Detailergebnis zu DOK-Nr. 81347
Auswirkungen des Intervalls der periodischen Standortaktualisierung auf die rekonstruierte Quelle-Ziel-Matrix: Eine niederländische Fallstudie unter Verwendung einer datengesteuerten Methode (Orig. engl.: Effects of Periodic Location Update Polling Interval on the Reconstructed Origin–Destination Matrix: A Dutch Case Study Using a Data-Driven Method)
| Autoren |
Z. Eftekhar A. Pel H. van Lint |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.2 Verkehrsberechnungen, Verkehrsmodelle |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2677, H. 9, 2023, S. 292-313, 18 B, 6 T, 45 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Daten aus dem "Global System for Mobile Communications“ (GSM) bieten wertvolle Einblicke in die Verkehrsnachfragemuster, indem sie die aufeinanderfolgenden Standorte von Personen erfassen. Eine große Herausforderung ist jedoch, wie sich das Abfrageintervall (Polling Interval, PI = die Zeit zwischen aufeinanderfolgenden Standortaktualisierungen) auf die Genauigkeit bei der Rekonstruktion der räumlich-zeitlichen Fahrtmuster auswirkt. Längere PIs führen zu einer geringeren Genauigkeit und können sogar kürzere Aktivitäten oder Fahrten übersehen, wenn sie nicht richtig berücksichtigt werden. In diesem Beitrag werden die Auswirkungen der PI auf die Fähigkeit, eine Quelle-Ziel-Matrix (OD) zu rekonstruieren analysiert. Es wird auch eine neue datengesteuerte Methode vorgeschlagen und validiert, die die Genauigkeit im Falle längerer PIs verbessert. Die neue Methode lernt zunächst zeitliche Muster in Aktivitäten und Fahrten auf der Grundlage von Reisetagebüchern, die dann verwendet werden, um Aktivitäts-Fahrtenmuster aus den (spärlichen) GSM-Spuren abzuleiten. Beide Schritte sind datengesteuert und vermeiden somit jegliche a priori-Annahmen (Verhalten, Zeit). Zur Validierung der Methode werden synthetische Daten verwendet, die mit einem kalibrierten agentenbasierten Verkehrsmodell erzeugt wurden. Dadurch erhält man echte OD-Muster und eine vollständige experimentelle Kontrolle. Die Analyseergebnisse zeigen, dass es mit der Methode möglich ist, OD-Matrizen selbst aus sehr kleinen Datenstichproben (d. h. Reisetagebüchern eines kleinen Bevölkerungssegments), die nur 1 % der Bewegungen der Bevölkerung enthalten, zuverlässig zu rekonstruieren. Dies ist vielversprechend für reale Anwendungen, bei denen die Menge der empirischen Daten ebenfalls begrenzt ist.