guest ::
| 001 | 715413 | ||
| 005 | 20230408005450.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT019632717 |
| 024 | 7 | _ | |2 Laufende Nummer |a 36945 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2018-220834 |
| 037 | _ | _ | |a RWTH-2018-220834 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 621.3 |
| 100 | 1 | _ | |0 P:(DE-588)1155027361 |a Rivas Rodriguez, Antonio Javier |b 0 |u rwth |
| 245 | _ | _ | |a System concept of a sensor network for vehicular traffic monitoring based on acceleration sensors |c Javier Rivas |h online |
| 246 | _ | 3 | |a Entwicklung eines Systemkonzepts eines Sensorknoten-Netzwerks für die Fahrzeug-Verkehr-Erkennung |y German |
| 250 | _ | _ | |a 1. Auflage |
| 260 | _ | _ | |a Aachen |c 2017 |
| 260 | _ | _ | |c 2018 |
| 300 | _ | _ | |a 1 Online-Ressource (xxi, 142, cii Seiten) : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University |
| 502 | _ | _ | |a Dissertation, RWTH Aachen University, 2017 |b Dissertation |c RWTH Aachen University |d 2017 |g Fak06 |o 2017-11-03 |
| 520 | 3 | _ | |a Die effiziente Nutzung der Straßeninfrastruktur ist entscheidend für den Fortschritt der modernen Städte. Vorteile eines guten Verständnisses des Verkehrsflusses sind die Reduzierung von Fahrzeiten, die Ermittlung von Konfliktzonen, die Optimierung der Ampeln, die Verringerung von Unfällen etc. Darüber hinaus ist es möglich zu bestimmen, ob die aktuelle Infrastruktur die Anforderungen an die Mobilität von Personen und Gütern erfüllen kann oder ob neue Straßen erforderlich sind. Traditionelle Verkehrsdetektoren wie Video-Kameras, Radar oder Induktionsschleifen bieten nur begrenzte Informationen über die Verkehrsbedingungen, da sie auf festen Zonen auf den Straßen installiert sind und es nicht möglich ist, zu erfassen, ob sich ein Fahrer richtig verhält, bevor er sich einer Detektionszone nähert, oder zu erkennen, wenn sich ein Unfall außerhalb der Messbereiche ereignet. Außerdem sind sie anfällig für Wetterbedingungen wie Nebel, Nacht, Regen und Lärm. Um eine bessere Information über die Situation auf den Straßen zu erhalten, die dazu beiträgt, die Effizienz der aktuellen Infrastruktur zu erhöhen, ist ein neuer Ansatz erforderlich. Ein Ansatz ist, Fahrzeuge mit der Infrastruktur zu verbinden, um kontinuierlich Informationen über die Verkehrssituation auszutauschen. Viele Autohersteller und andere Unternehmen arbeiten in Richtung Car-to-X-Technologien, wobei X für Autos oder Infrastruktur steht. Solche Technologien ermöglichen es unter anderem Autos mit der Infrastruktur über Hindernisse, Unfälle, Verkehrszeichen, Navigation, Ortung von Gegenständen zu kommunizieren und Informationen in Echtzeit bereitzustellen. Infolgedessen wird die Anzahl der Unfälle reduziert, außerdem die Zeit auf den Straßen verkürzt, was die Emissionen der Schadstoffe reduziert. Die Technologie, die der Car-to-X-Kommunikation zugrunde liegt, basiert auf Sensornetzwerken. Sie bestehen aus einzelnen Knoten mit jeweils einem oder mehreren Wandlern (Kombination von Sensoren und Aktoren) um mit ihrer Umgebung zu interagieren, einer Stromquelle, einer Steuereinheit und einem Funksender. Jeder Knoten kann unabhängig betrieben werden und mit seinem Nachbarknoten kommunizieren. Im Vergleich zu herkömmlichen Detektoren sind sie weniger anfällig für Wetterbedingungen und erlauben eine ununterbrochene Überwachung des Fahrzeugverkehrs an allen Punkten auf der Straße. Da die Knoten miteinander kommunizieren, können sie Informationen über die Verkehrssituation an weit entfernte Knoten übermitteln und anstehende Verkehrsaufkommen vorhersehen, um die Ampeln anzupassen, den Verkehr auf den Straßen flüssiger zu machen und um Unfälle zu vermeiden. Darüber hinaus können sie potenziell einzelne Fahrzeuge entlang der Straßen verfolgen, so dass es möglich ist kontinuierlich zu erfahren, wie sich die Fahrer verhalten. Fahrerassistenzsysteme, die in modernen Fahrzeugen implementiert sind, können durch den Austausch von Informationen mit dem Netz von Sensoren verbessert werden. Vorteile einer solchen Interkonnektivität sind Empfang von Verkehrsinformationen in Echtzeit oder Komplexitätsanforderungen von fahrzeugseitigen Systemen könnten reduziert werden, indem spezifische Aufgaben durch die Infrastruktur erfolgen. Infolgedessen wären diese Assistenzsysteme erschwinglicher, was zu einer schnelleren Annahme in Einstiegsmodellen führen würde, die wiederum dazu beitragen werden, die Straßen aufgrund aller oben erwähnten Vorteile sicherer zu machen. Ein interessanter Vorschlag über intelligente Straßen wird in den Artikel "Intelligent Road Infrastructure - A Concept Study" präsentiert. Er schlägt die Verwendung eines zweidimensionalen Netzes von MEMS-Beschleunigungssensoren vor, die entlang Breite und Länge auf der Straßenoberfläche platziert werden, um in Echtzeit die Fahrzeugverkehrsbedingungen zu überwachen, indem die Vibrationen gemessen werden, die durch die Fahrzeuge erzeugt werden. Motiviert durch diesen Vorschlag