Überblick:
Im Bereich öffentlicher Verkehrsmittel wird die Gruppierung von zwei oder mehr Linienfahrzeugen (wie Bussen oder Zügen), die sich zur gleichen Zeit am gleichen Ort befinden, als Bus-Pulkbildung bezeichnet, wenn sie ursprünglich so eingeplant waren, dass sie gleichmäßig auf der gleichen Route verteilen. Dave Sprogis, ein ehrenamtlicher Softwareentwickler und Datenanalyst aus Watertown, MA, verwendete AnyLogic, um seine These zu untermauern, dass eine Vermeidung von Bus-Pulkbildung das Erlebnis für Pendler, die mit öffentlichen Bussen unterwegs sind, verbessern würde. Im Besonderen bewies er, dass lange Wartezeiten an Bushaltestellen beseitigt würden und dass das Zusammendrängen von Bussen durch eine Vermeidung von kleinen Verzögerung einzelner Busse, die sich in das Phänomen Bus-Pulkbildung entwickeln können, gedämpft wird.
Problemstellung:
Die Einwohner von Watertown, MA, haben sich lange über die schlechte Qualität der Buslinien beschwert, die die Stadt bedienen. Die Massachusetts Bay Transportation Authority (MBTA), die die Busse in Watertown betreibt, hat eine API veröffentlicht, durch die Echtzeitdaten der Busse gesammelt werden konnten. Dave erstellte ehrenamtlich ein SaaS System, um Daten in einem Data-Warehouse für eine Analyse zu sammeln. Die Ergebnisse zeigten eindeutig, dass Busse bedeutend an Effizienz bei der Bedienung der Linie verloren, wenn es zu einer Pulkbildung kam, was insbesondere zur Hauptverkehrszeit der Fall war, wenn Fahrgäste Beständigkeit und Zuverlässigkeit am meisten benötigen.
Währenddessen die Ergebnisse überzeugend waren, blieb eine Lösung schwer fassbar. Sollen volle Busse an Fahrgästen vorbeifahren, die an Haltestellen warten, damit sie ein nachfolgender Bus mitnehmen kann? Sollen Fahrpläne der Busse aktualisiert werden, um sich dynamisch ändernden Straßenverhältnissen und Anforderungen der Fahrgäste Rechnung zu tragen? Oder würde sich einfach eine Verlangsamung von Bussen bei der Vermeidung von Bus-Pulkbildung auf lange Sicht auszahlen?
Lösung:
Dave hatte den Verdacht, dass eine Verlangsamung von Bussen sich lohnen würde, benötigte aber eine Möglichkeit, das zu beweisen. Ein Beweis würde eine Simulation erfordern, da das Problem nicht deterministisch ist. Dave wollte den Einfluss einer Verlangsamung des Busses auf das Erlebnis eines Fahrgastes beobachten. Welche Trade-offs gibt es? Würde beispielsweise eine Reduzierung der Wartezeiten zu einer Erhöhung der Fahrzeit für Passagiere führen und falls ja, in welchem Ausmaß? Falls sich die Fahrzeiten erhöhen, würden nicht ebenfalls die Passagierzahlen ansteigen? Nur durch eine Simulation, in der Variablen fein eingestellt und Ergebnisse gemessen werden können, lassen sich diese Fragen beantworten.
Dave modellierte eine bestehende Linie mit Hilfe des GIS Features von AnyLogic. Das Modell erlaubt Dave die aktuelle Situation und seine vorgeschlagene Lösung zu simulieren, Metriken in beiden Szenarien zu sammeln und die Ergebnisse zu vergleichen. Dave entwickelte das Modell mit folgenden Komponenten:
- Bushaltestellen.
- Busse, das Verhalten der Busse und Betriebsrandbedingungen.
- Fahrgäste und das Verhalten der Fahrgäste.
- Busfahrten.
Das Modell enthält ebenfalls Parameter, die vor und während der Laufzeit angepasst werden können (nämlich die Anzahl der Fahrgäste, Einstiegszeit der Fahrgäste, Ausstiegszeit der Fahrgäste, maximale Busgeschwindigkeit und die Auswahl zwischen zwei Strategien).
Ergebnisse:
Das Modell erlaubt Dave die Problemstellung und die vorgeschlagene Lösung zu visualisieren. Die besten Ergebnisse wurden durch die Lösung erzielt, die Dave als „Gleichgewicht“ bezeichnete, die eine Methode entwickelt, mit der Abstände zwischen Bussen aufrechterhalten werden können. Mit Hilfe der Gleichgewichtsstrategie folgen die Busse der Route nicht mehr unabhängig, sondern führen kontinuierlich Anpassungen durch und drosseln die Geschwindigkeit oder halten, bis ein ausreichender Abstand nach vorne erreicht ist.
Wenn die Gleichgewichtsstrategie verwendet wird, ist die Anzahl der Fahrgäste in jedem Bus einheitlicher und die Wartezeit folgt einer vorhersagbareren Verteilung, was übermäßig lange Wartezeiten und eine Überfüllung der Busse abschwächt.
Dave empfiehlt, dass die MBTA eine „Uberfizierung“ der Busse implementiert – eine einfache, „verbundene“ App, die Fahrer berät, wann basierend auf Netzwerkmetriken gewartet werden soll, um die Gleichgewichtsstrategie durchzusetzen.
Der Übergang von Einsichten zu Taten ist oft unklar. Implementierungen können kostspielig und/oder riskant sein. Simulationen sind gegebenenfalls ein großartiger Zwischenschritt, durch den die Richtung verfeinert und Vertrauen geschaffen werden kann, bevor Investitionen getätigt werden. Durch das Teilen des AnyLogic Modells mit der MBTA, werden Entscheider bei der Visualisierung des Problems und der vorgeschlagenen Lösung unterstützt werden, was letztlich zu einer Verbesserung der Qualität für Fahrgäste führen wird.