Kurzfassung

Die Integration des kleinräumigen Wirtschaftsverkehrs ist ein wichtiger Baustein zur Generierung von agentenbasierten Modellen, die alle Verkehrssegmente abdecken. Diese Integration ist notwendig, um zukünftige Maßnahmen im Verkehrssektor in Hinblick auf nachhaltigere Verkehrssysteme segmentspezifisch zu evaluieren. In der vorliegenden Arbeit wird eine Methodik beschrieben, wie dieser kleinräumige Wirtschaftsverkehr ausgehend von ausschließlich öffentlich zugänglichen Daten für MATSim-Modelle modelliert werden kann.

Förderung

Diese Arbeit wurde von der Deutschen Forschungsgemeinschaft (DFG) gefördert – 398051144 und 323900421.

Der Fachvortrag zur Veranstaltung ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einleitung und Problemstellung

Die moderne Welt steht vor immer komplexeren Herausforderungen im Bereich des Verkehrs und der Mobilität. Die wachsende Urbanisierung, die steigende Anzahl von Fahrzeugen auf den Straßen und die zunehmende Vielfalt an Transportmöglichkeiten haben dazu geführt, dass herkömmliche Verkehrsmodelle teilweise an ihre Grenzen stoßen. In diesem Kontext hat sich der Fokus von starren, zentralisierten Ansätzen hin zu flexibleren und realistischeren Modellierungsansätzen verschoben [1]. Agenten-basierte Verkehrsmodelle sind in diesem Zusammenhang zu einem vielversprechenden Instrument geworden.

In diesem Kontext hat sich das Multi-Agenten-Verkehrssimulationstool MATSim (Multi Agent Transport Simulation) [2] als ein nützliches Tool erwiesen. MATSim ermöglicht die Modellierung komplexer Verkehrssysteme auf einer mikroskopischen Ebene, wobei individuelle Verkehrsteilnehmer als Agenten behandelt werden. Diese Agenten reagieren auf ihre individuellen Bedürfnisse, Präferenzen und Umgebungen, was zu realistischen und dynamischen Verkehrsflüssen führt.

Zusätzlich zu dem Langstreckengüterverkehr, der bereits in MATSim integriert ist [3], spielt der kleinräumige Wirtschaftsverkehr, der die Bewegung von Gütern und Dienstleistungen auf lokaler Ebene umfasst, eine zentrale Rolle in urbanen und regionalen Wirtschaftssystemen. In bisherigen MATSim-Modellen werden die Akteure des kleinräumigen Wirtschaftsverkehrs jedoch oft nicht berücksichtigt.

Die Integration des kleinräumigen Wirtschaftsverkehrs in MATSim bietet eine vielversprechende Lösung, um diese Lücke zu schließen. Durch das Einbeziehen individueller Agenten des kleinräumigen Wirtschaftsverkehrs können komplexere Interaktionen und Dynamiken in einem Verkehrssystem erfasst werden. Dies ermöglicht eine präzisere Darstellung von Verkehrsflüssen und Verhaltensänderungen auf lokaler Ebene. Durch die Einbindung dieses Verkehrsbereichs in MATSim-Modelle können gezieltere Strategien entwickelt werden, um den Energieverbrauch und die CO₂-Emissionen zu reduzieren, bzw. bis 2045 ein emissionsfreies System zu ermöglichen [4]. Die Stärke von MATSim liegt dabei in der Möglichkeit, eine Vielzahl von Einflussfaktoren zu berücksichtigen, darunter räumliche und zeitliche Variabilität, individuelle Entscheidungsfindung, Verkehrsstaus und weitere Netzwerkeffekte. Diese Integration ist somit ein wichtiger Schritt, um durch eine anschließende Bewertung verschiedener Maßnahmen den Verkehrssektor auf einen nachhaltigeren Kurs zu lenken und einen positiven Beitrag zur Bekämpfung des Klimawandels zu leisten.

1.1 Definition kleinräumiger Wirtschaftsverkehr

Aufgrund verschiedener Definitionsmöglichkeiten des Wirtschaftsverkehrs wird in dieser Arbeit auf die in [5] gemachte Eingrenzung zurückgegriffen. Dabei steht der Zweck der Fahrt im Mittelpunkt und definiert somit den Fahrtentyp. Ist der Zweck der Fahrt dienstlich, unabhängig vom Fahrzeugtyp oder dem Verkehrsmittel, so ist diese Fahrt Teil des Wirtschaftsverkehrs. Der Wirtschaftsverkehr lässt sich in zwei Hauptsegmente unterteilen; den Personenwirtschaftsverkehr und den Güterverkehr. Beim Personenwirtschaftsverkehr werden Dienstleistungsverkehre und Verkehre des Personentransports zusammengefasst. Die Güterverkehre sind im Gegensatz durch die Ortsveränderung von Gütern beschrieben. Der kleinräumiger Wirtschaftsverkehr bezieht sich dabei auf wirtschaftliche Aktivitäten, die auf lokaler oder regionaler Ebene stattfinden. Er bezeichnet den Austausch von Gütern, Dienstleistungen und Informationen innerhalb eines begrenzten geografischen Bereichs, wie einer Stadt, einer Gemeinde oder einer bestimmten Region (z.B. die Region Berlin-Brandenburg). Im Vergleich zum überregionalen oder internationalen Wirtschaftsverkehr, der weitreichendere Handelsbeziehungen umfasst, konzentriert sich der kleinräumige Wirtschaftsverkehr auf den unmittelbaren Einflussbereich eines bestimmten Gebiets.