präsentiert diese Dissertation eine Konzeptstudie eines eindimensionalen Straßenverkehrsdetektors für die Fahrzeugverkehrsüberwachung auf der Grundlage der in diesem Artikel erläuterten Arbeitsprinzipien, die in der Lage sind, das Vorhandensein, die Fahrtrichtung, die Geschwindigkeit und die Art des Fahrzeugs, das auf den Straßen fährt, zu bestimmen. Die vorgestellte Arbeit verwendet hochempfindliche piezoelektrische Beschleunigungssensoren, die mit dem gleichen Messprinzip wie MEMS-Beschleunigungssensoren arbeiten. Die mithilfe dieser Sensoren erhaltenen Daten werden genutzt um mit hoher Detailstärke die Amplitude und den Frequenzbereich der Straßenvibrationen zu berechnen, um die Algorithmen zu entwickeln und um das Vorhandensein, die Fahrtrichtung und die Geschwindigkeit der erkannten Fahrzeuge zu bestimmen. Die mit dem entwickelten Systemkonzept erzielten Ergebnisse werden die Vorgaben für zukünftige MEMS-Sensoren definieren, die in eine engere Version der ursprünglichen Idee des Verkehrsmelders integriert werden, in der ein 2-D-Netz von MEMS-Sensoren auf den Straßen implementiert wird. Kommerzielle MEMS-Beschleunigungssensoren wurden für die Studie nicht berücksichtigt, da sie Empfindlichkeiten von zehn Milli-g haben, was die obere Grenze der geschätzten Schwingungsamplituden auf den Straßen ist. Die Genauigkeit erreicht mit dem entwickelten System durchschnittlich 80% für die Fahrzeugdetektion, die bis auf 90%, durch Verwerfen der Fahrräder, erhöht werden kann. Die Genauigkeit bei der Bestimmung der Fahrtrichtung beträgt durchschnittlich 90% und die berechnete Geschwindigkeit hat bei der Referenzmessung einen Fehler um 27%. Die entwickelten Algorithmen beweisen, dass die Überwachung des Verkehrsflusses nur mit den Straßenvibrationen möglich ist. Vorteile des entwickelten Systems gegenüber den traditionellen Verkehrsdetektoren wie Video-Kameras oder Radarsysteme sind, dass sie von den Wetterbedingungen wie Wind, Schnee oder der Nacht weniger betroffen sind. Darüber hinaus kann das System durch seine Portabilität leicht auf verschiedene Straßen verlagert werden, um den Verkehr zu überwachen. Diese Arbeit reiht sich ein in eine kontinuierlich wachsende Liste von Studien zur Verlagerung der Intelligenz auf die Straßen-Infrastruktur durch die Verwendung von Sensornetzen. Die Einbeziehung der intelligenten Straße ergänzt die Fahrzeug-Assistenzsysteme, so dass diese nicht mehr alleinig für die Verkehrsüberwachungsaufgaben zuständig sind, erhöht deren Effizienz und verbessert die Sicherheit auf den Straßen. |l ger |
| 520 | _ | _ | |a Efficient usage of the road infrastructure is crucial for the progress of modern cities. Advantages of a good understanding of the traffic behavior are reduced traveling times, identification of conflict zones, optimization of traffic lights, prevention of accidents, among others. Moreover, it is possible to determine if the current infrastructure can meet the requirements of mobility for persons and goods or if new roads are required. Traditional traffic detectors like video-cameras, radars, or inductor-loops provide limited information about the traffic conditions, because they are installed on fixed zones on the roads being not possible to know if a driver was behaving correctly before approaching to their measuring range, or if an accident has occurred beyond their range. Moreover, they are affected by the ambient conditions like light, noise, fog, rain. Therefore, to get better information of the situation on the roads that helps to increase the efficiency of the current infrastructure a new approach is necessary. One approach is to interconnect vehicles with the infrastructure to continuously interchange information of the traffic situation. Many automakers and other companies are working towards Car-to-X technologies, where the X means cars or infrastructure. Such technologies allow to communicate cars with the infrastructure providing real-time information about obstacles, accidents, traffic signs, navigation, location of places, among others. As a result, the number of accidents are reduced, also less time is spent on the roads reducing the contaminants emission. The technology underlying the Car-to-X communication is based on sensor networks. Sensor networks consist of individual nodes each one including one or more transducers (combination of sensors and actuators) to interact with their environment, a power source, a control unit, and a wireless transmitter. Each node can operate independently of each other and can communicate with its neighboring nodes. Compared with traditional detectors they are less susceptible to the weather conditions and allow an uninterrupted monitoring of the vehicular traffic at all points on the road. Given that nodes communicate to each other, they can transmit information of the traffic situation to nodes far away and anticipate to the upcoming traffic events, allowing to adjust the traffic lights to make more fluid the traffic on the