Predykcja sytuacji ruchowych a incydentów ruchowych w szczególności jest kluczowym zagadnieniem w ITS systemach. Detekcja w czasie rzeczywistym i właściwa ocena incydentów stanowi duże wyzwanie z uwagi na obecność wielu zmieniających się czynników, losowych i nieprzewidywalnych zdarzeń występujących w środowisku operacyjnym procesów ruchowych. Praca koncentruje się na reprezentacji specyficznych sytuacji ruchowych przy pomocy adekwatnych „normalnych szeregów czasowych" . Praca dowodzi że stosowanie inteligentnych systemów przetwarzania sygnałów i środków łączności jest w stanie zagwarantować wymagania efektywnej analizy sytuacji ruchowych w czasie rzeczywistym. Filtry cyfrowe FIR dedykowane dla specyficznych szeregów czasowych są stosowane do analizy danych ruchowych pochodzących z detektorów ruchu w celu oceny aktualnej sytuacji ruchowej i detekcji zachowań odbiegających od normy w sytuacji incydentów ruchowych. Reprezentacja normalnego szeregu czasowego jest otrzymywana za pomocą transformaty z dla wygenerowania odpowiedniego spektrum częstotliwości i zaprojektowanej optymalnej struktury filtru o odpowiedniej charakterystyce częstotliwościowej. Implementacja filtrów FIR może być w centrach sterowania lub w czujnikach lokalnych na bazie DSP procesorów. Dane rzeczywiste zebrane na autostradzie były stosowane dla weryfikacji proponowanych rozwiązań. Obydwa powyższe warianty były stosowane dla pokazania dobrych rozwiązań i właściwych zachowań filtrów.
The prediction of traffic situations and detection of traffic incidents in particular is a vital issue in ITS systems. The real time detection and proper assessment of incidents is challenging task due to presence of many multi-variable factors and random and unpredictable events in the traffic operational environment. This thesis focuses on the representations of specific traffic situations by adequate "normal time series". This thesis says that the use of intelligent dedicated digital signal processing systems and communication media is in a position to improve the requirement of Real-Time traffic situational analysis in an efficient and effective way. Digital FIR filters dedicated to specific normal time series are used to analyze sensor measurement data in order to instantaneous assessment actual traffic situation and detection of abnormal behaviors like traffic incidents. The representation of each normal time series is achieved by z-transformation in order to generate its frequency spectrum and by designing a filter structure with a corresponding frequency response. The deployment of the FIR filters can be in TCC with proper computational power as well as in the controller cabinets of local sensors on the basis of Digital Signal Processors. Real traffic data that were gathered on a highway were used to validate the process chain. Both, deployment variants - high language ambient as well as a DSP ambient were used to show the creation and proper behaviors of the filters.
