Detailergebnis zu DOK-Nr. 75910
Schätzung der Unsicherheit der Arbeitsstellenkapazität mithilfe von Neuronalen Netzwerk-Modellen (Orig. engl.: Estimating uncertainty of work zone capacity using neural network models)
| Autoren |
Z. Bian K. Ozbay |
|---|---|
| Sachgebiete |
5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit) 5.22 Arbeitsstellen 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 2, 2019, S. 49-59, 5 B, 5 T, 31 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Ziel der Studie war die Entwicklung eines neuronalen Netzwerkmodells zur Vorhersage der Arbeitsstellenkapazität unter Berücksichtigung verschiedener Unsicherheiten, die sich aus Verkehrs- und Betriebsbedingungen ergeben. Das Modell des neuronalen Netzes wird im Hinblick auf die Anzahl der gesamten Fahrstreifen, die Anzahl der offenen Fahrstreifen, den Schwerverkehrsanteil, die Arbeitsintensität und die Arbeitsdauer formuliert. Die in der Arbeit verwendeten Daten stammen aus früheren Studien, die in der zugänglichen Literatur veröffentlicht wurden. Um die Unsicherheit der Arbeitsstellenkapazität zu erfassen, stellt das Papier zwei neue Methoden vor, mit denen neuronale Netzmodelle Vorhersageintervalle erzeugen können, die durch die mittlere Arbeitsstellenkapazität und den Vorhersage-Standardfehler bestimmt werden. Die Forschung baut zunächst ein Bayes'sches neuronales Netzmodell unter Anwendung der Black-Box-Variationsinferenztechnik (BBVI) auf. Das zweite Modell basiert auf einem regulären künstlichen neuronalen Netz unter Anwendung der kürzlich vorgeschlagenen Monte-Carlo-Abbruchtechnik. Beide Modelle des neuronalen Netzes konstruieren Vorhersageintervalle unter verschiedenen Konfidenzniveaus und liefern die Abdeckungsraten der tatsächlichen Arbeitsstellenkapazitäten. Die statistische Genauigkeit (MAPE, MAE, MSE und RMSE) der Modelle wird dann mit traditionellen Schätzmethoden für die vorhergesagte mittlere Arbeitsstellenkapazität verglichen. BBVI liefert bessere statistische Ergebnisse als die anderen drei Modelle. Beide Modelle liefern eine vorhergesagte Verteilung der Arbeitsstellenkapazität und Vorhersageintervalle, während herkömmliche Modelle nur eine einzige Schätzung liefern.