Detailergebnis zu DOK-Nr. 59403
Ein Bayessches Zeitreihenmodell zur kurzfristigen Prognose des Verkehrsflusses (Orig. engl.: Bayesian time-series model for short-term traffic flow forecasting)
| Autoren |
B. Ghosh M. O'Mahony B. Basu |
|---|---|
| Sachgebiete |
6.2 Verkehrsberechnungen, Verkehrsmodelle |
Journal of Transportation Engineering 133 (2007) Nr. 3, S. 180-189, 12 B, zahlr. Q
Bei dem häufig zur Prognose des Verkehrsflusses angewandten Modell SARIMA (Seasonal Autoregressive Integrated Moving Average) werden die Parameter in der Regel anhand klassischer Methoden wie Maximum-Likelihood und/oder kleinste Quadrate geschätzt. Der Beitrag stellt einen Ansatz vor, bei dem dies anhand der Bayesschen Methode (Markov-Ketten/Monte Carlo) geschieht, und zeigt auf, dass so das Verkehrsgeschehen in extremen Spitzenstunden und bei plötzlichem Wechsel des Verkehrszustands besser prognostiziert werden kann, wobei die individuellen Wahrscheinlichkeitsfunktionen für die Dichte zeitabhängige Vorhersagen erlauben, die sich von denen mit der üblichen Methodik ermittelten deutlich unterscheiden. Die Methodik wurde an einer Kreuzung in Dublin getestet.