Menü

ClusterMobil

Clustering von Kfz-Mobilitätsströmen mit Hilfe von Maschinellem Lernen

Gefördert von: Dieses Projekt wird aus Mitteln des Förderprogramms "Innovationen im Bereich Logistik und Mobilität" des Landes Hessen gefördert.

Laufzeit: Mai 2021 bis Dezember 2022

Projektleitung: Prof. Dr. Tobias Hagen

Ansprechpartner: Jonas Hamann, M. Sc.

Ein smartes kommunales Mobilitätsmanagement benötigt Informationen darüber, wie viele Kraftfahrzeuge (KFZ), welcher Gruppen von Fahrenden, mit welchem Zweck, in welche Stadtteile fahren. Umfragen zur Mobilität von Menschen sind zeit- und kostenaufwändig, oft nicht repräsentativ und nicht ausreichend aktuell und genau. Im Rahmen dieses neuen Projekts wird das Problem mithilfe von Algorithmen des maschinellen Lernens (ML) adressiert. Das Ziel liegt in der Segmentierung geografischer Bereiche in Städten und dem Clustering von KFZ-Verkehrsströmen. Damit kann ein Bild davon gewonnen werden, wohin welche „Gruppen“ (Cluster) von KFZs, warum und in welchem Umfang in bestimmte geografische Bereiche der Städte fahren. Zu diesem Zweck werden GPS-Daten von KFZ und geo-räumliche Informationen aus OpenStreetMap ausgewertet. Der Umfang der GPS-Daten ist deutlich größer als bei vorliegenden Studien, was detailliertere Analysen ermöglicht. Erstmals erfolgt eine gemeinsame Typisierung von Verkehrsströmen und geographischen Bereichen mittels ML, um der Interdependenzen Rechnung zu getragen. Zudem wird ein Modell angestrebt, das eine Überlappung der geographischen Cluster ermöglicht, d.h. die Grenzen bspw. zwischen zwei geographischen Bereichen müssen nicht „scharf“ sein, sondern können (realistischer) fließend (annähernd stetig) sein.

 

Saki, S., Hamann, J. & Hagen, T. (2022). TessPy: a python package for geographical tessellation. Journal of Open Source Software, 7(76), 4620, https://doi.org/10.21105/joss.04620

Saki, S., Hagen, T. A (2022). Practical Guide to an Open-Source Map-Matching Approach for Big GPS Data. SN COMPUT. SCI.3, 415. https://doi.org/10.1007/s42979-022-01340-5

Hagen T., J. Hamann, S.Saki (2022): Discretization of Urban Areas using POI-based Tesselation. Working Papers Fachbereich Wirtschaft und Recht Nr. 23, Frankfurt University of Applied Sciences. https://doi.org/10.48718/7jjr-1c66

ReLUTID: 10504
letzte Änderung: 26.06.2023