Zurück Vor

Detailergebnis zu DOK-Nr. 71872

Künstliches neuronales Netzwerkmodell zur Abschätzung der zeitlichen und räumlichen Reisezeitverluste an Arbeitsstellen unter Einbeziehung von Fahrzeugdaten (Orig. engl.: Artificial neural network modal for estimating temporal and spatial freeway work zone delay using probe-vehicle data)

Autoren	J. Lee S. Chien B. Du L. Spasovic K. Mouskos
Sachgebiete	5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 5.22 Arbeitsstellen 6.1 Verkehrserhebungen, Verkehrsmessungen 6.2 Verkehrsberechnungen, Verkehrsmodelle

Construction 2016. Washington, D.C.: Transportation Research Board (TRB), 2016 (Transportation Research Record (TRB) H. 2573) S. 164-171, 4 B, 3 T, 44 Q

Fahrstreifenreduktionen im Bereich von Arbeitsstellen auf Autobahnen sind häufige Ursache von Staus. Daher ist es extrem wichtig, die Auswirkungen in Bezug auf Verkehrssicherheit und Kosten abzuschätzen. Auf der Basis fahrzeuggenerierter Daten (Reisegeschwindigkeiten mit und ohne Beeinträchtigung) wurde ein mehrschichtiges künstliches neuronales Netzwerkmodell entwickelt, mit dessen Hilfe die Reisezeitverluste eruiert wurden. Das entwickelte Modell wurde anhand von Realdaten aus New Jersey getestet. Die Ergebnisse zeigen hier, dass das Modell im Vergleich zu herkömmlichen Warteschlangenmodellen bessere Ergebnisse in Bezug auf die Abschätzung der Reisezeitverluste liefert. Somit kann das entwickelte Modell dazu genutzt werden, um einen Bonus oder Malus für die jeweilige Baufirma zu bestimmen. Für die Planer steht ein Modell zur Verfügung, mit dessen Hilfe Beginn und Ende der Baumaßnahme bestimmt werden können, um die Auswirkungen zu minimieren. Auf übergeordneter Ebene ermöglicht es dem Verkehrsplaner, Verkehrsverlagerungen abzuschätzen und ein effektives Verkehrsmanagement zu erstellen,