Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz
Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwis...
Ausführliche Beschreibung
Autor*in: |
Schneider, W. [verfasserIn] |
---|
Format: |
Artikel |
---|---|
Sprache: |
Deutsch |
Erschienen: |
2008 |
---|
Schlagwörter: |
---|
Anmerkung: |
© Springer-Verlag 2008 |
---|
Übergeordnetes Werk: |
Enthalten in: Elektrotechnik und Informationstechnik - Springer-Verlag, 1988, 125(2008), 6 vom: Juni, Seite 232-237 |
---|---|
Übergeordnetes Werk: |
volume:125 ; year:2008 ; number:6 ; month:06 ; pages:232-237 |
Links: |
---|
DOI / URN: |
10.1007/s00502-008-0538-8 |
---|
Katalog-ID: |
OLC2065333146 |
---|
LEADER | 01000caa a22002652 4500 | ||
---|---|---|---|
001 | OLC2065333146 | ||
003 | DE-627 | ||
005 | 20230502112500.0 | ||
007 | tu | ||
008 | 200820s2008 xx ||||| 00| ||ger c | ||
024 | 7 | |a 10.1007/s00502-008-0538-8 |2 doi | |
035 | |a (DE-627)OLC2065333146 | ||
035 | |a (DE-He213)s00502-008-0538-8-p | ||
040 | |a DE-627 |b ger |c DE-627 |e rakwb | ||
041 | |a ger | ||
082 | 0 | 4 | |a 620 |a 004 |a 070 |q VZ |
100 | 1 | |a Schneider, W. |e verfasserin |4 aut | |
245 | 1 | 0 | |a Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
264 | 1 | |c 2008 | |
336 | |a Text |b txt |2 rdacontent | ||
337 | |a ohne Hilfsmittel zu benutzen |b n |2 rdamedia | ||
338 | |a Band |b nc |2 rdacarrier | ||
500 | |a © Springer-Verlag 2008 | ||
520 | |a Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. | ||
650 | 4 | |a Traffic analysis | |
650 | 4 | |a Artificial intelligence | |
650 | 4 | |a Traffic forecast | |
650 | 4 | |a Visual data mining | |
700 | 1 | |a Toplak, W. |4 aut | |
773 | 0 | 8 | |i Enthalten in |t Elektrotechnik und Informationstechnik |d Springer-Verlag, 1988 |g 125(2008), 6 vom: Juni, Seite 232-237 |h 30 cm |w (DE-627)129622184 |w (DE-600)246725-2 |w (DE-576)015132323 |x 0932-383X |7 nnns |
773 | 1 | 8 | |g volume:125 |g year:2008 |g number:6 |g month:06 |g pages:232-237 |
856 | 4 | 1 | |u https://doi.org/10.1007/s00502-008-0538-8 |z lizenzpflichtig |3 Volltext |
912 | |a GBV_USEFLAG_A | ||
912 | |a SYSFLAG_A | ||
912 | |a GBV_OLC | ||
912 | |a SSG-OLC-TEC | ||
912 | |a SSG-OLC-MAT | ||
912 | |a GBV_ILN_20 | ||
912 | |a GBV_ILN_34 | ||
912 | |a GBV_ILN_70 | ||
912 | |a GBV_ILN_100 | ||
912 | |a GBV_ILN_105 | ||
912 | |a GBV_ILN_161 | ||
912 | |a GBV_ILN_207 | ||
912 | |a GBV_ILN_267 | ||
912 | |a GBV_ILN_2006 | ||
912 | |a GBV_ILN_2014 | ||
912 | |a GBV_ILN_2015 | ||
912 | |a GBV_ILN_2020 | ||
912 | |a GBV_ILN_2048 | ||
912 | |a GBV_ILN_2050 | ||
912 | |a GBV_ILN_2061 | ||
912 | |a GBV_ILN_2064 | ||
912 | |a GBV_ILN_4046 | ||
912 | |a GBV_ILN_4307 | ||
912 | |a GBV_ILN_4317 | ||
912 | |a GBV_ILN_4328 | ||
951 | |a AR | ||
952 | |d 125 |j 2008 |e 6 |c 06 |h 232-237 |
author_variant |
w s ws w t wt |
---|---|
matchkey_str |
article:0932383X:2008----::ekhsrgoemtiuledtmnnudn |
hierarchy_sort_str |
2008 |
publishDate |
2008 |
allfields |
10.1007/s00502-008-0538-8 doi (DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p DE-627 ger DE-627 rakwb ger 620 004 070 VZ Schneider, W. verfasserin aut Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz 2008 Text txt rdacontent ohne Hilfsmittel zu benutzen n rdamedia Band nc rdacarrier © Springer-Verlag 2008 Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. Traffic analysis Artificial intelligence Traffic forecast Visual data mining Toplak, W. aut Enthalten in Elektrotechnik und Informationstechnik Springer-Verlag, 1988 125(2008), 6 vom: Juni, Seite 232-237 30 cm (DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 0932-383X nnns volume:125 year:2008 number:6 month:06 pages:232-237 https://doi.org/10.1007/s00502-008-0538-8 lizenzpflichtig Volltext GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 AR 125 2008 6 06 232-237 |
spelling |
10.1007/s00502-008-0538-8 doi (DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p DE-627 ger DE-627 rakwb ger 620 004 070 VZ Schneider, W. verfasserin aut Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz 2008 Text txt rdacontent ohne Hilfsmittel zu benutzen n rdamedia Band nc rdacarrier © Springer-Verlag 2008 Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. Traffic analysis Artificial intelligence Traffic forecast Visual data mining Toplak, W. aut Enthalten in Elektrotechnik und Informationstechnik Springer-Verlag, 1988 125(2008), 6 vom: Juni, Seite 232-237 30 cm (DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 0932-383X nnns volume:125 year:2008 number:6 month:06 pages:232-237 https://doi.org/10.1007/s00502-008-0538-8 lizenzpflichtig Volltext GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 AR 125 2008 6 06 232-237 |
allfields_unstemmed |
10.1007/s00502-008-0538-8 doi (DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p DE-627 ger DE-627 rakwb ger 620 004 070 VZ Schneider, W. verfasserin aut Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz 2008 Text txt rdacontent ohne Hilfsmittel zu benutzen n rdamedia Band nc rdacarrier © Springer-Verlag 2008 Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. Traffic analysis Artificial intelligence Traffic forecast Visual data mining Toplak, W. aut Enthalten in Elektrotechnik und Informationstechnik Springer-Verlag, 1988 125(2008), 6 vom: Juni, Seite 232-237 30 cm (DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 0932-383X nnns volume:125 year:2008 number:6 month:06 pages:232-237 https://doi.org/10.1007/s00502-008-0538-8 lizenzpflichtig Volltext GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 AR 125 2008 6 06 232-237 |
