Innovate UK, die britische Innovationsagentur, hat Arup im Rahmen ihres Wettbewerbs "Business-led innovation response to global disruption" unmittelbar nach der Abriegelung des Vereinigten Königreichs eine Finanzierung zugesprochen. In nur sechs Wochen entwickelten wir die Grundlagen eines agentenbasierten Modells (ABM), das individuelle Verhaltensweisen und Reiseänderungen simulierte, wenn reguläre Verhaltensweisen durch Einschränkungen wie soziale Distanzierung gestört wurden.

Dieses Modell bildete die Grundlage für künftige Analysen auf der granularen Ebene des individuellen Verhaltens. In Zusammenarbeit mit dem Birmingham City Council und Transport for the West Midlands erstellten wir ein ABM für die Region Birmingham, um unseren Ansatz zu testen.

Das Projekt verlangte von uns, anders zu denken. Das Testen radikal anderer Verhaltensweisen, für die es keinen Präzedenzfall gab, erforderte einen radikal neuen Ansatz. Unser Ziel war es, zu demonstrieren, wie fortschrittliches maschinelles Lernen eingesetzt werden kann, um Kosten zu senken und die Planung von Verkehrsdiensten in unsicheren Umgebungen zu beschleunigen.

Schnellere Wertschöpfung angesichts zeitkritischer Herausforderungen

Die COVID-19-Pandemie stellte die traditionellen Modelle vor neue Herausforderungen. Es kann Monate oder Jahre dauern, bis diese Modelle erstellt und Verhaltensweisen simuliert sind, und sie können Schwierigkeiten haben, Verhaltensweisen darzustellen, die anders aussehen als in der Vergangenheit. Unsere Aufgabe bestand darin, die Grundlagen für ein Modell zu entwickeln, das nützliche Erkenntnisse über radikale Verhaltensänderungen liefern konnte. Wir mussten schnell arbeiten, um innerhalb von Wochen die Grundlagen für ein Modell zu schaffen, das den Verkehrsbehörden bei der Planung der kurz- und mittelfristigen Folgen von pandemiebedingten Änderungen des Reiseverhaltens helfen würde.

Der Schlüssel zu ABMs ist, dass sie Verhaltensweisen auf individueller Ebene simulieren. Sie berücksichtigen unterschiedliche Merkmale, Bedürfnisse und Ressourcen und bieten eine einzigartige Möglichkeit, Verhaltensänderungen zu berücksichtigen. Im Gegensatz zur traditionellen Modellierung gibt dieser granulare Ansatz den Planern die Möglichkeit, eine Zukunft in Betracht zu ziehen, die sich radikal von der Vergangenheit unterscheidet, und ermöglicht es uns, ein breites Spektrum von Auswirkungen mit größerer Flexibilität zu modellieren.

The multimodal transport network in Birmingham representing both major routes and smaller, urban roads.
Das multimodale Verkehrsnetz in Birmingham umfasst sowohl Hauptverkehrsstraßen als auch kleinere, städtische Straßen.

Modellierung veränderter Verhaltensweisen

Als zweitgrößte Stadt Großbritanniens bot Birmingham einen idealen Standort und eine ideale Gelegenheit, unseren ABM-Ansatz zu testen. In Zusammenarbeit mit dem Stadtrat von Birmingham und Transport for the West Midlands haben wir ein multimodales Netzwerk der Region West Midlands aufgebaut, um deren Daten und Prioritäten für die Entscheidungsfindung während der Sperrung zu verstehen. Mithilfe einer Kombination aus geografischen, Fahrplan- und Volkszählungsdaten konnten wir ein Basismodell erstellen, das das Verkehrsverhalten vor der Pandemie widerspiegelt. Mit dem Modell wurden dann Simulationen durchgeführt, um die Auswirkungen der Pandemie darzustellen und die Ergebnisse zu visualisieren.

Vom Konzept zur Umsetzung in sechs Wochen

Zeit war von Anfang an ein entscheidender Faktor. Da sich Verhaltensweisen aufgrund neuer Beschränkungen über Nacht ändern, mussten wir in der Lage sein, ein ABM zu entwickeln, das Verhaltensweisen schnell und genau simuliert. Im Zuge der Pandemie entwickelten unsere Datenwissenschaftler den Pandemic Activity Modifier (PAM). Diese quelloffene Vorverarbeitungssoftware ändert die Verhaltenspläne von Agenten auf der Grundlage der Einführung neuer staatlicher Maßnahmen und ermöglichte es uns, Elemente unserer ABM zu automatisieren, um ihre Bereitstellung zu beschleunigen.

In nur sechs Wochen haben wir ein Modell entwickelt, das etwa 200.000 einzelne Agenten simuliert - 10 % der Bevölkerung von Birmingham. Die dargestellten Änderungen des Reiseverhaltens waren im Vergleich zu unseren Benchmark-Daten positiv und zeigten, dass sich das Verhalten der Reisenden änderte und sie von öffentlichen Verkehrsmitteln auf das eigene Auto umstiegen, was eine sachkundigere Diskussion über die Ergebnisse des modellierten Szenarios ermöglichte. Mit einem herkömmlichen Modell wäre dies nicht möglich gewesen.

Der Fahrplan für die Zukunft

Als ein Unternehmen, das stets in die Zukunft blickt, haben wir parallel zum Aufbau des ABM einen Fahrplan für die Weiterentwicklung des Modells aufgestellt. Dazu gehörte auch das Verständnis dafür, wie und welche Gemeinden am stärksten von Änderungen bei den öffentlichen Verkehrsdiensten betroffen sein könnten. Diese Entwicklungen werden dazu beitragen, spezifische Fragen sowohl zur Pandemie als auch zu Verkehrsmaßnahmen im Allgemeinen zu beantworten, um eine erfolgreiche Verkehrsplanung in unseren Städten zu unterstützen.