Ein städtischer ÖPNV-Betreiber steht vor drei gekoppelten Entscheidungen: welche Buslinien betrieben werden, mit welcher Frequenz je Zeitfenster, und welche Haltestellen jede Linie bedient. Klassisches ÖPNV-OR-Problem: Public Transit Network Design and Frequency Setting Problem (FSP).
Kurz gesagt
Kommt Ihnen das bekannt vor?
- Wir betreiben 50-300 Buslinien in der Stadt; die Route und Haltestellen jeder Linie wurden vor Jahren gezeichnet und nicht regelmäßig überprüft — eine Linie für ein neues Stadtgebiet hinzuzufügen kostet den Planer Wochen.
- Die Frequenz pro Linie (ein Bus alle 8 min in der Spitze, alle 20 min außerhalb) wird vom Planer aus dem Bauch heraus gesetzt; die Verbindung zwischen Fahrgastdaten und numerischem Modell ist schwach.
- Fahrgastbeschwerden gehen in zwei Richtungen: 'morgens 15 Minuten gewartet und der Bus war voll' und 'abends fahren leere Busse, Steuergeld verbrennt' — beide Enden numerisch zu optimieren gelingt nicht.
- An Umsteigeknoten warten Fahrgäste auf synchronisierte Ankunft; die Umstiegszeit schwankt 8-20 Minuten zwischen zwei Linien; ein periodischer Taktfahrplan ist nicht zu halten.
- Eine höhere Linienfrequenz (= mehr Busse) ist an Budgeterhöhung gebunden; in der jährlichen Haushaltsverhandlung können wir keinen strukturierten Bericht 'mit so vielen Bussen mehr steigt die Fahrgastzufriedenheit um so viel' vorlegen.
- Die Stadt wächst, das Nachfragemuster verschiebt sich (neue Geschäftsviertel, Universitätscampus, externe Verbindungen); bestehende Linien reagieren nicht — keine numerische Methode für die Linienoptimierung.
- BRT-Korridor oder Integration mit Metro/Tram steht zur Debatte; im bestehenden Busnetz können wir nicht numerisch trennen, welche Linien klare Zubringer und welche direkte Bedienung sind.
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Liefere die Quelle-Ziel-Fahrgastströme und das Kandidaten-Linienset; ein Mathematik-Modell wählt gemeinsam aus, welche Linien betrieben werden und welche Frequenz je Zeitfenster (5/8/10/15/20 min) gilt — Wartezeit + Reisezeit + Betriebskosten zusammen minimiert.
In der Operations-Research-Literatur (Disziplin, die Mathematik und Computer für Geschäftsentscheidungen einsetzt) trägt das Problem den Namen Public Transit Network Design and Frequency Setting Problem (FSP). Die akademische Sichtweise gliedert die ÖPNV-Planung in fünf Stufen: (i) Liniennetzplanung (welche Linien, welche Routen), (ii) Frequenzplanung (Frequenz je Linie je Zeitfenster), (iii) Fahrplangestaltung (welche Fahrt zu welcher Minute), (iv) Fahrzeugumlauf (welcher Bus zu welcher Fahrt), (v) Personalumlauf (welcher Fahrer zu welchem Bus). #091 deckt die ersten beiden Schichten ab; die restlichen drei sind eigene Probleme. Lösung in drei Stufen:
1. Modellierung. Eingangsdaten: (a) Nachfragedaten — Quelle-Ziel-Matrix (Haltestelle-Haltestelle-Fahrgastfluss je Zeitfenster, aus 6-12 Monaten Ticket-/Chipkartendaten), (b) Netzdaten — Straßennetz (Segmentlänge, Durchschnittsgeschwindigkeit, Verkehrsfluss je Zeitfenster), Kandidaten-Haltestellen (bestehend + Vorschlag), Kandidaten-Linienrouten (typisch 80-300, meist bestehende plus einige Vorschläge), (c) Flottendaten — Gesamtbuszahl, Bustyp (Standard-Stadtbus, Gelenkbus, Midibus — unterschiedliche Kapazität und Stundenkosten), Wartungsfenster, Betriebshofkapazität, (d) Bedingungs-Parameter — maximale Fußgängerdistanz (300-500 m), maximale Wartezeit (Spitze < 8 min, Schwachverkehr < 15 min, Nacht < 25 min), maximale Reisezeit (mit Umstieg), Auslastungs-Obergrenze (85% der Buskapazität). Entscheidungsvariablen: welche Kandidatenlinie betrieben (0/1), pro betriebener Linie Frequenz je Zeitfenster (kontinuierlich oder diskret: 5/8/10/12/15/20 min), zugeordnete Busse je Linie (= Frequenz × Umlaufzeit). Bedingungen: Gesamtflottenbudget, jede Haltestelle von mindestens einer Linie bedient, Umsteigeknoten-Synchronisation, Auslastungs-Obergrenze, maximale Fußgängerdistanz, maximale Wartezeit. Ziel: mehrkriteriell — Minimum Fahrgast-Warte- + Reisezeit (Fahrgastzufriedenheit) plus gewichtetes Minimum Betriebskosten (Buszahl × Stundenkosten + Treibstoff + Wartung); Gewicht ist eine kommunalpolitische Entscheidung.