2 Modellierungswerkzeuge

2.1 Verkehrssimulation in MATSim

Im Rahmen dieser Arbeit wird MATSim als Tool zur Simulation des kleinräumigen Wirtschaftsverkehrs verwendet. Bei dieser Software handelt es sich um eine agentenbasierten Verkehrssimulation. Das bedeutet, dass jede Simulationskomponente wie Personen, Fahrzeuge, aber auch Straßen und Kreuzungen durch ein synthetisches Element repräsentiert werden. Personen, auch Agenten genannt, haben bestimmte Eigenschaften und zusätzlich einen auf Aktivitäten basierenden Tagesplan, z. B. „zu Hause - Arbeiten - Einkaufen - zu Hause“. Jede dieser Aktivitäten hat einen definierten Ort und eine Endzeit. Daraus ergibt sich, dass alle Agenten die Wege zwischen ihren Aktivitäten mit einem der zur Verfügung stehenden Verkehrsmittel zurücklegen müssen [2].

Ausgehend von dieser Situation wird durch MATSim ein iterativer Prozess gestartet. An dessen Ende steht eine Simulation, die versucht, die Realität möglichst gut abzubilden. Der iterative Prozess besteht aus den folgenden Schritten [2]:

1. MobSim (Mobilitätssimulation): Jeder Agent setzt seinen individuellen Plan in der Simulation um und erhält dann bestimmte Aktivitäten verbindende Routen.
2. Scoring: Nach der Simulation wird auf Basis einer Nutzenfunktion für jeden Agenten ein Score für diesen Tag berechnet.
3. Replaning: In diesem Teil haben die Agenten die Möglichkeit, einen anderen vorhandenen Plan auszuwählen oder ihren Plan zu ändern. Dieser alternative Plan dient dann wieder als Grundlage für die nächste Iteration, die dann wieder mit Schritt 1 startet. Da die Agenten eine festgelegte Anzahl an vorherigen Plänen speichern, entstehen so für jeden Agenten mehrere Pläne, zwischen denen er auswählen kann.

Im Rahmen der Simulation von Frachtverkehr gibt es einige Unterschiede im Vergleich zur Simulation von Personenverkehr. Diese Besonderheiten werden im anschließenden Abschnitt 2.2 genauer beschrieben.

2.2 Frachtverkehr in MATSim

Grundsätzlich gibt es in MATSim zwei verschiedene Arten von Fracht-Agenten; LSP (Logistic Service Provider) und Carrier-Agenten (Carrier) [6]. Im Rahmen der Modellierung des kleinräumigen Wirtschaftsverkehr wird ausschließlich auf das Modell der Carrier zurückgegriffen, weil keine Lieferketten betrachten werden, sondern ausschließlich einzelne Touren z. B. von Pflegediensten oder Handwerkern. Die Basis für die Erzeugung des Verkehrs des kleinräumigen Wirtschaftsverkehrs ist die Definition und anschließende Lösung von Tourenplanungsproblemen. Dabei wird für jeden Carrier ein autarkes Tourenplanungsproblem definiert und gelöst. Damit ist auch bei der Definition direkt festgelegt, welche Aufträge zu welchem Carrier gehören. Dies ermöglicht Tourenplanungsprobleme für verschiedene Segmente und Regionen unabhängig voneinander zu erstellen.

2.2.1 Definition Carrier

Ein Carrier muss eindeutig mit zur Verfügung stehen Ressourcen beschrieben werden [7]. Dies beinhaltet die Festlegung, welche Fahrzeuge dem Carrier zur Verfügung stehen. Außerdem werden die Eigenschaften dieses Fahrzeuges genau festgelegt. Das sind zum einen der Fahrzeugtyp mit entsprechenden Angaben zur Kostenstruktur, der Kapazität und der Antriebstechnologie und auf der anderen Seite die spezifischen Eigenschaften zum Fahrzeugstandort und dem Zeitfenster, in dem das Fahrzeug genutzt werden kann. Außerdem kann festgelegt werden, ob ein definiertes Fahrzeug in einer bestimmten Anzahl zur Verfügung steht, oder ob die Fahrzeuganzahl noch nicht festgelegt und die benötigte Anzahl als Teil der Lösung des Tourenplanungsproblems ermittelt wird.

2.2.2 Definition von Aufträgen der Carrier

Für jeden Carrier werden eindeutige Aufträge erstellt. Zur Definition dieser Aufträge stehen zwei verschiedene Varianten zur Verfügung; Services und Shipments. Services können als klassische Dienstleistungen (z.B. Handwerker) interpretiert werden. Sie haben einen Ort, eine Dauer und ein Zeitfenster zur Durchführung. Shipments werden hingegen durch zwei Orte, die jeweils eine Dauer und ein Zeitfenster haben, charakterisiert. Typische Beispiele sind der Transport von Gütern von A nach B [8] oder die Abfallsammlung mit einer Sammlung bei den Kunden und einer anschließenden Entladung bei einer Abfallsammelstelle [9].

