Bevorzugter Zitierstil für diesen Vortrag
Axhausen, K.W. (2016) Big Data und Mobilität: WelcheVerkehrsprobleme können ‘Big Data’ nicht lösen?, Vortrag beider ZIF-KONFERENZ “Big Data - Herausforderung furWissenschaft und Gesellschaft”, Universität Bielefeld, Oktober2016.
ZIF
Big Data und Mobilität: WelcheVerkehrsprobleme können ‘Big Data’ nicht lösen?
KW Axhausen
IVTETHZürich
Oktober 2016
Danksagung
A Loder für die Arbeiten zum PW/GA Besitz
G Sarlas und R Fuhrer zum Lohn-Errreichbarkeitszusammenhang
L Sun für die ‘big data’ Analyse
P Fourie und A Erath für MATSim SG und MATSim CEPAS
ZIF
Aktuelle Probleme in z.B. Singapur
ZIF
Busgeschwindigkeiten in Singapur (2012)
ZIF
Sun,
201
3
Zeitliche Abstände der Busses einer Linie (SG) (2012)
ZIF
Sun,
201
3
Konzeptioneller Ansatz
ZIF
Verkehr ist
ein System sich selbstorganisiernder, bewegender
Warteschlangen
ZIF
Die entscheidende kurzfristige Wechselwirkung ist die
zwischen der Kapazität, d.h. der
Anzahl Zeitfenster (slots)
für die gewünschte Geschwindigkeit und der
momentanen Nachfrage
ZIF
Wartezeiten als Funktion der Auslastung (M/M/1)
0
25
50
75
100
125
150
0% 20% 40% 60% 80% 100%
Belastung [Prozent der Leistungsfähigkeit]
Mittlere Wartezeit [sek]
)(
1
λµµλµ
−=
−= WWS
ZIF
Stadtverkehr als geregeltes SystemKn
oten
punk
tsfo
rmen
unte
r am
erik
anis
chen
Bed
ingu
ngen
un
ter b
estim
mte
n An
nahm
en z
ur V
erte
ilung
der
Be
last
ung;
ein
spur
ig
0
25
50
75
0 1'000 2'000 3'000 4'000
Gesamtverkehrsstärke [Fz/h]
Mittlere Wartezeit [Fz/h]
Zwei-Stop-SchilderAlles-Stop-SchilderLSA ohne AbbiegespurenKreisverkehrLSA mit Abbiegespuren
ZIF
Freie Strecke als selbstorganisierendes System
0
1000
2000
3000
4000
5000
0255075100125
025
5075100
Verkehrsstärke [Fz/h]
MomentaneGeschwindigkeit [km/h]Verkehrsdichte [Fz/km]
Gestörter VerkehrFreier Verkehr
ZIF
Freie Strecke - Fundamentaldiagramm (k, q)
0
1000
2000
3000
4000
5000
0 25 50 75 100 125
Verkehrsdichte [Fz/km]
Verkehrsstärke [Fz/h]
ZIF
1414
CH: Mittlere Zusammenbruchwahrscheinlichkeit
0%
1%
2%
3%
4%
5%
6%
7%
8%
9%
10%
0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00r60=Q60/CVSS
P b
15 - 25% 5 - 15% 0 - 5%
Schwerverkehr:
Que
lle: B
erna
rd u
nd A
xhau
sen
(200
9) S
.13
Auslastung:
ZIF
1515
Big data im Verkehr: Das Versprechen
ZIF
Das Versprechen
Bei aktueller Erfassung aller Bewegungen (der Nutzer und der Fahrzeuge) und der Fahrtwünsche kann den Kunden das
richtige Zeitfenster (slots)
gezeigt oder zugeteilt werden und sofort
die notwendigen Fahrscheine/zeuge
reserviert oder verkauft werden
ZIF
Makler als Umsetzer des Versprechens
Slots in Fahrzeugen: • Taxi: Uber, Lyft, Grab, (und jede Taxizentrale)• Mitfahren: bla-bla-car (und jede Mitfahrzentrale)• Lastern: gogovan (und jede Spedition)• Fahrzeuge: alle carsharing Unternehmen• ÖV und mehr: moovel, MaaS, etc.