allfieldsGer |
10.1007/s00502-008-0538-8 doi (DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p DE-627 ger DE-627 rakwb ger 620 004 070 VZ Schneider, W. verfasserin aut Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz 2008 Text txt rdacontent ohne Hilfsmittel zu benutzen n rdamedia Band nc rdacarrier © Springer-Verlag 2008 Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. Traffic analysis Artificial intelligence Traffic forecast Visual data mining Toplak, W. aut Enthalten in Elektrotechnik und Informationstechnik Springer-Verlag, 1988 125(2008), 6 vom: Juni, Seite 232-237 30 cm (DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 0932-383X nnns volume:125 year:2008 number:6 month:06 pages:232-237 https://doi.org/10.1007/s00502-008-0538-8 lizenzpflichtig Volltext GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 AR 125 2008 6 06 232-237 |
allfieldsSound |
10.1007/s00502-008-0538-8 doi (DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p DE-627 ger DE-627 rakwb ger 620 004 070 VZ Schneider, W. verfasserin aut Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz 2008 Text txt rdacontent ohne Hilfsmittel zu benutzen n rdamedia Band nc rdacarrier © Springer-Verlag 2008 Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. Traffic analysis Artificial intelligence Traffic forecast Visual data mining Toplak, W. aut Enthalten in Elektrotechnik und Informationstechnik Springer-Verlag, 1988 125(2008), 6 vom: Juni, Seite 232-237 30 cm (DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 0932-383X nnns volume:125 year:2008 number:6 month:06 pages:232-237 https://doi.org/10.1007/s00502-008-0538-8 lizenzpflichtig Volltext GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 AR 125 2008 6 06 232-237 |
language |
German |
source |
Enthalten in Elektrotechnik und Informationstechnik 125(2008), 6 vom: Juni, Seite 232-237 volume:125 year:2008 number:6 month:06 pages:232-237 |
sourceStr |
Enthalten in Elektrotechnik und Informationstechnik 125(2008), 6 vom: Juni, Seite 232-237 volume:125 year:2008 number:6 month:06 pages:232-237 |
format_phy_str_mv |
Article |
institution |
findex.gbv.de |
topic_facet |
Traffic analysis Artificial intelligence Traffic forecast Visual data mining |
dewey-raw |
620 |
isfreeaccess_bool |
false |
container_title |
Elektrotechnik und Informationstechnik |
authorswithroles_txt_mv |
Schneider, W. @@aut@@ Toplak, W. @@aut@@ |
publishDateDaySort_date |
2008-06-01T00:00:00Z |
hierarchy_top_id |
129622184 |
dewey-sort |
3620 |
id |
OLC2065333146 |
language_de |
deutsch |
fullrecord |
<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01000caa a22002652 4500</leader><controlfield tag="001">OLC2065333146</controlfield><controlfield tag="003">DE-627</controlfield><controlfield tag="005">20230502112500.0</controlfield><controlfield tag="007">tu</controlfield><controlfield tag="008">200820s2008 xx ||||| 00| ||ger c</controlfield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.1007/s00502-008-0538-8</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627)OLC2065333146</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-He213)s00502-008-0538-8-p</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="082" ind1="0" ind2="4"><subfield code="a">620</subfield><subfield code="a">004</subfield><subfield code="a">070</subfield><subfield code="q">VZ</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Schneider, W.</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2008</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">ohne Hilfsmittel zu benutzen</subfield><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Band</subfield><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">© Springer-Verlag 2008</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Traffic analysis</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Traffic forecast</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Visual data mining</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Toplak, W.</subfield><subfield code="4">aut</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Enthalten in</subfield><subfield code="t">Elektrotechnik und Informationstechnik</subfield><subfield code="d">Springer-Verlag, 1988</subfield><subfield code="g">125(2008), 6 vom: Juni, Seite 232-237</subfield><subfield code="h">30 cm</subfield><subfield code="w">(DE-627)129622184</subfield><subfield code="w">(DE-600)246725-2</subfield><subfield code="w">(DE-576)015132323</subfield><subfield code="x">0932-383X</subfield><subfield code="7">nnns</subfield></datafield><datafield tag="773" ind1="1" ind2="8"><subfield code="g">volume:125</subfield><subfield code="g">year:2008</subfield><subfield code="g">number:6</subfield><subfield code="g">month:06</subfield><subfield