Claire ist Senior Product Manager für das City Modeling Lab von Arup

Im City Modeling Lab von Arup entwickeln wir Fähigkeiten, die bei einer breiten Palette von Fragestellungen eingesetzt werden können und dazu beitragen können, dass unsere Städte besser funktionieren – für uns alle. Wir haben mit einigen Partnern und Kunden zusammengearbeitet, um unsere Forschung bei der Simulation von Städten, Regionen und Nationen voranzutreiben und anzuwenden.

Hier stellen wir drei Fallstudien vor, die unsere Arbeit mit Transport for London, Transport Infrastructure Ireland und dem neuseeländischen Verkehrsministerium beschreiben.

Es gibt Ähnlichkeiten in der Herausforderung, vor der jede dieser Organisationen steht. Im Allgemeinen versuchen lokale und nationale Verkehrsbehörden:

1. Überwachen und verbessern Sie die Verbindungen zwischen Menschen und wichtigen Aktivitäten (z. B. Schulen, Arbeitsplätzen und öffentlichen Diensten wie Krankenhäusern).
2. Verstehen Sie die Auswirkungen jeder Änderung der Reisekosten (z. B. Fahrpreise für öffentliche Verkehrsmittel oder Straßenbenutzungsgebühren).
3. Antizipieren Sie die Wechselwirkungen zwischen den Verkehrsträgern (z. B. die Auswirkungen von Mitfahrgelegenheiten auf die Fahrgastzahlen öffentlicher Verkehrsmittel oder die Einführung von Motorrollern und Fahrrädern auf die Staus).
4. Identifizieren und verstehen Sie die größten Netzwerkengpässe im Detail (z. B. zu welcher Zeit und wie lange ist das Netzwerk am stärksten belastet, oder welche Routen wichtige Arbeitskräfte bedienen, die wahrscheinlich keinen Zugang zu alternativen Transportmöglichkeiten haben).

Bei aggregierten Daten entgehen uns die zugrunde liegenden Informationen darüber, was das Verhalten antreibt.

„Letztendlich ist es kein Verkehrsmodell. Es ist ein soziales Modell. Es gibt echte Chancen außerhalb des Verkehrs, wenn wir einen Rahmen schaffen, in dem das Verhalten der Menschen besser verstanden wird.“

Dan Jenkins. Neuseeland, Verkehrsministerium.

Nachfolgend erfahren Sie mehr über die agentenbasierten Modelle, die wir mit Transport for London, Transport Infrastructure Ireland und dem neuseeländischen Verkehrsministerium entwickeln.

(Weitere Hintergrundinformationen zu einem agentenbasierten Modell finden Sie in unserem Beitrag: Def: Stadtmodellierung .)

Transport nach London

Wir haben mit TfL zusammengearbeitet, um zu simulieren, wo und wann es auf den Straßen zu Staus kommt. wo und wann die Nachfrage nach öffentlichen Verkehrsmitteln steigt; und wo und wann Menschen Zeit bei der Arbeit, in der Schule oder zu Hause verbringen. Dies war Teil einer gemeinsamen Forschungsinitiative mit TfL zur Beantwortung der Frage: „Was erfordert ein stadtweites agentenbasiertes Modell für London?“

Gemeinsam haben wir eine stadtweite Alpha-Simulation erstellt, die auf Bottom-up-Interaktionen einer simulierten (oder „synthetischen“ – im Verkehrsjargon) Bevölkerung basiert. TfL entwickelte die synthetische Population mit anfänglichen Aktivitätsmustern. Diese Aktivitätsmuster beschreiben, was Menschen jeden Tag zu tun versuchen (z. B. könnte eine Person von zu Hause aus starten, ihre Kinder zur Schule bringen, zur Arbeit fahren und dann nach Hause zurückkehren).

Aufbauend auf dieser synthetischen Bevölkerung haben wir das Verhalten von etwa 10 % der Londoner Wohnbevölkerung, darunter einige Nicht-Londoner, und Frachtfahrzeuge simuliert. Das Ergebnis war ein Verhaltensmodell für etwa 1 Million einzelne Agenten, die im Laufe eines Tages jeweils etwa 750 Aktionen ausführten. Wir konnten sehen, wo und wann Menschen voraussichtlich zur Arbeit fahren und welche Routen sie nutzten. Die Simulation dessen, was wir in der realen Welt beobachten, ist die Grundlage für das Testen verschiedener „Was wäre wenn“-Szenarien.