Slots im Netz:• Dieser Markt ist im Verkehr noch nicht richtig da• (Parkplatzreservierungssysteme)• Telephonunternehmen
ZIF
Die Erfassungstechnologien
Querschnitt: • Schleifen, Laser, RFID, SRMF, CCTV (Bilderkennung),
Präsenz: • (GPS+) GSM, Wifi, Blue tooth, CCTV, Waagen, Mikrophon
Bewegung: • (GPS+) GSM, Smartcards, verknüpfte Systeme: CCTV,
Smartcards, Wifi, oder Bluetooth
Fahrtwunsch: • Einzelfahrschein, verknüpfte Reservierung, (QZ-
Matrixschätzung)
ZIF
Die Probleme der Erfassungstechnologien
Vollständigkeit• GPS, GSM, RFID, SRMF, Blue tooth, Wifi selektive
Ausstattung der Personen und Fahrzeuge • GPS, GSM, CCTV, Blue tooth, Wifi, RFID durch Verschattung
Genauigkeit, z.B.• Fehler in der Videoauswertung• Eichung der Schleifen, Waagen• Spiegelung der Signale durch Gebäude
Nichtnutzung: • Smartcards, Einzelfahrscheine, (Monatskarten)
ZIF
Fahrtwunschimputation
Unverknüpfte Daten: • Nicht individualisiert: (Dynamische) OD Matrizen
Verknüpfte Daten:• Individualisierte Impution mit historischen Daten
Problem:• Über längere Zeit und entfernte Orte verknüpfte Daten
verletzen die Datenschutzansprüche in Europa und anderenorts
ZIF
Was hilft das bei
ZIF
22
fehlenden ‚slots‘ für die Fahrtwünsche (Jakarta 2014) So
urce
: glo
balin
done
sian
voic
es.co
m
ZIF
Kurzfristige Lösungen
Information über Alternativen vor Fahrtbeginn• Fahrzeiten• Verkehrsmittel• Ziele
Kurzfristig dynamische Preise:• Zur räumlichen und/oder zeitlichen Verlagerung oder
Unterdrückung des Fahrtwunsches (z.B. Uber: surgepricing)
Verkehrsregelung:• Lichtsignalanlagen• Spursperrungen/öffnungen
ZIF
Langfristige Lösungen
Schaffung oder Vernichtung von slots• Bessere Nutzung der vorhandenen Infrastruktur (LSA, AF,
ETCS, usw.)• Strassenraum• Schieneninfrastruktur• ÖV-Linien und deren Frequenz
Mittelfristige dynamische Preise:• Zur Verlagerung oder Unterdrückung des Fahrtwunsches
(z.B. Singapur: ERP; SFpark für die Parkplätze)
Statische Preise:• Verkehrsmittelwahl oder Wahl der Fahrscheinklasse• Fahrzeugbesitzsteuern (Zölle, Luxussteuern, COE (SG))
ZIF
Bewertung und Verfügung über die Lösungen
Kurzfristig (0.5-30 min):• Automatisierte Systeme • Fixe (lokale) Zielfunktionen, die schnell messbar sind• Zeithorizont 0.5 bis 30 (60) min• Statistische Zusammenhänge ohne kausale Begründung
Mittelfristig (Tag)• Nutzergleichgewicht• Systemoptimum
Langfristig:• Kosten-Nutzen-Analysen • (Verhandelte) ‚teure‘ Zielfunktionen • Zeithorizont bis zu 30 Jahre oder mehr• Modelle mit kausalen Begründungen
ZIF
Modelle für langfristige Prognosen
ZIF
Agentenbasierte Simulation Singapores
ZIF
Vereinfachtes Gesamtmodel
ZIF
mMFDqcarqbusqrail
vcarvbusvrail
AcccarAccbusAccrail
ncar
nGA
NumberPop, Firm
ProductivityIncome
taxcar
taxGA
feePT
feecar
budgettransport
%capcar %capbus%caprail
taxincome
Was wissen wir?
ZIF
Erreichbarkeit und Produktivität: Schweiz
ZIF
AcccarAccbusAccrail
ProductivityIncome
Bevölkerungserreichbarkeit mit dem ÖV: 2010Ax
haus
en e
t al. ,
201
5
ZIF
Räumliches Regressionsmodelle (nicht alle Variablen)Ax
haus
en e
t al. ,
201
5
2000 2005 2010
Y: Ln mean salary Estimate Sig. Estimate Sig. Estimate Sig.
