Als Folge der Globalisierung, des steigenden Bedürfnisses nach Mobilität sowie anderen Gründen die zur Erhöhung des Verkehrsaufkommens führen wird die Verkehrsinfrastruktur zukünftig vor größere Herausforderungen gestellt. Diese erhöhten Anforderungen gilt es mit den vorhandenen Ressourcen zu bewältigen, ohne mit baulichen Maßnahmen entgegenzuwirken. Letztendlich muss eine Möglichkeit geschaffen werden, die Ressourcen optimal zu nutzen, was die konkrete Kenntnis der Kapazitäten sowie der aktuellen sowie prognostizierten Verkehrslage bedarf. Der vorliegende Aufsatz untersucht unter der Bezeichnung Floating Objects Data verschiedene klassische wie auch alternative Ansätze zur Verkehrsdatenerfassung und stellt eine Möglichkeit dar, wie die Erkenntnisse in einem handelsüblichen Navigationssystem einer breiten Masse verfügbar gemacht werden kann. Die Folge der Bereitstellung von wichtigen Informationen wird eine verbesserte Auslastungsverteilung im Verkehrssystem zur Folge haben, was letztendlich zu einer optimierten Ausnutzung der vorhandenen Ressourcen führt.
Inhaltsverzeichnis
1. EINLEITUNG
2. FLOATING OBJECTS DATA
2.1. KLASSISCHER ANSATZ DES FLOATING CAR DATA
2.2. ANSÄTZE VON FLOATING OBJECTS DATA
2.2.1. FLOATING TAXI DATA
2.2.2. FLOATING PHONE DATA
2.2.3. FLOATING TRUCK DATA UND FLOATING COACH DATA
2.2.4. EXTENDED FLOATING CAR DATA UND VEHICLE-TO-X-COMMUNICATION
2.2.5. FLOATING OBJECTS OBSERVER
2.2.6. WEITERE ANSÄTZE ZU FLOATING OBJECTS DATA
3. VERARBEITUNG VON VERKEHRSDATEN
3.1. ALLGEMEINER PROZESS DER GEWINNUNG NEUEN WISSENS AUS VERKEHRSDATEN
3.2. GENERIERUNG VON TAGESGANGLINIEN AUF BASIS DES LOMB PERIODOGRAM
4. ZUSAMMENFASSUNG UND AUSBLICK
Zielsetzung & Themen
Die Arbeit untersucht das Konzept der Floating Objects Data (FOD) zur Verkehrsdatenerhebung, um eine Grundlage für die operative und strategische Steuerung des Straßenverkehrs zu schaffen und durch eine optimierte Auslastungsverteilung die vorhandenen Infrastrukturressourcen effizienter zu nutzen. Hierbei steht die Forschungsfrage im Fokus, wie verschiedene FOD-Ansätze in Navigationssysteme integriert werden können, um verkehrsrelevante Informationen einer breiten Masse zugänglich zu machen und Verkehrsbehinderungen zu reduzieren.
- Klassifizierung und Analyse verschiedener Datenerhebungsmethoden im Verkehr.
- Untersuchung technischer Ansätze wie Floating Car Data (FCD), Floating Phone Data (FPD) und weiterer sensorbasierter Konzepte.
- Bewertung der Potenziale von Extended Floating Car Data (xFCD) und Vehicle-to-X-Communication (V2X-C).
- Methodische Erarbeitung der Wissensgewinnung durch Data Mining und Datenintegration.
- Implementierung speicheroptimierter Algorithmen wie dem Lomb Periodogram zur effizienten Generierung von Tagesganglinien.
Auszug aus dem Buch
2.1. Klassischer Ansatz des Floating Car Data
Die Idee von FCD wird durch die Verwendung von Kraftfahrzeugen als fließende bzw. mitschwimmende Sensoren im Straßenverkehr beschrieben, wobei Daten erhoben werden, welche allgemeine Merkmale einer Strecke charakterisieren. Es liegt demnach ein Stichprobencharakter der Daten vor, welcher durch möglichst große Fahrzeugflotten erhoben werden sollte. Dabei übernimmt die Fahrzeuginfrastruktur die Datenerhebung. Es wird die aktuelle Zeit sowie Position des Fahrzeuges und andere relevante Daten ermittelt, wodurch ein räumlicher und zeitlicher Bezug zum Individuum hergestellt wird.
