Detailergebnis zu DOK-Nr. 63043
Ein instanzbasiertes Lernverfahren zur Prognose von Verkehrskenngrößen unter Nutzung räumlich-zeitlicher Verkehrsmuster
| Autoren |
A. Leonhardt |
|---|---|
| Sachgebiete |
6.2 Verkehrsberechnungen, Verkehrsmodelle 6.7 Verkehrslenkung, Verkehrssteuerung, Telekommunikation |
München: Lehrstuhl für Verkehrstechnik, Technische Universität München, 2009, 169 S., zahlr. B, T, Q, Anhang (Schriftenreihe des Lehrstuhls für Verkehrstechnik der Technischen Universität München H. 8). - ISBN 978-3-937631-09-7
Gegenstand dieser Dissertation sind Entwicklung und Anwendung eines instanzbasierten Lernverfahrens zur Prognose von Reisezeiten und lokalen Verkehrskenngrößen als Basis für dynamische Informations- und Steuerungsverfahren im Verkehrsmanagement. Grundlage des Verfahrens bilden kontinuierlich erhobene lokale Verkehrskenngrößen, unregelmäßig beobachtete Reisezelten, sowie Kalendermerkmale (Tageskasse und Tageszelt). Die Verkehrskenngrößen werden unter Berücksichtigung der Geometrie des Straßennetzes räumlich-zeitlich strukturiert und für den späteren Zugriff archiviert. Im Sinne des Regressionsgedankens werden für die zu prognostizierenden abhängigen Variablen (Zielgrößen, Reisezeiten oder lokale Kenngrößen) relevante unabhängige Variablen (Merkmale, lokale Kenngrößen und Kalendermerkmale) identifiziert und als zur Zielgröße gehöriges Muster betrachtet. Die Auswahl und die Gewichtung der verkehrlichen Merkmale basiert dabei auf räumlichen und zeitlichen Abständen zur Zielgröße. Die Kalendermerkmale werden relativ zu den Verkehrsmerkmalen und abhängig vom Prognosehorizont gewichtet. Bei einer Prognoseanfrage wird die Ähnlichkeit des aktuellen Musters zu jedem archivierten historischen Muster berechnet, für das eine Beobachtung der Zielgröße vorliegt Aus den zu den ähnlichsten Mustern korrespondierenden Zielgrößen wird die Prognose als gewichteter Mittelwert berechnet. Das Verfahren wurde implementiert und anhand von realen Daten aus Graz (Belegungsgrade und Taxipositionsmeldungen) und München (Verkehrsstärken und Reisezeiten aus Fahrzeugwiedererkennung) kalibriert und bewertet.