Mathematisch-technische Konzepte zum Umgang mit ungenauer Sensorik und unsicheren Informationen im Verkehrsmanagement.

Abstract

Die Erfassung qualitativ hochwertiger Verkehrs- und Umfelddaten ist eine wesentliche Voraussetzung für ein effizientes und zielgerichtetes Verkehrsmanagement. Möglichst präzise Daten und verlässliche Informationen bilden die Grundlage für gute Entscheidungen von Infrastrukturplanung bis hin zur dynamischen Verkehrsbeeinflussung. Jedoch können auch ungenaue Daten und unsichere Informationen in nicht unerheblichem Maße zur Verbesserung der Gesamtqualität der Verkehrserfassung beitragen. Der vorliegende Beitrag gibt in diesem Zusammenhang einen kurzen Überblick über gängige Prinzipien der Datenfusion im Verkehrsbereich und demonstriert anhand zweier konkreter Verfahrensbeispiele den positiven Nutzen vermeintlich "schlechter" bzw. mit Unsicherheiten behafteter Daten. Insbesondere vor dem Hintergrund zunehmender digitaler Vernetzung im Verkehr und dem damit verbundenen Zugriff auf Daten und Informationen unterschiedlichster Form und Qualität ergeben sich so u. a. im Kontext der Big-Data-Analyse interessante Perspektiven für das Verkehrsmonitoring der Zukunft.Performance and effectivity of traffic management depend on the quality of data about traffic and its environment. Accurate data and reliable information are the foundation of good decisions in infrastructure planning as well as dynamic traffic control, for instance. However, also inaccurate data or uncertain information may help to significantly enhance the quality of traffic monitoring as a whole. In this context, the present contribution gives an overview about common principles of data fusion in traffic and demonstrates the positive effect of seemingly "bad" (i. e., uncertain) data by reference to concrete methods and numerical examples. With regard to the current progress of digitalization in traffic and the increasing availability of data and information that are greatly varying in quality and form, this results in important perspectives concerning future traffic monitoring based on big data analyses, for instance.