Analyse des Verkehrsverhaltens in wachsendenurbanen Regionen mithilfe Agentenbasierter Modellierung

Transkript

1 Analyse des Verkehrsverhaltens in wachsendenurbanen Regionen mithilfe Agentenbasierter Modellierung Jahrestagung 2016 des AK Verkehr Dortmund, 24./ Karsten Hager Prof. Dr. Jürgen Rauh Prof. Dr. Wolfgang Rid (Universität Würzburg) (FH Erfurt / SI Universität Stuttgart) 1

2 Grundrisse und Siedlungsformen 2 Quelle: Leidorf Luftbilddokumentation

3 Theoretischer Hintergrund Ballungsräume vergrößern sich durch Bevölkerungszuwachs (z.b. Zuzug aus dem ländlichen Raum (leichtes Wachstum bis 2025 lt. UN), Demographischer Wandel, Flüchtlinge) Prozesse (s.o., + Pendlerverkehr und variierende Haushaltsgröße) verändern die Anforderungen an das städtische Mobilitätssystem Bauliche und Bevölkerungsdichte üben Druck auf die Mobilität aus Wie wird sich die Mobilität der Zukunft hinsichtlich dieser Herausforderungen ändern und was sind die jeweiligen Folgen für die Reisenden, die Baustruktur und den Verkehr? 3

4 Veränderungen in der Baustruktur mögliche Folgen Unterschiede in: - Zeit - Streckenlänge - Verkehrsmittel Nicht berücksichtigt im Beispiel: Verschiedene Bebauungsarten Verschiedene Maßstäbe Verschiedene Grundrisse Wie messe ich die Unterschiede? 4

5 Forschungsfrage Forschungsfrage der Dissertation: Welche Veränderungen treten im städtischen Mobilitätssystem ein, wenn Neubaugebiete (Wohn-/Mischnutzung) unterschiedlicher Grundrisse an das vorhandene Mobilitätssystem angeschlossen werden? Agentenbasierte Modellierung (u.a. zum Abbilden der Verkehrsmittelentscheidungswahl der Bewohner) Entwicklung eines Verfahrens zur Messung baulicher Strukturen und deren Auswirkungen auf das Verkehrsverhalten 5

6 Forschungsdesign Empirisch-analytische Ebene Mikroebene (Veränderungen in der Verkehrsmittelwahl, Zusammenhang mit baulicher Umwelt) Simulationsebene (ABM) - Verkehrsszenarien - Bauliche Szenarien mit versch. Grundrissen - Soziodemographische Szenarien Zusammenführung - Modellvalidierung und kalibrierung auf Basis von Befragungsdaten Anwendung und Transfer - Simulation von Szenarien - Bewertung / Messung von gebauter Umwelt auf das Verkehrsmittelwahlverhalten von Menschen 6

7 Agentenbasiertes Modell Agent = Reisender in der Stadt Stuttgart (Einwohner und Pendler); Fahrzeuge sind auch als Agenten abgebildet Soziodemographische Variablen Grundlage für die Reisenden, Frequenz und Kapazität für die Fahrzeuge Räumliche Ausdehnung des Modells: Stadt Stuttgart Zeitliche Auflösung: 1 Tag, Zeitschritt: 1 Sekunde Agenten bewegen sich auf den jeweiligen zur Verfügung stehenden Verkehrsflächen Agenten verfolgen ihre eigene Aktivitätenkette und wählen zwischen den vorhandenen Verkehrsmodi ÖV nutzt die realen Zeitpläne auf den jeweiligen ÖV-Flächen 7

8 Datenquellen Verkehrsmodell der Region Stuttgart Haushaltsbefragung der Region Stuttgart Statistisches Amt der Stadt Stuttgart Weitere Datenquellen (z.b. Universität Stuttgart, Verkehrsleitzentrale) Verkehrsknoten, Verkehrswege, POIs, Zählstationen, Haltestellen des ÖV, ÖV-Strecken, ÖV- Zeitpläne Bewohner und Kinder, Anzahl der Autos, Geschlecht, Geburtsdaten, Ausbildung, Arbeitsstätte Verfügbarkeit von Verkehrsträgern, Wegetagebücher Bevölkerungsentwicklungsstatistik, Bevölkerungszuwachs und -abnahme, Wanderungsbewegungen, Geschlecht, Alter, Einkommen, Haushaltsgröße POIs, Aktivitäten, Zählstationen, Modal-Split- Werte Noch fehlend: Gebäudenutzungen 8

9 MATSim Projekt der ETH Zürich / TU Berlin Scoring-Funktion basiert auf einem genetischen Algorithmus zur Erstellung der täglichen Aktivitätenkette der Agenten Aktivitäten werden auf den Netzwerkdaten durchgeführt Verkehrsmodi: Auto, Fahrrad, ÖPNV, Fuß Open source, modularer Aufbau, work in progress (regelmäßige Updates & Add-ons) 9

10 Untersuchungsgebiet: Rosensteinquartier Stuttgart 21 Voraussichtlich mind Einwohner / WE Verteilung der Bewohner auf räumliche Einheiten Verbindung mit soziodemographischen Variablen Verortung der Aktivitäten (W/A/F) noch Datenproblem Indikatoren zur Messung der Ergebnisse: Quelle: Stuttgarter Zeitung Verteilung der Verkehrsströme Modal Split (Auswahl an Indikatoren basierend auf der Umsetzbarkeit und Datengrundlage) 10

11 Fazit & Ausblick Wie kann diese Arbeit zusätzliche Potenziale von ABM im Rahmen der Verkehrswissenschaften identifizieren? Verknüpfung von Modellierung und Planung Auswahl an geeigneten Indikatoren zur Bemessung der Szenarien zentral (zwei Arten von Indikatoren: Beschreibung der Szenarien sowie Messung der Ergebnisse) Messbarkeit von baulicher Umwelt Datenkonvertierung bzgl. unterschiedlichster Datenquellen Ausbau: Theorie zur Verkehrsmittelwahl 11

12 Vielen Dank für die Aufmerksamkeit. Jahrestagung 2016 des AK Verkehr Dortmund, 24./ Karsten Hager Prof. Dr. Jürgen Rauh Prof. Dr. Wolfgang Rid (Universität Würzburg) (FH Erfurt / SI Universität Stuttgart) 12