Detailergebnis zu DOK-Nr. 77757
Vergleich eines Prognosemodells mit maschinellem Lernen mit dem Standard-Nutzungsdauer-Benchmark der Federal Transit Administration (FTA) zur Vorhersage von Ersatzkosten für Fahrzeuge mit Einnahmen (Orig. engl.: Comparing a machine learning predictive model with Federal Transit Administration (FTA)’s default useful life benchmark to predict replacement costs for revenue vehicles)
| Autoren |
D. Mistry J. Hough |
|---|---|
| Sachgebiete |
5.3.4 Öffentlicher Personennahverkehr 5.17 Bewertungsverfahren (Wirtschaftlichkeitsuntersuchungen) |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2674, H. 2, 2020, S. 181-190, 5 B, 2 T, 15 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr
Es wurde in dem Projekt ein Prognosemodell entwickelt, das mithilfe eines Algorithmus des maschinellen Lernens die Lebensdauer von Fahrzeugen des öffentlichen Verkehrs vorhersagt und den Rückstand und die jährlichen Ersatzkosten berechnet, um einen guten Zustand der Fahrzeuge zu erreichen und aufrechtzuerhalten. Das Modell wird auf Daten aus dem US-Bundesstaat Oklahoma angewandt. Die durch das maschinelle Lernmodell (Machine Learning Predictive Model, MLPM) vorhergesagten Fahrzeugnutzungsdauern werden mit den Standardnutzungsdauern (ULB) der U.S. Federal Transit Administration (FTA) verglichen. Das Modell zeigt, dass die vom MLPM vorhergesagte Nutzungsdauer relativ realistischere Vorhersagen über die Wiederbeschaffungskosten von Fahrzeugen für den Fahrgastbetrieb liefert als die Vorhersagen, die anhand der Standard-ULB der FTA erstellt wurden. Das MLPM wird den Verkehrsbetrieben in Oklahoma die Analyse des Zustands ihrer Fahrzeuge erleichtern und den Entscheidungsträgern bei Investitionen in die Instandsetzung und den Ersatzbedarf eine Orientierungshilfe bieten. Das Paper zeigt, dass es vorteilhaft ist, ein MLPM zur Vorhersage der Nutzungsdauer von Nutzfahrzeugen anstelle der Standard-ULB der FTA zu verwenden.