Hybridmodell liefert sichere Geschwindigkeitsempfehlungen bei Wetter
Ein neues Hybridmodell kombiniert fortschrittliche Vorhersagealgorithmen mit physikalischen Sicherheitsgrenzen, um in Echtzeit sichere Geschwindigkeitsintervalle für Autobahnen unter wechselnden Wetterbedingungen zu empfehlen.
Die Basis bildet ein umfangreiches Datenset aus vernetzten Fahrzeugen (Connected Vehicle) und dem Road Weather Information System (RWIS) aus Buffalo, NY, gesammelt zwischen 2022 und 2023. Insgesamt wurden über 6,6 Millionen Messungen über 73 Tage hinweg erfasst und spatiotemporär aufeinander abgestimmt.
Im Kern nutzt das Modell Quantile Regression Forests (QRF), um die Geschwindigkeitsverteilung in 10‑Minuten‑Fenstern vorherzusagen. Dabei fließen 26 Merkmale ein, die meteorologische, Fahrbahn‑ und zeitliche Bedingungen abbilden. Zusätzlich wird für jedes Intervall ein physikalisch berechnetes Obergrenzen‑Geschwindigkeitsschema ermittelt, das die Sichtweite und die Haftung der Straße berücksichtigt, sodass Fahrzeuge sicher innerhalb ihres Sichtbereichs anhalten können.
Die kombinierten Empfehlungen – QRF‑Quantile, aktuelle Geschwindigkeitsbegrenzungen und die physikalische Obergrenze – zeigen beeindruckende Ergebnisse: ein mittlerer absoluter Fehler von 1,55 mph, 96,43 % der Median‑Vorhersagen liegen innerhalb von 5 mph und ein PICP (50 %) von 48,55 %. Das Modell reagiert flexibel auf Wetteränderungen und generalisiert zuverlässig über verschiedene Straßenabschnitte hinweg, was einen vielversprechenden Schritt in Richtung praxisnaher, wetterbasierter Verkehrssicherheit darstellt.