Wir erweitern unsere massiven agentenbasierten Transportmodelle, um detaillierteres Geh- und Fahrradverhalten zu erreichen.

Im City Modeling Lab von Arup erstellen wir agentenbasierte Verkehrsmodelle von Städten, Regionen und Ländern. Ziel der Modelle ist es, unterschiedliche Menschen und ihre individuellen Transportbedürfnisse darzustellen. Einer der Vorteile eines agentenbasierten Ansatzes besteht darin, dass wir zusätzlich zu den Auswirkungen auf das System als Ganzes erfassen können, wie sich Änderungen auf Einzelpersonen auswirken. Zu den Veränderungen, die wir in Betracht ziehen, gehören Veränderungen in der Verkehrsinfrastruktur, der Bereitstellung öffentlicher Verkehrsmittel und, mit zunehmender Attraktivität, Interventionen, die darauf abzielen, das aktive Reisen mit öffentlichen Verkehrsmitteln zu fördern.

Programme zur Förderung des aktiven Reisens konzentrieren sich in der Regel auf die Verbesserung der Fahrradinfrastruktur, den Zugang zu Fahrrädern und die Förderung von Verhaltensänderungen, die Menschen dazu ermutigen, kürzere Strecken zu unternehmen, die sie leichter zu Fuß oder mit dem Fahrrad zurücklegen könnten (im Jahr 2021 berichtete das NTS, dass 17 % der Fahrten weniger als eine Meile entfernt sind ) . mit dem Auto oder Transporter zurückzulegen – eine Entfernung von 20 Minuten zu Fuß). In letzter Zeit haben wir daran gearbeitet, die ersten beiden mit MATSim modellieren zu können .

MATSim verfügt in diesem Bereich über zwei interessante Erweiterungen. Die multimodale Erweiterung bietet Unterstützung für die Routenplanung zu Fuß und mit dem Rad im Netzwerk mit personalisierten Reisezeiten basierend auf dem Alter und Geschlecht des Agenten sowie der Steigung der von ihm befahrenen Verbindung. Bicycle , eine neuere Erweiterung, bietet mehr Funktionalität und nutzt zusätzliche Daten, um das Fahrraderlebnis eines Agenten genauer zu modellieren. Neben der Höhe können Sie Ihrem Netzwerk auch verschiedene Oberflächentypen oder selbst berechnete Infrastrukturfaktoren hinzufügen – allesamt Faktoren, die sich auf die Geschwindigkeit des Radfahrers auswirken.

Die Verbesserung des Fahrens im aktiven Modus führt zu Auswirkungen, die über einen einfachen Moduswechsel bei Kurzstreckenfahrten hinausgehen. Radfahren kann die Zugänglichkeit zu öffentlichen Verkehrsmitteln verbessern – mit sicheren und bequemen Verbindungen zu Bus und Bahn ist es möglich, die weitaus schwierigeren Mittel- und Langstreckenfahrten mit großen Emissionseinsparungen zu verlagern.

Vertretung des Verkehrsnetzes

Der erste Schritt zur Simulation eines Agenten im aktiven Modus besteht darin, ihm die richtige Umgebung bereitzustellen. Wir bauen unsere Netzwerke auf der Grundlage von Open-Street-Map-Daten auf und verwenden, soweit möglich, Tags, die dem Gehen und Radfahren vorbehalten sind. Die Abdeckung dieser Tags ist nicht perfekt, daher gehen wir von einigen Annahmen aus, etwa, dass Menschen auf Nebenstraßen zu Fuß und mit dem Rad unterwegs sein dürfen.

Zur Darstellung der verschiedenen Verkehrsträgernetze verwenden wir derzeit völlig getrennte Diagramme, was bedeutet, dass Radfahrer und Autos in der Simulation noch nicht interagieren können. Wir möchten dies in Zukunft verbessern, damit wir ein immer realistischeres Verhalten unserer Agenten sehen können. Eines Tages würden wir uns wünschen, dass Radfahrer stark befahrene Straßen meiden (etwas, was die Fahrraderweiterung beinahe erreichen wird ) und dass Autos durch starken Radverkehr verlangsamt werden.

