Ein Beitrag zur Qualifizierung von Verkehrsdaten mit Bayesschen Netzen

In der vorliegenden Arbeit wird ein probabilistisches Sensormodell auf Basis des Konzeptes der Bayesschen Netze entwickelt, das insbesondere eine Korrektur systematisch beeinflusster Messergebnisse gestörter Sensoren erlaubt. Die Kopplung mehrerer probabilistischer Sensormodelle im Sinne einer Datenfusion ermöglicht schließlich die gewünschte Qualifizierung von Verkehrsdaten. Wird das resultierende Datenfusionsmodell auf den im Allgemeinen instationären Verkehrsprozess angewandt, so ist dessen Priori-Wahrscheinlichkeit adaptiv anhand der systematisch beeinflussten Messergebnisse der Sensoren zu bestimmen. Die Wirksamkeit des resultierenden adaptiven Fusionskonzeptes wird anhand von synthetischen Verkehrsdaten nachgewiesen