Intern
Chair of Computer Science II - Software Engineering

(Bachelor/Master) Changepoint Detection bei Verkehrsdaten

09.10.2024

Changepoint Detection bei Verkehrsdaten

Motivation

Moderne Navigationssysteme nutzen häufig Informationen zur aktuellen Verkehrslage, um genauere Abschätzungen über die Fahrzeit und die damit verbundene Auswahl der effizientesten Route zu verbessern. Da sich die Verkehrslage während der Fahrzeit verändern kann, ist es möglich schon vor Antritt der Fahrt mögliche Änderungen vorherzusagen und diese in die Planung zu integrieren. Damit ein solches System zuverlässig funktioniert müssen die Vorhersagemodelle eine ausreichende Genauigkeit aufweisen. Sowohl das Verhalten der Verkehrsteilnehmer als auch das Straßennetzwerk selbst befinden sich allerdings im stetigen Wandel. Das führt dazu, dass die Modelle über Zeit an Genauigkeit verlieren. Um diesem Verlust entgegenzuwirken, kann man die verwendeten Modelle in regelmäßigen Zeitabständen erneuern. Durch die Erkennung von Änderungen in den Zeitreihendaten lässt sich dieser Prozess jedoch weiter optimieren. So lassen sich unnötige Erneuerungen der Modelle vermeiden und es wird immer genau zum richtigen Zeitpunkt auf Änderungen reagiert.

 

Ziele

Du beschäftigst dich in dieser Arbeit mit Ansätzen, die sich zur Bestimmung von Change Points in Zeitreihen aus dem Straßenverkehr eignen. Nach einer initialen Analyse von geeigneten Ansätzen vergleichst du diese auf realen Daten, um Änderungen im Verhalten der Verkehrsteilnehmer frühzeitig zu erkennen.

 

Wir bieten

  • Praxisnahes Themenfeld
  • Innovative Arbeit im Bereich der Logistikplanung
  • Hervorragende Arbeitsumgebung und intensive Betreuung

 

Dauer

    3/6 Monate

 

Kontakt

Marius Hadry, M.Sc.
marius.hadry@uni-wuerzburg.de
https://go.uniwue.de/hadry

Zurück