Mobiltelefon hálózati események alkalmazása forgalmi állapotok becslésére

Hatékony közúti forgalomirányítás megvalósításához elengedhetetlen az úthálózati állapotok megfelelő ismerete, modellezhetősége. Az úthálózat forgalmasabb részein minden városban igyekeznek hatékony mérőrendszert kialakítani. Az ideális azonban az lenne, ha minden útszakaszról rendelkeznénk információval (pl. hurokdetektor, kamera, fedélzeti egységen keresztüli adat). A probléma egy újszerű megközelítése a mobiltelefon-hálózati események felhasználásán keresztüli forgalmi mérés és becslés. Egyik kutatási témánk a mobiltelefon-hálózati események felhasználása a városi forgalom mérésére. Ehhez kapcsolódóan 2011 tavasza óta kutatás-fejlesztési együttműködésben vagyunk a Nokia Siemens Networks Kft-vel utazási idő becslő algoritmus fejlesztése céljából.

Mobiltelefon-hálózati események anonim módon való felhasználásával lehetőség nyílik a közúti forgalom makro-szintű becslésére, ezáltal modellezésére. Mindez akár valós időben futó algoritmusként is megvalósítható, mintegy alapot adva az adaptív, intelligens forgalmirányításhoz. A GSM-hálózat (1. ábra) alapegységei a bázisállomás által lefedett cella, ill. a cellákat összefogó Location Area (LA). Ezek alakja sok mindentől függ, de sosem pontosan kör alakú. Mindenesetre az érzékeltetés kedvéért: városi hálózatban a cellák néhány száz méter, az LA-k néhány km sugarúak.

 image08

1. ábra: GSM hálózat sematikusan (Küpper, 2005)

A hálózat két legjellemzőbb eseménye a Handover (HO) és a Location Area Update (LAU), amelyeket a cellák, ill. az LA-k közötti átmenetek generálnak (1. ábra). HO eseményhívásban lévő telefonok cellaváltásakor következik be. LAU eseményt pedig idle módú (bekapcsolt, de nem hívásban lévő) telefonok generálnak LA váltás esetén. A HO/LAU események a telekommunikációs hálózat operátoránál automatikusan rögzítésre kerülnek a bázisállomásokon keresztül. A kutatási célunk hatékony algoritmusok kidolgozása a HO/LAU események forgalombecslésben való felhasználhatóságára.

A mobiltelefon-használók a 1. ábrán bemutatott HO/LAU események által gyakorlatilag nyomot hagynak a közlekedési hálózatban. Ezek a nyomok - aggregált módon - hatékonyan felhasználhatók a forgalom becslésére akár valós idejű működésben is. A javasolt módszerem kétlépcsős. Első körben szükséges a célforgalmi mátrix felállítása a kijelölt úthálózatban. A célforgalmi vagy ún. OD (origin-destination) mátrix meghatározza a hálózat forgalmi áramlatainak nagyságát honnan-hová relációkban (2. ábra).

image05

2. ábra: Az OD-mátrix szerkezete (Luspay et al., 2011)

Az OD-mátrix elkészítése történhet egyrészt klasszikus módszerrel (kikérdezéses forgalomfelvétel), másrészt a LAU események megfelelő rendszerezésével (Calabrese et al., 2011). A módszer második lépcsője - a közlekedésben gyakran alkalmazott - forgalmi ráterhelés, amely tipikusan a célforgalmi mátrix alapján történik. A ráterhelés jellemzően egy optimalizálási feladat, amely meghatározza a zónák közötti utazások útvonalát - forgalomnagyságokat rendelve az egyes útszakaszokhoz. A ráterheléses forgalmi előrebecsléssel a lehetséges útvonalak meghatározása könnyű feladat. Az útszakaszokhoz rendelt forgalomnagyságok azonban könnyen pontatlanná válhatnak, hiszen a ráterhelés jellemzően “csak” az OD-mátrix és az úthálózat topológiáját veszi figyelembe. A megbízhatóság javítására a HO események felhasználása adhat megoldást. Jóllehet HO eseményeket csak hívásban lévő készülékek szolgáltatnak, az összes HO rögzítésével könnyen felfedhetők a jellemző úthasználati szokások. Gyakorlatilag, a forgalmi ráterheléssel előállított útvonalakra ráilleszthetők a HO eseményekkel felfedett trajektóriák. Ezzel a módszerrel már egy pontosabb becslés adható az útszakaszok forgalomnagyságára vonatkozóan.

