rung, kurzfristig Perronüberlastungen an Bahnhöfen zu prog- nostizieren, bleibt weiter relevant, was auch für die Definition von Überlastungen selbst gilt. Diese Arbeit zeigte auch den signifikanten Effekt der Kostenmatrix auf das kostensensitive Lernen im Rahmen des Prognosemodells. Eine weitere interes- sante Komponente könnte in das Modell aufgenommen werden: Anstelle willkürlich gewählter Kostenverhältnisse könnte eine Kostenmatrix zur Anwendung kommen, die auf einer tiefgehen- den Analyse der wirtschaftlichen Kosten einer Fehlklassifizie- rung basiert. Bei dieser Forschungsarbeit wurde ein theoretischer Ansatz zur Überlastungsklassifizierung verfolgt, der es ermöglicht, ein Universalmodell zu erstellen, das auf jeden Bahnhof angewandt werden kann, für den Betriebs-, Perron- und beschreibende Daten vorliegen. Eine Komponente mit Verbesserungsbedarf ist bei diesem Ansatz der Aspekt Zeit, da hohe Personendichten willkürlich nach 30 Sekunden relevant werden. Eine alterna- tive praktische Definitionsmöglichkeit besteht darin, dass ein Betreiber die Situation auf einem Perron eng überwacht und die Perronüberlastung auf Basis seiner fachlichen Beurteilung defi- niert. Dies wäre jedoch ein sehr bahnhofs- oder sogar perronspe- zifischer Ansatz, der es nicht gestatten würde, ein allgemeines Modell zu erstellen und durch den auch eine menschliche Ver- zerrung hinzukäme. Da dies einer der ersten Versuche war, maschinelles Lernen für die Prognose von Perronüberlastungen zu nutzen, lag der Fokus auf grundlegenden Algorithmen. Da allerdings das beste Modell eine Rate richtig positiver Ergebnisse von 40,4 Prozent erzielte, sollte der Einsatz komplexerer Algorithmen näher untersucht werden, insbesondere im Zusammenhang mit grösseren Datenmengen, da sich die Verfügbarkeit von Daten mit der Entwicklung des PAS von ASE AG immer weiter erhöht. Danksagung Ich danke Prof. Dr. Francesco Corman, Dr. Basil Vitins und Beda Büchel für ihre Unterstützung und Beratung, der ASE AG und den NS-Stationen für die Bereitstellung der Daten und der notwendigen Technologie sowie dem Team der ASE für ihre Unterstützung und die konstruktiven Diskussionen. Literature [1] ASE AG, https://www.ase.ch/ [2] Weidmann, U., E. Kirsch, U. annd Pue, D. Jacobs, C. Pestalozzi and V. Con- rad (2013) Verkehrsqualität und Leistungsfähigkeit von Anlagen des leichten Zweirad- und des Fussgängerverkehrs, Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation (UVEK). [3] Bosina, E., M. Meeder and U. Weidmann (2018) Defining the time component of the pedestrian los concept, Washington, D.C. [4] Dangeti, P. (2017) Statististics for Machine Learning, Pakt Publishing Ltd. [5] Royal Netherlands Meteorological Institute (2019) Weather Amsterdam Zuid. [6] NS Stations (2019) Zug daten amsterdam zuid march 2019, Operation Data. [7] ASE AG (2019) Sensor data. sities arbitrarily become relevant after 30 seconds. An alterna- tive practical definition is to have an operator closely monitor the situation on a platform and define the platform overload based on his expert opinion. This would, however, be a very station-specific, or even platform-specific approach, and would not allow for a general model while also adding human bias. As this was one of the first efforts at using machine learning in a platform overload prediction, the focus was set on basic algorithms. However, with the best model achieving a true positive rate of 40.4 % using more complex algorithms should be explored further, especially with the introduction of larger quantities of data as the availability of data continues to in- crease with the development of ASE AG’s PAS. Acknowledgement I would like to thank my supervisors Prof. Dr. Francesco Corman, Dr. Basil Vitins and Beda Büchel for their support and guidance, ASE AG and NS stations for providing data and necessary technology, and the team of ASE for their support, and constructive discussions. Anzeige Leichtmetallgeländer, abklappbar bei Hochwasser Geländer- und Rückhaltesysteme für Brücken und Strassen Lenzlinger Söhne AG | 8606 Nänikon/Uster | www.lenzlinger.ch 25