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

Gespeichert in:

Autor*in:	Schneider, W. [verfasserIn] Toplak, W.

Format:	Artikel
Sprache:	Deutsch

Erschienen:	2008

Schlagwörter:	Traffic analysis Artificial intelligence Traffic forecast Visual data mining

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:	Volltext

DOI / URN:	10.1007/s00502-008-0538-8

Katalog-ID:	OLC2065333146

Internformat


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

Indexfelder

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

Nicht das Richtige dabei?

Schreiben Sie uns!

Verkehrsprognosen mit Visuellem Data Mining und Künstlicher Intelligenz

Nicht das Richtige dabei?

Zugang & Verfügbarkeit

Vorhandene Bände

Nicht das Richtige dabei?