code="g">pages:232-237</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://doi.org/10.1007/s00502-008-0538-8</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_USEFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SYSFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_OLC</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SSG-OLC-TEC</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SSG-OLC-MAT</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_20</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_34</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_70</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_100</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_105</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_161</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_207</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_267</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2006</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2014</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2015</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2020</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2048</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2050</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2061</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2064</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4046</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4307</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4317</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4328</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">AR</subfield></datafield><datafield tag="952" ind1=" " ind2=" "><subfield code="d">125</subfield><subfield code="j">2008</subfield><subfield code="e">6</subfield><subfield code="c">06</subfield><subfield code="h">232-237</subfield></datafield></record></collection>
|
author |
Schneider, W. |
spellingShingle |
Schneider, W. ddc 620 misc Traffic analysis misc Artificial intelligence misc Traffic forecast misc Visual data mining Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
authorStr |
Schneider, W. |
ppnlink_with_tag_str_mv |
@@773@@(DE-627)129622184 |
format |
Article |
dewey-ones |
620 - Engineering & allied operations 004 - Data processing & computer science 070 - News media, journalism & publishing |
delete_txt_mv |
keep |
author_role |
aut aut |
collection |
OLC |
remote_str |
false |
illustrated |
Not Illustrated |
issn |
0932-383X |
topic_title |
620 004 070 VZ Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz Traffic analysis Artificial intelligence Traffic forecast Visual data mining |
topic |
ddc 620 misc Traffic analysis misc Artificial intelligence misc Traffic forecast misc Visual data mining |
topic_unstemmed |
ddc 620 misc Traffic analysis misc Artificial intelligence misc Traffic forecast misc Visual data mining |
topic_browse |
ddc 620 misc Traffic analysis misc Artificial intelligence misc Traffic forecast misc Visual data mining |
format_facet |
Aufsätze Gedruckte Aufsätze |
format_main_str_mv |
Text Zeitschrift/Artikel |
carriertype_str_mv |
nc |
hierarchy_parent_title |
Elektrotechnik und Informationstechnik |
hierarchy_parent_id |
129622184 |
dewey-tens |
620 - Engineering 000 - Computer science, knowledge & systems 070 - News media, journalism & publishing |
hierarchy_top_title |
Elektrotechnik und Informationstechnik |
isfreeaccess_txt |
false |
familylinks_str_mv |
(DE-627)129622184 (DE-600)246725-2 (DE-576)015132323 |
title |
Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
ctrlnum |
(DE-627)OLC2065333146 (DE-He213)s00502-008-0538-8-p |
title_full |
Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
author_sort |
Schneider, W. |
journal |
Elektrotechnik und Informationstechnik |
journalStr |
Elektrotechnik und Informationstechnik |
lang_code |
ger |
isOA_bool |
false |
dewey-hundreds |
600 - Technology 000 - Computer science, information & general works |
recordtype |
marc |
publishDateSort |
2008 |
contenttype_str_mv |
txt |
container_start_page |
232 |
author_browse |
Schneider, W. Toplak, W. |
container_volume |
125 |
class |
620 004 070 VZ |
format_se |
Aufsätze |
author-letter |
Schneider, W. |
doi_str_mv |
10.1007/s00502-008-0538-8 |
dewey-full |
620 004 070 |
title_sort |
verkehrsprognosen mit visuellem data mining und künstlicher intelligenz |
title_auth |
Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
abstract |
Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. © Springer-Verlag 2008 |
abstractGer |
Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. © Springer-Verlag 2008 |
abstract_unstemmed |
Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden. © Springer-Verlag 2008 |
collection_details |
GBV_USEFLAG_A SYSFLAG_A GBV_OLC SSG-OLC-TEC SSG-OLC-MAT GBV_ILN_20 GBV_ILN_34 GBV_ILN_70 GBV_ILN_100 GBV_ILN_105 GBV_ILN_161 GBV_ILN_207 GBV_ILN_267 GBV_ILN_2006 GBV_ILN_2014 GBV_ILN_2015 GBV_ILN_2020 GBV_ILN_2048 GBV_ILN_2050 GBV_ILN_2061 GBV_ILN_2064 GBV_ILN_4046 GBV_ILN_4307 GBV_ILN_4317 GBV_ILN_4328 |
container_issue |
6 |
title_short |
Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz |
url |
https://doi.org/10.1007/s00502-008-0538-8 |
