Dieses Projekt zielt darauf ab, ein Echtzeit-Entscheidungshilfsmittel für Verkehrsleitzentralen bereitzustellen, um Staus im Netz vorherzusagen, die Auswirkungen ungeplanter Ereignisse schnell abzuschätzen und das Minderungspotenzial verschiedener möglicher Reaktionen zu bewerten.

Eine solche Lösung wird dazu beitragen, Staus zu reduzieren, vor allem in einmaligen Situationen, und die Zuverlässigkeit der Fahrzeiten deutlich erhöhen.

Der Einsatz von Instrumenten zur Erleichterung längerfristiger Vorhersagen darüber, wie sich die Verkehrsnetze in Zukunft entwickeln werden, ist eine gängige Praxis in der strategischen Planung der Verkehrsbehörden. Instrumente zur Unterstützung der täglichen Arbeit, die sich auf kurzfristige Vorhersagen stützen, stecken vor allem in Australien noch in den Kinderschuhen.

Besondere Ziele zur Verbesserung der kurzfristigen Vorhersageleistung sind:

1. Intelligente Sensorik für eine verbesserte Abschätzung der Verkehrsnachfrage; und
2. Künstliche Intelligenz (KI) und maschinelles Lernen (ML) für die Kalibrierung gegen viel größere Echtzeitdatensätze

Der Knotenpunkt WA wird sich auf (2) die Entwicklung und Erprobung verbesserter Modellkalibrierungsfunktionen für Live- und Offline-Modelle konzentrieren, um die Vorhersagegenauigkeit für alle Stunden des Tages an sieben Tagen in der Woche sicherzustellen.

Diese Forschungsarbeit zielt darauf ab, die Modellierung und die Genauigkeit von 24-Stunden-/ 7-Tage-Modellen (live und offline) zu verbessern, und zwar nicht nur für die Morgen- und Abendspitzen, sondern für alle Stunden eines jeden Tages. Die Forschungsergebnisse werden in einem Pilotmodell des WA Aimsun Live Netzes getestet, das im Rahmen des umfassenderen Projekts entwickelt wird. Die weitere Evaluierung und die Zugänglichkeit der in dieser Forschung entwickelten Tools wird im QLD Aimsun Live Netzmodell durchgeführt.