ETA-Berechnung
Wie funktioniert die ETA-Berechnung in einer Navigation? In diesem Artikel erklären wir, wie die Ankunftszeit (ETA, Estimated Time of Arrival) berechnet wird. Wir erklären, welche Rolle Verkehrsinformationen dabei spielen und wie man die ETA mit Big Data verbessern kann.
Was ist die ETA? ETA steht für Estimated Time of Arrival, zu Deutsch also die voraussichtliche Ankunftszeit. Sie berechnet sich aus der aktuellen Uhrzeit und der voraussichtlichen Fahrdauer.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
In unserem Privatleben sehen wir die ETA auf dem Bildschirm unserer GPS-App. Sie sagt uns, wann wir an unserem Ziel ankommen und wenn wir sie um ein paar Minuten unterbieten, macht uns das ein wenig stolz und wir fühlen uns gut. Wir nutzen es als grobe Angabe für die verbleibende Fahrzeit und wenn es um ein paar Minuten daneben liegt, ist das keine große Sache.
Dieses Beispiel wurde umgesetzt mit der MapTrip Server-API.
Die Bedeutung der ETA in der Transportplanung
Im professionellen Umfeld ist die ETA jedoch die zweitwichtigste Funktion einer GPS-Navigationssoftware. Die wichtigste ist natürlich, sicherzustellen, dass der Fahrer sein Ziel erreicht. Die Fahrzeit (oder ETA) ist die Grundlage für die meisten Transportplanungsaufgaben. Dabei können Fehler in der ETA-Berechnung zu erheblichen Dimensionen anwachsen. Die exakte Vorhersage der ETA ist daher extrem wichtig.
ETA-Berechnung an einem einfachen Beispiel erklärt
Schauen wir uns ein Beispiel an, um zu verstehen wie die ETA-Berechnung funktioniert:
Eine entscheidende Komponente für die Berechnung der Fahrzeiten (und der Route selbst) sind natürlich Live-Verkehrsinformationen. Sie teilen der Navigationssoftware mit, wie schnell der Verkehr aktuell auf einem Abschnitt unterwegs ist. In MapTrip Truck verwenden wir entweder TomTom oder Here für die Verkehrsinformationen.
Wir fügen der Karte Verkehrsinformationen hinzu
Jetzt haben wir eine Karte, die uns die Entfernung zum Ziel anzeigt, und Live-Verkehrsdaten, die uns die Geschwindigkeit mitteilen, die derzeit auf diesen Segmenten gefahren wird. Die Live-Verkehrsdaten sind jedoch nicht für alle Segmente verfügbar. In unserer Skizze gibt es noch viele graue Segmente, denen keine Live-Daten zugeordnet sind. In der Praxis handelt es sich dabei meist um Wohnstraßen und andere kleinere Nebenstraßen. Die Software nimmt nun Geschwindigkeitswerte für diese Straßen an, um die für die Durchquerung dieser Segmente benötigte Zeit berechnen zu können. In diesem Beispiel nehmen wir eine Geschwindigkeit von 50 km/h an, wenn wir keine Live-Verkehrsdaten haben.
Die Route wird berechnet
Der Routing-Algorithmus wird nun die schnellste Verbindung zwischen der aktuellen Position und dem Ziel ermitteln.
Da wir nun die Route kennen, ist es einfach, die Fahrzeit zu berechnen.
Die Fahrtzeit und die ETA berechnen
Die Route besteht aus vier “grünen” Segmenten und drei “grauen” Segmenten. In unserer Beispielkarte hat jedes Segment eine Länge von 1 km. Um die Fahrzeit zu berechnen, muss die Länge des Segments durch die Geschwindigkeit, mit der es befahren werden kann, geteilt werden.
Grün: 4km / 85km/h = 0.047h = 2,82min ~ 3min
Grau: 3km / 50km/h = 0,06h = 3,6min
Die Software liefert eine Gesamtfahrzeit von etwa 6,6min. Dies enthält jedoch eine gewisse Fehlerspanne.
Den Fehler in der ETA-Berechnung minimieren
Wie wir oben gesehen haben, stützt sich die Fahrzeitberechnung und die ETA-Berechnung auf drei Arten von Informationen:
- die Länge der Route bzw. der Segmente
- die Live-Traffic Geschwindigkeitswerte
- die angenommenen Geschwindigkeitswerte für Segmente ohne Trafficinformationen
Während die Länge der Route als äußerst präzise angenommen werden kann, werden die Werte des Live-Verkehrs und der angenommenen Geschwindigkeiten zwangsläufig einen gewissen Fehler enthalten.
