (PEGASUS, 2019).
  • The objective for this research project is the development of a concept that facilitates a statistically representative observation of various traffic domains. The dataset to be obtained in this way is intended to be used for the assessment of automated driving functions. Starting point and orientation for the methodical approach in this research project is the methodological framework for observational surveys in moving traffic (Hautzinger et al., 2012). The experience-based knowledge gained in the adaptation and application of the development steps of the framework forms the basis for the conception of a sampling plan. First, the object of study has been delimited according to the framework. After the introduction of various scenario concepts and their describing parameters, a general model for the population of scenarios is presented. This model incorporates the dependence of the population on context factors influencing the traffic. Furthermore, the model requires the partitioning of the area and period of investigation into investigation elements (cf. (Bäumer et al., 2017b, S. 25)). Within these, the unit under investigation – scenarios in this case – can be observed using different survey techniques. The aim of the partitioning is to minimize the influence of the context factor on the characteristic and the frequency of the scenarios and thus to enable the modelling as a stochastic process independent of these context factors. The next steps of the framework concern the selection of the observation location and times. In the context of this project, these aspects are handled in a generalized way when selecting observation units. These can be differentiated into stationary observation units (e.g. observation using drones) and instationary units (e.g. using a measurement vehicle). Unlike stationary observation units, in the case of instationary observation units a moving observer is covering different sections of the road at different points in time. The selection of the observation units must therefore consist of the definition of the time and location of the observation, while for instationary observation units the movement of the observer has to be defined as well. Because the selection of the observation location is a core aspect when setting up a sampling plan, the focus has been set on the development of a random sampling method for observation locations. A further step is related to the provision of technical resources. In this context, different forms of traffic survey techniques are presented and compared. In the final step of the framework an extrapolation method has been developed. This method considers the fact, that in many cases only a part of an individual investigation element can be observed and thus an extrapolation of the observed samples onto the complete investigation element is required. To this end, the occurrence of scenarios has been modelled as a stochastic process. This facilitates the estimation of the probability to capture a scenario within an individual investigation element by means of a specific survey technique. This probability can be used for the extrapolation of the observation. Finally, this method has been applied to real-world traffic data with a lane change scenario chosen as unit under investigation. Based on the work described above, a concept has been drafted aiming at a representative survey in the traffic domains federal highways as well as rural and urban areas. It is pointed out that the description of the driving task using observed scenarios is inherently incomplete because of the stochastic nature of their occurrences. From a practical point of view, it is therefore necessary to increase the completeness of the description of the driving task in an efficient way. A possible starting point can be the enrichment of the scenario space partially covered by empirical data using additional knowledge. This approach has already been used at the introduction of logical scenarios (PEGASUS, 2019).

Download full text files

  • Zu diesem Forschungsprojekt werden nur die Kurzfassung und der Kurzbericht veröffentlicht. Die Langfassung des Schlussberichts kann auf Anfrage an verlag@bast.de zur Verfügung gestellt werden.

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Peter Hosten, Alexander Tenbrock, Julian Bock, Adrian Zlock
URN:urn:nbn:de:hbz:opus-bast-29527
DOI:https://doi.org/10.60850/fv-f-82.0735
Title Additional (English):Concept for Statistically Representative Traffic Observations
Publisher:Bundesanstalt für Straßenwesen (BASt)
Place of publication:Bergisch Gladbach
Document Type:Book
Language:German
Date of Publication (online):2024/07/01
Date of first publication:2024/07/09
Publishing institution:Bundesanstalt für Straßenwesen (BASt)
Release Date:2024/07/09
Tag:Statistik; Verkehr; Verkehrssteuerung
Statistics; Traffic management; Transport
Comment:
Fachveröffentlichung zu Forschungsprojekt: 82.0735 Konzept zu statistisch repräsentativen Verkehrsbeobachtungen

Fachbetreuung: Maximilian Grabowski, Marcus Wisch

Referat: Automatisiertes Fahren, Passive Fahrzeugsicherheit, Biomechanik
Institutes:Abteilung Fahrzeugtechnik
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Licence (German):License LogoBASt / Link zum Urhebergesetz

$Rev: 13581 $