Detailergebnis zu DOK-Nr. 52421
Störfallerkennung auf Schnellstraßen auf Basis eines Modells mit Fuzzy-Wavelet-Radial-Basis-Funktion Neuronaler Netze im Vergleich mit dem California Algorithmus (Orig. engl.: Comparison of fuzzy-wavelet radial basis function neural network freeway incident detection model with California algorithm)
| Autoren |
H. Adeli A. Karim |
|---|---|
| Sachgebiete |
5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit) 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Journal of Transportation Engineering 128 (2002) Nr. 1, S. 21-30, 9 B, 7 T, 7 Q
Der Beitrag baut auf die Aussage auf, dass eine allgemeine Methodik basierend auf Mehrfach-Kenngrößen zukunftsweisend für die Entwicklung verlässlicher, effizienter und praktikabler Algorithmen der Störfallerkennung auf Schnellstraßen ist. Die Leistungsfähigkeit des neuen, von den Autoren entwickelten Modells der Störfallerkennung auf Schnellstraßen wird mit den Benchmarks (Vergleichskenngrößen) des "California Algorithmus #8" verglichen und bewertet. Sowohl reale als auch simulierte Daten kommen dabei zur Anwendung. Die Bewertung stützt sich auf drei quantitative Maßzahlen (Erkennungsrate, Fehlalarm-Rate, Detektionszeit) sowie ein qualitatives Maß (Übertragbarkeit des Algorithmus'). Im Ergebnis übertrifft der neue Algorithmus den "California Algorithmus" übereinstimmend in verschiedenen Szenarien. Insbesondere wird auf das Ergebnis hinsichtlich der Fehlalarme hingewiesen, die als Haupthinderungsgrund für die Einführung automatischer Störfallerkennung auf Schnellstraßen auf breiter Ebene gelten. Die Fehlalarm-Rate des neuen Algorithmus' liegt mit 0 % bis 0,07 % deutlich unter der des "California Algorithmus" (0,53 % bis 3,82 %). Ein weiterer Vorteil wird darin gesehen, dass es sich bei dem neuen Störfallerkennungsmodell um einen musterbasierten Einzel-Platz-Algorithmus handelt, der die Rechnerleistung effizient nutzt und keine Re-Kalibrierung erforderlich macht. Dadurch könnte das neue Modell unkompliziert an Stelle des bisherigen Algorithmus' implementiert werden. Es könnte fertig, ohne Umschulung und ohne Leistungsfähigkeitsverluste übertragen werden.