Neue Veröffentlichung in Geographical Analysis
Auch in der Verkehrs- und Raumforschung können Methoden des Machine Learning eine sinnvolle Ergänzung bieten: Der von Katja Schimohr, Philipp Doebler (Fakultät Statistik) und Joachim Scheiner in der aktuellen Ausgabe Geographical Analysis veröffentlichte Artikel befasst sich mit der Modellierung der räumlichen Verteilung von Bikesharing-Fahrten in Köln und vergleicht dazu ein generalisiertes additives Modell (GAM) mit dem XGBoost Algorithmus aus dem Bereich des Machine Learning. In beiden Methoden werden Maßnahmen ergriffen, um räumliche Autokorrelation zu berücksichtigen. Während die Ergebnisse des GAM einen leichter zu interpretierenden Einblick in die Einflussfaktoren auf die Bikesharing-Nutzung geben, führt XGBoost zu deutlich treffenderen Prognosen. Beide Methoden sind gut zur räumlichen Modellierung der Nachfrage geeignet, wobei zwischen den Methoden je nach Ziel der Untersuchung entschieden werden sollte.