Detailergebnis zu DOK-Nr. 65049
Neue Erkenntnisse zum Mobilitätsverhalten dank Data Mining? (Forschungsauftrag SVI 2004/014)
| Autoren |
M. Dettling P. Widmer T. Buhl |
|---|---|
| Sachgebiete |
0.11 Datenverarbeitung 5.0 Allgemeines (Verkehrsplanung, Raumordnung) |
Zürich: Schweizerischer Verband der Straßen- und Verkehrsfachleute (VSS), 2011, 76 S., 9 B, 3 T, zahlr. Q, Anhang (Bundesamt für Straßen (Bern) H. 1365)
Data Mining wird als iterativer, lernender Prozess dargestellt, in welchem die Phasen von der Fragestellung über das Sammeln und Aufbereiten der Daten, die Modellierung und die Auswertung der Ergebnisse bis zu deren Umsetzung in die Praxis mehrfach durchlaufen werden. ln dieser Arbeit wird dieser Prozess genauer beschrieben und ein Überblick über eine Auswahl von Methoden, die in der Modellierung verwendet werden, gegeben. Beispiele aus der Literatur illustrieren das breite Anwendungsspektrum von Data Mining in der Verkehrsplanung (zum Beispiel Verkehrserzeugung, Autobesitz, Verkehrsmittel- und Routenwahl oder Klassifikation von Mobilitätsmustern). Bei den beschriebenen Beispielen handelt es sich um Forschungsarbeiten. Deren Ergebnisse haben noch kaum breiten Eingang in die Praxis gefunden. An Fallbeispielen wird demonstriert, wie Data Mining in der Praxis angewendet werden kann. Als Datensätze werden der Mikrozensus Verkehr 2005 der Schweiz und Raumstrukturdaten des Bundesamtes für Statistik verwendet. Die Fallbeispiele behandeln die Analyse der Häufigkeit von Wegeketten, die Vorhersage der Anzahl Wegeketten pro Person und Tag, die Klassifikation nach Mobilitätstypen sowie die Vorhersage des Mobilitätstyps einer Person aufgrund soziodemografischer Merkmale und Raumstrukturinformationen zu den Wohn- und Zielorten. Aus der großen Vielfalt von Software-Lösungen für Data Mining wird eine Auswahl proprietärer und frei verfügbarer Pakete, welche für den Einsatz in der Verkehrsplanung als grundsätzlich geeignet beurteilt werden, grob und ohne Wertung beschrieben. Um Data Mining zukünftig auch in der Verkehrsplanung nutzbringend einsetzen zu können, bedarf es keiner weiteren Forschung. Vielmehr sind möglichst viele praktische Anwendungen erwünscht, mit denen Verkehrsplaner und Data Mining-Experten in interdisziplinärer Zusammenarbeit Erfahrungen sammeln und weitergeben können.