2. Lösung mit Solver. Klassische zweistufige Formulierung: zuerst Liniennetz (set-covering-ähnlich), dann Frequenz je Linie durch Marginalanalyse. Moderner Ansatz: kombiniertes MIP (Mixed-Integer Linear Programming — Optimierung mit teils 0/1-, teils stetigen Variablen) — Liniennetz + Frequenz gemeinsam. Spaltengenerierungsansatz (mit kleinem Anfangspool starten und nützliche Muster schrittweise hinzufügen): jede Kandidatenlinie ist eine Spalte (Pattern), das Master-Problem wählt Linien und teilt Frequenz zu. Wartezeitmodellierung — bei Poisson-Ankunft der Fahrgäste ist die mittlere Wartezeit = 1/(2×Frequenz) (analytische Formel); für Auslastungs-Effekte nichtlineare Korrektur. Mittlere Größe (50-150 Linien, 20-40 Zeitfenster) wird mit reifen MIP-Solvern in Stunden gelöst; große Größe (300+ Linien, 50+ Zeitfenster) braucht Spaltengenerierung oder Metaheuristiken (intelligente Suchverfahren — Genetisch, Tabu, LNS). Mehrkriteriell als gewichtete Summe oder hierarchisch (Fahrgastzeit zuerst, dann Kosten); Pareto-Front-Analyse wird dem kommunalen Entscheidungsausschuss vorgelegt.
3. Feldintegration. Output in drei Schichten: (a) Liniennetz-Karte — welche Linien betrieben, Linienroute + Haltestellenliste (Jahresplan der Betriebsleitstelle, saisonale Revision), (b) Frequenztabelle — Linie × Zeitfenster-Matrix (5/8/10/15/20 min), (c) Periodischer Fahrplanentwurf — Frequenz × Umlaufzeit → geschätzte Abfahrtsminute je Fahrt (nächster Schritt: Fahrplangestaltung, eigene Lösung). Die FSP-Ausgabe speist das Intelligent Transportation System (ITS): Echtzeit-Fahrgastzählung, Buspositionen (AVL), Ticket-/Chipkartendaten. Jährliche oder saisonale Netzrevision (Sommer-/Winterprogramm, Integration neuer Stadtgebiete), monatliche Frequenzanpassung (Ferien, Schulbeginn). Quartalsweiser ÖPNV-Ausschuss: Soll-Ist-Wartezeit, Linienauslastung, Fahrgastzufriedenheits-Umfrage, Modal-Shift-Bericht.
