摘要: |
Neuronale Netze besitzen unter anderem die Faehigkeit, komplexe, auch nicht lineare funktionale Zusammenhaenge mit hoher (Rechen-)Geschwindigkeit abzubilden, und zeichnen sich durch Lernfaehigkeit aus. Verkehrsleitsysteme benoetigen moeglichst aktuelle Daten ueber das Verkehrsgeschehen, wobei die bisher zur Anwendung kommenden (Prognose-)Modelle, obwohl nur eine beschraenkte Anzahl von Einflussparametern beruecksichtigt wird und damit eine unbefriedigende Abbildung des realen Verkehrsgeschehens erfolgt, erhebliche Rechenzeiten benoetigen und somit Ergebnisse erst mit erheblichem Zeitversatz liefern. Bei dem Versuch, diese Problematik mit Hilfe Neuronaler Netze ueber die Berechnung von Reisezeiten durch Korrelation von Ganglinien an benachbarte Messquerschnitte zu loesen, hat sich allerdings gezeigt, dass die Bestimmung der Reisezeit auf diese Art zwar theoretisch moeglich ist, aber trotz schneller Rechner immer noch erheblicher Zeitaufwand benoetigt wird, bis Konvergenz besteht. Zur Verbesserung des Ansatzes, der auch nicht - wie urspruenglich vorgesehen - in der Praxis getestet werden konnte, werden deshalb weiterfuehrende Arbeiten zur Konvergenzbeschleunigung und eine Reihe von grundsaetzlich anderen Loesungsansaetzen vorgeschlagen. |