GIS-Based Traffic Simulation Using

GIS-Based Traffic Simulation Using OSM
J¨org Dallmeyer, Andreas D. Lattner, and Ingo J. Timm
Abstract This chapter demonstrates how to build up a traffic simulation on the base of a Geographic Information System (GIS). Maps from the OpenStreetMap
(OSM) initiative have shown to be appropriate for usage in this field. Essential
steps from OSM over GIS to a graph data structure for use in traffic simulation
are described. The work is done with the focus on urban scenarios. The crucial
decision, which types of road users to integrate into a simulation and how to model
them, is discussed. A case scenario shows the utility of data mining techniques in
the field of traffic simulation. The scenario aims at predicting traffic jams in the city
of Frankfurt am Main with help of a learned classifier. Our results show that taking
into account simple and partial information about the traffic situation can lead to a
huge gain of knowledge when using data mining techniques in the face of predicting
of traffic situations.
Keywords Traffic simulation • Machine learning • Jam forecasting • Urban
traffic

Результаты (русский) 1:

Моделирование трафика на основе ГИС, используя OSMJ¨org Dallmeyer, Андреас д Lattner и Инго Дж. ТиммАннотация в этой главе показано, как создать Моделирование трафика на базе географической информационной системы (ГИС). Карты с OpenStreetMapИнициатива (OSM) показали быть подходящими для использования в этой области. Основныешаги от OSM по ГИС для структуры данных диаграммы для использования в моделировании трафикаописаны. Работа с упором на городские сценарии. Критическоерешение, какие типы пользователей дорог для включения в моделирование и моделированиеих, обсуждается. Сценарий показывает полезность методов интеллектуального анализа данных вОбласть моделирования движения. Сценарий направлен на прогнозирование пробок в городеФранкфурт-на-Майне с помощью сохранённое классификатора. Наши результаты показывают, чтово внимание простой и частичную информацию о дорожной ситуации может привести когромный прирост знаний при использовании методов интеллектуального анализа данных в условиях прогнозированияо дорожных ситуациях.Ключевые слова движения моделирования • машина обучения Jam прогнозирования • городскойтрафик

Результаты (русский) 2:

На основе ГИС-трафика моделирование с использованием OSM
Йорг Dallmeyer, Андреас Д. Lattner и Инго J. Timm
Аннотация В этой главе показано , как создать имитацию движения на базе в географической информационной системы (ГИС). Карты от OpenStreetMap
(OSM) инициативы показали, что подходит для использования в этой области. Основные
шаги от OSM по ГИС на структуру данных графа для использования в моделировании трафика
описаны. Работа выполнена с акцентом на городских сценариях. Решающий
решение, какие типы участников дорожного движения к интеграции в симуляции и как моделировать
их, обсуждается. Сценарий случай показывает полезность методов интеллектуального анализа данных в
области моделирования трафика. Сценарий направлен на прогнозирование пробок в городе
Франкфурт -на- Майне с помощью ученого классификатора. Наши результаты показывают , что , принимая
во внимание простую и частичную информацию о дорожной ситуации может привести к
огромному приросту знаний при использовании методов интеллектуального анализа данных в условиях прогнозирования
дорожных ситуаций.
Прогнозирование Ключевые слова трафика моделирование • Машинное обучение • замятия • Городской
транспорт

Результаты (русский) 3:

на основе гис движения моделирование с использованием осмj ¨ org dallmeyer, андреас д. lattner и инго тимм, J.резюме этой главы, показывает, как создание движения моделирование на базе географических информационных систем (гис).карты от OpenStreetMap(осм) инициативу проявили подходящим для использования в этой области.важношаги от осм над гис на графике структура данных для использования в рамках движения моделированиеописаны.работа выполнена с упором на городских сценариев.решающеерешение, которое типы дорожного движения учитывать в модель, а как модельих, обсуждается.а сценарий свидетельствует о полезности данных методов добычи вобласти движения моделирование.сценарий заключается в прогнозировании пробки в городеof Frankfurt am Main, с помощью уроки классификатора.наши результаты показывают, что принимаяв расчет простой и частичную информацию о дорожной ситуации может привести когромные выгоды знаний при использовании данных методов добычи с учетом прогнозированиядорожных ситуациях.ключевые слова движения моделирование • машинного обучения • Jam прогнозирования • городскихдвижения