1rN8u9F

Verkehrsbild Deutschland | Einleitung 3EinleitungBBSR-Analysen KOMPAKT 06/2014© Trueffelpix Fotolia.comDurch Data-Mining kann neuesWissen generiert werden.TraViMo leistet einen Beitragdurch regionale Darstellungdes Verkehrsgeschehens.(1) Zum Begriff Knowledge Discovery in Databasevgl. Fayyad / Piatetsky-Shapiro / Smyth(1996): From Data Mining to KnowledgeDiscovery in Databases. In: AI Magazine. 17,Nr. 3, 1996, S. 37– 54.(2) Vgl. Becker / Breser (2005): Data Miningim Verkehrswesen. In: InternationalesVerkehrswesen (57) 6/2005, S. 266, Hamburg.Die breite Digitalisierung von Prozessenin Wirtschaft und Gesellschaftund neue softwarebasierte Analysemethodeneröffnen vollkommenneue Möglichkeiten, das regionaleVerkehrsgeschehen in Deutschlanddynamisch zu erfassen und zu analysieren.Die Weiterentwicklung der Informations-Technologieund die damitverbundenen Optionen, verkehrsstatistischeDaten zu erfassen, ermöglichtes, große Datenmengen überdas regionale Verkehrsgeschehenin Deutschland zu generieren. Dochdas Sammeln sowie die massenhafteSpeicherung von Daten kann nurals erster Schritt für die Nutzbarmachungder in den Daten enthaltenInformationen gesehen werden. Vielwichtiger ist es, in einem zweitenSchritt aus den komplex strukturiertenund großen Datenbeständen, denwesentlichen Informationsgehaltherauszuarbeiten. Hierzu stehen demBBSR verschiedene Techniken undProgramme zur Verfügung.Unter dem Titel „VerkehrsbildDeutschland“ wird das BBSR zukünftigin unregelmäßigen Abständenaktuelle Fragestellungen mit Hilfe dervorhandenen Verkehrsstatistiken beantwortenund dabei neue Technikenund Methoden vorstellen. Das ersteVerkehrsbild Deutschland beschäftigtsich mit Data-Mining in der Verkehrswissenschaft.Im Folgenden wirdunter dem Begriff Data Mining dergesamte Prozess zur Wissensentdeckungin Datenbanken (KnowledgeDiscovery in Databases) 1 verstanden,d. h. sowohl die Aufbereitung alsauch die Analyseschritte werden hierbetrachtet.Ziel der ersten Ansätze von DataMining in der Verkehrswissenschaftwar es, aus einem großen Bergvon Daten, Wissen zu extrahieren. 2Jeden Tag entstehen Unmengen vonverkehrsstatistischen Daten sowohlim Güter- als auch im Personenverkehr.Aufgrund der Datenvoluminaspricht man hier von Big-Data. Umaus diesen Daten wertvolle Erkenntnisseziehen zu können, müsseneffiziente Methoden der Aufbereitungzum Einsatz kommen. Zwar arbeitetdas BBSR nicht mit Verkehrsdaten inden für Big-Data typischen Größenordnungenvon Tera-, Peta- undExabytes, jedoch stoßen selbst hierbei einfachen Auswertungen vonregionalen Verkehrsverflechtungsdatenauf Jahresbasis die gängigenStandardbüroanwendungen schnellan die Grenzen ihrer Leistungsfähigkeit.Um diese Beschränkung beiden Verkehrsstatistiken aufzuheben,hat das BBSR ein Transportstrom-Visualisierungs-Modell (TraViMo)entwickelt, welches auf die neuestenBusiness-Intelligence-Technikenzurückgreift.TraViMo ermöglicht sekundenschnelldie übersichtliche Darstellungkomplexer Analyseergebnisse inkartographischer aber auch tabellarischerForm. Hierzu werden keineHintergrundkenntnisse z. B. zurDatenbankprogrammierung benötigt,da die Modellsteuerung einfach perMausklick möglich ist. Jedes Modellist jedoch nur so gut wie der Input derDaten. Daher werden im Folgendenausführlich die in TraViMo verwendetenverkehrsstatistischen Grundlagenbeschrieben.