Quantifizierung von Unsicherheiten für dynamische Systeme im Bereich Mobilität
Zusammenfassung der Projektergebnisse
Ziel von QUEST war, die Robustheit von Verkehrssystemen anhand konkreter Szenarien zu untersuchen. QUEST bewegt sich damit auf einem interdisziplinären Gebiet von hoher gesellschaftlicher Relevanz. Robustheitsanalysen sind ist wichtig, weil viele Modellparameter – unabhängig von einer Validierung gegen empirische Daten – mit Unsicherheiten behaftet sind. Innerhalb des Projektes konzentrierten wir uns auf Fußgängersysteme, die anders als Autoverkehr in der Forschung bisher wenig Beachtung fanden. Wir betrachteten dynamische Beobachtungsgrößen, z.B. die Personendichte an einer einer Engstelle. Wir erweiterten Strukturen im Fußgängersimulator Vadere, der in meiner Forschungsgruppe entwickelt wurde, um ein Verfahren zu etablieren, das unsichere Parameter systematisch variiert. Das Verfahren eignet sich auch zur Erstellung von datengetriebenen Ersatzmodellen, die das Systemverhalten der Beobachtungsgrößen für ein konkretes Szenario approximieren. So können wir rechenintensives Auswertungen des zugrundeliegenden Simulators elegant umgehen. Das Herzstück von QUEST ergab sich aus einer Kooperation mit der Gruppe von Yoannis Kevredkidis an der Johns Hopkins Universität, einem führenden Experten zur mathematischen Theorie des „Koopman-Operators“. Es entstanden methodische Fortschritte zu dynamischen Ersatzmodellen. Der Koopman-Ansatz erlaubt nicht nur die schnelle Berechnung eines Ersatzmodell sondern bringt Strukturen des Verkehrssystems selbst ans Licht. Er ist damit ein Ansatz der erklärbaren KI. Vor QUEST stand der Forschung keine Koopman-Software frei zur Verfügung, die strenge Qualitätsstandards einhält. Mit „datafold“schließen wir diese Lücke. Mit unseren Softwarelösungen untersuchten wir konkrete Verkehrsszenarien und publizierten auf einschlägigen wissenschaftlichen Konferenzen oder in Journalen. In zwei Szenarien analysierten wir Effekte von Unsicherheiten auf die Personenmenge in typischen Ausstiegssituationen im öffentlichen Nahverkehr. Für unsere Praxispartner Polizei beschrieben wir mithilfe von Ersatzmodellen ein extrem rechenintensives Szenario: die Abhängigkeit der Länge eines Demonstrationszugs von den unsicheren Parametern „Teilnehmerzahl“und „Varianz in den Laufgeschwindigkeiten“. In einem vierten Verkehrssystem wandten wir die Methodik des Koopman Operators auf Realdaten an: Wir „lernten“die Verkehrsmuster von elf Sensoren in der Stadt Melbourne (Australien) robust aus verrauschten Daten mehrerer Jahre und errechneten präzise Vorhersagen. Unsere Veröffentlichungen und unsere Softwarearbeiten sind frei und öffentlich verfügbar. Unsere Ergebnisse sind damit reproduzierbar. Die Bedeutung ist durch die Pandemie weiter gewachsen, denn wo man Menschenansammlungen vermeiden will, braucht man gute Analysen und Vorhersagen von Personendichten.
Projektbezogene Publikationen (Auswahl)
- “Fast and flexible uncertainty quantification through a data-driven surrogate model". In: International Journal for Uncertainty Quantification 8.2 (2018), pp. 175–192
Felix Dietrich, Florian Künzner, Tobias Neckel, Gerta Köster, and Hans-Joachim Bungartz
(Siehe online unter https://doi.org/10.1615/Int.J.UncertaintyQuantification.2018021975) - “Exploring Koopman Operator Based Surrogate Models—Accelerating the Analysis of Critical Pedestrian Densities". In: Traffic and Granular Flow, 2019. Vol. 252. Cham: Springer
Daniel Lehmberg, Felix Dietrich, Ioannis G. Kevrekidis, Hans-Joachim Bungartz, and Gerta Köster
(Siehe online unter https://doi.org/10.1007/978-3-030-55973-1_19) - “Datafold: datadriven models for point clouds and time series on manifolds". In: Journal of Open Source Software 5.51, 2020, p. 2283
Daniel Lehmberg, Felix Dietrich, Gerta Köster, and Hans-Joachim Bungartz
(Siehe online unter https://doi.org/10.21105/joss.02283) - Datafold: representation learning and time series forecasting, 3/2021, In: Quartl Ausgabe 99 — Offizielles Mitteilungsblatt des Kompetenznetzwerks für Technisch-Wissenschaftliches Hoch- und Höchstleistungsrechnen in Bayern (KONWIHR) und der Bavarian Graduate School of Computational Engineering (BGCE), 2021
Daniel Lehmberg and Felix Dietrich
- “Dynamics of a Simulated Demonstration March: An Efficient Sensitivity Analysis". In: Sustainability 13.6, 2021, p. 3455
Simon Rahn, Marion Gödel, Rainer Fischer, and Gerta Köster
(Siehe online unter https://doi.org/10.3390/su13063455) - “Modeling Melburnians - Using the Koopman operator to gain insight into crowd dynamics". In: Transportation Research Part C: Emerging Technologies 133, 2021, 103437
Daniel Lehmberg, Felix Dietrich, and Gerta Köster
(Siehe online unter https://doi.org/10.1016/j.trc.2021.103437)