2.2.3 Lösung eines Tourenplanungsproblems mit Jsprit

Zur Lösung der generierten Tourenplanungsprobleme wird die Open-Source-Software Jsprit genutzt [10]. Diese sucht für jeden Carrier autark unter den gegebenen Randbedingungen die kostengünstigste Lösung, um alle Aufträge zu bedienen und die notwendige Anzahl an Touren zu erzeugen (vgl. Abbildung 1). Dabei arbeitet Jsprit iterativ und verändert ausgehend von einer initialen Lösung die Touren mithilfe eines Algorithmus und wählt dann jeweils die beste Lösung als Startpunkt für die nächste Iteration aus. Standardmäßig wird dabei ein Ruin-and-Recreate Algorithmus verwendet [11].

Abbildung 1: Darstellung eines Tourenplanungsproblems (englisch „Vehicle Routing Problem“ (VRP)) mit anschließender Lösung [12].

3 Modellerzeugung des kleinräumigen Wirtschaftsverkehrs

Im Rahmen dieser Arbeit ist es das Ziel, eine synthetische Bevölkerung von Carrier-Agenten zu erstellen, die den bestehenden kleinräumigen Wirtschaftsverkehr repräsentiert. Dabei wird eine Simulation erstellt, die einen durchschnittlichen, typischen Werktag abbildet. Dieser synthetisch erzeugte Wirtschaftsverkehr spiegelt somit im statistischen Mittel den realen kleinräumigen Wirtschaftsverkehr wider. Damit ist klargestellt, dass der entstehende Verkehr keine existierenden Betriebe oder Unternehmen abbildet, sondern dass in der Summe ein Modell entsteht, das das reale Verkehrsaufkommen möglichst gut erfasst. Dafür werden ausgehend von Annahmen der Verkehrserzeugung (Start- und Stopppotenziale) auf Basis von Strukturdaten, wie Einwohner- und Beschäftigtenzahlen, möglichst realistische Touren gebildet, die dann simuliert und ausgewertet werden. Als Resultat dieses Modells und der Zusammenführung mit existierenden agentenbasierten Personenverkehrsmodellen in MATSim [13] ist es das Ziel, ein gesamtheitliches Modell zu erstellen, das auch den Wirtschaftsverkehr realistisch abbildet.

Bei der Modellerzeugung wird der kleinräumige Wirtschaftsverkehr in die Unterkategorien Personenwirtschaftsverkehr und Güterverkehr unterteilt. Der Grund für diese Unterscheidung ist, dass die Fahrten im Personenwirtschaftsverkehr auch mit dem öffentlichen Personennahverkehr durchgeführt werden können, weshalb ausschließlich im Modell des Personenwirtschaftsverkehrs auch ModeChoice möglich ist. Die Verkehre in Sonder- und Mischformen werden in das Modell für den Güterverkehr integriert [5]. Des Weiteren wird innerhalb der Modelle des Personenwirtschafts- und Güterverkehrs zwischen verschiedenen Verkehrszwecken entschieden [5]. Diese ermöglichen eine genauere Erstellung der Touren, da sich mithilfe dieser Verkehrszwecke die Art der Standorte der Fahrzeuge als auch der Aktivitäten bestimmen lässt. So beginnen zum Beispiel alle Touren im Personenwirtschaftsverkehr mit dem Verkehrszweck 1 (vgl. Tabelle 1) an Standorten mit Beschäftigten im sekundären Sektor. Alle weiteren Verkehrszwecke für den kleinräumigen Personenwirtschafts- und Güterverkehr sind Tabelle 1 zu entnehmen.

Im Bereich des Güterverkehrs wird zusätzlich noch zwischen den folgenden 5 Fahrzeugarten unterschieden:

• Pkw, Kombi, Lieferwagen (Lkw bis 2,8 t Gesamtgewicht),
• Transporter (2,8 t bis 3,5 t Gesamtgewicht),
• Leichte Lkw (3,5 t bis 7,5 t Gesamtgewicht),
• Mittelschwere Lkw (7,5 t bis 12 t Gesamtgewicht),
• Schwere Lkw (über 12 t Gesamtgewicht).

Tabelle 1: Verkehrszwecke nach [5]. Verbraucher können Einwohner oder Beschäftigte sein.

Der systemtechnische Aufbau, der im Rahmen dieser Arbeit entwickelt wurde, ist OpenSource und integrierter Teil in die Software MATSim¹⁾. Außerdem ist es so aufgebaut, dass es unabhängig von den Untersuchungsgebieten verwendet werden kann. Dies hat den Vorteil, dass die Methodik nach der Aufbereitung der in Abschnitt 3.2 beschriebenen Input-Daten schnell angewendet werden kann. Die methodischen Ansätze und Bestandteile der Verkehrserzeugung in dieser Arbeit entstammen [5]. Das betrifft hauptsächlich die verwendeten Erzeugungsraten für die Start- und Stopppotenziale des Verkehrs. Die Abgrenzung des entstehenden Modells und der Aufbau der Herleitung werden in den folgenden Abschnitten genauer beschrieben.