Die Positionsbestimmung kann bei den Fahrzeugen über das Global System for Mobile Communication (GSM) oder das Global Positioning System (GPS) erfolgen. Eine Gegenüberstellung der genannten Technologien verdeutlicht die folgende Abbildung 2.
Zusammenfassung der Kapitel
1. EINLEITUNG: Die Einleitung beleuchtet die steigenden Herausforderungen des Verkehrsaufkommens durch Globalisierung und Mobilität sowie die Notwendigkeit, Ressourcen durch verbesserte Verkehrsdaten und -modelle effizienter zu nutzen.
2. FLOATING OBJECTS DATA: Dieses Kapitel stellt verschiedene FOD-Ansätze wie Floating Taxi Data, Floating Phone Data und weitere sensorbasierte Technologien detailliert vor und analysiert deren Vorteile sowie Anwendungsbeispiele in existierenden Systemen.
3. VERARBEITUNG VON VERKEHRSDATEN: Hier werden der Prozess der Datenintegration und -bereinigung sowie die Anwendung des Data Mining zur Generierung strategischer Erkenntnisse erläutert, wobei ein besonderer Fokus auf dem speicheroptimierten Lomb Periodogram zur Erstellung von Tagesganglinien liegt.
4. ZUSAMMENFASSUNG UND AUSBLICK: Das abschließende Kapitel fasst die Ergebnisse der Arbeit zusammen und gibt einen Ausblick auf die Bedeutung zukünftiger Technologien wie V2X-C und die Rolle von Forschungsansätzen wie dem Floating Objects Observer.
Schlüsselwörter
Verkehrsdatenerfassung, Floating Objects Data, Floating Car Data, Floating Phone Data, Lomb Periodogram, Tagesganglinie, Data Mining, Navigationssysteme, Verkehrsqualität, Fahrzeugflotten, Telematik, Verkehrsmanagement, Datenerhebung, Datenintegration, Verkehrssysteme
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Erhebung und Verarbeitung von Verkehrsdaten unter Nutzung moderner, fahrzeugbasierter Technologien, um den Verkehrsfluss zu optimieren.
Was sind die zentralen Themenfelder?
Im Mittelpunkt stehen die verschiedenen FOD-Ansätze (Floating Objects Data), die methodische Datenaufbereitung und die Integration dieser Daten in Navigations- und Informationssysteme.
Was ist das primäre Ziel der Untersuchung?
Das Hauptziel ist es, einen Weg aufzuzeigen, wie durch eine fundierte Datenbasis und intelligente Verarbeitungsmethoden eine effizientere Nutzung der Verkehrsinfrastruktur ermöglicht werden kann.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer Literatur- und Projektanalyse sowie der theoretischen Herleitung eines speicheroptimierten Algorithmus (Lomb Periodogram) zur Approximierung von Tagesganglinien.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die Darstellung und Diskussion verschiedener FOD-Technologien (FCD, FPD, xFCD etc.) sowie die methodische Beschreibung des Wissensgewinnungsprozesses aus Verkehrsdaten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind Verkehrsdatenerfassung, Floating Objects Data, Lomb Periodogram, Data Mining, Verkehrsmanagement und intelligente Verkehrssysteme.
Warum ist die Unterscheidung zwischen GATS und dem City-FCD-Verfahren relevant?
Die Unterscheidung ist deshalb wichtig, da GATS primär für den außerstädtischen Bereich optimiert wurde, während das City-FCD-Verfahren speziell auf die Anforderungen des innerstädtischen Stop-and-Go-Verkehrs zugeschnitten ist.
Wie löst der Ansatz des Lomb Periodogram das Ressourcenproblem in Navigationsgeräten?
Der Algorithmus ermöglicht es, komplexe Verkehrsdaten in eine speicheroptimierte Form (trigonometrische Funktionen) zu bringen, wodurch eine Speicherung für jeden Streckenabschnitt auch auf leistungsschwächeren Endgeräten realisierbar wird.
- Citar trabajo
- Dipl. Wirt.-Inf. (BA) Stefan Jäger (Autor), 2010, Verkehrsdatenerfassung mit Floating Objects Data, Múnich, GRIN Verlag, https://www.grin.com/document/145930
