Digitales Stadtmodell
Aufwand
Erfordert ein hohes Maß an technischem Know How sowie eine intensive Koordinierung bei der kooperativen Zieldefinition, der Datengewinnung, der Bereitstellung sowie dem Betrieb der Plattform.
Zeitliche Einbettung
Kontinuierliches Format. Eine regelmäßige Aktualisierung der Daten und Inhalte sowie eine möglichst frühzeitige Einführung im Rahmen eines Planungsprozesses ist notwendig.
Ziel
Das digitale Stadtmodell implementiert verschiedene Technologien und datenbasierte Planungsmethoden, um Mobilitätsszenarien zu modellieren. Hierüber werden einerseits komplexe Dynamiken der integrierten Stadtentwicklung für unterschiedliche Akteur*innen partizipativ veranschaulicht. Andererseits dienen die Szenarien dazu, Mobilitätsplanungen – in unserem Fall einen lokalen ÖPNV-Bedarfsverkehr – datenbasiert zu entwickeln, anzupassen und darauf aufbauend besser informierte und qualifizierte Entscheidungen zu treffen.
Idee und spezifische Form
Idee des Tools ist es, über verschiedene Features (regelbare Parameter) Planungsszenarien sowohl für Entscheider*innen als auch Planende zugänglich zu machen. Diesen bietet das Tool die Möglichkeit, je nach Zielstellung die vorhandenen Daten und Dynamiken zu unterschiedlichen Aspekten – wie etwa der lokalen Sozialstruktur, Geografie oder Mobilität – abzubilden. Die vorliegenden Daten werden in einen systemischen Zusammenhang gebracht. Bestimmten Größen werden spezifische Charakteristika zugeordnet. Ein agentenbasiertes Stadtmodell entsteht.
Auf Grundlage des erzeugten Modells können Szenarien erstellt und über regelbare Parameter (z.B. die Anzahl eingesetzter Busse oder die Einschränkung auf bestimmte Tageszeiten) konfiguriert werden. Welche Parameter für welche Art von Szenario relevant sind und wie sie genau eingestellt werden müssen, hängt von der planerischen Zielsetzung ab. Da ein Szenario allein nicht ausreicht, um seine Potenziale und Herausforderungen zu analysieren, werden mehrere von ihnen in Vergleichen gegenübergestellt. Diese Vergleiche ermöglichen Bewertungen und bilden schließlich die Basis für den weiteren Planungsprozess.
Umsetzung im Projekt MaaS L.A.B.S.
Aufbauend auf den kooperativ (mit dem Partner*innen-Projekt SmartUpLab) entwickelten Use Cases, Zielgruppen, Einflussfaktoren, Metriken, Modellen und Simulationen wurde die Routenplanung der Bedarfsverkehre (DRTs) für den Potsdamer Norden durchgeführt. Auch das betriebliche Mobilitätsmanagement mit Shuttleverkehr des ViP wurde entsprechend geplant. Im nächsten Schritt wurden die Setzungen über Vor-Ort-Begehungen und Realfeldtest einer Prüfung unterzogen.
Im Projekt MaaS L.A.B.S. werden unter Berücksichtigung der baulichen und sozialen Gegebenheiten des Potsdamer Nordens unterschiedliche Mobilitätsszenarien in einem digitalen, interaktiven Stadtmodell modelliert. Dieses Stadtmodell lässt sich individuell gestalten – sowohl in seiner Ansicht als auch hinsichtlich der dargestellten Strukturdaten, zu denen beispielsweise die lokalen Bevölkerungs- und Verkehrszahlen zählen. Anschließend werden im Modell verschiedene Routen für den Bedarfsverkehr angelegt, bearbeitet sowie gespeichert und hinterher miteinander verglichen. Das digitale Stadtmodell wurde vom Smart Up Lab entwickelt und technisch umgesetzt.
Test-Szenario als Beispiel dargestellt im Dashboard (Copyright: SmartUpLab)
Zielgruppe / Rollen / Agents
Vertreter*innen der Bereiche Verkehrsplanung, Energiewirtschaft und Stadtplanung: können Szenarien erstellen und diese auf ihre Realisierbarkeit und ihre Wechselwirkungen mit der Umgebung analysieren, vergleichen und bewerten.
Bewohner*innen und Interessierte: können im Rahmen einer öffentlichen Veranstaltung zu einzelnen Mobilitätsaspekten Parameter in der digitalen Stadtkarte eingeben und sich somit besser mit der Thematik und der Szenario-Logik vertraut machen.
Wie wird die Zielgruppe ermächtigt?
Das digitale Stadtmodell setzt Transfer-, Lern- und Transformationsprozesse bei den benannten Zielgruppen in Gang. Sie erhalten die Möglichkeit, eigenständig Zukunftsszenarien zu verschiedenen Fragestellungen zu entwickeln und diese gegeneinander abzuwiegen. Da der Planungsprozess von Anfang an Entscheidungsträger*innen involviert, orientiert er sich auch an ihren Bedürfnissen. Sie werden dazu eingeladen, sich mit den planungstechnischen Konsequenzen auseinanderzusetzen, die eine Veränderung der Parameter im Stadtmodell auslösen würden. Gleichzeitig sollen räumliche Komplexitäten sowohl politisch als auch planerisch navigiert werden. Durch die Bündelung verschiedener Datensätze im Modell wird darüber hinaus ein ganzheitlicher, disziplinübergreifender Datenumgang gepflegt, der so bisher keineswegs zum Alltagsrepertoire gehört.
Benötigte Fertigkeiten & Ressourcen
Pool an Akteur*innen, die Daten beitragen und sammeln
- Für das Thema relevante Datensätze
- Geoinformationsdaten: Topologie
- Amtlich erhobene Daten: Bevölkerungszahlen, Verkehrszählungen
- Daten der Verkehrsbetriebe: Fahrpläne und Routen des ÖPNV
Ggf. Satelliten- oder Mobilfunkdaten (via App-Tracking o.ä.)
Fähigkeit Datensätze zu strukturieren und ihre Qualität zu prüfen
IT- Kenntnisse, Coding (Python, GitHub etc.), agentenbasiertes Modellieren (ABM)
Schnittstellen zwischen Partner*innen, akteur*innenspezifische Oberflächen zur Interaktion
Erfolgskontrolle / Qualitätssicherung
Das Tool ist dann erfolgreich, wenn eine Diskussion zu den verwendeten Parametern positive Effekte auf Planungsentscheidungen hervorruft und sich daraus Rückschlüsse auf den weiteren Projektprozess ziehen lassen. Dadurch können auch Planungsentscheidungen verändert werden. Außerdem ist es erfolgreich, wenn die Realität zeigt, dass die entwickelten Szenarien zu sinnvollen Ergebnissen führen. Das muss nicht unbedingt bedeuten, dass die gewonnenen Ergebnisse eins zu eins auf die Planungspraxis übertragbar sind. Allerdings sollten sie angemessene Dynamiken und Zusammenhänge darstellen.
I Forschungsprojekt
Gefördert vom BMBF im Bereich Mensch-Technik-Interaktion; Individuelle und adaptive Technologien für eine vernetzte Mobilität