Schéma 1

Systém Floreon+ Traffic je konstruován jako jeden z modulů zapadajících do celkové koncepce a architektury systému Floreon+. Celý princip jeho fungování je založen na algoritmech, které jsou schopny efektivně zpracovávat velké množství dat, získávat z nich potřebné informace a ty následně vyhodnocovat s ohledem na jejich geografickou polohu. Vstupem jsou tedy data z různých zdrojů a v různých formátech, výstupem pak agregované informace spjaté s určitým místem na mapě, respektive na Zemi. Mezi vstupy patří:

• reálné souřadnice a jízdní parametry z vozidel na infrastruktuře,
• dopravní informace v rámci distribučního kanálu JSDI,
• data z kamerových systémů,
• data z telematických zařízení,
• meteorologická data a data o průjezdnosti a sjízdnosti komunikací.

Schéma 2

V současné době tvoří hlavní datovou základnu samotná vozidla a datové distribuční rozhraní JSDI. Díky spolupráci se společnostmi, které se zabývají monitorováním vozového parku, jsme schopni získávat anonymizovaná data o polohách a rychlostech jednotlivých vozidel v reálném čase. Data jsou anonymizována do takové podoby, která znemožňuje zpětné odhalení konkrétního pohybu konkrétního vozidla, jeho rychlost, způsob jízdy či aktuální polohu. Takto získávaná jednotlivá data (GPS souřadnice, rychlost vozidla, případně indikátor zapnutí motoru) jsou po přijetí zkombinována s ostatními daty, která se týkají daného úseku komunikace v daný čas.

Obr. 1: Rychlostní profil ze všech relevantních dat získaných z vozidel

Celý princip je postaven na vlastním algoritmu, který je pomocí speciálně vyvinuté datové struktury schopen, téměř v reálném čase, zjišťovat vazby mezi polohou vozidla (GPS souřadnice) a reálným úsekem komunikace (vektorový mapový podklad, kdy každá komunikace má jednoznačný identifikátor) – v podstatě se jedná o převod z 2D do 1D. Díky tomuto vlastnímu unikátnímu algoritmu jsme schopni zpracovávat poměrně velké množství dat, které je generováno pohybujícími se vozidly a vytvářet tak informace k jednotlivým úsekům. Výhodou využití tohoto zdroje dat je globální možnost nasazení, a to až na úroveň detailní analýzy provozu uliční sítě v jednotlivých městech. Vše je závislé pouze na počtu participujících vozidel, jejich aktivitě v daném území a samozřejmě technologii GPS. S tímto přístupem souvisí také celá řada problémů, především se jedná o nepřesnost systému GPS ve vozidle, kdy odchylky skutečné polohy vozidla od polohy, která je zaslána systému, může způsobit, že daný záznam bude nepoužitelný, protože jej s nastavenou odchylkou nebude možné přiřadit k dané komunikaci. Podobné problémy souvisejí s analýzou jízdních pruhů a směru jízdy, což jsou problémy, které je potřeba aktuálně vyřešit, aby výsledná agregovaná data mohla být ještě kvalitnější a přesnější. Rovněž počet vozidel a pokryté území jsou faktory ovlivňující toto řešení.

Obr. 2: Obrazovka aplikace zachycující model rozlivu říčky Stonávky

V současné době získáváme údaje o přibližně 2 200 vozidlech různého typu (osobní automobily, nákladní automobily, kamiony apod.) a tato data agregujeme do jednoduchých rychlostních profilů v čase, a to na území celé ČR (pokrytí je závislé pouze na dostupnosti vektorových dat, získané polohy jsou nyní analyzovány proti silniční síti, protože aplikace na kompletní uliční síť by nebyla dostatečně relevantní vzhledem k počtu pohybujících se vozidel, rozsáhlosti této sítě a přesnosti GPS technologie). V blízké budoucnosti budeme takto získaná data podrobovat daleko hlubší analýze, a to tak, abychom mohli grafovou strukturu křižovatek a komunikací libovolně rozšiřovat o taková data, která budou tvořit potřebnou informační základnu pro vyhodnocování provozu a aplikaci grafových a jiných algoritmů.

Obr. 3: Zobrazení mapy a grafu s měřenými a modelovanými veličinami

Doplnění těchto reálných dat z provozu o informace o dopravních nehodách, uzavírkách a omezeních nám umožňuje vytvářet vazby mezi změřenou rychlostí v daném místě a konkrétní událostí. Je samozřejmé, že v případě, že se na daném silničním úseku běžně jezdí průměrnou rychlostí 80 km/h a k danému úseku začnou přicházet data s informací o rychlosti do 20 km/h, je zřejmé, že v daném místě došlo k nějaké události ovlivňující cestovní rychlost. Pokud navíc bude tato informace potvrzena ze systému JSDI (Jednotný Systém Dopravních Informací) je jasné, že rychlost byla ovlivněna konkrétním typem události. Na základě této znalosti je systém v budoucnu schopen problémové úseky detekovat (a upozorňovat na ně) ještě dříve, než bude daná událost vložena do agendového systému.

