Big data transport models: The example of road pricing

Transport models reproduce who is travelling when why and where to for the base
year, but then also forecast them for a future year and for a transport system
changed with regards to prices, capacities, alignments and regulations. Current big
data studies are focussed on describing the status quo, but lack predictive power.
The goal of this project is to merge the power of big data streams, here GSM traces,
with the power of agent-based transport modelling to build models with forecasting
power, but do this fast and with optimised parameters. We will use a hypothetical
road pricing scheme for Switzerland to show the potential of the approach.

Deutsche Version:
Transportmodelle reproduzieren, wer wann, wo und zu welchem Zweck im Basisjahr
unterwegs ist. Ferner wird dies auch für zukünftige Jahre prognostiziert, wobei sich
das Transportsystem hinsichtlich Preisen, Kapazitäten, Ausrichtungen und
Vorschriften geändert hat. Aktuelle große Datenstudien konzentrieren sich auf die
Beschreibung des Status quo, haben aber keine Vorhersagekraft. Das Ziel dieses
Projektes ist es, die Leistungsfähigkeit von großen Datenströmen, hier GSM-Traces,
mittels agentbasierter Verkehrsmodellierung zusammenzufassen, um Modelle mit
Prognoseleistung zu erstellen, dies aber schnell und mit optimierten Parametern.
Für die Schweiz wird ein hypothetisches Road Pricing Schema verwendet, um das
Potenzial des Ansatzes zu zeigen.

Swiss National Science Foundation [1]

See here [2].

See here [3].

Prof. Dr. Kai Nagel [4], TU Berlin

William Charlton, M.S. [5], TU Berlin

Dominik Ziemke, M.S., M.Sc. [6], TU Berlin

Prof. Dr. Kay Axhausen [7], ETH Zürich, Institute for Transport Planning and Systems

Univ.-Prof. Dr.-Ing. Martin Fellendorf [8], TU Graz, Institute of Highway Engineering and Transport Planning

See here [9].