MAP-AIDING
3.4 Identifikation aktiver Verkehrsteilnehmer (IAGB)
Ein wesentlicher Bestandteil der Generierung von FPD ist die Identifikation im Ver-kehrssinne aktiver Mobilfunkteilnehmer, so dass Fehlinterpretationen z.B. aufgrund stehender –aber nicht im Stau stehender- Telefonierender ausgeschlossen werden können. Im Rahmen des Projekts beschränkt sich die Implementierung der Identifikati-onsalgorithmen auf die Abis-Schnittstelle, daher wird auch nur diese Vorgehensweise hier erläutert. Für die A-Schnittstelle ist eine einfache Priorisierung implementiert (ver-gleiche Anlage 3), die hier nicht weiter beschrieben wird. In diesem Bericht kann auf-grund des großen Umfangs der implementierten Methoden nur ein Überblick geboten werden. Für weitere Details sei auf die Anlage 4 und Anlage 5 verwiesen.
Zu Beginn der Identifizierung startet jeder Mobilfunkteilnehmer als passiv bis der Status aktiv mittels der Verfahren eindeutig identifiziert werden konnte.
Initialisierung
passiv aktiv passiv aktiv
Vorschlag für Teilrouten
Bedingungen ausreichend?
• eindeutig kein IV
• Vergleich zu anderen FPD
Warten auf weitere / andere FPD Zurzeit
Abbildung 3-16: Ablaufdiagramm für die Online-Identifizierung
Für die weiteren Identifizierungen werden die Koordinatenfolgen genutzt. Die weiteren Analysen werden in kartenunabhängige und kartengestützte Analyse gegliedert. Be-ginnend mit der kartenunabhängigen Geschwindigkeitsanalyse wird eine Trennung von stehenden und sich bewegenden Mobilfunkteilnehmern durchgeführt, um eine verkehr-liche Unterscheidung zu gewährleisten und um nicht erforderverkehr-liche Analyseschritte ein-zusparen. Wird ein Teilnehmer als sich bewegend eingestuft, wird anschließend mit der kartenunabhängigen Geschwindigkeitsanalyse die Bewegungsgeschwindigkeit bzw. der Verlauf der Bewegungsgeschwindigkeit sowie die daraus ableitbare Verkehrs-teilnehmerklasse ermittelt.
In den kartengestützten Analysen werden weitere Informationsquellen, wie digitale Straßennetze, ÖV-Fahrpläne und Points-of-Interest (POI), zur Verbesserung der
Ver-kehrsklassenidentifikation verwendet. In der „kartengestützten Geschwindigkeitsanaly-se“ werden die vom Mobilfunkteilnehmer vermeintlich gewählten Routen mittels map-matching-Technologien zu einer Gesamtroute zusammengeführt, wodurch die Be-stimmung des zurückgelegten Weges und damit die Berechnung der Geschwindigkeit verbessert werden kann. Unter der Annahme, dass die Fortbewegungen auf Ver-kehrswegen von Verkehrsnetzen stattfinden, werden die FPD-Positionen mit dem Vor-handensein und der Nutzungsmöglichkeit dieser Verkehrsnetze in der „verkehrsnetz-gestützten Verkehrsteilnehmerklassifizierung“ untersucht. Mittels der Prognose von Fahrzeugpositionen des ÖV wird anschließend geprüft, ob Mobilfunkteilnehmer einen ÖV-Verkehrsmodus gewählt haben. In der „Aufenthaltsanalyse“ wird angenommen, dass an bestimmten POI nur ausgewählte Verkehrsteilnehmer anzutreffen sind. Wird ein FPD in der Nähe eines solchen POI geortet, so kann auf dessen Verkehrsteilneh-merklasse zurück geschlossen werden.
Nutzen mehrere FPD dieselben Fahrzeuge, ist verkehrstechnisch gesehen eine Zu-sammenfassung dieser FPD, das so genannte Clustern von FPD, anzustreben. In der abschließenden „Teilnehmer übergreifenden Klassifizierung“ werden hierfür Clusterver-fahren vorgestellt, die nach ähnlichen Identifikationsmerkmalen der FPD suchen.
In Abbildung 3-17 ist der Ablauf der Identifizierungsverfahren dargestellt. Die einzelnen Verfahren werden in Anlage 4 erläutert.
