Analyse von Verkehrsabläufen mittels Systemparameterextraktion zur Sicherstellung ihrer Aussagerelevanz

Abstract:
Die Analyse umfangreicher Datenbestände im Kontext Big Data oder Data-Warehouse ist eines der momentan viel beachteten Themengebiete. Dies liegt vor allem daran, dass man zu recht erwartet, mittels umfangreicher Daten aus der unmittelbaren und fernen Vergangenheit Prognosen, Managementvorgaben und/oder Optimierungsstrategien für das Heute und Morgen zu generieren. Generell stellt sich aber bei allen im Gebrauch befindlichen Applikationen auf den genannten Sektoren das generelle Problem, dass – selbst wenn die vorliegenden Daten eine gute bis sehr gute Qualität aufweisen – man aus ihnen zuerst die problemrelevanten Indikatoren und Trends, also die für eine gegebene Aufgabenstellung relevante Information, extrahieren muss. Wird dieses versäumt – existiert also keine problemorientierte Repräsentation der Datensätze – werden die erarbeiteten Resultate der Datenanalyse nur in maskierter Form die eigentliche Aufgabenstellung repräsentieren können. Welche Vorgaben an eine problemorientierte Repräsentation eines Datensatzes zu machen sind und welche neuen Verfahren man zur relevanten Informationsextraktion einsetzen kann, wird in diesem (Kurz-) Beitrag anhand von Daten aus dem Transportwesen erläutert bzw. kurz umrissen.