Virtuelle Sensoren

Nicht alle Verkehrsgrößen, welche für die Regelung und das Verkehrsmanagement relevant sind, lassen sich direkt messen. So kann man z.B. die Kapazitäten und Reserven einer Verkehrslinie nicht messen. Virtuelle oder indirekte Sensoren sind Software-Funktionen, mit welchen man nicht oder nur schwer messbare Größen aus anderen, messbaren bzw. verfügbaren Sensordaten und Informationen ableiten bzw. abschätzen kann.

Beispielsweise verfügt man über Daten aus Zählschleifen, welche die Verkehrsflussmenge messen. Damit ist aber noch nicht unbedingt gegeben, welche Reserve eine Linie besitzt und welche Wahrscheinlichkeit besteht, dass bereits kleine Störungen Staus verursachen können. Diese Größen hängen nämlich von der Verkehrsbelastung selbst und in Kombination zusätzlich von den Einstellungen der Lichtsignalanlagen ab. Mit Virtuellen Sensoren kann man die entsprechenden Verkehrsgrößen aus den verfügbaren Daten ableiten und abschätzen.

"Virtuelle Sensoren" dienen zur

  • Bestimmung von nicht oder nur sehr schwer erfassbaren Verkehrsgrößen, wie z.B. der verkehrsabhängigen Kapazität nach Art und Menge und der Reserven,
  • einheitlichen Zusammenführung von Verkehrsgrößen und unterschiedlichen Sensorsignalen und Informationen für die Verkehrsregelung (z.B. in Form von Sensorfusion),
  • Kompensation von fehlerhaften Sensoren und Informationen.

Im Wesentlichen geht es dabei immer um eine passende Zusammenführung und Umrechnung von unterschiedlichen Sensorgrößen einerseits in besser verwendbare Informationen für die Regelung und/oder andererseits in Verkehrsinformationssystemen. Die Ausführung erfolgt dabei am besten wieder mit Machine-Learning-Verfahren.

ANDATA bietet umfassende Werkzeuge zur schnellen, effizienten Entwicklung und Kalibrierung von Virtuellen Sensoren sowie vorgefertigte Software-Module zur schnellen und einfachen Implementierung von Virtuellen Sensoren.

 

Eigenschaften und Vorteile

  • Erfassung von schwer oder überhaupt nicht direkt messbaren Größen (wie z.B. Kapazität und Reserve).
  • Bessere Nutzung bestehender Sensoren, so dass mehr Information aus geringerer Anzahl von Sensoren ermittelt wird bzw. zur Verfügung steht.
  • Sensorfusion durch Zusammenführung unterschiedlicher Informationen zu einheitlichen Größen.
  • Nutzung von zeitlich eingeschränkten Messungen.
  • Mögliche Kompensation von fehlerhaften Sensorsignalen.
  • Integration in beliebige Umgebungen und Plattformen.