FPD-Koordinatenfolge (AP4-Ortung) Bewegungsanalyse (2-4 Cluster)
IMEI - Gerätekennung
Zustand
Kennung für passive MS
Geschwindigkeitsanalyse Muster (Flugzeug, ICE, Fahrrad, Fußgänger)
POI
(Stadien, Parks, Einkaufszentren, …)
Verkehrsnetzanalyse Korrelation mit ÖV passiv
passiv
Routenwahl (Schiene, Fußweg) passiv Vorzeitiger Abbruch der
weiteren Identifikation möglich Vorzeitiger Abbruch der weiteren Identifikation möglich
Sektor-Maske unrelevant passiv
Positionsschwerpunkte (n-Cluster)
aktiv prüfen passiv + stehend passiv
aktiv passiv
Abbildung 3-17: Ablaufreihenfolge der Identifikationsverfahren im Online-Betrieb
Tabelle 3-1: Stand der im Rahmen von Do-iT implementierten Verfahren
xy - Geschwindigkeitsanalyse X
xy - Verkehrsnetzanalyse X X X
xy - Unscharfes Routing X X X
A-Daten - Unscharfes Routing X X
In vorstehender Tabelle 3-1 wird für die verschiedenen Identifikationsverfahren der aktuelle Zustand dokumentiert. Die Spalte „in Betrieb“ dokumentiert, dass das entspre-chende Verfahren bereits auf Abis-Ebene auf dem FPD-Server im Online-Betrieb läuft.
Da eine umfangreiche Darstellung aller Identifikationsverfahren den Umfang und die Tiefe dieses Berichts sprengen würde, werden in der Folge die Ergebnisse der Imple-mentierung vorgestellt. Für Details sei auf Anlage 5 verwiesen. Es wurden insgesamt vier Versuchstage mit 89 Referenzfahrten ausgewertet. Es liegen während der Refe-renzfahrten aufgezeichnete GPS-Daten zur vergleichenden Auswertung zu Grunde.
Die Verfahren zur Identifizierung von Mobilfunkteilnehmer (MFT) bestehen bei dieser Qualitätsbewertung im Einzelnen aus der „Bewegungsanalyse“ zur Erkennung des Bewegungszustandes, der „ÖV-Korrelation“ zur Erkennung von ÖV-Verkehren, der Verkehrsnetzzugehörigkeit zur Prüfung der infrage kommenden Verkehrsnetze auf Geometrieebene und einer Routensuche mit zeitlich-topologischen Restriktionen. Die Ergebnisse der Verfahren sowie deren Qualitätsbewertung werden im Folgenden zu-sammengefasst.
In der Bewegungsanalyse wird der Bewegungszustand der MFT anhand einer Signifi-kanzprüfung des zurückgelegten Weges mit einer Sicherheitswahrscheinlichkeit ge-prüft. Als Sicherheitswahrscheinlichkeit stellte sich ein Wert von 68 % als bester Kom-promiss heraus. Mit diesem Wert konnten im Falle eines unbewegten Soll-Zustands 100 % aller mit GPS und 45 % aller FPD-Daten korrekt erkannt werden. Befand sich der MFT tatsächlich in Bewegung wurden bei den GPS-Daten 96 % und bei den FPD-Daten 88 % korrekt erkannt. Maßgebliche Einflüsse bei den unkorrekt erkannten FPD-Daten sind auf die Fußgängerszenarien und bei GPS auf systembedingte Ortungsfehler in dichter Bebauung und Erfassung in Gebäuden zurückzuführen.
Zur Identifizierung aktiven MFT, im Rahmen von Do-iT ist das die Erkennung von MIV (Motorisierter Individual-Verkehr), sind die nicht eindeutig vom ÖV (Öffentlichen
Ver-kehr) trennbaren MFT auszuschließen. Hierfür werden die ÖV-Verkehre: Linienbusse, Straßenbahnen sowie die Bahnen der DB AG im Identifikationsverfahren ÖV-Korrelation berücksichtigt. Fahrplanabweichungen werden durch eine Fuzzyfizierung der Fahrplandaten modelliert. Die Ergebnisdaten dieser Fuzzyfizierung wurden für den Online-Betrieb vorprozessiert und getrennt nach ÖV-Verkehr in Form effizienter Daten-strukturen bereitgestellt.
