Detailergebnis zu DOK-Nr. 75461
Kurzfristige Prognose von Perronüberlastungen mithilfe von überwachtem maschinellem Lernen
| Autoren |
J. Weibel |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 5.3.4 Öffentlicher Personennahverkehr 6.1 Verkehrserhebungen, Verkehrsmessungen |
Straße und Verkehr 106 (2020) Nr. 3, S. 16-25, 11 B, 7 Q
Die Nachfrage nach Zugreisen nimmt rapide zu, weshalb Bahnhöfe nahe oder jenseits der Kapazitätsgrenze betrieben werden müssen. Aufgrund der Zyklizität der Personenflüsse betreffen die Kapazitätsprobleme hauptsächlich die Stoßzeiten. Damit ein Bahnhof zu diesen entscheidenden Zeiten effektiv an seiner Kapazitätsgrenze betrieben werden kann, müssen die Betreiber die aktuelle Lage im Bahnhof engmaschig überwachen und zukünftige Szenarien zuverlässig prognostizieren können. Durch den Einsatz neuer Technologien wie Fußgängeranalysesystemen (Pedestrian Analytics Systems, PAS) ist es nun möglich, Personenbewegungen anonym zu überwachen. Die Betreiber erhalten so wertvolle Informationen zur Nutzung des Bahnhofs. Für diese riesige Datenmenge bietet sich ein Ansatz mit maschinellem Lernen an, bei dem die Vielzahl an Daten mithilfe passender Algorithmen analysiert wird. Ziel der Arbeit ist das Erstellen kurzfristiger Prognosen von Bahnsteigüberlastungen mithilfe von überwachtem maschinellem Lernen. Für eine systematische Sicherheitsanalyse und Prognose muss zunächst der Begriff Bahnsteigüberlastung definiert werden. Da es in Literatur und Praxis keine allgemein akzeptierte Definition gibt, wird eine theoretische Definition auf Grundlage eines allgemeinen Beurteilungsmodells für die Bemessung von Bahnhöfen, das Modell der Verkehrsqualitätsstufen (VQS), für die Klassifizierung der Instanzen zugrunde gelegt. Im VQS-Modell werden sechs Qualitätsstufen von A bis F auf Grundlage festgelegter Personendichteschwellen genutzt.