Zurück Vor

Detailergebnis zu DOK-Nr. 78352

Kombination von maschinellem Lernen und regelbasiertem Fuzzy-System zur Automatisierung der Entscheidungen von Verkehrsfachleuten bei nicht wiederkehrenden Überlastungen (Orig. engl.: Combining machine learning and fuzzy rule-based System in automating signal timing experts’ decisions during non-recurrent congestion)

Autoren	M.T. Tariq A. Massahi R. Saha M. Hadi
Sachgebiete	0.11 Datenverarbeitung 6.1 Verkehrserhebungen, Verkehrsmessungen 6.7.1 Verkehrssteuerung mit LSA

Transportation Research Record: Journal of the Transportation Research Board Vol. 2674, H. 6, 2020, S. 163-176, 5 B, 5 T, 42 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr

Ereignisse wie Verkehrsnachfrageschübe oder Fahrbahnsperrungen können selbst in verkehrsarmen Zeiten zu Rückstaus führen, was wiederum zu Verspätungen und Rückstaus an stromaufwärts gelegenen Knotenpunkten führt. Um dieses Problem zu lösen, haben einige Verkehrsbehörden damit begonnen, Verfahren zur Änderung der Lichtsignalphasen in Echtzeit einzuführen, die auf den Beobachtungen der Verkehrsingenieure zu den Ereignissen und Verkehrsbedingungen an den Knotenpunkten vor und hinter den überlasteten Stellen basieren. Die Entscheidung über die Änderung der Signalzeiten hängt von vielen Faktoren ab, zum Beispiel von der Länge der Warteschlange, dem Zustand der Haupt- und Nebenstraßen, der Möglichkeit, dass der Verkehr auf stromaufwärts gelegenen Knotenpunkten zurückfließt, der Bedeutung der stromaufwärts gelegenen Querstraßen und der Möglichkeit, dass sich die Warteschlange bis zu einer Autobahnanschlussstelle staut. Dieser Beitrag untersucht und bewertet die Automatisierung des Prozesses zur Aktualisierung der Signalzeitenpläne bei nicht wiederkehrenden Bedingungen, indem die Historie der Reaktionen der Ingenieure auf nicht wiederkehrende Bedingungen erfasst und diese Erfahrungen zum Trainieren eines maschinellen Lernmodells verwendet werden. In der Studie wird eine Kombination aus rekursivem Partitionierungs- und Regressions-Entscheidungsbaum (englisch RPART) und unscharfem regelbasiertem System (englisch Fuzzy Rule-Based System, FRBS) verwendet, um mit der Unbestimmtheit und Unsicherheit menschlicher Entscheidungen umzugehen. Der Vergleich der Entscheidungen, die auf der Grundlage der sich aus der Anwendung der Methode ergebenden Fuzzy-Regeln getroffen wurden, mit zuvor aufgezeichneten Expertenentscheidungen für eine Fallstudie zeigt genaue Empfehlungen für die Verschiebung der Freigabezeiten von Lichtsignalanlagen. Die Simulationsergebnisse zeigen, dass die Änderung der Freigabezeiten auf der Grundlage der Fuzzy-Regeln zu einer Verringerung der durch Fahrbahnsperrungen oder Nachfragespitzen verursachten Verzögerungen führt.