3.1 Benötigte Inputdaten

Da das Modell multiregional anwendbar sein soll, werden ausgehend von den Erzeugungsraten (vgl. Abschnitt 3.1.1) als variabler Modell-Input ausschließlich die in Abschnitt 3.1.2 aufgeführten Daten benötigt. Alle weiteren Parameter sind zum jetzigen Zeitpunkt fester Bestandteil der Erzeugung und werden bei einem Wechsel der Modellregion nicht verändert.

¹⁾https://github.com/matsim-org/matsim-libs/tree/master/contribs/small-scale-traffic-generation.

3.1.1 Erzeugungsraten für Start- und Stopppotenziale

Das zentrale Element der Verkehrserzeugung ist die Generierung von Start- und Stopppotenzialen. Ausgehend von [5] werden diese Potenziale auf möglichst kleiner geografischer Ebene berechnet. Die Erzeugungsraten geben an, wie hoch das Verkehrsaufkommen pro Person eines Strukturmerkmals für einen Verkehrszweck ist. Diese Erzeugungsraten für das Quell- und Zielverkehrsaufkommen liegen für die beiden Teilmodelle (Personenwirtschaftsverkehr und Güterverkehr) jeweils für alle Verkehrszwecke vor. Als Beispiel für die Erzeugungsraten sind die Faktoren für das Quell-Verkehrsaufkommen für den Personenwirtschaftsverkehr in Tabelle 2 dargestellt. Alle weiteren Erzeugungsraten sind [5] zu entnehmen.

Tabelle 2: Erzeugungsraten für die Startpotentiale im Personenwirtschaftsverkehr [5]

3.1.2 Herleitung von Strukturdaten auf Verkehrszellenebene

Ausgehend von diesen Erzeugungsraten werden für jede Verkehrszelle die Potenziale für alle Verkehrszwecke berechnet. Dafür ist es nötig, die benötigten Strukturdaten, wie Einwohnerzahlen und Beschäftigtenzahlen nach Sektoren, in der gewählten geografischen Unterteilung zu ermitteln. Sollten diese Daten auf der gewählten Einteilung vorliegen, ist dieser Schritt nicht notwendig und kann übersprungen werden. Um verschiedene geografische Einteilungen nutzen zu können, enthält die Modellerzeugung eine Methodik, um die Strukturmerkmale einer Region auf eine beliebige Anzahl an geografischen Unterteilungen zu verteilen. Dafür werden die folgenden Input-Daten benötigt:

Unterteilung des Untersuchungsgebiets:

Die Unterteilung des Untersuchungsgebiets wird im geografischen Shape-Format als Modell-Input verwendet. Die Unterteilung der Zellen sollte möglichst feinmaschig sein, sodass die wirtschaftlichen Verflechtungen auf lokaler Ebene gut abgebildet werden können. Im Folgenden wird von einer Nutzung von Verkehrszellen ausgegangen.

Strukturdaten des Untersuchungsgebiets:

Die Strukturdaten dienen entsprechend ihrer Verfügbarkeit als Input der Simulation. Dabei ist das Modellgebiet so zu wählen, dass diese Daten auch zur Verfügung stehen. Außerdem können die Strukturdaten auch für verschiedene Regionen des Modellgebiets angegeben werden. Dabei ist zu beachten, dass in der Shape-Datei des Untersuchungsgebiets bei jeder Zelle angegeben ist, zu welcher Region, zu der die Strukturdaten vorliegen, sie gehört. Nur so ist gewährleistet, dass gegebene Strukturdaten in dem richtigen Gebiet verteilt werden.

Geodaten des Untersuchungsgebiets:

Als Geodaten werden zwei verschiedene Datentypen verwendet. Das ist zum einen eine vollständige geografische Gebäudeübersicht im Untersuchungsraum. Dabei wird für jedes Gebäude der Typ der Nutzung benötigt. Dieser beschreibt, welche Tätigkeiten in dem Gebäude durchgeführt werden. So kann klassifiziert werden, ob es sich z.B. um ein Wohngebäude, ein Bürogebäude oder um eine Fabrik handelt. Außerdem wird die Information über die Anzahl an Etagen des Gebäudes, sowie die Grundfläche benötigt. In dem Fall, dass keine regionsspezifischen Daten vorliegen, können diese Daten von OpenStreetMap [14] genutzt werden. Diese haben auch den Vorteil, dass diese auch außerhalb Deutschlands vorliegen, auch wenn der Detailgrad der Daten stark vom Untersuchungsgebiet abhängig ist. Des Weiteren wird die OSM Landuse-Datei benötigt. Diese enthält die Nutzungsart der Landflächen. Auf diese Daten wird zurückgegriffen, sobald für ein Gebäude nicht bestimmt werden kann, welchen Typ es hat. Dann wird der Landuse-Typ von der Fläche angenommen, auf der das Gebäude steht. Grundsätzlich muss bei der Nutzung der jeweiligen Geodaten deren Qualität berücksichtigt werden, da diese auch innerhalb eines Untersuchungsgebietes variieren kann.

