Ein hybrides Modell basierend auf einem Neuronalen Netz und einem ARIMA-Zeitreihenmodell zur Prognose lokaler Verkehrskenngroessen

Die Vorhersage von Verkehr ist eine der groessten Herausforderungen der gegenwaertigen Forschungen im Bereich der Verkehrstechnik. Der Schwerpunkt der hier dargestellten Arbeiten liegt auf der Prognose lokaler Verkehrskenngroessen, wie zum Beispiel der mittleren lokalen Geschwindigkeit, fuer kurze Prognosehorizonte. Hierfuer wurde ein neues hybrides Modell, bestehend aus einem stochastischen ARIMA-Zeitreihenmodell und einem Neuronalen Netz entwickelt und mit realen Verkehrsdaten validiert. Das Hybridmodell wurde evaluiert und mit konventionellen Verfahren zur Verkehrsprognose mittels unabhaengiger realer Testdaten verglichen. Es zeigte sich, dass das neue hybride Modell exaktere und zuverlaessigere Prognosen der Geschwindigkeit liefert als die bisher bestehenden Verfahren.

• Availability:
  • Find a library where document is available. Order URL: http://worldcat.org/oclc/6525734
• Authors:
  • Bogenberger, K
  • BELZNER, H
  • KATES, R
• Publication Date: 2003

Language

• German

Media Info

• Pagination: 5-12
• Serial:
  • Straßenverkehrstechnik
  • Volume: 47
  • Issue Number: 1
  • ISSN: 0039-2219

Subject/Index Terms

• TRT Terms: Calculation; Forecasting; Level of service; Mathematical models; Speed; Traffic control; Traffic density; Traffic engineering; Traffic flow; Trend (Statistics)
• ITRD Terms: 6464: Berechnung; 5408: Geschwindigkeit; HYBRIDRECHNER; 132: Prognose; 6473: Rechenmodell; 655: Strassenverkehrstechnik; 671: Verkehrsfluss; 653: Verkehrsqualität; 673: Verkehrsstärke; 654: Verkehrssteuerung; 6515: Zeitreihe (stat)
• Subject Areas: Operations and Traffic Management; I71: Traffic Theory;

Filing Info

• Accession Number: 01191793
• Record Type: Publication
• Source Agency: Forschungsgesellschaft für Straßen- und Verkehrswesen (FGSV)
• Files: ITRD
• Created Date: Oct 7 2010 2:53PM