NN-FAND – Fahrtzweckdifferenzierende Analysen der Nachfragestruktur an Dauerzählstellen mittels Neuronaler Netze und anderer Verfahren der KI

  • Ansprechperson:

    Dr.-Ing. Bastian Chlond

  • Förderung:

    Bundesministerium für Verkehr und digitale Infrastruktur

    mFUND

  • Projektbeteiligte:

    Steinbeis angewandte Systemanalyse GmbH (STASA)

  • Beginn:

    2022

KIT-IfV
Symbolbild auf Grundlage von Daten des Deutschen Mobilitätspanels
Problemstellung

Auf den Fernstraßen des Bundes werden die Fahrzeuge an sogenannten Dauerzählstellen mittels automatisierter Zählgeräte über lange Zeiträume erfasst. Daraus lassen sich sogenannte Ganglinien ableiten, welche die Verkehrsnachfragemengen in ihrem zeitlichen Verlauf abbilden. Die Informationen aus diesen Ganglinien werden dazu verwendet, die für eine Bemessung der Straße notwendigen Verkehrsstärken in den Spitzenstunden zu ermitteln.

Der demographische Wandel oder auch die zunehmende Flexibilisierung von Arbeit (z.B. durch mehr Homeoffice) verändern absehbar die zeitlichen Strukturen der Verkehrsnachfrage. Davon sind auch die für die Auslegung der Infrastruktur relevanten Nachfragespitzen betroffen. Um geeignete Prognosen abzuleiten, ist es erforderlich zu wissen, wie sich eine solche Ganglinie zu unterschiedlichen Zeiten aus unterschiedlichen Fahrtzwecken und Nutzer:innen-gruppen zusammensetzt..

Projektziel

Ziel der Machbarkeitsstudie ist die Entwicklung eines Verfahrens, das die summierten Ganglinien an den Dauerzählstellen nach einzelnen Fahrtzwecken und Akteur:innen auflöst. Daten aus Mobilitätserhebungen im Eigentum des BMDV (MOP Mobilitätspanel, MiD 2017 Erhebung Mobilität in Deutschland) enthalten zwar Informationen über Nutzer:innen und Fahrtzwecke, nicht jedoch die in den Ganglinien enthaltenen räumlichen Bezüge, d.h. die geographi-sche Lage. Das Projekt zielt darauf ab, die in den Mobilitätserhebungsdaten enthaltenen Informationen trotzdem für die Differenzierung nutzbar zu machen.

Durchführung und Methode

Auf Basis der Mobilitätserhebungsdaten werden idealisierte Ganglinien als Nutzungsmuster mit definierten Eigenschaften gebildet. Diese werden dazu verwendet, die Ganglinien einzelner Dauerzählstellen nachzubilden: Verfahren der KI (Künstlichen Intelligenz) werden dazu eingesetzt, über die Ähnlichkeiten von Strukturen und Umfeldbedingungen (Raumtyp, Lage im Netz) diese Nutzungsmuster auf andere Zählstellendaten zu übertragen, um sowohl ein verbessertes Verständnis über Nutzungsstrukturen (Fahrtzwecke, Nutzer:innen) als auch eine kausal begründbare Prognose von Bemessungsverkehrs-stärken unter veränderten Rahmenbedingungen abzuleiten.