Unter Einbeziehung dieser Input-Daten werden die Strukturdaten einer Region anhand der Nutzungsfläche der entsprechenden Gebäudetypen in den geografischen Zellen dieser Region verteilt. Die Nutzungsfläche berechnet sich durch die Grundfläche des Polygons des Gebäudes und der angegebenen Etagen. Wenn ein Gebäude mehrere Nutzungstypen hat, so wird die Nutzungsfläche gleichmäßig über die Nutzungstypen verteilt. Dies impliziert auch, dass im Untersuchungsraum eine gleichmäßige Anzahl an Einwohner/Beschäftigten pro Nutzungsfläche angenommen wird. In der Realität ist es aber tendenziell so, dass in eher ländlichen Regionen die durchschnittliche Wohnfläche pro Person größer ist als in Innenstadtlagen [15]. Im Rahmen einer Weiterentwicklung des Ansatzes ist es möglich, mithilfe von Korrekturfaktoren den Unterschied zwischen dicht- und dünn besiedelten Gegenden auszugleichen. Auch innerhalb der Wirtschaftssektoren wird es Unterschiede geben. Aufgrund der Komplexität und fehlender Daten ist der vorgestellte Ansatz als Abschätzung zu interpretieren, um die Strukturdaten auf kleine geografische Zellen zu verteilen.

3.2 Bestimmung der Start-Stopp-Beziehungen zwischen den Verkehrszellen

Die Bestimmung der Start-Stopp-Beziehungen zwischen den Zellen mit dem resultierenden täglichen Verkehrsaufkommen erfolgt in einem zweistufigen Verfahren, das den ersten beiden Stufen des Vier-Stufen-Prozesses zur Erstellung einer Verkehrsnachfrage entspricht [16]. Somit erfolgt zunächst eine Verkehrserzeugung, die die Start- und Stopppotenziale jeder Verkehrszelle bestimmt. Im Anschluss folgt die Verkehrsverteilung, sodass eindeutige Beziehungen zwischen den Verkehrszellen entstehen.

Dieses Verfahren erfolgt unabhängig für jedes Teilmodell und jeden Verkehrszweck. Für den Güterverkehr gibt es zusätzlich Bindungsraten für jeden Verkehrszweck, die angeben, welchen Anteil des Verkehrsaufkommens durch welchen Fahrzeugtyp durchgeführt werden [5]. Die Verkehrsmittelwahl im Personenwirtschaftsverkehr für entsprechende Verkehrszwecke erfolgt im Rahmen der Simulation in MATSim und wird somit an dieser Stelle nicht durchgeführt.

Verkehrserzeugung:

Die Berechnung des Quell-Verkehrsaufkommens (Q) und des Ziel-Verkehrsaufkommens (Q) erfolgt entsprechend der Formeln (1) bzw. (2) und den zugehörigen Ausprägungen der 8 Strukturmerkmale (X_Stm) und den dazugehörigen Erzeugungsraten (ER) für jeden Verkehrszweck (V k) jede Verkehrszelle (V z).

Formel in der PDF

Aus Gründen der verfügbaren Rechnerkapazitäten werden MATSim-Modelle meist nicht als 100%-Szenarien dargestellt, sondern nur einen Teil der Personen abgebildet. Daher muss das Verkehrsaufkommen des Wirtschaftsverkehrs der gewünschten Modellgröße angepasst werden, in dem es um den entsprechenden Faktor reduziert wird.

Verkehrsverteilung:

Die Verkehrsverteilung für die verschiedenen Modelle und Verkehrszwecke erfolgt mithilfe eines zielseitig fixierten Gravitationsmodells [17]. Die zielseitige Fixierung bedeutet, dass sich bei in der Regel ungleichem Gesamtaufkommen der Start- und Stopppotenziale sich das Modell an den Stopppotenzialen orientiert und entsprechend Startpotentiale erhöht, bzw. verringert werden. Im Rahmen einer Weiterentwicklung des Modells ist eine Umstellung auf ein beidseitiges Modell möglich.

Die Ermittlung der Anzahl an Fahrten zwischen zwei Zellen i und j erfolgt entsprechend der Formel (3) und der Nebenbedingung (4).

Formel in der PDF

Der Widerstandswert w_ij bestimmt sich in diesem Modell durch die zu erwartenden Kosten für die Fahrt zwischen beiden Verkehrszellen. Dafür wird jeweils ein zufälliger Punkt in der Verkehrszelle gewählt und anschließend eine Umlegung entsprechend der Fahrt zwischen beiden Punkten durchgeführt. Die entstehenden Kosten werden entsprechend zeit- und distanzabhängiger Kosten berechnet und entsprechen dann dem Widerstand. Der Grund in der Wahl dieser Methodik liegt in der Annahme, dass Fahrten mit einem dienstlichen Zweck die zu erwartenden Gesamtkosten (Lohnkosten und Fahrzeugkosten) als wichtigeres Element bewerten als die reine Bewertung nach zu erwartender Fahrstrecke, bzw. der benötigten Fahrzeit.

3.3 Bestimmung der Touren im kleinräumigen Wirtschaftsverkehr

Die Tourenbildung erfolgt durch die Definition von Tourenplanungsproblemen. Diese werden für jeden Carrier durch die Herleitung der zur Verfügung stehenden Ressourcen (Fahrzeuge) und der Summe der Aufträge bestimmt. Anschließend wird dieses Tourenplanungsproblem mithilfe von Jsprit gelöst (vgl. Abschnitt 2.2.3). In diesem Abschnitt wird beschrieben, wie alle Tour beschreibenden Eigenschaften hergeleitet und umgesetzt werden.

