LAMbDA – úvodní stránka Fakulta dopravní ČVUT v Praze
4 Výzkumný pilíř 4

Modelování poptávky a syntetické populace

Agregovaný model reprodukuje dopravní proudy, ale neumí říct proč – a právě proto mu nelze věřit u opatření, které ještě nikdo nevyzkoušel.

  • Syntetické populace
  • Modelování založené na aktivitách
  • MATSim v metropolitním měřítku
  • Odhad matic OD z otevřených dat
  • Soulad s GDPR už z principu
Proč tento pilíř existuje

Přepravní poptávka vychází z toho, co lidé potřebují dělat, ne ze zón

MaaS, sdílené flotily, umisťování nabíjecích stanic, hybridní práce, reakce na mimořádné události – to vše jsou jevy na úrovni jednotlivců. Model založený na cestách lze vždy napasovat na pozorované intenzity v úsecích sítě; a právě proto mu nelze věřit při extrapolaci. Vycházíme z axiomu, že poptávka je zcela odvozena od lidské potřeby vykonávat aktivity na prostorově oddělených místech.

To nás zavazuje k modelování založenému na aktivitách – a to nás zase zavazuje k syntetickým populacím: sociodemograficky věrným individuálním agentům rekonstruovaným z agregovaných dat ze sčítání a výběrových šetření při dodržení přísných požadavků na ochranu dat.

Hranice vůči Pilíři 3 je záměrná a právě díky ní se oba pilíře nepřekrývají. Pilíř 3 se ptá, proč se jednotlivec rozhoduje tak, jak se rozhoduje; Pilíř 4 sestavuje populaci a simuluje důsledky. Pilíř 3 dodává specifikace užitkových funkcí a behaviorální parametry; Pilíř 4 je využívá. Jiné projekty, jiné publikace, jiní partneři – spíše statistické úřady a plánovací instituce než behaviorální vědci.

Vědecký přínos

  • Chyba syntézy při omezeních na zveřejnění dat. Sociodemograficky věrní jednotlivci rekonstruovaní metodou iterativního proporcionálního přizpůsobení (IPF) a bayesovskými sítěmi, v souladu s GDPR už z principu, nikoli jen díky prohlášení – a s kompromisem mezi věrností a rizikem odhalení, který je explicitně vyjádřen, místo aby byl zameten pod koberec předpokladem.
  • Inferenční vrstva, která operačním dvojčatům chybí. Dvousmyčková architektura, v níž se pomalá behaviorální smyčka a rychlá operační smyčka setkávají v diagnostickém kroku: byla pozorovaná odchylka narušením nabídky, nebo posunem poptávky? Odpověď přichází s uvedenou mírou jistoty – namísto násilného napasování poptávky na data ze sčítačů a vydávání výsledku za kalibraci.
  • Rozvrhování aktivit jako přenosový mechanismus. Strukturální změny pracovních vzorců přetvářejí špičkovou poptávku prostřednictvím rozvrhování aktivit, nikoli generováním cest – a proto modely založené na cestách hybridní práci soustavně zkreslují.

Doklady z praxe

24 hDenní program aktivit generovaný pro každého syntetického agenta
2Modely MATSim v metropolitním měřítku
CC BYReferenční řetězec zpracování publikovaný v otevřeném přístupu

Referenční implementace je plně v otevřeném přístupu, takže si ji partner může projít a prověřit ještě předtím, než nás osloví. Navazující článek zaměřený na dopravní politiku provádí celý řetězec až k hodnocení reálných opatření – ke kroku, ke kterému se většina článků o syntetických populacích nikdy nedostane.

Společný odhad matic přepravních vztahů pro automobily, cyklisty a chodce z dat ze sčítání, odbočovacích pohybů, cestovních dob a využití území z OpenStreetMap – přesně to, co potřebuje město, které nemá průzkum cestovního chování domácností.

  • Metody použité v tomto pilíři
  • M3 Fúze dat · syntéza populace
  • M5 MATSim · agentní simulace
  • M1 Specifikace užitkové funkce
  • M6 Hodnocení scénářů
  • Všech šest skupin →
Doklady v obrazech

Populace, ne matice

Páry zdroj–cíl pro cesty z domova do práce a z domova do škol generované syntetickou populací
Cesty za primárními aktivitami generované syntetickou populací pro region Ústí nad Labem – vlevo cesty z domova do práce, vpravo z domova do škol. Každá čára je individuální agent s úplným denním programem, nikoli buňka matice mezizónových vztahů. Publikováno v otevřeném přístupu pod licencí CC BY. Zdroj: Maia Pereira et al. (2022), Applied Sciences 12(19):10032.
Dvousmyčková architektura digitálního dvojčete s inferenční vrstvou
Kde se tento pilíř potkává s dvojčetem. Rychlá operační smyčka odhaduje stav sítě; pomalá učicí smyčka udržuje poptávku založenou na aktivitách; inferenční vrstva mezi nimi rozhoduje, zda je pozorovaná odchylka narušením nabídky, nebo posunem poptávky. Zdroj: Ziya a Přibyl (2026), Smart Cities Symposium Prague.

Řetězec zpracování od začátku do konce

Data ze sčítání a mikrošetření → syntéza populace → generování řetězců aktivit, tedy úplného 24hodinového programu pro každého agenta → společná optimalizace trasy, dopravního prostředku a načasování v MATSim iterativním přeplánováním → analýza scénářů. Reprodukovatelné a verzované od zdrojových dat, porovnané s modely UrbanSim, TRANUS, METROSIM a ILUTE.

Na čem stavíme

Projekty, na nichž pilíř stojí

ProjektPoskytovatel a identifikátorObdobíNaše rolePilíř

Publikace

Každá položka odkazuje na svůj DOI. Položky v otevřeném přístupu jsou označeny a lze je číst bez předplatného.

    Spolupráce

    S kým chceme spolupracovat

    HledámeCo nabízímeCílové programy
    Instituce územního plánování a metropolitní samosprávy Sestavení syntetické populace pro jejich region; testování opatření modelem založeným na aktivitách – pro MaaS, zpoplatnění pozemních komunikací, nízkoemisní zóny a scénáře hybridní práce EIT Urban Mobility · Interreg · národní zakázky v oblasti plánování
    Komunitu MATSim a modelování založeného na aktivitách Propojení s operačními digitálními dvojčaty prostřednictvím inferenční vrstvy a srovnávací validaci na dvou regionálních modelech Horizon Europe · komunita MATSim
    Statistické úřady a výzkumníky v oblasti ochrany dat Minimalizaci chyby syntézy při omezeních na zveřejnění dat Digital Europe · spolupráce s národní statistikou
    Orgány krizového řízení a civilní ochrany Syntetickou populaci v národním měřítku pro analýzu evakuací a poptávky v krizových situacích Horizon Europe Cluster 3 · národní bezpečnostní výzkum