Intercept 6.43*** 7.07*** 6.89***Ln car accessibility 0.01** 0.02 *** 0.01**Ln public transport accessibility 0.01** 0.01*** 0.01*Ln number of local employed 0.02 *** 0.01*** 0.01***From outside Switzerland -0.11 *** -0.09*** -0.09***Average duration in-post 0.00* 0.01*** 0.01***Ln average age 0.36*** 0.24 *** 0.32 ***Men 0.17*** 0.07*** 0.13***lamda parameter 0.33*** 0.41*** 0.40 ***Nagelkerke pseudo-R-squared 0.693 0.665 0.623# observations 1448 2298 2229
ZIF
Erreichbarkeit und Mobilitätswerkzeuge: Schweiz 2010
ZIF
AcccarAccbusAccrail
ncar
nGA
Schweiz: Besitz und Haushaltseinkommen
ZIF
Schweiz: Besitz und Gesamterreichbarkeit
ZIF
Fahrzeuge und Geschwindigkeiten
ZIF
MFDqcar vcar
3d MFD (Zürich, FCD & Schleifen) Stadtzentrum
ZIF
Lode
r et a
l., 20
16
3d MFD (Zürich, FCD & Schleifen) Stadtzentrum
ZIF
Lode
r et a
l., 20
16
(Big data) in den Modellen für die langfristigen Ansätze
ZIF
• Volkszählung (auf Hektarraster) • Lohnerhebung• Gebäuderegister• Netze
• Querschnitte: Schleifen, smart card• Bewegungen: FCD, smart card, GSM
• ‚Small data‘: • Mikrozensen (Verkehrsverhalten, Zeitbudgettagebücher)• Stated choice Experimente • Natürliche Experimente im Netz oder Preissystem
Was könnte man machen?
ZIF
Beobachtung der ‘familiar strangers’ im ÖV
ZIF
42
Anzahl Kontakte versus Nutzungshäufigkeit der BusseSun et al., 2013
43
MontagSun, 2013
44
DienstagSun, 2013
45
... FreitagSun, 2013
46
... über die ganze WocheSun, 2013
47
Eine ,kleine Welt‘ in Singapurs BussenQuelle: Sun, et al. 2013
• Eine Komponente bis Mittwoch
• Durchmesser: 6
• Pfadlänge: 2.95 • (Zufallsgraph: 2.63)
• Durchschnttlocher Clusteringkoefficient: 0.19 • (Zufallsgraph: 4.5x10-4)
• “Small-world”• Watts DJ & Strogatz SH (1998) Collective dynamics of
‘small-world’networks. Nature 393:440-442.
Zusammenfassung
ZIF
49
Im Querschnitt oder wiederholte Querschnitte
Big data erlaubt:
• Bessere Nutzung der bestehenden Kapazitäten
• Umsetzung von Knappheitspreise
• Höheres Bewusstsein der Gesellschaft Ihrer selbst
• Schnellere Erstellung der Modelle und ihre bessere Eichung
50
Im Längsschnitt
Big data erlaubt:
• Bessere Imputation der Fahrtwünsche
• Bessere Imputation aller Konsumwünsche
• Erfassung der Privatsphäre durch • Bewegungsbilder• Kontaktmuster (Telephon, facebook, email, etc.)• Nutzungsmuster (Bücher, Zeitschriften, etc.)
51
Big data
Ersetzt nicht
• Die Verhandlung über die gesellschaftlichen Zielfunktionen
• Die Verhandlung über die gesellschaftlichen Lösung
Fragen ?