A kutatási eredmények már publikálásra kerültek (Tettamanti et al., 2012, Tettamanti et al., 2014). A cikk gyakorlatilag a fent bemutatott módszer előkészítését jelentő útvonal-illesztési módszert ismerteti. A mobiltelefon-cellák megfelelő modellezésére az ún. Voronoi-mozaikolás módszerét alkalmaztuk (Candia et al., 2008), amelyhez csak a bázisállomások koordinátáira van szükség (3. ábra).

image04

3. ábra: Voronoi-mozaikolás mobiltelefon-cellák modellezésére

A módszer egy budapesti tesztmérés eredményeit felhasználva kerül bemutatásra. A készülék HO eseményei által “megjelölt” cellák a forgalmi ráterhelésből kapott útvonalakra lettek ráillesztve. A potenciális útvonalak közül az fedte fel a legvalószínűbb trajektóriát, amely a legkisebb négyzetes eltérést adta (4. ábra).

image00

4. ábra: A legkisebb eltérést mutató útvonal (Path 4) a kezdő és a végpont között

További kutatásként tervezzük megvizsgálni, hogy milyen további - mobiltelefon-hálózati eseményekre épülő - közlekedési alkalmazást lehet megvalósítani, ill. hogyan lehet az így nyert adatokat más forrásból származó információkkal (pl. detektoros mérések) hatékonyan fuzionálni.

 

Kapcsolódó publikációk

Luspay, T., Tettamanti, T., Varga I.: Forgalomirányítás, Közúti járműforgalom modellezése és irányítása. Typotex Elektronikus Kiadó Kft. ISBN 978-963-279-665-9, 2011.

Tettamanti, T., Demeter, H., Varga, I.: Route choice estimation based on cellular signaling data, Acta Polytechnica Hungarica, 9(4):207–220, 2012.

Tettamanti, T., Ludvig, Á., Varga, I.: Travel time estimation in urban road traffic networks based on radio signaling data, MITIP, Budapest, 2012, pp. 514-527. ISBN 978-963-311-373-8

Tettamanti, T., Varga, I.: Urban road traffic estimation based on cellular signaling data, MITIP, Budapest, 2012, pp. 220-230. ISBN 978-963-311-373-8

Tettamanti T and Varga I (2014), "Mobile Phone Location Area Based Traffic Flow Estimation in Urban Road Traffic", Columbia International Publishing Advances in Civil and Environmental Engineering. Vol. 1(1), pp. 1-15.

 

Irodalom

Calabrese, F., Di Lorenzo, G., Liang, L., Ratti, C.: Estimating Origin-Destination flows using mobile phone location data. 2011, Pervasive Computing IEEE, 10(4):36-44.

Candia, J., González, M. C., Wang, P., Schoenharl, T., Madey, G., Barabási, A.-L.: Uncovering individual and collective human dynamics from mobile phone records. Journal of Physics A: Mathematical and Theoretical, 41(22):224015, 2008.

Küpper, A.: Location-based Services. John Wiley & Sons, 2005.

Az oldalon sütiket használunk
Weboldalunkon „cookie”-kat (továbbiakban „süti”) alkalmazunk. Ezek olyan fájlok, melyek információt tárolnak webes böngészőjében. Ehhez az Ön hozzájárulása szükséges. A „sütiket” az elektronikus hírközlésről szóló 2003. évi C. törvény, az elektronikus kereskedelmi szolgáltatások, az információs társadalommal összefüggő szolgáltatások egyes kérdéseiről szóló 2001. évi CVIII. törvény, valamint az Európai Unió előírásainak megfelelően használjuk.Azon weblapoknak, melyek az Európai Unió országain belül működnek, a „sütik” használatához, és ezeknek a felhasználó számítógépén vagy egyéb eszközén történő tárolásához a felhasználók hozzájárulását kell kérniük.