Die vorliegende Arbeit stellt eine Kombination von Verfahren vor, um aus Detektions- und Meldungsdaten unter Einbeziehung eines Verkehrsmodells die aktuelle Verkehrslage und ihre weitere Entwicklung zu schaetzen. Es kommen dabei sowohl eingefuehrte Methoden (Umlegungsverfahren, Ganglinienextrapolation) als auch neu entwickelte Einzelverfahren (Messwertpropagierung, Klassifikation von Nachfragenmatrizen) zum Einsatz. Die vorgestellte Loesung geht von einem Verkehrsplanungsmodell aus, in das aktuelle Messdaten und Verkehrsmeldungen integriert werden. Es wird ein zweigeteilter Ansatz damit verfolgt. Zum einen handelt es sich dabei um die Routenschaetzung fuer einen laengeren Zeithorizont und zum anderen um die Messwertpropagierung auf den geschaetzten Routen durch das Strassennetz. Das vorgestellte Verfahren wurde im Rahmen der Errichtung der Verkehrsmanagementzentrale Berlin erstmalig implementiert. Mehrere Tests wurden zur Ueberpruefung der Qualitaet durchgefuehrt. Zusaetzliche Kontrollmessungen mit mobilen Geraeten wurden in einem Feldtest durchgefuehrt und mit den Schaetzergebnissen des Verfahrens verglichen. English abstract: One of the basic tasks in a traffic management system is the detection of the current traffic situation in the observed road network. Furthermore, for most traffic control or information purposes a forecast is helpful as well as, i.e., in addition to the current traffic situations the development in the near future is to be estimated. For the detection of the current traffic situation various types of stationary detection devices are installed in the road network, like inductive loops on freeways or sensors for traffic actuated signal control in urban environments. Another data source is information generated not automatically but manually like road work information or jams reported by drivers. Floating car data is another type of information that gains increasing importance, i.e., information collected and reported by vehicles during their trips. All these types of data contribute a locally restricted description of the current traffic situation and must be combined in an appropriate way to estimate the global situation in the network. A transport model can be used as a framework for this data fusion task because it provides an abstract, data source independent view of the traffic in the observed road network. The presented thesis proposes a combination of methods to estimate the current and future traffic situation from detector and traffic message data using a transport model. Some of the methods are state of the art (assignment procedures, time series extrapolation) and some are new developments (measurement propagation, classification of demand matrices). (Author/publisher)
Abstract