In dieser Arbeit wird mittels verschiedener Methoden die Datenfusion von Unfallszenarien untersucht. Ausgangspunkt sind zwei Datensätze aus der Datenbank der polizeilichen Unfallstatistik. Im Empfängerdatensatz wird das spezifische Attribut „Unfalltyp“ entfernt, welches mithilfe des Spenderdatensatzes ergänzt werden soll. Ziel ist das Erstellen einer einheitlichen Datenbasis, deren Qualität mittels geeigneter ausgewählter Metriken bewertet wird. Als Methode der Datenfusion wird zum einen das Distance-Hot-Deck-Verfahren verwendet. Zum anderen werden vier aussichtsreiche Machine Learning Verfahren auf Basis einer systematischen Literaturrecherche ausgewählt und zur Vorhersage des spezifischen Attributes angewandt. Um die jeweiligen Vorteile bezüglich der Verteilung und Trefferrate des vorhergesagten Attributes ausnutzen zu können, werden Kombinationsvarianten (Ensembling) beider Methoden entwickelt. Es werden Erkenntnisse gewonnen, welche Verfahren die höchste Qualität des fusionierten Datensatzes erreichen.:1. Einleitung
2. Grundlagen der Datenfusion
3. Randbedingungen
4. Vorgehensweise
5. Ergebnisse
6. Diskussion und Ausblick
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:73972 |
| Date | 19 February 2021 |
| Creators | Siedel, Georg |
| Contributors | Bäumler, Maximilian, Prokop, Günther, Technische Universität Dresden |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/updatedVersion, doc-type:masterThesis, info:eu-repo/semantics/masterThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0011 seconds