Roulette in der Verkehrsplanung?

Transkript

1 Roulette in der Verkehrsplanung? Stochastische Einflüsse in numerischer Mikrosimulation Bericht aus dem Anschubvorhaben CASINO Dr.-Ing. Tobias Kuhnimhof KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft

2 Hintergrund und Problemeinführung 2/

3 Agentenbasierte Modelle (ABM) in der Planung Modelle dienen in der Verkehrsplanung zur Erstellung von Prognosen und Beurteilung von Maßnahmen 3/

4 Agentenbasierte Modelle (ABM) in der Planung Agentenbasierte Modelle lösen zunehmend konventionelle Modelle ab Vom Aggregatmodell zur virtuellen Welt. 4/

5 Agentenbasierte Modelle (ABM) in der Planung Einsatzgebiete Agentenbasierter Modelle Anthropologie: Kommen und Gehen von Kulturen Militär: Strategieanalyse Film: Massenszenen Verkehr: Nachfrage & Fluss 5/

6 Agentenbasierte Modelle (ABM) in der Planung ABM am Projekt OVID: Wirkungen von Verkehrsinformation auf Reisende im Korridor KA-MA Verkehrsprognose Rhein-Main bis 2020 (4 Mio Einwohner) Verkehrsprognose Rhein-Neckar bis 2030 (2,3 Mio Einwohner) 6/

7 Herausforderung Stochastik Kernelemente von ABM sind bedingte Wahlwahrscheinlichkeiten (Bsp. Verkehrsmittelwahl) kombiniert mit Monte-Carlo-Simulationen: Z Mitfahrer 7/

8 Herausforderung Stochastik Unterschiedliche Zufallszahlen führen zu unterschiedlichen Ergebnissen Zufallsbeeinflusste Ergebnisse sind in der Planung i.d.r. nicht verwertbar Analysefall (Heute) Ohne-Fall Was ist.. wirkliche Veränderung? Zufall? Prognose (Zukunft) Mit-Fall 8/

9 Herausforderung Stochastik Scheinbar einfache Lösungen und offene Fragen: Wenn genügend Einheiten simuliert werden, ist der Zufall vernachlässigbar Was sind genügend Einheiten? Wie sehr muss aggregiert werden? 9/

10 Herausforderung Stochastik Scheinbar einfache Lösungen und offene Fragen: Mehrere Simulationsdurchläufe durchführen, und Mittelwerte von Ergebnisverteilungen bilden Wie viele Durchläufe? Bei Durchlaufzeiten von Stunden bis Tagen? Welche Informationen enthalten Ergebnisverteilungen? 10/

11 Herausforderung Stochastik Scheinbar einfache Lösungen und offene Fragen: Zur Varianzreduktion für unterschiedliche, zu vergleichende Fälle die selben Pseudo- Zufallszahlen verwenden Wie groß ist die verbleibende Varianz? Sind Pseudo-Zufallszahlen praktikabel? 11/

12 Anschubvorhaben CASINO 12/

13 Anschubvorhaben CASINO Partner (Campus Süd) Institut für Technische Mechanik (Campus Süd) Institut für Meteorologie und Klimaforschung (Campus Nord) Institut für Fördertechnik und Logistiksysteme (Campus Süd) 13/

14 Anschubvorhaben CASINO Arbeitsprogramm Erfahrungsaustausch zwischen Simulationsanwendern Expertengespräche mit ABM- Entwicklern und Anwendern im Verkehrsbereich Aufbau eines Demonstrators, Versuchsläufe DFG-Antragstellung Mai /

15 Anschubvorhaben CASINO Ergebnisse Literaturrecherche & Expertengespräche Unerwartete Problemignoranz: Zufälle gibt es auch in der Realität Im gesamten Anwendungsfeld von ABM gibt es keine systematischen Ansätze zum Umgang mit dem stochastischen Fehler sondern Mischstrategien aus den einfachen Antworten (s.o.) 15/

16 Anschubvorhaben CASINO Demonstrator Reduziertes & schnelles Verkehrsnachfragemodell Simulation von Planfällen im Neckar-Odenwald- Kreis 16/

17 Anschubvorhaben CASINO Demonstrator - Ergebnisse Verbesserung der Problembeschreibung durch Quantifizierung Pseudo-Zufallszahlen sind keine Lösung Vergleich Nullfall - Planfall Einkauf alle Wege von Neckarelz nach Neckarelz < (-100) (-51) (-1) 0-49 Anteil [in %] Differenz Wege 17/

18 Anschubvorhaben CASINO Ausblick DFG- / SNF- Antragstellung in Kooperation mit ETH Zürich Untersuchung komplexerer Modellstrukturen Ziele: Realitätsbezug von Ergebnisverteilungen Entwicklung von Standardansätzen Ansätze: Systematischer Scan Simulationslabor 18/