Mode Detection

Mode Detection (auch Verkehrsmittelklassifikation genannt) ist eine Aufgabe des maschinellen Lernens, bei der jedem Segment einer GPSGPSThe Global Positioning System (GPS) is a satellite-based navigation system operated by the U.S. Space Force that prov...-Trajektorie ein Verkehrsträger zugeordnet wird. Grundlage sind Bewegungsmerkmale wie Geschwindigkeit, Beschleunigung, Rate der Richtungsänderung sowie die Nähe zu ÖPNV-Infrastruktur.

Klassische Ansätze extrahieren manuell definierte Merkmale (Durchschnittsgeschwindigkeit, Höchstgeschwindigkeit, Varianz der Beschleunigung, Häufigkeit von Stopps) aus GPSGPSThe Global Positioning System (GPS) is a satellite-based navigation system operated by the U.S. Space Force that prov...-Segmenten und speisen sie in Entscheidungsbäume, Random Forests oder Support Vector Machines ein, die auf gelabelten Trajektoriendaten trainiert wurden. Fußwege zeigen niedrige Geschwindigkeiten und eine hohe Variabilität der Richtung; Autofahrten weisen höhere Geschwindigkeiten bei gleichmäßigen Trajektorien auf; Busfahrten kombinieren moderate Geschwindigkeiten mit häufigen Halten an bekannten Bushaltestellen. Ansätze des Deep Learning verwenden Convolutional oder Recurrent Neural Networks, die direkt auf rohe Koordinatensequenzen angewendet werden und dabei automatisch unterscheidungskräftige Merkmale lernen. Die Integration von Fahrplandaten des ÖPNV sowie des Straßennetzkontexts verbessert die Genauigkeit bei der Unterscheidung von Bus- und Autofahrten, die ähnliche Geschwindigkeitsprofile aufweisen.

Verkehrsbehörden nutzen Mode Detection, um den Modal Split (den Anteil der mit jedem Verkehrsträger zurückgelegten Wege) aus passiv erhobenen Mobilfunkdaten zu schätzen und dadurch teure Haushaltsbefragungen zum Mobilitätsverhalten zu ersetzen. Stadtplaner bewerten damit die Nutzung von Radverkehrsinfrastruktur. CO2-Fußabdruck-Rechner ordnen anhand der erkannten Verkehrsträger Emissionsfaktoren zu. Mobility-as-a-Service-Plattformen setzen Mode Detection in Echtzeit ein, um eine nahtlose Wegeverfolgung über Fuß-, ÖPNV- und Ride-Hailing-Abschnitte hinweg zu ermöglichen.

Mode Detection fügt Mobilitätsdaten die Verhaltensdimension hinzu und zeigt nicht nur, wo und wann Menschen unterwegs sind, sondern auch, wie sie sich fortbewegen.