Mustererkennung des Bewegungsverhaltens für die Kreuzungs-Klassifizierung unter Verwendung von GPS-Trace Daten

Das Ziel dieser Arbeit ist es, verschiedene Arten von Regulatortypen von Verkehrsknotenpunkten auf der Basis von GPS-Trace Daten zu klassifizieren. Um dieses Ziel zu erreichen, wird eine Vielzahl von Merkmalen zur Beschreibung des Fahrverhaltens an Kreuzungen berechnet. Diese werden aus den gemessenen Einheiten der GPS-Trace Daten abgeleitet, aus denen sich die Bewegungs-Trajektorie einer Person zusammensetzt. Unter anderem wurde der Einfluss der Abbiege-Trajektorien sowie der Anzahl der für die Feature-Berechnung verwendeten Trajektorien auf die Gesamt-Genauigkeit untersucht. Zusätzlich wurden verschiedene Over-Sampling-Methoden zur Überwindung des Ungleichgewichts des Datensatzes getestet. Im Rahmen der Abschlussarbeit wurde ein random forest-Klassifikator, der zur Identifizierung der Straßenregulierung an Kreuzungen trainiert wurde, mit über 84% (Genauigkeit) bei den verschiedenen experimentellen Einstellungen untersucht.