In den Analysen konnte für die GPS-Daten eine 73%-ige und für die FPD-Daten eine 61%-ige Erkennungsrate der Szenarien nachgewiesen werden. Wurde eine ÖV-Korrelation nachgewiesen, dann handelte es sich bei GPS zu 91% und bei FPD zu 68% tatsächlich um Fahrten in einem ÖV-Fahrzeug oder um Fußgänger im Bahnhof.
Das heißt eine zu Unrecht vorgenommene ÖV-Einstufung, und der damit verbundene Ausschluss der FPD-Daten, geschah nur zu 9% bei GPS und zu 32% bei FPD. Maß-gebliche Fehler bei der Erkennungsrate sowohl bei GPS als auch bei FPD konnten auf fehlerhafte Geometrien der Schienenwege zurückgeführt werden. Es ist zu erwähnen, dass der Stichprobenumfang für verallgemeinernde statistische Aussagen insgesamt als gering einzustufen ist.
Die eingeschränkte Korrektheit der Schienendaten sowie unvollständige Fußwegenet-ze sind ebenfalls maßgebliche Ursachen der unkorrekten Einstufungen bei der Ver-kehrsnetzzugehörigkeit. In diesem Identifikationsverfahren wurden 87 % bei GPS und 94 % der Versuchsszenarien mit den FPD-Daten korrekt identifiziert. Die im Do-iT-Lokalisierungsnetz integrierte Straßenkarte enthält kein vollständiges Fußwegenetz und bedingt dadurch die Fehlerrate von 13 % bei GPS, die vollständig auf unkorrekt erkannte Fußgängerszenarien zurückzuführen ist. Das Identifikationsverfahren kehrsnetzzugehörigkeit dient vorrangig dazu, zu überprüfen, ob das nachfolgende Ver-fahren der Routensuche mit zeitlich-topologischen Restriktionen überhaupt einsetzbar ist. Und zwar kann nur dann von einer möglichen Route ausgegangen werden, wenn zu jedem Schwerpunkt, einschließlich Fehlerfigur, mindestens ein Element des zu un-tersuchenden Verkehrsnetzes gefunden wird. Ist das nicht der Fall, kann bereits aus topologischen Gründen keine Route gefunden und die entsprechende Verkehrsklasse ausgeschlossen werden. Für die GPS-Daten, die als Referenz aktiver MFT aufge-zeichnet wurden, konnten alle Routen des MIV gefunden werden. Bei den FPD-Daten gelang dies für 66 % aller Fahrten. Die restlichen 34 % Fahrten wurden fehlerhaft als passiv eingestuft, da für sie keine den zeitlichen oder topologischen Kriterien genügen-de Route gefungenügen-den wergenügen-den konnte. D. h. 34 % genügen-der aktiven MFT wergenügen-den durch dieses Verfahren ggf. zu Unrecht ausgeschlossen.
Die aktiv-Einstufung eines MFT erfolgte bislang nur, wenn dies mindestens durch Vor-handensein einer Route auf dem Straßennetz belegt werden konnte. Eine Bewegung des MFT wird hiermit implizit vorausgesetzt. Besonders stehende MFT sind jedoch wesentlich zur Stauerkennung. Mit der Annahme, dass ein als aktiv identifizierter MFT keinen Verkehrsklassenwechsel vornahm, können nachfolgende ggf. als stehend er-kannte Datensätze ebenfalls aktiv eingestuft werden. Das verkehrstechnische
Verhal-ten anonymer MFT ist als komplex und ohne Zusatzinformation nicht modellierbar hin-zunehmen. Es wurde daher mittels einer maximal zulässigen Zeitdifferenz dtmax active ein Zeitraum definiert, innerhalb dessen angenommen wird, dass der bislang aktive MFT keinen Verkehrsmittelwechsel vornahm. Die Verkettung der FPD-Datensätze ermög-licht eine Verbesserung der Korrektheit für unbewegte aktive MFT. Zur Reduzierung von unentdeckten Verkehrsklassenwechseln kann der Parameter dtmax active optimiert werden. Eine empirisch begründete Wahl von dtmax active wurde anhand von Auswertun-gen eines 24-Stundendatensatzes gezeigt.
Die einzelnen Identifikationsschritte bzw. die gesamte Identifikationskette sind zwar ermutigend und konnten im Rahmen dieses Projekts verwertbare Resultate liefern, jedoch sind weitere Verbesserungen erforderlich, um höherer Korrektheitsraten zu er-zeugen. Dieses ist weitergehenden Forschungsarbeiten vorbehalten.