Trafikuppskattning och prediktionssystem
Trafikuppskattning och förutsägelsessystem ( TrEPS ) har potential att förbättra trafikförhållandena och minska reseförseningar genom att underlätta bättre utnyttjande av tillgänglig kapacitet. Dessa system utnyttjar för närvarande tillgängliga och framväxande dator-, kommunikations- och kontrolltekniker för att övervaka, hantera och kontrollera transportsystemet. De tillhandahåller också olika nivåer av trafikinformation och reserådgivning till systemanvändare, inklusive många ITS-tjänsteleverantörer, så att resenärer kan fatta snabba och informerade resebeslut.
Behov av TrEPS
Framgången med implementering av ITS-teknik är starkt beroende av tillgången på snabba och korrekta uppskattningar av rådande och framväxande trafikförhållanden. Som sådan finns det ett starkt behov av ett "trafikprediktionssystem". Det nödvändiga systemet är att använda avancerade trafikmodeller för att analysera data, särskilt trafikdata i realtid, från olika källor för att uppskatta och förutsäga trafikförhållanden så att proaktiva strategier för Advanced Traffic Management Systems (ATMS) och Advanced Traveler Information Systems (ATIS) kan användas implementeras för att uppfylla olika trafikstyrnings-, lednings- och driftmål.
Forskning
Förenta staterna
I USA initierade FHWA R&D ett forskningsprojekt för dynamisk trafikuppdrag (DTA) 1994 för att möta behovet av ett trafikförutsägelsesystem och för att hjälpa till att hantera komplexa trafikstyrnings- och ledningsfrågor i den dynamiska ITS-miljön. Huvudsyftet med denna forskning är att utveckla ett driftsättbart trafikuppskattnings- och förutsägelsesystem i realtid ( TREPS ) för att möta informationsbehovet i ITS-sammanhang. I oktober 1995 tilldelades två parallella forskningskontrakt till Massachusetts Institute of Technology (MIT) och University of Texas i Austin (UTX) med en uppföljande utveckling och stöd vid University of Maryland (UMD), respektive. Varje team krävdes att utveckla en prototyp av TrEPS som visar dess potential för realtidsapplikationskapacitet. Efter tre år av intensiva FoU-insatser utvecklades två prototyper av TrEPS. De två prototyperna TrEPS som utvecklats av MIT och UTX/UMD heter DynaMIT -R respektive DYNASMART -X. Båda systemen är simuleringsbaserade DTA-system.
Frankrike
I Frankrike leder, koordinerar och övervakar Centre national d'information routière (National Centre for Traffic Information/CNIR) arbetet i sju regionala trafikkoordinerings- och informationscentra (CRICR). Den publicerar prognoser som finns tillgängliga online på www.bison-fute.equipement.gouv.fr/en/ och som nämns i stor utsträckning i radio- och tv-sändningar. Råden från "Bison Futé" som tjänsten heter är välkända och har funnits i flera decennier.
Kina
I Kina initierade Xi'an Jiaotong University (XJTU) ett liknande simuleringsbaserat DTA-forskningsprojekt 2000 med en uppföljande utveckling och stöd vid Shandong Academy of Sciences efter 2004. Dr. Yong Lin är projektledare och Houbing Song är den tidigaste projektmedlemmen. Efter sex år av intensiva FoU-insatser utvecklades en prototyp TrEPS 2006. Den övergripande prototypen TrEPS som utvecklats av Dr. Lin och hans team som har mer än 20 medlemmar heter DynaCHINA (Dynamic Consistent Hybrid Information based on Network Assignment).
Singapore
Singapore implementerade den första praktiska tillämpningen av överbelastningsprissättning i världen 1975, Singapore's Area Licensing Scheme . Tack vare tekniska framsteg inom elektronisk vägtullinsamling , upptäckt och videoövervakning uppgraderade Singapore sitt system 1998. (se Singapores elektroniska vägprissättning )
I ett försök att förbättra prissättningsmekanismen och införa variabel prissättning i realtid , körde Singapores Land Transport Authority , tillsammans med IBM , en pilot från december 2006 till april 2007, med ett verktyg för trafikuppskattning och förutsägelse, som använder historisk trafikdata och realtidsmatningar med flödesförhållanden från flera källor, för att förutsäga nivåerna av trängsel upp till en timme i förväg. Genom noggrann uppskattning av rådande och framväxande trafikförhållanden förväntas den här tekniken tillåta varierande prissättning , tillsammans med förbättrad övergripande trafikhantering, inklusive tillhandahållande av avancerad information för att varna förare om kommande förhållanden och de priser som tas ut i det ögonblicket. Pilotresultaten visar övergripande förutsägelseresultat över 85 procent av noggrannheten. Dessutom, när mer data fanns tillgänglig, vid rusningstid, ökade den genomsnittliga noggrannheten nära eller över 90 procent.