Alternativen
Manuell plus Spreadsheet
KostenlosNull Lizenz
Für wen geeignet: Kleine Kommune (<500K Einwohner), 10-40 Linien, 80-150 Busse
- + Null Softwarekosten
- + Lokale Netzkenntnis des Planers trägt
- + Jährliche Revision im kleinen Netz machbar
- − Über 50 Linien ist der Planer geistig gesättigt
- − Frequenz × Linie × Zeitfenster-Raum manuell nicht optimierbar
- − Fahrgast-Wartezeit nicht numerisch gemessen, nur gefühlt
- − Umsteige-Synchronisation manuell nicht zeichenbar
- − Kapazitätsanalyse (für Investitionen) schwach
Lokale ÖPNV-Management-Software
Enterprise400K-2M TRY Lizenz + 150K-600K TRY/Jahr Wartung (TR-Marktbeobachtung)
Für wen geeignet: Mittlere Kommune (500K-2M Einwohner), 40-150 Linien, 150-400 Busse
- + Türkische UI, lokaler Support
- + Chipkarte + AVL-Datenflüsse integriert
- + Linien-Haltestellen-Fahrt-Datenbank + Grundberichte fertig
- + Nahe TR-Regulierung (kommunale Jahresberichte)
- − FSP-Optimierungsmodul meist fehlend — Linien- und Frequenzentscheidungen weiter manuell
- − Mehrkriterielles Modell (Fahrgastzeit vs Kosten) schwach
- − Umsteige-Synchronisation begrenzt
- − Keine Anbindung an akademisch fundierte Linien-Frequenz-Optimierung
Internationale ÖPNV-Planungssoftware
Enterprise1-4M EUR Lizenz + 200K-800K EUR/Jahr Wartung (Großstadtmarkt)
Für wen geeignet: Großstadt (2M+ Einwohner), 150+ Linien, 400+ Busse, BRT/Metro integriert
- + Reifes FSP-Optimierungsmodul — MIP, Spaltengenerierung, Metaheuristiken
- + Multimodale (Bus + Metro + Tram) Liniennetzplanung
- + Periodischer Taktfahrplan + Umsteige-Synchronisation integriert
- + Reiche Kapazitätsanalyse-Berichte für Investitionen
- − Hohe Lizenz + lange (18-30 Monate) Einführung
- − Anpassung an TR-lokale Datenformate kostet Projektzeit
- − Operations-Team-Schulung ist breites Programm
- − Lokaler Support meist remote
Open-Source-Solver + eigenes FSP-Modul
Open SourceLizenz kostenlos; interner Aufbau 24-48 Wochen oder 1-2.5M TRY Beratung
Für wen geeignet: Großstadt mit Technikteam, wenn Integration ins bestehende ITS gefordert
- + Keine Lizenzgebühr
- + Liniennetz- + Frequenzoptimierungs-Formulierungen gut definiert mit Open-Source-Solvern
- + Spaltengenerierung + Metaheuristiken in Open-Source-Literatur verfügbar
- + Felddaten (Chipkarte, AVL) direkt integriert
- − OR-Spezialist + ITS-Integrationsteam intern erforderlich
- − Übergang vom akademischen Prototyp zum Feldsystem dauert
- − Wartungsverantwortung im Haus
- − Multimodale Integration ist Zusatzaufwand
Empfehlung
Im Gespräch fragen
- Haben Sie ein Liniennetz-Designmodul oder nur Frequenzplanung? Optimiert das System neu, wenn eine Linie hinzukommt oder entfernt wird?
- Ist der Frequenzplanungsansatz analytisch (1/(2×Frequenz)-Formel), MIP oder Metaheuristik? Wie wird die Auslastungs-Korrektur modelliert?
- Wird mehrkriterielle Optimierung (Fahrgast-Wartezeit vs Betriebskosten) unterstützt? Wie wird die Pareto-Front dem Entscheidungsausschuss präsentiert?
- Ist das Umsteigeknoten-Synchronisationsziel eine Hard- oder Soft-Constraint? Wie wird die Wartezeit zwischen zwei umsteigenden Linien optimiert?
- In welchem Format wird die Nachfragematrix (Chipkarte, OD-Matrix) eingespeist? Alle 6 Monate oder jährlich aktualisiert?
- Flottenrestriktion (Gesamtbuszahl fix) + Wartungsfenster + Betriebshofkapazität — wie integriert? Ist die Linie × Frequenz × Bus-Zuordnung automatisch?