Anzahl an Carriern:

Da die Lösung eines Tourenplanungsproblems für jeden Carrier autark durchgeführt wird, werden eine Vielzahl von Tourenplanungsproblemen erzeugt. So wird für jede einzelne Verkehrszelle, für jeden Verkehrszweck und für jedes Teilmodell ein Carrier erstellt. Bei dem Güterverkehrsmodell werden zusätzlich zum Verkehrszweck noch für die verschiedenen Fahrzeugtypen separate Carrier erstellt. Wenn es Verkehrszellen ohne Startpotentiale für einen Verkehrszweck eines Teilmodells gibt, reduziert sich die real erzeugte Anzahl an Carriern im Verlauf der Modellerzeugung.

Festlegung der Fahrzeuge je Carrier :

Der Fahrzeugbedarf in Abhängigkeit von der Anzahl der zu erledigenden Aufträge kann sehr variieren und lässt sich vorab schwer vorhersagen. Der Grund ist, dass es viele verschiedene Kombinationen aus Fahrentfernungen, Dauern der Aufträge und Tourdauern gibt und es somit sein kann, dass ein Fahrzeug eventuell nur einen Auftrag erledigt, während andere Touren eine deutliche höhere Anzahl an Aufträgen erledigen. Daher wird jedem Carrier die Anzahl an Fahrzeugen bereitgestellt, wie Aufträge zu erledigen sind.

Bei der Erstellung der Fahrzeuge muss dabei für jedes Fahrzeug ein eindeutiger Standort, ein Fahrzeugtyp und eine zeitliche Verfügbarkeit (frühestmöglicher Start und spätestes Tourende) definiert werden. Der Fahrzeugstandort richtet sich nach dem entsprechenden Verkehrszweck dieses Carriers. Ausgehend von den Erzeugungsraten der Strukturmerkmale in Tabelle 2 würde das für einen Carrier im Personenwirtschaftsverkehr mit dem Verkehrszweck 1 bedeuten, dass das Fahrzeug ausschließlich einem Standort zugeordnet wird, der einem Gebäudetyp des Sekundären Sektors entspricht, da alle weiteren Erzeugungsraten null sind. Anschließend wird ein zufälliges Gebäude mit diesem Typ innerhalb dieser Verkehrszelle ausgewählt und als Fahrzeugstandort festgelegt.

Abbildung 2: Verteilung der Startzeiten für Fahrten im Wirtschaftsverkehr, eigene Darstellung nach:[18]

Die Startzeiten und maximalen Einsatzzeiten der Fahrzeuge verteilen sich entsprechend den Auswertungen in Abbildung 2 und Abbildung 3. Diese Verteilungen entstammen eigener Auswertungen der KiD 2002 [18].

Außerdem wird der Fahrzeugtyp entsprechend dem Verkehrszweck festgelegt. Sollten für einen Verkehrszweck verschiedene Fahrzeugtypen verfügbar sein, wird für jeden Fahrzeugtyp ein Fahrzeug mit der gleichen Konfiguration (Standort, Startzeit, Tourdauer) erstellt. Während der späteren Lösung des Tourenplanungsproblems wird dann durch den Algorithmus die kostengünstigste Kombination aus Fahrzeugen ausgewählt [10]. Dieses Verfahren kann genutzt werden, um Fahrzeuge mit verschiedenen Antrieben zu kombinieren. So kann z. B. untersucht werden, wie sich die Flottenzusammensetzung ändert, wenn konventionell betriebene Fahrzeuge in Zukunft durch eine höhere CO₂-Abgabe teurer werden und die elektrischen Fahrzeuge somit einen Kostenvorteil erhalten.

Definition der Aufträge je Carrier

Die Anzahl an Aufträgen einer Verkehrszelle und somit für diesen Carrier ergibt sich durch die in Abschnitt 3.2 bestimmten Zielbeziehungen. Die Orte der Aufträge werden vergleichbar zu der Zuordnung der Fahrzeugstandorte für jeden einzelnen Auftrag festgelegt. Dementsprechend finden die Aufträge nur an Gebäuden der relevanten Gebäudekategorie statt. Die Dauern eines Auftrages werden entsprechend den Auswertungen der KiD 2002 [18] in Abhängigkeit des Verkehrszwecks verteilt.

Lösung des Tourenplanungsproblems

Durch die Definition der Carrier mit Fahrzeugen und Aufträgen ist das Tourenplanungsproblem hinreichend bestimmt und kann entsprechend Abschnitt 2.2.3 gelöst werden. Im bisherigen Verlauf dieser Arbeit wurde darauf verzichtet, eine hohe Anzahl an Jsprit Iterationen zu verwenden, da dies hohe Rechenzeiten erfordert. Außerdem ist das Verwenden einer nicht kosten-optimalen Lösung nicht unplausibel. Der Grund liegt darin, dass die realen Touren im kleinräumigen Wirtschaftsverkehr teilweise auch kurzfristige Nachfragen abdecken.