ZIF
Appendix
ZIF
Estimation of models – Spatial error model – full modelYear 2000 Year 2005 Year 2010
Independent Variable: Ln mean salary Estimate Pr(>|t|) Estimate Pr(>|t|) Estimate Pr(>|t|)Intercept 6.432 *** 7.068 *** 6.887 ***Ln car accessibility 0.010 ** 0.019 *** 0.011 **Ln public transport accessibility 0.014 ** 0.011 *** 0.012 *Ln number of local employed 0.016 *** 0.010 *** 0.013 ***Commuter from outside Switzerland -0.114 *** -0.094 *** -0.093 ***Short residence permit -0.236 *** -0.134 *** -0.226 ***Average duration in-post 0.003 * 0.008 *** 0.005 ***Ln average age 0.364 *** 0.237 *** 0.322 ***Men 0.169 *** 0.067 *** 0.132 ***Tertiary education 0.834 *** 0.663 *** 0.541 ***Professional training 0.553 *** 0.216 *** 0.324 ***Further vocational training 0.228 *** 0.171 *** 0.231 ***Teaching degree 0.197 ** 0.205 *** 0.321 ***Highschool diploma 0.601 *** 0.179 * 0.258 **Vocational training 0.074 *** 0.030 . 0.021Positions with highest demands 0.420 *** 0.385 *** 0.409 ***Positions with qualified indep. work 0.199 *** 0.246 *** 0.247 ***Positions with professional skills 0.135 *** 0.195 *** 0.140 ***Working (3rd sector) 0.214 *** 0.152 *** 0.056 .Working (other private sector) -0.096 *** -0.099 *** -0.059 ***Working (manufacturing) -0.226 *** -0.252 *** -0.107 ***Working (FIRE) 0.146 *** 0.006 0.085 ***Working (hotel, restaurants) -0.127 *** -0.132 *** -0.111 ***lamda parameter 0.331 *** 0.411 *** 0.402 ***AIC -2731 -4754 -4234AIC ols -2676 -4651 -4143Nagelkerke pseudo-R-squared 0.693 0.665 0.623Residuals' spatial autocorrelation -0.009 -0.009 -0.007OLS residuals' spatial autocorrelation 0.113 *** 0.103 *** 0.097 ***# observations 1448 2298 2229Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Axha
usen
et a
l. , 2
015
ZIF
Model formulation 1/2
ZIF
ℒ(𝜶) = 𝛿'𝜙) 𝛽+𝑥-+,𝛽/𝑥-/,𝛽)𝑥-);𝑷𝟑 𝑑𝒙5 + 1 − 𝛿 : 𝜙/ 𝛽+𝑥-+,𝛽/𝑥-/;𝑷𝟐 𝑑𝒙5
𝒙𝒖𝒑
𝒙𝒍𝒐𝒘
𝒙AB
𝒙𝒍𝒐𝒘
Case Choice Probability1 None 𝑃+ = Φ/(−𝑥+𝛽+;−𝑥/𝛽/;𝚸/)2 Car & no ticket 𝑃/ = Φ/(−𝑥+𝛽+;𝑥/𝛽/;𝚸/)3 Car & local ticket 𝑃) = Φ)(𝑥+𝛽+;𝑥/𝛽/ −𝑥) 𝛽);𝚸))4 Car & GA 𝑃F = Φ)(𝑥+𝛽+;𝑥/𝛽/;𝑥)𝛽);𝚸))5 No car & local ticket 𝑃F = Φ)(𝑥+𝛽+;−𝑥/𝛽/;−𝑥)𝛽);𝚸))6 No car & GA 𝑃G = Φ)(𝑥+𝛽+;−𝑥/𝛽/;𝑥)𝛽);𝚸))
Choice environment
Likelihood function
Estimation method: • Maximum simulated likelihood in Stata using Newton Raphson technique• Using draws to compute the integral
Model formulation 2/2
ZIF
𝛿 Sample selection dummy, equal to 1 if observation holds season ticket
ΦH N-dimensional cumulative distribution function of the normal distribution
𝜙H N-dimensional probability density function of the normal distribution
𝛽 Parameters of the model
Σ Symmetric correlation matrix with typical elements 𝜌KL and 𝜌KK = 1. The same correlations appear in both Σ/ and Σ) by using their Cholesky decomposition and estimating the Cholesky factors in the model
𝛼 Parameter vector to be estimated that contains all 𝛽 and Choleskyfactors of Σ
𝒙NO,PQR Upper and lower limits of integration domain, determined by values of each observation
Switzerland: Ownership models (1/2)
ZIF
Season-ticket
owner
Car available
Age -0.059 *** 0.099 ***Age squared 0.052 *** -0.088 ***Male -0.132 *** 0.439 ***Working 0.066 *** 0.258 ***University level education 0.146 *** -0.054 **Log of monthly household income 0.075 *** 0.391 ***Center of agglomeration 0.132 *** -0.22 ***Constant 0.052 -6.039 ***
Switzerland: Ownership models (2/2)
ZIF
Season-ticket
owner
Car available
Local access to public transport: E -0.474 *** 0.505 ***Local access to public transport: D -0.348 *** 0.384 ***Local access to public transport: C -0.253 *** 0.286 ***Local access to public transport: B -0.097 *** 0.154 ***General accessibility 0.089 *** -0.028 ***Surplus public transport acc. -0.005 *** -0.066 ***Surplus workplace accessibility 0.729 *** -0.527 ***
Switzerland: GA given season ticket (2/2)
ZIF
Generalabonnement
Secondary residence 0.302 ***Log of monthly household income 0.128 ***Self-reported distance [1000km] 0.005 ***Constant -2.188 ***
Error correlations
Car available GASeason ticket -0.44 0.62Car available -0.24