Modellierung navigatorischer Fahrerpräferenzen für die personalisierte Routenberechnung

Die Routingkomponente heutiger Navigationssysteme basiert auf einem Kürzeste-Wege-Verfahren, das für eine Zielfunktion einen Weg auf einem Graphen mit Kantengewichten berechnet. Standardmäßig wird die Minimierung der Routendauer oder der Routenlänge als Zielfunktion für die Route genutzt, um die navigatorischen Präferenzen der Fahrer zu erfüllen.

In dieser Arbeit wird eine Personalisierung der Routingkomponente durchgeführt, um so Unterschiede zwischen den Fahrern zu berücksichtigen und ihre navigatorischen Präferenzen in das Kürzeste-Wege-Verfahren einzubeziehen. Die Personalisierung umfasst eine automatische Anpassung der Zielfunktion sowie der Kantengewichte an den Fahrer. Hierfür wird ein Modell der navigatorischen Präferenzen des Fahrers erstellt, das auf Analysen verschiedener Perspektiven des Navigationsverhaltens der Fahrer basiert. Die Präferenzen werden dabei sowohl bezüglich der Dimension der Zeit wie auch bezüglich der Dimension des Raumes modelliert.

Für die erste Perspektive werden die gemessenen Geschwindigkeiten auf den Kanten untersucht. Das entsprechende Modell dieser Kantenperspektive gehört zur Dimension der Zeit. Das zweite raumorientierte Modell wird aus der Analyse der Gesamtheit aller Kanten eines Fahrers generiert (Netzwerkperspektive). Für die dritte Perspektive werden die vom Fahrer gewählten Routen analysiert und zwei Modelle beider Dimensionen erstellt.

Die Modelle werden statistisch untersucht und zu einem zweidimensionalen Modell der navigatorischen Präferenzen des Fahrers aggregiert. Das Ergebnis ist eine Zuordnung der Fahrer zu einem Routingtyp. Auf Basis der Modellierung werden sowohl die Zielfunktion wie auch die Kantengewichte zunächst separat und anschließend kombiniert personalisiert. Im Vergleich zu einer Standardroute erfolgt eine Bewertung der Personalisierungsansätze mit Hilfe verschiedener Gütemaße. Das entwickelte Verfahren für die Modellierung und die Personalisierung wird auf einen umfangreichen Realfahrdatensatz angewendet und zeigt so den Nutzen einer modellgestützten Personalisierung der Routingkomponente auf.