Stau-Vorhersage mit einem selbst-lernenden Algorithmus
Jeden Tag fahre ich über die A39 bei Wolfsburg zur Arbeit - morgens hin, abends zurück. Die A39 ist tückisch und bekannt dafür, gerne mal spontan zu verstopfen. Hintergrund ist, dass tausende Angestellte und Schichtarbeiter in (einigermaßen) gleichen Zyklen ebenfalls zur Arbeit möchten, oder eben danach wieder nach Hause.
Insbesondere die Homeoffice-Regelungen aus der Corona-Zeigt haben meine persönliche Vorhersage für den Verkehrsfluss morgens (basierend auf eben diesen seit Jahren immer gleichen Zyklen) faktisch unmöglich gemacht: Oft stehe ich plötzlich im Stau, obwohl ich zur selben Zeit am Tag vorher (oder am zum selben Zeitpunkt am selben Tag in der Vorwoche) noch perfekt zur Arbeit fahren konnte. Manchmal sind es nur Minuten, die einen Riesen-Unterschied machen, Baustellen und Unfälle tun ebenfalls ihr Übriges.
Ich habe mir daher überlegt, meinen selbst-lernenden Algorithmus mal für etwas sinnvolles einzusetzen: Prognose von Stau auf meinem Arbeitsweg! Das Ergebnis gibt es hier zu sehen.
Durch die Nutzung der TomTom API integriere ich Echtzeit-Verkehrsdaten in das System. Rote Linien auf der Karte zeigen dabei den aktuellen Verkehr, während blaue Linien die Vorhersagen des Algorithmus darstellen. Die Farbintensität der Linien und die angezeigten Zahlen zeigen die Dichte des Verkehrs an – je dunkler und höher die Zahl, desto größer der Stau. Was diesen Algorithmus besonders macht, ist seine Fähigkeit, aus der Beobachtung des Verkehrsflusses zwischen verschiedenen Straßenabschnitten kontinuierlich zu lernen und seine Vorhersagen zu verfeinern. Dabei gibt es keine Trainings- und Anwendungsphase, das System lernt ständig.
Einige Einschränkungen gibt es noch:
Die Aktualisierung erfolgt derzeit nur alle 5 Minuten, da ich im Rahmen der kostenlosen API-Nutzung arbeite. Zudem beschränke ich mich auf einen kleinen Abschnitt an Straßen, um die Anzahl der API-Aufrufe zu begrenzen.
Die Darstellung zeigt im Moment selbst “leichtes Verkehrsaufkommen” in rot und suggeriert “Stau”. Hier muss ich stärker differenzieren.
Eine weitere Herausforderung ist die Genauigkeit der Vorhersagen. Die Daten der TomTom API decken lange Straßenabschnitte ab, was detaillierte Vorhersagen erschwert.
Es ist spannend zu sehen wie der Algorithmus jeden Tag lernt und präziser wird. Ich arbeite als nächstes daran die Genauigkeit der Vorhersagen zu erhöhen und mehr Straßen abzudecken. Und jeden Morgen kann ich sehen ob mein letztes Update gut oder schlecht war :)