remote_bool |
false |
author2 |
Toplak, W. |
author2Str |
Toplak, W. |
ppnlink |
129622184 |
mediatype_str_mv |
n |
isOA_txt |
false |
hochschulschrift_bool |
false |
doi_str |
10.1007/s00502-008-0538-8 |
up_date |
2024-07-04T01:59:39.792Z |
_version_ |
1803611935649824769 |
fullrecord_marcxml |
<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01000caa a22002652 4500</leader><controlfield tag="001">OLC2065333146</controlfield><controlfield tag="003">DE-627</controlfield><controlfield tag="005">20230502112500.0</controlfield><controlfield tag="007">tu</controlfield><controlfield tag="008">200820s2008 xx ||||| 00| ||ger c</controlfield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.1007/s00502-008-0538-8</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627)OLC2065333146</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-He213)s00502-008-0538-8-p</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="082" ind1="0" ind2="4"><subfield code="a">620</subfield><subfield code="a">004</subfield><subfield code="a">070</subfield><subfield code="q">VZ</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Schneider, W.</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2008</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">ohne Hilfsmittel zu benutzen</subfield><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Band</subfield><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">© Springer-Verlag 2008</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Zusammenfassung Jede Beeinträchtigung des Verkehrsflusses unterliegt konkreten Ursachen. Oft entstehen sie aus vorherrschenden Rahmenbedingungen wie Wetter oder besonderen Ereignissen. Ein vom BMVIT kofinanziertes Forschungsprojekt hat sich zum Ziel gesetzt, die Abhängigkeiten und Zusammenhänge zwischen verkehrsbeeinflussenden Rahmenbedingungen und der potentiellen Staugefahr zu untersuchen. Es werden Ansätze aus dem Visuellen Data Mining und der Künstlichen Intelligenz vorgestellt. Die Auswirkungen von Umgebungsbedingungen auf den Verkehrsfluss sind oftmals durch Bildung charakteristischer Muster vorhersagbar. Mit diesem Hintergrund kann ein neues Niveau der Verkehrsprognose umgesetzt werden.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Traffic analysis</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Traffic forecast</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Visual data mining</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Toplak, W.</subfield><subfield code="4">aut</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Enthalten in</subfield><subfield code="t">Elektrotechnik und Informationstechnik</subfield><subfield code="d">Springer-Verlag, 1988</subfield><subfield code="g">125(2008), 6 vom: Juni, Seite 232-237</subfield><subfield code="h">30 cm</subfield><subfield code="w">(DE-627)129622184</subfield><subfield code="w">(DE-600)246725-2</subfield><subfield code="w">(DE-576)015132323</subfield><subfield code="x">0932-383X</subfield><subfield code="7">nnns</subfield></datafield><datafield tag="773" ind1="1" ind2="8"><subfield code="g">volume:125</subfield><subfield code="g">year:2008</subfield><subfield code="g">number:6</subfield><subfield code="g">month:06</subfield><subfield code="g">pages:232-237</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://doi.org/10.1007/s00502-008-0538-8</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_USEFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SYSFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_OLC</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SSG-OLC-TEC</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SSG-OLC-MAT</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_20</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_34</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_70</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_100</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_105</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_161</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_207</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_267</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2006</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2014</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2015</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2020</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2048</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2050</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2061</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_2064</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4046</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4307</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4317</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_ILN_4328</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">AR</subfield></datafield><datafield tag="952" ind1=" " ind2=" "><subfield code="d">125</subfield><subfield code="j">2008</subfield><subfield code="e">6</subfield><subfield code="c">06</subfield><subfield code="h">232-237</subfield></datafield></record></collection>
|
score |
7.3991947 |