Zurück Vor

Detailergebnis zu DOK-Nr. 81348

Verfahrensentwicklung für Schaltzeitprognosen an verkehrsabhängigen Lichtsignalanlagenmit Hilfe maschinellen Lernens

Autoren	L.E. Schneegans
Sachgebiete	0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.7.1 Verkehrssteuerung mit LSA

Kassel: Kassel University Press, 2024, 242 S., zahlr. B, T, Q (Schriftenreihe Verkehr H. 37). − ISBN 978-3-7376-1162-6. − Online-Ressource: verfügbar unter: https://kobra.uni-kassel.de/items/f91e58cd-ce39-475c-a7cd-eb7b3d2401ce

Zentrum dieser Arbeit ist die Verbesserung der bestehenden Vorhersageverfahren zur Schaltzeitprognose (SZP) von LSA. Verbessert werden sollte die Übertragbarkeit, die Zuverlässigkeit und der Prognosehorizont von SZP. Durch die Übertragbarkeit kann der Schritt von der individuellen Prognoselösung für jede einzelne LSA zu einem weitgehend allgemeingültigen Verfahren, das flächendeckend eingesetzt werden kann, erfolgen. Die Zuverlässigkeit soll das Vertrauen in die Anwendung stärken, indem möglichst genaue Prognose getroffen werden. Hierauf sowie auf den in der Dissertation von Weisheit benannten Bedarfe wurde ein möglichst allgemeingültiges Konzept zur SZP entworfen und experimentell teilevaluiert, welches das Systemwissen zum LSA-Entwurf und -Betrieb sowie verschiedene Arten von LSA-Steuerungen integrieren können soll. Der Schwerpunkt der Evaluation des Konzepts lag auf der Methodik vor dem Hintergrund des Anwendungsgebietes. Für die Evaluation wurden OCIT-Daten aller Signalgruppen zweier für die Stadt Kassel typischen Knotenpunkte verwendet. Die verwendeten Evaluationsmetriken Korrektklassfikationsrate (KKR) und Wurzel der mittleren quadratischen Abweichung (RMSE) wurden vor dem Hintergrund der Metriken bestehender SZP ausgewählt. Besonders gute Ergebnisse konnten erzielt werden, indem vor der eigentlichen SZP die kommenden Phasen und ihre Schaltzeitpunkte vorhergesagt wurden. Diese vorherzusagen sowie ein Phasenmerkmal, das den Gesamtsignalisierungszustand der LSA beschreibt, dienten als zusätzliche Eingangsmerkmale für die SZP. Eine solche phasenorientierte SZP wird als ein Modell mit besonders hohem Potenzial für die erfolgreiche Integration in GLOSA-Systeme angesehen. Weiterhin wurden Detektionsmerkmale und ÖPNV-Meldungen in die Eingangsdatenmodelle integriert. Erkenntnis ist, dass die Detektionsmerkmale noch zielführender in eine SZP integriert werden könnten, wenn sie ebenfalls in ein den Gesamtzustand beschreibendes Merkmal überführt würden. Die ÖPNV-Meldungen verbessern die Prognosequalität.