Manapság a nagyvárosok közlekedésének egyik komoly problémája az úthálózaton megjelenő dugó jelenségek, amelyek számos negatív hatással bírnak nem csak a járművezetőkre, hanem a városlakók életére is. Ahhoz, hogy kezelni lehessen ezeket a jelenségeket, elengedhetetlen azon folyamatok mélyreható megértése, amelyek a dugók kialakulásához majd azok továbbgyűrűzéséhez vezetnek. A dugó jelenségek egyik fő okozói az úthálózaton váratlanul kialakuló forgalmi incidensek, amelyek gyors és megbízható detekciója segíthet a negatív hatások csökkentésében. Az Automatic Incident Detection (AID) egy régóta kutatott terület, amely az új machine learning módszerek elterjedésével újra a kutatások egyik fő tárgyává vált. Munkánk során egy új módszert fejlesztettünk ki, Transient-based Automatic Incident De- tection (TBAID, ami a szakirodalomban eddig még nem alkalmazott megközelítést használ az incidensek kialakulásának detektáláshoz. A TBAID módszerben az új megközelítés mellett új jellemzőket és az XGB modellt is alkalmaztuk. A módszerünk működését részletes vizsgálatoknak vetettük alá, amiben nem csak a szakirodalomban szereplő módszerekkel ha- sonlítottuk össze, hanem egyéb klasszifikációs modelleket is alkalmaztunk az eredmények kiértékelése során. Az összehasonlításhoz a standard DR, MTTD és FAR metrikákat használtuk. A TBAID módszer kiemelkedő, 97.22%-os DR mellett, 1.56%-os FAR és 1.89 perces MTTD értékeket ért el. Részletes vizsgálataink eredményei megmutatták, hogy módszerünk mind gyorsaságban, mind megbízhatóságban jobban teljesített, mint a jelenleg elérhető módszerek. A kiértékelés során nagy hangsúlyt fektettünk arra is, hogy kezeljük a metrikák közötti trade-off-ot és megértsük, hogy különböző metrika kritériumokat megfogalmazva hogyan változik a módszerünk teljesítménye. A módszerünk vizsgálatához egy új adathalmazt is létrehoztunk, mivel a korábbi kutatásokban használt adathalmazok vagy túl kis méretűek voltak vagy nem elérhetőek nyilvánosan. Adathalmazunk 452 incidenst és forgalmi detektorokon mért adatokat tartalmaz az incidensek közvetlen környezetéből, ami legjobb tudomásunk szerint az eddigi legnagyobb nyilvánosan hozzáférhető incidens adathalmaz.
dr. Simon Vilmos
2022-01-11
Támogató: VIK PARIPA program