000261234 001__ 261234
000261234 005__ 20240928175428.0
000261234 0247_ $$aG:(GEPRIS)424960421$$d424960421
000261234 035__ $$aG:(GEPRIS)424960421
000261234 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000261234 150__ $$aBestimmung personalisierter multikriterieller Routingmodelle aus wenigen freiwillig generierten Trajektorien$$y2019 - 2023
000261234 371__ $$aProfessor Dr.-Ing. Jan-Henrik Haunert
000261234 450__ $$aDFG project G:(GEPRIS)424960421$$wd$$y2019 - 2023
000261234 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000261234 550__ $$0G:(GEPRIS)273827070$$aSPP 1894: Volunteered Geographic Information: Interpretation, Visualisierung und Social Computing$$wt
000261234 680__ $$aDurch Aktivitäten vieler Freiwilliger sind im zurückliegenden Jahrzehnt nahezu vollständige Repräsentationen von Verkehrsnetzen und große Mengen von Trajektorien entstanden. Letztere wurden zu einem erheblichen Teil von Freizeitsportlern erzeugt – zum Beispiel durch Aufzeichnung von Radtouren oder Wanderungen mit GPS-Empfängern. In diesem Projekt werden wir nutzerspezifische Routingpräferenzen mithilfe von Trajektorien von Fahrradfahrern und Fußgängern analysieren und visualisieren. Insbesondere werden wir der Frage nachgehen, ob sich Unterschiede im Routingverhalten verschiedener Nutzer eher durch unterschiedliche Gewichtungen einer festen Menge von Kriterien erklären lassen oder vielmehr Unterschiede in der Auswahl von Kriterien eine Rolle spielen. Anders als in verwandten Arbeiten, die oft auf die Detektion allgemeiner Präferenzen einer größeren Population abzielen, können wir für das Lernen eines nutzerspezifischen Routingmodells nicht von einer großen Menge von Trajektorien oder einer vollständigen Abdeckung des Straßennetzes ausgehen, da für einzelne Nutzer oft nur wenige Trajektorien vorliegen. Wir benötigen daher neue algorithmische Ansätze. In Anbetracht der Gefahr einer Überanpassung müssen wir vermeiden, Routingmodelle mit vielen Parametern aus wenigen Daten zu schätzen. Stattdessen streben wir eine automatische Vereinfachung von Routingmodellen durch die Selektion der wichtigsten Kriterien sowie eine Gewichtung der selektierten Kriterien an. Um Ähnlichkeiten und Unterschiede von Routingpräferenzen innerhalb einer größeren Gruppe von Personen entdecken zu können, werden wir neue Clusteringalgorithmen und neue Methoden zur Visualisierung von Routingpräferenzen in einem geographischen Kontext entwickeln. Dabei werden wir aufzeigen, wie sich gewichtete geometrische Graphen, deren Kantengewichtungen zuvor gelernte Routingpräferenzen repräsentieren, in Form von Karten visualisieren lassen. Zudem werden wir neue Möglichkeiten zur Visualisierung von Unterschieden zwischen den Präferenzen verschiedener Nutzer schaffen. Unsere algorithmischen Entwicklungen werden stark von mathematischen Modellen getrieben sein. So werden wir zunächst auf exakte Algorithmen abzielen, mit denen wir zumindest für kleine Datensätze optimale Lösungen berechnen können. Aufgrund der zu erwartenden hohen Komplexität der betrachteten Probleme werden wir jedoch auch effiziente Heuristiken entwickeln, um große Mengen von Daten prozessieren und dadurch Trajektorien vieler Personen berücksichtigen zu können. Zur Evaluierung der Heuristiken werden wir mit ihnen generierte Lösungen mit optimalen Lösungen unserer exakten Algorithmen quantitativ vergleichen. Durch umfangreiche Experimente werden wir neue Möglichkeiten zur Analyse nutzergenerierter Trajektorien aufzeigen und die anfangs gestellte Frage, ob sich Unterschiede im Routingverhalten eher durch unterschiedliche Gewichtungen oder unterschiedliche Selektionen von Kriterien begründen lassen, klären.
000261234 909CO $$ooai:juser.fz-juelich.de:927837$$pauthority$$pauthority:GRANT
000261234 909CO $$ooai:juser.fz-juelich.de:927837
000261234 980__ $$aG
000261234 980__ $$aAUTHORITY