- Kann während der Pilotphase ein 12-16-wöchiger Vergleichsbericht (Wartezeit, Linienauslastung, Betriebskosten) gegenüber der vorherigen manuellen Zuteilung geliefert werden?
- Wenn der Vertrag endet, in welchem Format können wir Liniendesign-Historie, Frequenztabellen, Nachfragematrix, Auslastungsstatistik und Fahrplanarchiv exportieren?
Technische Details
Anmerkung der Redaktion
Dieses Problem wird umgangssprachlich “Busfrequenz”, “Linienplanung” oder “Serviceprogramm” genannt. In der akademischen Literatur trägt es zwei verbundene, aber getrennte Schichten: Transit Network Design (Liniendesign — welche Linien fahren, welche Haltestellen bedient) und Frequency Setting Problem (FSP) (Frequenz je Linie je Zeitfenster). Zusammen sind sie die ersten beiden Stufen der Planungshierarchie; die verbleibenden drei Stufen sind Fahrplangestaltung (wie in #076 bei der Bahn für periodische Fahrpläne), Fahrzeugumlauf (welcher Bus zu welcher Fahrt) und Personalumlauf (welcher Fahrer zu welchem Bus).
Probleme, die ähnlich aussehen, aber anders sind: #039 School Bus Routing Problem (SBRP) ist Festfahrplan-Schülertransport — Schulanfangszeiten sind hart, Haltestellenwahl + Schüler-Zuordnung + Routenplanung sind gekoppelt; zwei Fahrten pro Tag in zwei Richtungen; Identität der Fahrgäste bekannt. #076 Train Timetabling Problem (TTP) ist Bahn-Fahrplangestaltung — feste Infrastruktur (eingleisig, Ausweichstellen), jeder Zug einzeln geplant, periodische Takt-Koordination. #047 Dial-a-Ride Problem (DARP) ist bedarfsgesteuerter Transport — keine feste Route, Fahrzeugweg dynamisch nach Fahrgastanruf. #091 beantwortet die Frage “welche Linien laufen + mit welcher Frequenz” im städtischen Bus-Festroutennetz — Fahrgäste gehen zu einer festen Haltestelle auf einer festen Linie, die Fahrten laufen zyklisch.
Meistübersehener Punkt in der Praxis: das gemeinsame numerische Trade-off zwischen Fahrgastzufriedenheit und Betriebskosten. Praktiker passen die Frequenz aus dem Bauch heraus eine Variable nach der anderen an (‘diese Linie ist voll, Frequenz hoch’); der akademische Ansatz holt Fahrgast-Wartezeit (analytisch 1/(2×Frequenz), mit nichtlinearer Korrektur für die Auslastung) und Umstiegszeit ins numerische Modell und optimiert gemeinsam mit den Betriebskosten (Buszahl × Stundenkosten + Treibstoff + Wartung). Mit einer Pareto-Front kann dem kommunalen Entscheidungsausschuss numerische Auswahl präsentiert werden, etwa ‘wenn das Budget um 10% steigt, fällt die Wartezeit um 25%’ — intuitive Erhöhung/Senkung kann diesen Rahmen nicht aufspannen.
Zweiter übersehener Punkt: Umsteige-Synchronisation. Treffen sich zwei Linien an demselben Umsteigeknoten, ist mit Ankunftsminute der einen und Abfahrtsminute der anderen 2-4 Minuten versetzt die Umstiegszeit minimal; andernfalls bricht eine Wartezeit von 10-20 Minuten die Fahrgastzufriedenheit. Diese Anforderung wird mit periodischem Taktfahrplan behandelt (nächster Schritt: Fahrplangestaltung, eigene Lösung). Das FSP-Ergebnis sollte Frequenzen in eine gemeinsame Periodenfamilie ziehen (etwa gestaffelte 6-12-24-Minuten-Frequenzen); ohne Modell-Codierung bricht die Synchronisation in der Feldanwendung.
