Detailergebnis zu DOK-Nr. 76174
Schätzung der Verkehrsstärke für Stadtstraßen mit unausgewogenen Daten (Orig. engl.: Estimating traffic volume for local streets with imbalanced data)
| Autoren |
P. Chen S. Hu Q. Chen H. Lin C. Xie |
|---|---|
| Sachgebiete |
5.3 Stadtverkehr (Allgemeines, Planungsgrundlagen) 6.1 Verkehrserhebungen, Verkehrsmessungen 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 3, 2019, S. 598-610, 4 B, 5T, 30 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Der jährliche durchschnittliche Tagesverkehr (annual average daily traffic, AADT, in Deutschland DTV) ist ein wichtiges Maß, das in der Verkehrstechnik verwendet wird. Stadtstraßen sind wichtige Bestandteile eines Straßennetzes. Automatische Verkehrszählungsgeräte (automatic traffic recorders, ATR), die zur Erfassung des AADT verwendet werden, sind jedoch häufig auf Ausfallstraßen beschränkt, sodass solche Informationen für Stadtstraßen oft nicht verfügbar sind. Die Schätzung des AADT auf Stadtstraßen wird zu einer Notwendigkeit, da der Stadtstraßenverkehr weiter zunimmt und die Kapazität von Ausfallstraßen nicht mehr ausreicht. Eine Herausforderung besteht darin, dass eine unterrepräsentierte Stichprobe von AADT auf Stadtstraßen zu einer verzerrten Schätzung führen kann. Eine "synthetische Minderheiten-Abtastungstechnik" (synthetic minority oversampling technique, SMOTE) wird bei der Erfassung an Stadtstraßen angewendet, um die unausgewogene Abtastung zwischen verschiedenen Straßentypen zu korrigieren. Ein verallgemeinertes lineares Mischmodell (generalized linear mixed model, GLMM) wird zur Schätzung des AADT unter Einbeziehung verschiedener unabhängiger Variablen, einschließlich der Faktoren der Straßengestaltung, der Soziodemografie und der Flächennutzung, verwendet. Das Modell wird mit einem AADT-Datensatz aus Seattle im Bundesstaat Washington untersucht. Die Ergebnisse zeigen , dass: (1) SMOTE dazu beiträgt, unausgewogene Stichprobenanteile zu korrigieren und die Modellleistung deutlich zu verbessern; (2) sowohl die Anzahl der Fahrstreifen als auch die Anzahl der Fußgängerüberwege positiv mit dem AADT assoziiert sind; (3) Straßenabschnitte, die in Gebieten mit höherer Bevölkerungsdichte oder gemischter Flächennutzung liegen, einen höheren AADT aufweisen; (4) die Entfernung zur nächsten Ausfallstraße negativ mit AADT korreliert ist; und (5) der AADT räumliche Verdrängungs-Effekte auf benachbarte Straßenabschnitte erzeugt. Die Kombination von SMOTE und GLMM verbessert die Schätzgenauigkeit des AADT, was zu besseren Daten für die Verkehrsplanung und Verkehrsüberwachung sowie zu Kosteneinsparungen bei der Datenerfassung beiträgt.