Big Data ist ein Teil der Verkehrsdatenerfassung, aber größer bedeutet nicht immer besser
Angesichts der sich während der Pandemie verändernden Verkehrsströme haben einige US-BundesstaatenihretraditionellenDatenerfassungsprogrammevorerst ausgesetzt und setzen stattdessen auf die Einführung von Softwareplattformen, die auf Big Data basieren. Big-Data-Plattformen erfordern jedoch spezifische Nutzungsrichtlinien, wenn es um die Ergänzung von Verkehrszählprogrammen geht (sieheBericht aus Virginia), da Big Data nicht für alle Anwendungsfälle das geeignete Werkzeug ist. Ein vom Verkehrsministerium von Virginia veröffentlichter Forschungsbericht enthält nicht nur Angaben dazu, wofür Big Data typischerweise verwendet wird (z. B. Herkunft-Ziel-Studien und die Aktualisierung von Fahrtabellen), sondern liefert auch einige Messgrößen zur Genauigkeit von Big-Data-Zählungen (z. B. Genauigkeit in Bezug auf volumenbasierte Schwellenwerte und Fehlerquoten auf der Grundlage von Stichproben). Anhand der angegebenen Genauigkeitskennzahlen schlägt der Bericht zudem geeignete Anwendungsfälle für Big Data vor und zeigt auf, in welchen Fällen Daten aus anderen Technologien (z. B. videobasierte Zählungen) wahrscheinlich besser geeignet sind.
Angesichts des Berichts wird deutlich, dass nicht alle Daten gleichwertig sind. Die Qualität der Daten hängt von den Technologien ab, die zu ihrer Erfassung eingesetzt werden. Videobasierte Verkehrszählungen ergänzen beispielsweise Big-Data-Zählungen und gewinnen in der Welt der Big Data aufgrund ihres hohen Präzisionspotenzials zunehmend an Bedeutung. Während der einzigartige Wert von Big Data darin besteht, einen Überblick auf Makroebene über ein Verkehrsnetz zu bieten, sind videobasierte Zählungen in einer einzigartigen Position, um Einblicke auf Mikroebene sowie visuell abgeleitete Erkenntnisse zu liefern (z. B. qualitative Erkenntnisse wie Fahrspurbelegung, Lückenanalyse, Beinaheunfälle).
Beispiele für Anwendungsbereiche, in denen standortbezogene, videobasierte Daten ihre Stärken ausspielen:
Zählung von Fahrzeugbewegungen (TMC), automatische Verkehrsaufzeichnungen auf Fahrspurbasis (ATR), Untersuchungen zu Fußgänger- und Radwegen sowie Kreuzungen, Kalibrierung von Verkehrsmodellen
Beispiele für Anwendungsbereiche, in denen Big Data seine Stärken ausspielt: Herkunft-Ziel-Daten (OD) für Fahrtentabellen, Fahrtzweck, Schätzungen des durchschnittlichen täglichen Verkehrsaufkommens (AADT).
Wenn Sie zuverlässige, überprüfbare und genaue Daten benötigen, liefern videobasierte Zählungen die besten und detailliertesten Ergebnisse.
- Alle Erhebungen, die multimodale Daten erfordern, von Nachfragestudien bis hin zu Bewertungen im Rahmen des „Complete Streets“-Konzepts. Lesen Sie zum Beispiel mehr über dieStadt Chicago.
- Sicherheitsstudien, bei denen qualitative Daten ebenso wertvoll sind wie quantitative Daten und bei denen visuell gewonnene Informationen zur Studie beitragen
- Zeitkritische Untersuchungen, bei denen die Genauigkeit der Volumenangaben zu bestimmten Zeitpunkten und an bestimmten Orten von entscheidender Bedeutung ist
- Orte, an denen das Verkehrsaufkommen auf den Straßen unter 1000 Fahrzeuge pro Stunde liegt
Letztendlich hängt die Frage „Welche Daten sind besser?“ vom jeweiligen Anwendungsfall und dem Präzisionsbedarf innerhalb einer Studie ab. Sind bestimmte Verkehrsmengen und/oder Verkehrsströme zu bestimmten Zeiten für eine Studie weniger relevant, kommen Big-Data-Daten auf Makroebene in Frage. Sind bestimmte Verkehrsmengen und/oder Verkehrsströme zu bestimmten Zeiten wichtig, benötigt man Ground-Truth-Daten.
„Es kommt darauf an, welche Genauigkeit und Präzision Sie benötigen, um Ihre Fragen zu beantworten. Big-Data-Methoden liefern wertvolle Erkenntnisse auf aggregierter Ebene (sowohl zeitlich als auch räumlich), doch wenn Sie tiefer in die Details einsteigen müssen, sind Daten aus der Praxis erforderlich.“
Sajad Shiravi, P. Eng
Wenn Sie mehr darüber erfahren möchten, wie man Referenzdaten erfasst und für welche Anwendungsfälle diese geeignet sind – sei es zur Unterstützung spezifischer Studien oder zur Kalibrierung Ihrer Big-Data-Modelle –, wenden Sie sich an das Expertenteam von Miovision.