Abgesehen von einem gut ausgebauten und getrennten Radweg trägt auch die Steigung maßgeblich zur Routenwahl eines Radfahrers bei. Sofern Sie nicht mit einem E-Bike unterwegs sind, kann der Aufstieg auf den Hügel ein entscheidender Faktor sein. Aus diesem Grund beziehen wir Höhen in unsere Netzwerke ein – wenn Sie Höhendaten zu Ihrem MATSim-Netzwerk hinzufügen möchten, schauen Sie sich dieses Skript in GeNet an (Sie benötigen eine digitale Höhendatei, die Sie einfach mit QGIS- und STRM-Daten generieren können hier ).

Erfassen der Agentengeschwindigkeiten

Aktive Modi werden nicht ohne Grund als aktiv bezeichnet. Sie müssen Ihren Körper nutzen, um sich in die Richtung zu bewegen, in die Sie gehen möchten. Um die reale Welt genau abzubilden, ist es wichtig, Menschen mit unterschiedlichem Fähigkeitsgrad zur Ausführung dieser Aktionen darzustellen. Ein Ansatz zur Modellierung dieser Heterogenität könnte ein nutzenbasierter Ansatz sein. Durch die Festlegung unterschiedlicher wahrgenommener Kosten eines aktiven Modus auf der Grundlage von Agentenattributen werden diese Agenten ihre Entscheidungen unterschiedlich bewerten. Die Auswirkungen der Demografie scheinen je nach Standort unterschiedlich zu sein, wobei das Radfahren in den Niederlanden von diesen Faktoren am wenigsten betroffen ist – unsere Kollegen Theo und Paola arbeiten intensiv an der Erforschung der Themen rund um die Verkehrsgerechtigkeit und werden ihre Ergebnisse bald teilen.

Im Moment verlassen wir uns auf die Implementierung personalisierter Geschwindigkeitsfaktoren durch die multimodale Erweiterung, deren Autoren sich für das Radfahren auf Parkin, J & Rotheram, J. (2010) und für das Gehen auf Weidmann, Ulrich (1992) stützen .

Durch unsere Bemühungen mit Rad- und Gehgeschwindigkeiten haben wir zu Änderungen an der Kernfunktionalität von MATSim beigetragen. Das schnelle Modul Hermes MobSim (Mobilitätssimulator), auf das wir vertrauen, kann nun langsamere Geschwindigkeiten, wie sie im aktiven Modus auftreten, viel genauer darstellen.

Fahrradverfügbarkeit

Wenn wir unsere Agentenpopulation und ihre Aktivitätspläne zusammenfassen, weisen wir ihnen Attribute zu, beispielsweise ob sie ein Auto oder ein Fahrrad besitzen. Vermittler werden das Radfahren als teurer empfinden, wenn sie kein eigenes Fahrrad besitzen und stattdessen etwas Geld für die „Miete“ eines Fahrrads ausgeben müssen. Im Moment halten wir es einfach: Wir geben kein Modell an, wo sie mieten können und ob dort noch Fahrräder übrig sind. Sicherlich eine Vereinfachung, aber ein Modell wie dieses kann Hotspots für die Nachfrage nach gemeinsam genutzten Mikromobilitätszentren hervorheben, ohne Agenten daran zu hindern, diesen Modus zu nutzen.

Schlussfolgerungen

In diesem Beitrag haben wir unsere jüngsten Bemühungen zusammengefasst, mehr Details zur Simulation aktiver Transportmodi in unseren agentenbasierten Modellen hinzuzufügen. Wir haben unsere Netzwerkdarstellung für die Fuß- und Fahrradinfrastruktur verbessert, wodurch wir Änderungen daran wesentlich zuverlässiger abbilden können. Wir haben auch unsere Agenten in dieses Netzwerk aufgenommen und ihnen eine etwas persönlichere Nutzung ermöglicht. Die Agenten müssen sich entscheiden, ob sie einen der aktiven Modi für ihre Reise nutzen möchten, und können nun eine fundiertere Entscheidung treffen.

Wir haben noch einen langen Weg vor uns, bis wir sagen können, dass wir mit der Darstellung der aktiven Modi in unseren Modellen zufrieden sind, aber jedes hinzugefügte Detail bringt uns der Verwirklichung unserer Ambitionen näher. Wir müssen jedoch konzentriert und kritisch bleiben, da jede Ergänzung erhebliche Auswirkungen auf die Laufzeit unserer Modelle haben könnte und möglicherweise nicht wesentlich genug zur Qualität unserer Ergebnisse beiträgt.