VPT_25_04C_01

Zusammenfassung

Das Projekt soll zeigen, inwieweit Methoden der künstlichen Intelligenz, insbesondere Deep-Learning-Architekturen, dazu geeignet sind, vorhandene Verkehrsdaten so auszuwerten, dass für alle Beteiligte ein operationeller Mehrwert entsteht. In einerm ersten AP wird basierend auf einer ersten Datenanalyse ein konkretes Zielbild erarbeitet, bevor im AP2 die vorhandenen Verkehrsdaten systematisch analysiert und zu einem Trainingsdatensatz aufbereitet werden. Der eigentliche Orchestrators wird in AP3 entwickelt. Der Orchestrator ist ein flexibles Werkzeug, das unterschiedliche Aufgaben entlang der gesamten Wertschöpfungskette unterstützt. Im Zentrum der Arbeiten steht die Abbildung der strassenseitigen Leistungsfähigkeit (Kapazitäten, CR-Funktionen). Die Kapazität gilt als zentrale Steuergrösse der Verkehrstechnik, da sie unmittelbar bestimmt, wie viel Verkehr eine Infrastruktur aufnehmen kann. Aber auch Fragestellungen zur Clusterung und Anomalieerkennung werden behandelt. In AP4 wird der Orchestrator hinsichtlich seiner technischen und praktischen Anwendbarkeit bewertet (Transparenz, Nachvollziehbarkeit und Wiederverwendbarkeit). Schliesslich werden Gesichtspunkte des Dateneigentums, der Datensouveränität und des praktischen Modelleinsatz in der Zukunft diskutiert. Das Datenmodell der Input- und Output-Daten wird offengelegt und dokumentiert.