Abbildung 3: Verteilung der Tourdauern für Fahrten im kleinräumigen Wirtschaftsverkehr; eigene Darstellung nach:[18]

Daher entstehen Touren, die in Summe nicht optimal sind. Da es aber die freie Wahl eines Pflegedienstes oder eines Handwerkers gibt, wird durch den Kunden in der Regel nicht der Handwerker ausgewählt, zu dem der Auftrag am besten in die Tour passt, sondern eventuell der Handwerker, der zu einem früheren Zeitpunkt schon einmal genutzt wurde, bzw. der kurzfristig noch freie Kapazitäten hat.

3.4 Ergebnisse

Die beschriebene Methodik wird aktuell bei der Entwicklung einer aktuellen MATSim Verkehrssimulation für Berlin²⁾ verwendet. Im Rahmen dieser Entwicklung wird der Prozess der Erzeugung des kleinräumigen Wirtschaftsverkehrs über das Makefile des GitHub Projektes des Open-Berlin Szenarios etabliert. Das Ergebnis sind die Tagespläne aller Carrier, die eine 25%-ige Nachfrage des kleinräumigen Wirtschaftsverkehrs bedienen³⁾.

Ein wesentlicher Zwischenschritt der entwickelten Methodik ist die Bestimmung von Strukturdaten für kleine geografische Einheiten, da diese meist nicht vorliegen. So lässt sich in Abbildung 4a erkennen, dass z.B. die resultierende Einwohnerdichte in Berlin plausibel erstellt werden konnte. Aufgrund fehlender Daten lässt sich das Ergebnis jedoch nicht detailliert bewerten. Außerdem wird mit der Methodik erreicht, dass die Aktivitätenstandorte im kleinräumigen Wirtschaftsverkehr realistisch abgebildet werden. Beispielhaft für alle Aktivitäten des Verkehrszwecks 1 kann in Abbildung 4b gezeigt werden, dass diese ausschließlich an Standorten stattfinden, an denen auch industrielle Unternehmen angesiedelt sind.

²⁾https://github.com/matsim-scenarios/matsim-berlin/tree/6.x

³⁾https://svn.vsp.tu-berlin.de/repos/public-svn/matsim/scenarios/countries/de/berlin/berlin-v6.0-pre/input

Abbildung 4: Darstellung einzelner Ergebnisse der Herleitung der Strukturdaten in Berlin
(a) Resultierende Einwohnerdichte der verwendeten Verkehrszellen 
(b) Heatmap der Aktivitätenstandorte an Standorten des sekundären Sektors

4 Diskussion und Zusammenfassung

Mit dem vorgestellten Verfahren wurde gezeigt, wie eine Pipeline zur Erzeugung von kleinräumigen Wirtschaftsverkehr in MATSim erstellt werden konnte, die sich ausschließlich auf öffentlich zugängliche Daten stützt.

Ausgehend von dem resultierenden Modell lassen sich die Ergebnisse mit den Ergebnissen der Gesamtverkehrsprognose für 2025 vergleichen [19]. Die Gegenüberstellung in Abbildung 5 zeigt, dass sich die Modellergebnisse in der Größenordnung der Modellprognose für 2025 befinden. So liefert die Prognose 2025 für alle Bereiche des Wirtschaftsverkehrs insgesamt 8,5 Mio. Fahrzeugkilometer an einem typischen Werktag. Das entwickelte Modell des kleinräumigen Wirtschaftsverkehrs kommt insgesamt auf 6,8 Mio. Fz-km. Die entspricht einer Differenz von ca. 20%. Die größte Differenz innerhalb der verschiedenen Fahrzeugkategorien ist beim Güterverkehr mit Fahrzeugen >12t. Dabei ist zu beachten, dass das MATSim-Modell des kleinräumigen Wirtschaftsverkehrs keinen Langstreckenverkehr enthält. Da dieser hauptsächlich mit größeren Fahrzeugen durchgeführt wird, kann dies die Differenz erklären. Eine weitere Differenz ergibt sich beim Personenwirtschaftsverkehr. Dort ist aber zu beachten, dass teilweise die Differenzierung zwischen dem Personenwirtschaftsverkehr und dem MiV (Motorisierter individual Verkehr) schwierig ist, da beides auch mit einem privaten Pkw durchgeführt werden kann. Daher sollte dieser Part in dem kompletten Modell ausgewertet werden, wenn auch der MiV simuliert und zusammen mit allen Verkehrsteilnehmern kalibriert wird. In diesem Schritt ist auch für den Personenwirtschaftsverkehr möglich ein Verkehrsmittelwechsel vorzunehmen und die Tour z.B. mit dem Fahrrad oder dem ÖV durchzuführen. Diese Option wird jedoch nur Verkehrszwecken ermöglicht, bei dem kein Transport von Gütern oder größeren Arbeitsmaterialien angenommen wird.

Insgesamt handelt es sich bei dem vorgestellten Modell um einen Zwischenschritt. Um gegen Verkehrszählungen zu kalibrieren, ist eine Berücksichtigung der gesamten Nachfrage nötig. Das vorliegende Modell schließt die Lücke zwischen privatem Personenverkehr und Langstrecken-Güterverkehr. Dabei müssen Doppelungen noch reduziert werden; z.B. werden Güter aus dem Langstrecken-Gütermodell durch kleinräumigen Güterverkehr verteilt – da wir dies explizit berücksichtigen (können), muss dieser Anteil aus dem kleinräumigen Güterverkehrsmodell wieder herausgenommen werden.

