Anwendung von Floating Data in der Verkehrsnachfragemodellierung

Verkehrsplaner konzentrieren sich insbesondere auf den städtischen Verkehr mit seinen vielfältigen Wirkungen. Dazu untersuchen sie das Mobilitätsverhalten der Bevölkerung mit Erhebungen, aufgrund derer auf die Verkehrsnachfrage, die Routenwahl und Verkehrsmodi geschlossen werden kann. Üblicherweise werden dazu Interviews mit Angehörigen eines Haushalts durchgeführt oder Fragebogen verschickt. Dieses Vorgehen bringt aber hohe Kosten, fehlerhafte oder ganz ausbleibende Antworten mit sich. Stattdessen könnte das Mobilitätsverhalten anhand Floating Car Data (FCD) und Floating Smartphone Data (FSD) untersucht werden.

In diesem Dissertationsvorhaben wird eine Methodik entwickelt, mit der Quelle-Ziel-Matrizen inklusive des Verkehrsmodus aus lokalen Detektorzählungen, FCD und FSD geschätzt werden können. Das schließt ein Verfahren aus dem Maschinellen Lernen ein, welches aus FSD automatisiert den Verkehrsmodus erkennt. Die Methodik wird mit FCD von einem Autobahnnetz um Duisburg und mit FSD aus der Braunschweiger Innenstadt bewertet. Beide Netzwerke werden in einer mikroskopischen Verkehrssimulation abgebildet, um unterschiedliche Verkehrssituationen zu untersuchen.