Um die Bevölkerung Londons zu simulieren, mussten wir ein komplettes britisches Verkehrsnetz aufbauen, einschließlich der National Rail-Dienste und der Autobahnen. In London selbst vertraten wir alle öffentlichen Verkehrsmittel und Straßen.

Diese Arbeit hat gezeigt, dass agentenbasierte Modelle geeignet und technisch machbar sind, um eine Reihe von Fragen zu beantworten, die sie möglicherweise planen. Agentenbasierte Modelle würden es TfL ermöglichen, die Auswirkungen von Richtlinien- oder Infrastrukturänderungen auf lokaler Ebene zu simulieren und die Gerechtigkeitsfolgen jeder Änderung abzuschätzen. Agentenbasierte Modelle würden es TfL auch ermöglichen, die Auswirkungen von Technologie- oder Kulturveränderungen zu simulieren, für die wir keinen Präzedenzfall haben, wie etwa vernetzte autonome Fahrzeuge oder neue Fernarbeitsmuster.

Weitere Einzelheiten zu diesem Projekt finden Sie in diesem Dokument .

Neuseeländisches Verkehrsministerium

Das Ministerium hat sich mit Arup zusammengetan, um eine nationale Simulationskapazität aufzubauen. In diesem Forschungsprojekt wird untersucht, wie ein agentenbasiertes Modell zur Bewertung verschiedener Richtlinien- und Infrastrukturoptionen verwendet werden könnte. Unsere Modellierungsarbeit mit dem Ministerium wird eine Evidenzbasis für Verkehrsinterventionen und -ergebnisse in den nächsten 5–50 Jahren unterstützen. Zum Beispiel geht es darum, die Auswirkungen neuer Infrastrukturen oder Straßenbenutzungsgebühren auf das Reiseverhalten zu verstehen und, was noch wichtiger ist, die sozialen und verteilungsbezogenen Auswirkungen solcher Änderungen zu bewerten.

Gemeinsam entwickeln wir ein agentenbasiertes Modell. Wir haben die Modellgrundlage aufgebaut, das Modell mit 10 % der neuseeländischen Bevölkerung kalibriert und individuelle Pläne im ganzen Land verfolgt.

In Zukunft werden wir das Modell erweitern, um Neuseelands breiten Mix an Transportdiensten (einschließlich Fähren und Flugzeugen) abzudecken. Wir werden eine große Stichprobe der Bevölkerung (>15 %) verwenden und uns auf die Bewertung der Auswirkungen der Maut konzentrieren im Verkehrsnetz.

Verkehrsinfrastruktur Irland

Um unsere Arbeit mit Transport Infrastructure Ireland bei der Planung eines gerechteren und nachhaltigeren Straßennetzes zu unterstützen, werden wir mithilfe eines agentenbasierten Modells eine Vielzahl potenzieller Verkehrsänderungen simulieren. Wir haben die Grundlagen für ein landesweites Modell geschaffen, das es uns ermöglicht, komplexe Interaktionen im gesamten Netzwerk zu bewerten.

Wir haben unser Modell anhand einer Reihe historischer Daten kalibriert, um Entscheidungsträgern Vertrauen in die Modelleingaben zu geben. Diese historischen Daten ermöglichen es uns, Änderungen zu testen und anhand beobachteter Bedingungen zu berichten. Anhand dieser Informationen werden wir nach innovativen Wegen suchen, um neue Lösungen für die irische Öffentlichkeit zu erproben und die EU-Grundsätze des Benutzer- und Verursacherprinzips gerechter zu fördern. Wenn sich zum Beispiel eine Straßenbenutzungsgebühr ändert, wie wird sich das dann unterschiedlich auf die Gemeinden auswirken? Wer könnte am anfälligsten für politische Änderungen sein? Und welche neuen Reiseverhaltensweisen sich dadurch herausbilden könnten.

In der nächsten Phase dieser Arbeit wird das Modell erweitert, um eine Reihe potenzieller Änderungen am Netzwerk zu simulieren, damit Transport Infrastructure Ireland die Folgen potenzieller Verkehrsrichtlinien abschätzen kann. Dies wird eine breite Palette von Ergebnissen unterstützen, wie etwa Geschäftskontinuität, mehr Gerechtigkeit, Reduzierung der CO2-Emissionen und Servicezuverlässigkeit für die Menschen.