Zurück Vor

Detailergebnis zu DOK-Nr. 57301

Kurzfristprognose des Verkehrsflusses auf Autobahnen (Orig. engl.: Short-term freeway traffic flow prediction: Bayesian combined neural network approach)

Autoren	W. Zheng D.H. Lee Q. Shi
Sachgebiete	5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 6.2 Verkehrsberechnungen, Verkehrsmodelle

Journal of Transportation Engineering 132 (2006) Nr. 2, S. 114-121, 7 B, 1 T, zahlr. Q

Kurzfristige Verkehrsflussprognosen galten lange Zeit als kritischer Punkt für intelligente Transportsysteme. Bisherige Vorhersagemodelle waren meist nur für eine bestimmte Periode gültig. Ein verbesserter Ansatz liegt darin, die einzelnen Prognosen für eine Vorhersage in einem Periodenbereich zu verbinden. In diesem Artikel wird für ein derartiges Vorgehen ein zentrales Netzmodell mit einem Algorithmus, der auf der bedingten Wahrscheinlichkeit und der Bayes-Regel basiert, eingeführt. Für Versuchszwecke wurden zwei Datensätze mit Verkehrsflussraten in 15-Minuten-Intervallen auf dem Ayer Rajah Expressway in Singapur gesammelt. Ein Datensatz wird benutzt, um die zwei einzeln ermittelten Netze abzugleichen, und der andere Datensatz, um die Leistungen des kombinierten Modells und der einzelnen Modelle zu testen und zu vergleichen. Drei Indizes (der mittlere absolute Fehler, die entsprechende Varianz und die Fehlerwahrscheinlichkeit) werden herangezogen, um die Prognoseleistungen zu vergleichen. Es zeigt sich, dass das kombinierte Modell meist die Einzelvorhersagen übertrifft. Wichtig dabei ist, dass das neu vorgeschlagene Modell die Leistungsmöglichkeiten der Einzelvorhersagen aufspürt und so für die Prognose immer die leistungsfähigsten Vorhersagen auswählt und kombiniert.