Traffic monitoring in ITS: wireless architectures and algoriyhms for traffic state estimation

The PhD thesis faces one of the most relevant problem of our society: traffic congestion. The research has been developed in the framework of intelligent transportation systems (ITS). The goal of ITS is to solve issues related to traffic exploiting the potentiality of information and communication technologies (ICT) applied to transport engineering. In particular the thesis focuses on traffic control systems as essential for the achievement of a sustainable and safe mobility. Monitoring systems for traffic control collect a great amount of data that must be efficiently processed to support operations of traffic management. Data are usually provided at sparse and not regular locations on the road, but the development of control strategies requires a pervasive knowledge of the entire traffic field at the present time and the ability to generate reliable prediction of its evolution. The dissertation focuses on this problem and identifies two different solutions. The first one consists in the proposal of new technologies for traffic monitoring based on wireless sensor networks (WSN). Compared to conventional infrastructure-based monitoring systems, this technology facilitates a denser deployment of sensors along the road, resulting in a higher spatial resolution in sampling traffic parameters. A study is conducted also on data coming from vehicles equipped with GPS to analyze the daily speed patterns for the construction of an efficient, reliable and accurate historical database. The second solution is the development of statistical estimation techniques to compensate the limits of existing monitoring systems and provide pervasive and accurate knowledge of traffic evolution to traffic control systems. In particular, a non-parametric prediction method based on adaptive Bayesian network (ABN) able to adapt to the traffic conditions (flowing or congested) is presented. The thesis focuses its attention also on a parametric approach. The cell transmission model (CTM) is improved to take into account the random behavior usually observed in real traffic; a particle filter (PF) for traffic estimation built on this model is proposed. Parametric approaches are analyzed to be applied on both small-scale and large-scale networks. Large scale traffic reconstruction and estimation is recognized as a relevant research field as it requires a large computational cost often not compatible with real-time requirements of traffic control systems. We propose to divide the traffic network in smaller subnetworks that make their own estimation using local measurements; these results are then updated making these subnetworks cooperating to share traffic information. This new solution is able to guarantee high accuracy and at the same time low computational cost. These requirements are fundamental in case of real-time operating of the control systems. The methods presented in the thesis have been calibrated and validated on real data provided by the PeMs project and WAY srl, demonstrating the validity of the proposed approaches.

La tesi di dottorato affronta uno dei problemi più rilevanti della nostra società: il traffico. La ricerca è stata sviluppata nell'ambito dei sistemi di trasporto intelligenti (ITS). L'obiettivo degli ITS è quello di risolvere i problemi relativi al traffico applicando le potenzialità dell'Information and Communication Technology (ICT) all'ingegneria dei trasporti. In particolare, la tesi si concentra sui sistemi di controllo del traffico riconosciuti come essenziali per una mobilità sostenibile e sicura. I sistemi di monitoraggio del traffico raccolgono una grande quantità di dati che devono essere trattati in modo efficiente per supportare le operazioni di gestione del traffico. I dati forniti sono sparsi e rumorosi, al contrario lo sviluppo di strategie di controllo richiede una conoscenza diffusa e accurata dell'intero campo di traffico sia presente che predetto. La tesi identifica due diverse soluzioni a questo problema. La prima consiste nella proposta di una nuova tecnologia per il monitoraggio del traffico basata su reti di sensori wireless (WSN). Rispetto ai tradizionali sistemi basati sull'infrastruttura, questa tecnologia permette un monitoraggio molto più denso del traffico. Attenzione è ststa anche rivolta a dati provenienti da veicoli dotati di GPS. In particolare si sono analizzati i trend di velocità per la costruzione di un database storico efficiente e affidabile. La seconda soluzione è lo sviluppo di tecniche di stima statistica volte a compensare i limiti degli attuali sistemi di monitoraggio con l'obiettivo di fornire una conoscenza diffusa e accurata dell'evoluzione del traffico ai sistemi di controllo. In particolare si è sviluppato un metodo non parametrico per la previsione basato su una rete bayesiana in grado di adattarsi allo stato del traffico. La tesi focalizza la sua attenzione anche su un approccio parametrico. Il cell transmission model (CTM) è stato analizzato e migliorato per tenere conto del comportamento casuale del traffico generalmente osservato nella realtà; un particle filter (PF) è stato sviluppato per la stima utilizzando il modello proposto. L'approccio parametrico è stato analizzato e utilizzato sia su reti di piccole che di grandi dimensioni. Attenzione è stata rivolta a tecniche distribuite per la stima del traffico su larga scala in modo da rendere il costo computazionale compatibile con i requisiti in tempo reale dei sistemi di controllo. La ricerca propone di dividere la rete stradale in sottoreti che fanno la propria stima sulla base di misure locali; questi risultati vengono quindi aggiornati facendo collaborare le sottoreti per condividere le informazioni sul traffico. Questa nuova soluzione è in grado di garantire un'elevata accuratezza di stima e allo stesso tempo un basso costo computazionale. Questi requisiti sono fondamentali in caso di operatività in tempo reale dei sistemi di controllo. I metodi presentati nella tesi sono stati calibrati e validati su dati reali forniti dal progetto PEMS e da WAY srl, dimostrando la validità degli approcci proposti.