Staumusterprognoseverfahren für Autobahnen am Beispiel des südbayerischen Netzes

Projektbeschreibung

Das Projekt beinhaltet die Entwicklung eines Prognoseverfahrens für das Auftreten von Stauereignissen auf südbayerischen Autobahnen durch maschinelle Lernverfahren (künstliche Intelligenz). Das Ziel ist es, ein auftretendes Stauereignis frühzeitig zeitlich, räumlich und klassifizierbar auf Basis historischer Ereignisse entlang eines größeren Abschnitts, vorhersagbar zu machen, insbesondere dessen Ende. Die angestrebte Verbesserung gegenüber klassischen Verfahren auf Basis von Reisezeiten wird einerseits durch die Arbeit auf Staumustern, d.h. Nutzung der gesamten räumlichen und zeitlichen Informationen eines Staus, sowie andererseits durch die Verwendung von modernsten Verfahren des maschinellen Lernens erzielt. Der Lehrstuhl für Verkehrstechnik wendet darin seine bisherige Forschung zur Stauermittlung (Definition, Erkennung, Klassifizierung in verschiedene Staumuster), Verkehrslageschätzung auf Basis von Schleifendetektor- und Fahrzeugtrajektoriendaten mit Verfahren des maschinellen Lernens sowie zur Verkehrsdatenanalyse von großen Datensätzen mit verschiedensten datenwissenschaftlichen Verfahren an.