roads and to prevent accidents. Moreover, they potentially can track individual vehicles along the roads, so it is possible to know how drivers behave all time. Driving assistance systems implemented on modern vehicles can be enhanced by interchanging information with net of sensors placed on the roads. Advantages of such interconnectivity are reception of traffic information in real-time, or complexity reduction in the driving assistance systems by letting specific tasks to be performed by the infrastructure. As a result, these assistance systems would be more affordable contributing to a faster adoption in cheaper vehicles, which in turn will contribute to make the roads safer due to all the previously mentioned advantages. An interesting proposal about intelligent roads is presented in the article “Intelligent Road Infrastructure - A Concept Study”. It proposes the use of a two-dimensional net of MEMS accelerometers placed on the width and length of the road's surface to monitor in real-time the vehicular traffic conditions by measuring the vibrations produced by the vehicles on the roads. Motivated by that proposal, this dissertation presents a concept study of a one-dimensional, roadside vehicular traffic detector based on the working principles explained in that article, capable of determining the presence, travel direction, speed and type of vehicle passing on the roads. For the presented study, high-sensitive piezoelectric acceleration sensors based on the same measuring principle as MEMS accelerometers are used. The data obtained with these sensors is used to study with high detail the amplitude and frequency range of the road vibrations to develop the algorithms to calculate the presence, travel direction and speed of the detected vehicles. The results obtained with the developed system concept are going to define the specifications for future specific-purpose MEMS devices that will be integrated in a closer version to the original idea of the traffic detector in which a 2-D net of MEMS sensors is to be implemented. Commercial MEMS accelerometers were not considered for the study, because they have sensitivities of tens of milli-g, which is the upper limit of the estimated vibrations amplitudes on the roads. The accuracy obtained with the developed system is acceptable, having on average 80% for vehicles detection, which can be increased up to 90% by discarding the bicycles. The accuracy in the determination of the travel direction was on average 90%. The calculated speeds have an error average of 27% with respect reference measurement. The developed algorithms prove that monitoring the traffic flow using only the road vibrations is possible. Advantages of the developed system against traditional traffic detectors like video-cameras or radars is that it is less affected by the weather conditions like wind snow or the night. Moreover, its portability makes it easy to relocate in different roads to monitor the traffic. This work sums to a continuously growing list of works aimed to add intelligence to the roads infrastructure by using sensor networks and complementing in-vehicle assistance systems with the goal to improve the efficiency and safety on the roads. |l eng |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a acceleration sensor |
| 653 | _ | 7 | |a piezoelectric |
| 653 | _ | 7 | |a sensor networks |
| 653 | _ | 7 | |a signal processing |
| 653 | _ | 7 | |a vehicular traffic |
| 653 | _ | 7 | |a vibration |
| 700 | 1 | _ | |0 P:(DE-82)IDM01258 |a Heinen, Stefan |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)000506 |a Mokwa, Wilfried |b 2 |e Thesis advisor |u rwth |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/715413.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/715413_source.zip |y Restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/AV_715413.docx |y Restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/AV_715413.doc |y Restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/AV_715413.odt |y Restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/715413.gif?subformat=icon |x icon |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/715413.jpg?subformat=icon-180 |x icon-180 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/715413/files/715413.jpg?subformat=icon-700 |x icon-700 |y OpenAccess |
| 909 | C | O | |o oai:publications.rwth-aachen.de:715413 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-588)1155027361 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM01258 |a RWTH Aachen |b 1 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)000506 |a RWTH Aachen |b 2 |k RWTH |
| 914 | 1 | _ | |y 2017 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)616110_20140620 |k 616110 |l Lehrstuhl für Integrierte Analogschaltungen und Institut für Halbleitertechnik |x 0 |
| 980 | _ | _ | |a I:(DE-82)616110_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| 980 | 1 | _ | |a FullTexts |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|