Anwendungen agentenbasierter Verkehrsmodelle

Transkript

1 17. März 2016, IVT ETH Zürich, Verkehrsingenieurtag 2016 Anwendungen agentenbasierter Verkehrsmodelle Marcel Rieser Senozon AG

2 Agentenbasierte Verkehrsmodelle 2 Nachfragemodellierung Aktivitäten-Ketten Keine Gruppen einzelne Personen à Agenten Modellierung einzelner Agenten: Genaue Koordinaten (sozio)demographische Attribute Tagespläne

3 Traditionelle Verkehrsmodelle 3 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix

4 Traditionelle Verkehrsmodelle 4 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix Nach Verkehrsmittel

5 Traditionelle Verkehrsmodelle 5 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix Nach Verkehrsmittel Nach Aktivitätengruppen

6 Traditionelle Verkehrsmodelle 6 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix Nach Verkehrsmittel Nach Aktivitätengruppen Nach homogenen Verhaltensgruppen

7 Traditionelle Verkehrsmodelle 7 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix Nach Verkehrsmittel Nach Aktivitätengruppen Nach homogenen Verhaltensgruppen Zeitlich dynamisch

8 Traditionelle Verkehrsmodelle 8 Anforderungen an Detailreichtum steigen stetig Skalierungsprobleme: Nachfragematrix Nach Verkehrsmittel Nach Aktivitätengruppen Nach homogenen Verhaltensgruppen Zeitlich dynamisch Mehr, kleinere Zonen

9 Beispiel 1: St. Gallen 9 Agglomerationsprogramm St. Gallen Ausbau S-Bahn 2013/2018 «Anpassung des städtischen ÖV notwendig?» Mehrere Fallstudien: Zusätzliche S-Bahn-Haltestellen Stadttram Regionaltram

10 Anzahl ÖV-Fahrten «IST» 10

11 Anzahl ÖV-Fahrten «Fallstudie 1» 11

12 S-Bahn, Aussteiger «IST» 12

13 S-Bahn, Aussteiger «Fallstudie 1» 13

14 S-Bahn, Aussteiger «Fallstudie 1» % +10% +62%

15 Vorteile agentenbasierte Modellierung 15 Infrastrukturänderungen lassen sich sehr einfach umsetzen Neue Haltestellen Neuer Fahrplan / neue Linien Keine Anbindungen notwendig Einzugsgebiet von Haltestellen wird berechnet

16 Beispiel 2: Gelegenheitsnutzer BVG 16 «Welche Auswirkungen ergäben sich durch eine erhöhte ÖV-Nachfrage durch Gelegenheitsnutzer?» «Wo lassen sich mit wenig Aufwand viele neue Fahrgäste gewinnen, und welche Auswirkungen hätte das?»

17 Potenzielle ÖV-Nutzer 17 Wer benutzt derzeit den ÖV nicht? Wieso nicht? Auf welchen Strecken würden diese Agenten den ÖV benutzen? Alternativen-Berechnung: Für jeden Agenten wird der Tagesplan neu im ÖV geroutet Filtern von Agenten, bei denen die ÖV-Variante maximal x% schlechter als gewählte Alternative ist Analyse der zusätzlichen Nachfrage der gefilterten Agenten

18 Startorte konkurrierende Rad-Fahrten 18

19 Rad-Fahrtziele einer Zelle 19 adf Verteilung der Wege ÖV Angebot

20 Potenzielle Zunahme ÖV-Haltestellen 20 adf

21 Potenzielle Zunahme auf einzelnen Linien 21 Fahrtrichtung

22 Vorteile agentenbasierte Modellierung 22 Mikro-Lage (z.b. Nähe zu Haltestelle) wird berücksichtigt Alle Etappen eines Tages werden berücksichtigt Tageszeit kann berücksichtigt werden Aussagekräftigere Resultate

23 Beispiel 3: Westumfahrung Zürich 23 Analyse der Auswirkungen der Westumfahrung Zürich Mehrere Fallstudien Unterschiedliche flankierende Massnahmen Fallstudien durchgeführt durch IVT, ETH Zürich

24 Wohnorte von Route-Switchers 24

25 Reisezeit-Gewinner / -Verlierer 25

26 Vorteile agentenbasierte Modellierung 26 Eindeutige Agenten erlauben Vergleiche zwischen Szenarien Gewinner-Verlierer-Auswertung räumlich hoch aufgelöst Verknüpfung der Fahrten zu Wohnorten Einfache Berechnung von benötigten Kenngrössen Aggregation von Werten für Auswertung

27 Senozon, MATSim 27 Senozon erstellt und verwendet agentenbasierte Verkehrsmodelle Spin-off des IVT, ETH Zürich gegründet 2010 Senozon Deutschland GmbH, Mitarbeitende Wir benutzen MATSim als Modellierungs-Software Haupt-Entwicklung an ETH Zürich & TU Berlin Open Source Anwendungen weltweit

28 MATSim Anwendungen 28

29 Senozon Schweiz-Modell 29

30 In Arbeit: Modell Österreich 30

31 Schon bald fertig: Modell Deutschland 31

32 Agentenbasierte Verkehrsmodelle 32 Grosser Detailgrad der Daten Einfachere Modellerweiterungen Vielfältige Anwendungen Anwendungen auch ausserhalb der Verkehrsplanung!

33 Anzahl Einwohner, Alter

34 Anzahl Arbeitende, Alter

35 Anzahl Arbeitende, Alter 25-40, mittleres hohes Haushalts-Einkommen 35

36 Anzahl Einkaufende, Alter 25-40, mittleres hohes Haushalts-Einkommen 36

37 Anzahl Einkaufende vor 11:30 Uhr, Alter 25-40, mittleres hohes Haushalts-Einkommen 37

38 Wohnorte von Einkaufenden vor 11:30 Uhr, Alter 25-40, mittleres hohes Haushalts-Einkommen 38

39 Standortanalysen & Geomarketing 39 Wie weit komme ich in 20min mit dem Auto? Mit dem ÖV? Wie viele Personen können mein Geschäft innerhalb 30min erreichen? Wie viele Jährige? Wie viele mit universitärem Bildungsabschluss? Nicht nur vom Wohnort, sondern auch vom Arbeitsort aus? Wie viele Personen kommen (zu Fuss) an meinem Standort vorbei? Wie viele Jährige? Zu welcher Tageszeit? Wie viele Fahrzeuge fahren vorbei? Zu welcher Tageszeit?

40 Senozon Locations 40

41 Weitere Anwendungsmöglichkeiten 41 Alternative Mobilitätswerkzeuge Car-Sharing Elektro-Fahrzeuge Autonome Fahrzeuge Berechnung von Emissionen Lärm, Schadstoffe Planung von Grossanlässen Evakuationssimulationen

42 Bankomaten-Standorte 42 «Wo hat es Potenzial, um einen Bankomaten aufzustellen?» «Wer benutzt Bankomaten?» Standorte aller Bankomaten Anzahl Transaktionen pro CS-Bankomat und Tageszeit

43 Volles Potenzial mit Gewichtung 43

44 Potenzial abseits CS-Bankomaten 44

45 Potenzial abseits aller Bankomaten 45

46 Fazit 46 Agentenbasierte Verkehrsmodelle: Disaggregierte Daten Hohe räumliche Auflösung Aktivitätenketten über ganzen Tag Komplett dynamisch Aggregation erst zum Zeitpunkt der Auswertung Höhere Flexibilität Mehr Anwendungsmöglichkeiten

47 Besten Dank für Ihre Aufmerksamkeit 47 Fragen? Marcel Rieser Senozon AG