…und Künstliche Intelligenz sind in aller Munde und
erfreuen sich seit einigen Jahren in der Forschung auch
für die Vorhersagen von Luftschadstoffen…
…des Algorithmus hervorzuheben. Durch eine automatische
monatliche Neukalibrierung verbessert sich der Algorithmus
mit der Zeit kontinuierlich selbst…
…. Sich ändernde
Zusammenhänge, wie beispielsweise Änderungen
verkehrsbedingter Emissionen durch technologische Innovation
und deren Auswirkungen auf die NO…
…2-Belastung,
werden dadurch automatisch und zügig in das Modell integriert.
Insgesamt zeigt sich, dass der für Berlin gewählte Gradient-Boosting-Ansatz
eine…
…letzten Jahren erfreuen sich Methoden des maschinellen
Lernens und der künstlichen Intelligenz in verschiedensten
Domänen wachsender Beliebtheit…
…geht (Anchan et al., 2022). Bei
diesem Machine-Learning-Ansatz handelt es sich um eine
Kombination sogenannter Entscheidungsbäume. Ein Entscheidungsbaum…
…räumlich-zeitlicher Variabilität
wie das Verkehrsaufkommen.
Anschließend lassen sich mit dem trainierten Modell Prognosen
für die Zukunft und beliebige Orte in Berlin…
…Voraus berechnet.
Von den zeitlichen und räumlichen Punkt-Prognosen lassen
sich verschiedene Kennzahlen ableiten:
➤ Räumlich aggregierte Prognosen, z. B…
…umweltsensitives Verkehrsmanagement:
Sagt das Modell für einen Ort in den kommenden
Tagen die Überschreitung eines Luftschadstoff-Schwellenwerts
vorher, lassen sich…
…die Prognosen mit künstlich
reduzierter Verkehrs-Variablen erneut berechnen, um
verschiedene Szenarien zu generieren. So lässt sich er
1 Die räumliche…
Alle Treffer im Inhalt anzeigen
Ihr Warenkorb ist leer
Sie sind Gast