权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Exakte Algorithmen zur Auswertung großer, schwach strukturierter Datenmengen für ein Fahrplanauskunftsystem

用于评估时间表信息系统的大量弱结构化数据的精确算法

基本信息

批准号：
5209686
负责人：
Professorin Dr. Dorothea Wagner
金额：
--
依托单位：
Institut für Theoretische Informatik (ITI)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
1999
资助国家：
德国
起止时间：
1998-12-31 至 2001-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/5209686?language=en
关键词：
Exakte Algorithmen zur Auswertung gro

项目摘要

Ziel ist die Entwicklung eines Fahrplanauskunftssystems für weiträumige, inhomogene öffentliche Verkehrsverbindungen und seine empirische Evaluierung. Dazu werden exakte, nichtheuristische Algorithmen zur Auswertung großer, schwach strukturierter Datenmengen unter flexibler Variation von Optimierungskriterien und Nebenbedingungen entworfen. Die Neuartigkeit des methodischen Vorgehens besteht in der algorithmischen Analyse der (schwachen) inhärenten Strukturen in den Daten, welche auf Methoden der algorithmischen Graphentheorie und der algorithmischen Geometrie basieren. Über eine bereits bestehende Forschungskooperation mit der TLC und eine neuhergestellte Kooperation mit der Firma HaCon, welche das von der Bahn eingesetzte Fahrplanauskunftssystem Hafas entwickelt hat und vertreibt, stehen Realwelt-Fahrplandaten europäischer Bahnverkehre, sowie Statistiken über die realen Anfragen an das Fahrplanauskunftssystem Hafas zur Verfügung, wodurch eine Orientierung an den aktuellen Anforderungen der Praxis gesichert ist. Die Arbeit an diesem konkreten praktischen Forschungsziel soll durch weiterführende theoretische Untersuchungen begleitet werden. Darüber hinaus werden die bisherigen Forschungen der Arbeitsgruppe zur Programmiermethodik bei algorithmischer Softwareentwicklung anhand dieses Fallbeispiels fortgeführt.

Ziel ist die Entwicklung eines Fahrplanauskunftssystems für weiträumige, 不均匀的 Verkehrsverbindungen 和 seine empirische Evaluierung。详细而言，nichtheuristische Algorithmen zur Auswertung großer，schwach strukturierter Datenmengen unter 灵活的变化 von Optimierungskriterien 和 Nebenbedingungen entworfen。 Vorgehens 方法的新方法在数据中分析（schwachen）inhärenten Strukturen，是基于图形理论和算法几何基础的方法。最好的 TLC 研究合作和新的欧洲公司合作，是铁路运输系统的最佳选择，是欧洲真正的世界运输计划 Bahnverkehre、Sowie Statistiken über die realen Anfragen 和 das Fahrplanauskunftssystem Hafas zur Verfügung、wodurch eine Orientierung 和 den aktuellen Anforderungen der Praxis gesichert ist。工作是一项关于实践研究的工作，是在理论基础上进行的。我们使用软件开发中的程序方法和软件开发方法来研究工作组的情况。