Detailergebnis zu DOK-Nr. 79780
Abschätzung des Einflusses hochgenauer Niederschlagsdaten auf die Verkehrsbedingungen und die Verkehrsvorhersage (Orig. engl.: Estimating the impact of high-fidelity rainfall data on traffic conditions and traffic prediction)
| Autoren |
A. Prokhorchuk N. Mitrovic U. Muhammad A. Stevanovic M.T. Asif J. Dauwels P. Jaillet |
|---|---|
| Sachgebiete |
5.15 Verkehrsablauf (Verkehrsfluss, Leistungsfähigkeit, Bemessung) 6.2 Verkehrsberechnungen, Verkehrsmodelle 16.5 Meldedienste |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2675, H. 11, 2021, S. 1285-1300, 11 B, 7 T, 50 Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Eine genaue Vorhersage von Verkehrsparametern auf Netzebene bei schlechtem Wetter kann bei vielen Verkehrsanwendungen sehr hilfreich sein. Niederschläge haben in der Regel einen quantifizierbaren Einfluss auf das Fahrverhalten und die Leistung des Verkehrsnetzes. Diese Auswirkung wird häufig für niedrig aufgelöste Niederschlagsdaten auf kleinen Straßennetzen untersucht, während die Studie sie im Kontext eines großen Verkehrsnetzes und hochauflösender Niederschlagsradarbilder untersuchte. Zunächst wurde der Einfluss der Niederschlagsintensität auf die Verkehrsstärke im Tagesverlauf und für verschiedene Straßenkategorien analysiert. Anschließend wurde untersucht, ob die Einbeziehung von Niederschlagsinformationen die Vorhersagegenauigkeit der modernen Verkehrsprognoseverfahren verbessern kann. Die numerischen Ergebnisse zeigen, dass die Auswirkungen des Regens auf den Verkehr für verschiedene Regenintensitäten sowie für verschiedene Tageszeiten und Wochentage unterschiedlich sind. Die Ergebnisse zeigen auch, dass die Einbeziehung von Niederschlagsdaten in Vorhersagemodelle deren Gesamtleistung verbessert. Die durchschnittliche Verringerung des mittleren absoluten prozentualen Fehlers (englisch MAPE) für Modelle mit Niederschlagsdaten beträgt 4,5 %. Es wurden auch Experimente mit heruntergerechneten Niederschlagsdaten durchgeführt, und man kam zu dem Schluss, dass die Einbeziehung von Wetterdaten mit höherer Auflösung tatsächlich zu einer Leistungssteigerung der Verkehrsvorhersagemodelle führt.