Obr. 4: Obrazovka aplikace s rychlostními profily

V současné době jsou tedy do systému anonymně přijímány záznamy z přibližně 2 200 vozidel. Z pohledu množství dat se pak ve špičce jedná přibližně o třináct přijatých záznamů za sekundu. Vzhledem k aplikovanému algoritmu, nepřesnosti GPS a konkrétním relevantním datům od vozidel (vypnutý motor, apod.) je úspěšnost umístění dané informace na konkrétní úsek přibližně třicet procent.

Obr. 5: Obrazovka z aplikace v 3D vizualizaci se zvýrazněnou uliční sítí

Tyto informace mají obecně vysokou vypovídající hodnotu o reálné situaci na komunikacích, nicméně vzhledem k velké závislosti na kvalitě a množství získávaných dat musí být tyto informace podpořeny daty i z jiných zdrojů. Nejvýznamnější jsou z tohoto pohledu data přímo z infrastruktury. Tato data mohou být získávaná například z mýtných bran, telematických čidel, kamerových systémů apod. a v rámci svého lokálního umístění mohou přímo ovlivňovat agregovaná data vztažená k danému úseku komunikace. Výhodou těchto zdrojů dat je vysoká přesnost poskytované informace (počty průjezdů vozidel apod.). Naopak nevýhodou je pouze jejich lokální působnost a poměrně vysoké náklady na zřízení a zajištění jejich provozu. Nicméně vhodnou kombinací on-line dat získaných z provozu a dat přímo z infrastruktury je možné vytvořit poměrně kvalitní snímek o celkové dopravní situaci.

Obr. 6: Obrazovka aplikace s rychlostními profily a reálným obrazem z dopravní kamery

Výstupy systému Floreon+ Traffic je možné definovat na několika úrovních, a to především z pohledu jejich dalšího využití. Mimo poskytování agregovaných dat pro další zpracování je možné hlavní budoucí přínosy tohoto řešení vidět v následujících výstupech, aplikacích a rozšířeních:

• detailní statistické informace k jednotlivým úsekům, ulicím či tahům (rychlostí mapy, mapy vytížení, apod.),
• zohlednění ohodnocení úseků podle množství, kvality a zdroji dat, které daný úsek ovlivňují,
• vizualizace celé řady informací (kamerové systémy, nehody, kvalita dat, apod.) ve 2D i 3D pohledu,
• poskytování funkcí a operací nad všemi daty a informacemi (vyhledávání a plánování optimální trasy s ohledem na reálnou situaci apod.),
• zpracování a integrace dat z různých zdrojů dat (JSDI, telematická zařízení, meteo. data, digitální obraz atd.),
• analýza historických dat vzhledem k aktuální situaci (automatická detekce problémů na komunikacích na základě porovnání obvyklé rychlosti v daném úseku a aktuální rychlosti),
• aplikace vyšších algoritmů (např. teorie mravenišť, algoritmy záplavové vlny) pro vytváření predikcí a simulací využitelných dalšími systémy především z pohledu managementu dopravy,
• informace o průjezdnosti a sjízdnosti (dopravní nehody, dopravní omezení, atd.), a to nejen z agendových systémů typu JSDI, ale také autonomně a automatický detekovaných problémů na základě znalosti aktuální reálné dopravní situace – to může zahrnovat také například automatickou detekci a informování o zaplavených komunikacích v případě povodní.

Obr. 7: - Vizualizace poloh vozidel a rychlostí za 7 dní, podklad Google

Použitelnost celého systému je přímo závislá na datech, jejich kvalitě, kvantitě a různorodosti. Výhodou dat získávaných přímo od vozidel je jejich plošné pokrytí a okamžitá dostupnost, nicméně nikdy nemohou být dostatečně relevantní. Až teprve kombinací například s daty z telematických čidel (pouze lokální umístění, ale vysoká důvěryhodnost a přesnost) je možné vytvářet celkový a reálný model dopravní situace. Praktické využití výsledných poskytovaných výstupů bude velmi rozsáhlé. Tyto výstupy mohou v budoucnu být významným prvkem při krizovém řízení (optimální trasy pro pohyb záchranných složek, analýza vytížení komunikací pro evakuaci apod.), ale také při běžných osobních či firemních úkonech (plánování logistiky a cestování, informovanost a znečištění z dopravy a její intenzitě apod.).

Obr. 8: Vizualizace poloh vozidel a rychlostí za 24 hodin, podklad Google

Obr. 9: Vizualizace poloh vozidel a rychlostí za 7 dní, podklad VirtualEarth

Obr. 10: Vizualizace poloh vozidel a rychlostí za 24 hodin, podklad VirtualEarth

Obr. 11: Statistika pokrytí (počet přijatých poloh vozidel) za měsíc

Obr. 12: Statistika pokrytí (počet přijatých poloh vozidel) za měsíc

info@floreon.cz
www.floreon.cz