Schritt-für-Schritt-Roadmap — für KMU
Stufe 1 — Vorher messen, dann planen. Mindestens 12 Monate Fahrgastdaten: Chipkarten-Ein-/Ausstiege (OD-Matrix wo ableitbar), Linie × Haltestelle × Zeitfenster-Fahrgastzahl, Linienauslastungsprozent, Soll-Ist-Wartezeit (Haltestellen-Umfrage + AVL). Flotteninventar: Buszahl, Bustyp (Kapazität + Stundenkosten), Wartungsplan, Betriebshof-Rotation. Netzinventar: bestehende Linien (Routen + Haltestellen), Haltestellenstandorte, Verkehrsfluss je Segment.
Stufe 2 — Wissenskapital extrahieren. Nachfragemuster je Zeitfenster (Morgenspitze 07:00-09:00, Tag, Nachmittagsspitze 17:00-19:00, Abend, Nacht). Fahrgastprofil: Arbeit-Schule-Einkauf. Linienauslastungs-Kurve: welche Linie zu welcher Stunde überlastet, welche leer. Kandidaten-Linienset (neue Stadtgebiete, Geschäftsviertel, Universitätscampus). Umsteigeknoten und aktuelle Umstiegszeiten.
Stufe 3 — Pilot. 12-16 Wochen. Für eine Teilmenge (z.B. 15-20 der 80 bestehenden Linien, Spitzenfokus) FSP-MIP-Zuteilung parallel zur manuellen Frequenz laufen lassen. Entscheidung bleibt beim Verkehrsausschuss; FSP gibt Vorschlag. Erfolgskriterien vorab gesetzt: mittlere Wartezeit −15% mindestens, Linienauslastungs-Standardabweichung −20% (Ausgleich), Betriebskosten stabil oder −5%.
Stufe 4 — Roll-out. 18-30 Monate bis volles Netz + Fahrplangestaltung + Fahrzeugumlauf + ITS-Integration. Jährliche Netzrevision (Sommer-/Winterprogramm, Integration neuer Stadtgebiete). Quartalsweiser Verkehrsausschuss: Wartezeit-Bericht, Linienauslastungs-Update, Fahrgastzufriedenheits-Umfrage, Modal-Shift-Analyse.
Risiken — was schief gehen kann
- Nachfrageprognose-Drift (demografische Verschiebung). Die OD-Matrix wird aus 6-12 Monaten Historie gebaut; neue Geschäftsviertel, Universitätscampus, Wohngebiete und Einzelhandelsclusterung verändern das Nachfragemuster schnell. Ohne 6-12-monatige Neukalibrierung driftet das FSP-Ergebnis von der Feldrealität ab. Monatliches Monitoring + jährliche vollständige Neuoptimierung sind Pflicht.
- Budgetkürzung (Flotte schrumpft). Kommunalbudgets stehen unter zyklischem Druck; ein mittjähriges ‘der Flotte 30 Busse entzogen’ bricht die FSP-Annahme. Robuste FSP-Variante (Flotte ±15% Szenarien) oder budgetbedingte Pareto-Front-Analyse sollte dem Entscheidungsausschuss vorgelegt werden.
- Verkehrsdichte-Reisezeit-Anstieg. Die Linienumlaufzeit hängt vom Verkehr ab; dieselbe Frequenz in der Spitze benötigt mehr Busse. Werden Verkehrsdaten (Segmentgeschwindigkeit je Zeitfenster) nicht ins Modell eingespeist, materialisiert sich der Frequenzplan nicht (Busse zu wenig). Verkehrsmessungen müssen alle 6 Monate neukalibriert werden.
- Lock-in auf einen ITS-Lieferanten. Fehlt im ITS-Vertrag die Klausel ‘jährlicher Standardformat-Export der Chipkartendaten, AVL-Historie, Fahrgastzählungsstatistik, Linien-Fahrt-Archiv’, bedeutet das Verlassen des Systems den Verlust des Betriebsgedächtnisses. FSP-Modul und ITS müssen entkoppelbar bleiben (Standard-API)."
