<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>8147</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>96</pageFirst>
    <pageLast>102</pageLast>
    <pageNumber/>
    <edition/>
    <issue>2</issue>
    <volume>69</volume>
    <type>article</type>
    <publisherName>Kirschbaum</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-02-01</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Modellierung des Verkehrsmittelwahlverhaltens mittels erklärbarem Maschinellem Lernen</title>
    <abstract language="deu">Die Modellierung der Verkehrsmittelwahl ist für die Vorhersage und das Verständnis des Mobilitätsverhaltens unerlässlich. Hierbei wurden in den letzten Jahren mit maschinellem Lernen vielversprechende Ergebnisse erzielt, insbesondere für XGBoost- und Random-Forest-Modelle.&#13;
Aufgrund der zunehmenden Verwendung von Tracking-basierten Smartphone-Apps zur Aufzeichnung des Mobilitätsverhaltens, wenden wir diese Modelle auf einen solchen Datensatz&#13;
an. Zudem analysieren wir eingehend deren Interpretierbarkeit. Wir kommen zu dem Schluss,&#13;
dass das XGBoost-Modell am leistungsstärksten und dennoch erklärbar ist. Die von solchen&#13;
Modellen gewonnenen Erkenntnisse können beispielsweise genutzt werden, um die Verkehrsmittelwahl für beliebige Quelle-Ziel-Paare vorherzusagen.</abstract>
    <parentTitle language="deu">Straßenverkehrstechnik</parentTitle>
    <identifier type="doi">10.53184/SVT2-2025-3</identifier>
    <identifier type="issn">0039-2219</identifier>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="Kostentraeger">2075224</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Victoria Dahmen</author>
    <author>Klaus Bogenberger</author>
    <author>Simone Weikl</author>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="othforschungsschwerpunkt" number="16312">Energie und Mobilität</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
  </doc>
</export-example>