Abbildung 5: Vergleich der Modellergebnisse mit den Ergebnissen der Gesamtverkehrsprognose 2025 für die Länder Berlin und Brandenburg [19]

Auf diese Weise ist geplant, immer mehr Anteile des kleinräumigen Wirtschaftsverkehrs stärker mikroskopisch (“agenten-basiert”) zu modellieren, und diese Anteile gleichzeitig aus dem hier vorgestellten Modell rauszunehmen. Auf diese Weise sollten zukünftige MATSim- Modelle vom Anspruch her sämtlichen Verkehr vollständig berücksichtigen, während die Detailgenauigkeit der Berücksichtigung zunehmend verbessert werden soll.

Literatur

1. Yi-Chang Chiu u. a. A Primer for Dynamic Traffic Assignment. Transportation Research Circular E-C153. http://onlinepubs.trb.org/onlinepubs/circulars/ ec153.pdf. Transportation Research Board, 2011.
2. A. Horni, K. Nagel und K. W. Axhausen, Hrsg. The Multi-Agent Transport Simulation MATSim. Ubiquity, London, 2016. DOI: 10.5334/baw.
3. Chengqi Lu, Kai Martins-Turner und Kai Nagel. „Creating an agent-based long-haul freight transport model for Germany“. In: Procedia Computer Science 201 (2022), 614–620.  DOI:  10.1016/j.procs.2022.03.080.
4. Klimaschutzgesetz: Klimaneutralität bis 2045. de. https://www.bundesregierung. de / breg de / schwerpunkte / klimaschutz / klimaschutzgesetz - 2021 - 1913672. Accessed: 2023-9-11.
5. IVV. Kleinräumige Wirtschaftsverkehrsmodelle. Techn. Ber. FE-Nr. 70.0689/2002/. 2005.
6. Stefan Schröder u. a. „Der Transportlogistikdienstleister in einem Multiagentenmodell des Güterverkehrs“. In: Wirtschaftsverkehr 2011: Modelle – Strategien – Nachhaltigkeit. Hrsg. von U. Clausen. Verlag Praxiswissen, 2011, S. 77–95. ISBN: 978- 3869750415.
7. Michael Zilske u. a. Adding freight traffic to MATSim. Ber. 12-02. 2012.
8. Kai Martins-Turner u. a. „Electrification of Urban Freight Transport - a Case Study of the Food Retailing Industry“. In: Procedia Computer Science 170 (2020), S. 757–763. DOI: 10.1016/j.procs.2020.03.159.
9. Ricardo Ewert u. a. „Electrification of Urban Waste Collection: Introducing a Simulation-Based Methodology for Technical Feasibility, Impact and Cost Analysis“. In: WorldElectric Vehicle Journal 12.3 (2021). ISSN: 2032-6653. DOI: 10.3390/wevj12030122.
10. jsprit. https://github.com/graphhopper/jsprit. accessed 27-sep-2023.
11. Gerhard Schrimpf u. a. „Record Breaking Optimization Results Using the Ruin andRecreate Principle“. In: Journal of Computational Physics 159 (2000), S. 139–171. DOI: 10.1006/jcph.1999.6413.
12. Ashima Gupta und Sanjay Saini. „An Enhanced Ant Colony Optimization Algorithmfor Vehicle Routing Problem with Time Windows“. In: 2017 Ninth International Conferenceon Advanced Computing (ICoAC). Dez. 2017, S. 267–274. DOI: http://dx.doi.org/10.1109/ICoAC.2017.8441175.
13. D. Ziemke, I. Kaddoura und K. Nagel. „The MATSim Open Berlin Scenario: A multimodalagent-based transport simulation scenario based on synthetic demand modelingand open data“. In: Procedia Computer Science 151 (2019), S. 870–877. DOI:10.1016/j.procs.2019.04.120.
14. OpenStreetMap. http://www.openstreetmap.org. accessed 2023-09-27.
15. Frankfurter Allgemeine Zeitung GmbH. Deutsche leben auf immer mehr Fläche. https:/ / www . faz . net / aktuell / wirtschaft / wohnen / pro kopf - wohnflaeche - in -deutschland - steigt - weiter - laut - studie - 17790620 . html. Accessed: 2023-8-Feb. 2022.
16. Michael G. McNally. „The Four-Step Model“. In: Handbook of Transport Modelling.Kap. 3, S. 35–53. DOI: 10.1108/9780857245670-003. eprint: http://www.emeraldinsight.com/doi/pdf/10.1108/9780857245670-003.
17. D. Lohse u. a. Ermittlungen von Verkehrsströmen mit n-linearen Gleichungssystemenunter Beachtung von Nebenbedingungen enschließlich Parameterschätzung (Verkehrsnachfragemodellierung:Erzeugung, Verteilung, Aufteilung). Techn. Ber. Heft5/1997. Technische Universität Dresden, Dez. 1997.
18. Manfred Wermuth u. a. Kraftfahrzeugverkehr in Deutschland (KiD 2002) – Band 1.Techn. Ber. FE-Nr. 70.0682/2001. Nov. 2003.
19. PTV/TCI. Gesamtverkehrsprognose 2025 für die Länder Berlin und Brandenburg.2009.