Problemstellung

In der Verkehrsmodellierung wurden in den letzten Jahren Modelle entwickelt, die es erlauben, die Mobilität ganzer Regionen auf Einzelpersonenebene abzubilden (Agenten-basierte Modelle). Aufgrund ihrer Komplexität sind diese Modelle jedoch häufig nicht für strategische Fragestellungen im Einsatz. Darüber hinaus werden in den Modellen meistens nur Teilfragen wie Verkehrsmittelwahl oder Umlegung berücksichtigt. Dadurch wird das Potenzial dieser Modelle nicht ausgeschöpft und Planende können die hiermit entstehenden Möglichkeiten, wie beispielsweise die Auswirkungen von Maßnahmen einschließlich individueller Betroffenheiten, nicht nutzen.

Projektziel

Auf Basis von künstlicher Intelligenz wird ein Prognose-Tool entwickelt, das Planerinnen und Planern und anderen Nutzergruppen die Möglichkeit bieten soll, auf einfache Weise den Verkehr zu optimieren. Das Projekt besteht aus einer Kurzfristprognose, die sich hauptsächlich auf den Verkehrsfluss bezieht und Stau vermeiden soll und einer strategischen Langfristprognose. Es soll ein Modell entwickelt werden, das die beiden unterschiedlichen Planungsebenen integriert.

Methode

Die Langfristprognose wird federführend vom Institut für Verkehrswesen erstellt, in Zusammenarbeit mit dem Team der Kurzfristprognose (PTV und WPS). Basis für die Langfristprognose ist das agentenbasierte Verkehrsnachfragemodell mobiTopp, das vom Institut für Verkehrswesen und TUM für die Begleitforschung für MOIA in Hamburg erstellt wurde. Dieses Modell wird in dem Projekt so erweitert, dass damit Auswirkungen von verkehrlichen Maßnahmen auf einer strategische Planungsebene in der Stadt Hamburg möglich sind. Im Fokus der Auswertungen ist dabei das individuelle Mobilitätsverhalten und die Veränderungen durch die Maßnahmen. Es werden im Rahmen des Projekts unterschiedliche Modellframeworks (mobiTopp, MATSim, FleetPy und Visum) miteinander kombiniert. Alle Projektteile basieren auf derselben Datenbasis und einer gemeinsamen Plattform zur Visualisierung der Ergebnisse.