Technischer Blick auf die Lösungsmethoden
| Ansatz | Typische Größe | Lösungszeit | Garantiertes Optimum? |
|---|---|---|---|
| Heuristische Frequenz (Planer + Regel) | Kleines Netz, <40 Linien | sofort | Nein, 50-70% Optimum |
| Ceder-Wilson zweistufig (Linie → Frequenz) | Mittleres Netz, 40-100 Linien | Minuten-Stunden | Ja (in jeder Stufe lokal) |
| Kombiniertes FSP-MIP | Mittel-groß, 50-150 Linien | Stunden | Ja (innerhalb Schranke) |
| Spaltengenerierung (Borndörfer et al.) | Groß, 150-300 Linien | viele Stunden | Gute untere/obere Schranke |
| Metaheuristik (Genetisch, Tabu, LNS) | Sehr groß + multimodal | Stunden-laufend | Nein, gute praktische Qualität |
Zielfunktion-Wahl:
- Ziel 1 — Min Fahrgast-Warte- + Reisezeit: Fahrgastzufriedenheits-Fokus.
- Ziel 2 — Min Betriebskosten: Bus × Stundenkosten + Treibstoff + Wartung. Budgetfokus.
- Ziel 3 — Max Fahrgastzahl (Modal-Shift): Pull in den ÖPNV; Gewinn vom Pkw.
- Ziel 4 — Ausgeglichener Auslastungsfaktor: Überfüllte und leere Linien gemeinsam ausbalancieren; Effizienzfokus.
Mehrkriteriell: gewichtete Summe (Fahrgastzeit hoch gewichtet, Kosten zweitrangig) oder hierarchisch (Budget zuerst, dann Fahrgastzeit) oder Pareto-Front-Analyse.
Akademische Quellen
Im Frontmatter unter sources aufgelistet.
Quellen
- Ceder, A. und Wilson, N. H. M. (1986). Bus network design. Transportation Research Part B: Methodological, 20(4), 331-344. Grundlegende Referenz für ÖPNV-Liniennetzplanung.
- Ceder, A. (2007). Public Transit Planning and Operation: Theory, Modelling and Practice. Elsevier. Kanonisches Lehrbuch; Planungshierarchie und Frequenzmodelle.
- Ibarra-Rojas, O. J., Delgado, F., Giesen, R. und Munoz, J. C. (2015). Planning, operation, and control of bus transport systems: A literature review. Transportation Research Part B: Methodological, 77, 38-75. Moderne umfassende Übersicht.
- Schöbel, A. (2012). Line planning in public transportation: models and methods. OR Spectrum, 34(3), 491-510. Line-Planning-Literaturübersicht.
- Borndörfer, R., Grötschel, M. und Pfetsch, M. E. (2007). A column-generation approach to line planning in public transport. Transportation Science, 41(1), 123-132. Spaltengenerierungs-Ansatz.
- YÖK Hochschulrats-Thesenzentrum — Schlagwort: ’toplu taşıma’, ‘otobüs hat’ oder ’transit ağ’ — 20+ Thesen aus der TR-Akademie. tez.yok.gov.tr
Glossar
- Transit Network Design
- OR-Problem, das in einem städtischen Netz entscheidet, welche Bus- (oder Tram-, Metro-) Linien betrieben werden, welche Haltestellen jede Linie bedient und welche Route sie fährt — unter Gesamtbetriebsbudget, Nachfrageabdeckung und Umsteigequalität.
- Frequency Setting
- Operatives Teilproblem, das festlegt, wie oft eine ÖPNV-Linie je Zeitfenster bedient wird (z.B. ein Bus alle 6, 10, 20 Minuten), gestützt auf Nachfrageprofil, Flotte und Servicequalitätsziele.
- MIP
- Optimierungsmodell, bei dem ein Teil der Entscheidungsvariablen ganzzahlig sein muss (z. B. Anzahl LKW, Anzahl Schichten).
- School Bus Routing
- VRP-Variante (Vehicle Routing Problem), bei der Busse Schüler an zugewiesenen Haltestellen abholen und absetzen, unter Kapazität, maximaler Fahrzeit, Glockenzeit-Koordination und Gehstrecken-Gleichheit.