Die Verkehrsdaten werden durch Mittelung des gesamten Verkehrs auf einem Segment erstellt. Geschwindigkeitswerte von Porsches werden mit Werten von LKWs und Bussen gemittelt. Unser typischer Benutzer fährt einen Lkw. Daher können wir Geschwindigkeitswerte über 90km/h ignorieren. Aber Geschwindigkeitsdaten aus dem Verkehr sind nie 100 % genau.
Die Berechnung mit Messwerten validieren
Um unsere ETA-Berechnung zu verbessern, haben wir festgestellt, dass wir unsere Berechnungen mit tatsächlichen Messungen vergleichen müssen. Da MapTrip eine Connected Navigation ist, hatten wir die Möglichkeit, eine Testflotte zu erstellen, die die berechnete Fahrzeit und die tatsächlich gemessene Fahrzeit an unseren Server sendet. Dadurch sammelten wir eine große Menge an Daten, die wir dann analysierten.
Für jede Route hatten wir drei Werte:
- Länge der Route
- Berechnete Fahrzeit tc
- Tatsächliche Fahrzeit tm
Aus der berechneten Fahrzeit und der gemessenen Fahrzeit haben wir den relativen Fehler Er für jede Route berechnet.
Er = (tc — tm) / tc * 100 [%]
Dann haben wir die Häufigkeitsverteilung für verschiedene Intervalle von Routenlängen aufgetragen. Dies ist das Ergebnis.
Der relative Fehler der ETA-Berechnung als Häufigkeitsverteilung
Das obige Diagramm zeigt die Anzahl der Routen mit einem bestimmten relativen Fehler Er. Die linke Hälfte des Diagramms (negativ) stellt Routen dar, bei denen der Fahrer das Ziel später als berechnet erreicht hat. Die rechte Hälfte des Diagramms (positiv) stellt Routen dar, bei denen der Fahrer später als berechnet am Ziel angekommen ist.
Die Blasen zeigen Datenpunkte an, bei denen der Fehler null (weiß), ‑10% (orange) und +10% (grün) beträgt.
Der Einfluss von Ampeln auf die Fahrzeit
Im obigen Diagramm sehen Sie die Fehlerverteilung für Routen, die zwischen zwei und fünf Kilometer lang sind. Beachten Sie, dass sich die Verteilungskurve zu beiden Seiten hin viel gleichmäßiger ausbreitet. Die Kurve ist viel weniger wie eine Spitze geformt, sondern eher wie eine Glocke.
Der Grund für diese Form ist leicht zu verstehen: Stellen Sie sich eine kurze 2 km lange Stadtstrecke vor. Wenn Sie Pech haben und nur zwei Minuten vor einer roten Ampel warten müssen, liegt Ihre Fahrzeitberechnung bereits um 100% daneben!
Bessere ETA-Berechnung auf langen Routen
Auf langen Routen ist die ETA-Berechnung präziser.
Die Verteilungskurve für Routen mit einer Länge von 100km bis 200km hat eine viel spitzenförmigere Form. Bitte beachten Sie den starken Abfall nach etwa Er = 10 %. Das bedeutet, dass kaum jemand die ETA um mehr als diese Marge unterbot (mit anderen Worten, niemand fuhr schneller). Dies ist logisch, da unsere Testflotte aus LKWs bestand, die eine Geschwindigkeitsbegrenzung von etwa 90km/h haben.
Auf der anderen Seite der Spitze ist die Verteilung viel breiter gefächert. Mit anderen Worten: Es gab eine ganze Reihe von Fahrern, deren Fahrzeit länger war als berechnet. Dies kann durch unerwartete Staus (die von den Verkehrsinformationen nicht vorhergesagt wurden) oder einfach durch Bremszeiten erklärt werden. Die Fahrer machen eine Pause und lassen die Navigationssoftware im Führungsmodus.
Zusammenfassung
Obwohl MapTrip mit den besten Verkehrsdaten (live und statistische Daten) arbeitet bleibt ein Unterschied zwischen Theorie (Berechnung) und Praxis (Messungen beim Fahren).
Die Analyse des mittleren relativen Fehlers gibt einen guten Anhaltspunkt für die Korrektur der ETA-Berechnung.