Zurück Vor

Detailergebnis zu DOK-Nr. 81460

Modellierung des Verkehrsmittelwahlverhaltens mittels erklärbarem Maschinellem Lernen

Autoren	V. Dahmen K. Bogenberger S. Weikl
Sachgebiete	0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.2 Verkehrsberechnungen, Verkehrsmodelle

Straßenverkehrstechnik 69 (2025) Nr. 2, S. 96-102, 7 B, 2 T, 31 Q

Da maschinelles Lernen zunehmend im Kontext der Verkehrsmittelwahlmodellierung Anwendung findet und an Anerkennung gewinnt, präsentieren wir in dieser Arbeit einen Vergleich solcher Modelle sowie einen Leitfaden für die Analyse ihrer Erklärbarkeit. Unter den bewährten Ansätzen des Random Forests und Extreme Gradient Boosting sowie dem konventionellen MNL-Ansatz erzielt das Extreme-Gradient-Boosting-Modell die beste Genauigkeit. Dieses Modell wird mithilfe des SHAP-Verfahrens auf seine Erklärbarkeit hin gründlich untersucht und ausgewertet. Der Beitrag jeder Variable kann auf verschiedenen Aggregationsebenen analysiert werden, zum Beispiel für einzelne Datenpunkte, aggregiert pro Verkehrsmittel oder für das gesamte Modell. Es zeigt sich, dass die Machine-Learning-Ansätze nicht nur deutlich leistungsstärker sind, sondern auch erklärbar.