🔬 physics

Access graph: a novel graph representation of public transport networks for accessibility analysis

Die Studie stellt einen neuartigen Graphen namens „Access Graph" vor, der öffentliche Verkehrsnetze basierend auf Reisezeit-Schwellenwerten abbildet, um ein einheitliches Framework für die Analyse von Erreichbarkeit und deren Verteilungsgerechtigkeit auf Netzwerkebene zu schaffen, was an 51 U-Bahn-Netzen weltweit demonstriert wird.

Ursprüngliche Autoren: Tina Šfiligoj, Aljoša Peperko, Oded Cats

Veröffentlicht 2026-03-24

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Tina Šfiligoj, Aljoša Peperko, Oded Cats

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Puzzle der Erreichbarkeit: Eine neue Art, U-Bahn-Netze zu sehen

Stell dir vor, du möchtest herausfinden, wie gut eine Stadt mit ihrem U-Bahn-Netz ausgestattet ist. Normalerweise schauen Planer auf die Schienen: Wo liegen die Stationen? Welche Linie geht wohin? Das ist wie ein Straßenplan, der nur zeigt, wo die Pflastersteine liegen. Aber das sagt dir noch nichts darüber, wie schnell du wirklich von A nach B kommst oder wie viele Orte du innerhalb von 30 Minuten erreichen kannst.

Die Autoren dieser Studie haben eine neue Art entwickelt, U-Bahn-Netze zu betrachten. Sie nennen es den „Zugangs-Graphen" (oder auf Englisch Access Graph).

1. Der alte Weg: Die Landkarte vs. die Reisezeit

Bisher gab es zwei Hauptarten, U-Bahn-Netze als Graphen (Punkte und Linien) darzustellen:

Der Infrastruktur-Plan (L-Raum): Hier sind die Stationen Punkte und die Schienen dazwischen Linien. Das ist wie eine Landkarte. Aber sie ignoriert, wie lange du warten musst oder wie oft du umsteigen musst.
Der Bedienungsplan (P-Raum): Hier sind alle Stationen einer Linie direkt miteinander verbunden, als wären sie alle Freunde in einer Gruppe. Das zeigt, dass du ohne Umsteigen fahren kannst, aber es ignoriert die tatsächliche Fahrzeit.

Das Problem: Beide Modelle sind wie ein Foto eines Autos, das im Stau steht. Sie zeigen das Auto, aber nicht, wie lange die Fahrt wirklich dauert.

2. Die neue Idee: Der „Zeit-Budget"-Filter

Die Forscher haben sich etwas Cleveres ausgedacht: Sie bauen eine neue Landkarte, die nicht auf Schienen basiert, sondern auf Zeit.

Stell dir vor, du hast einen Sanduhr-Timer in der Hand.

Du stellst die Sanduhr auf 10 Minuten.
Auf deiner neuen Karte zeichnest du eine Linie zwischen zwei Stationen nur dann, wenn du von einer zur anderen in 10 Minuten oder weniger kommen kannst (inklusive Warten und Umsteigen).
Alles, was länger dauert, bleibt unverbunden.

Jetzt drehst du die Sanduhr langsam auf 20 Minuten, dann 30 Minuten, und so weiter.

Bei 10 Minuten siehst du vielleicht nur ein paar kleine Inseln von verbundenen Stationen.
Bei 30 Minuten sind plötzlich ganze Stadtteile miteinander verknüpft.
Bei 60 Minuten ist fast die ganze Stadt ein großes, vernetztes Netz.

Diese sich verändernde Karte ist der Zugangs-Graph. Er zeigt nicht die Schienen, sondern die tatsächliche Erreichbarkeit.

3. Was können wir daraus lernen? (Die Metriken)

Mit dieser neuen Karte können die Forscher zwei wichtige Dinge messen:

A. Wie schnell wird die Stadt „erreichbar"? (Die System-Perspektive)
Stell dir vor, du füllst einen Eimer mit Wasser. Zuerst tropft es langsam, dann strömt es plötzlich, und am Ende ist der Eimer voll.
Die Forscher schauen sich an, wann der Eimer am schnellsten voll wird.

In einer super-effizienten Stadt (wie Wien im Beispiel der Studie) füllt sich der Eimer schnell. Nach 20 Minuten sind schon fast alle Stationen erreichbar.
In einer weniger effizienten Stadt (wie Oslo im Beispiel) dauert es länger, bis sich das Netz wirklich „öffnet".
Das hilft Planern zu verstehen, ob das Netz gut funktioniert oder ob es „Engpässe" gibt, die den Fluss verlangsamen.

B. Ist die Erreichbarkeit fair? (Die Gerechtigkeits-Perspektive)
Hier kommt der Gini-Koeffizient ins Spiel – ein Maß für Ungleichheit, das man oft aus der Wirtschaft kennt.

Gerechte Stadt: Wenn jeder Bürger, egal wo er wohnt, ungefähr die gleiche Anzahl an Orten innerhalb von 30 Minuten erreichen kann, ist die Ungleichheit niedrig. Das ist wie eine Party, bei der jeder gleich viel Kuchen bekommt.
Ungleiche Stadt: Wenn die Leute im Zentrum 50 Orte erreichen können, aber die am Stadtrand nur 5, ist die Ungleichheit hoch. Das ist wie eine Party, bei der einige einen ganzen Kuchen haben und andere nur eine Krümel.

Die Studie hat 51 U-Bahn-Netze weltweit analysiert. Sie fanden heraus:

Paris ist sehr gut erreichbar (man kommt schnell überall hin).
San Francisco hat ein riesiges Netz, aber es dauert sehr lange, um von einem Ende zum anderen zu kommen (hohe Ungleichheit).
Kleine Netze wie in Genf oder Rennes sind oft sehr effizient, weil alles nah beieinander liegt.

4. Warum ist das wichtig?

Bisher war es schwer, U-Bahn-Netze fair zu vergleichen, weil jede Stadt ihre eigenen Messregeln hatte. Diese neue Methode ist wie ein universelles Lineal.

Für Planer: Sie können jetzt genau sehen, wo die „Löcher" im Netz sind. Wenn sie eine neue Linie bauen, können sie simulieren: „Verändert das die Sanduhr? Füllt es den Eimer schneller?"
Für uns alle: Es hilft zu verstehen, ob eine Stadt so gebaut ist, dass alle Menschen gleiche Chancen haben (zur Arbeit zu kommen, zum Arzt zu fahren, Freunde zu treffen) oder ob das System nur für einige funktioniert.

Zusammenfassend:
Die Autoren haben eine neue Brille erfunden. Statt auf die Schienen zu schauen, schauen sie durch die Zeit-Brille. Sie fragen nicht: „Wie viele Schienen gibt es?", sondern: „Wie viele Möglichkeiten hat ein Mensch innerhalb von 30 Minuten?" Damit können sie Städte nicht nur vermessen, sondern auch bewerten, wie gerecht und effizient sie wirklich sind.

1. Problemstellung und Motivation

Die Erreichbarkeit (Accessibility) ist ein zentraler Faktor für die Nutzung des öffentlichen Personennahverkehrs (ÖPNV) und die Planung nachhaltiger Städte. Trotz jahrzehntelanger Forschung fehlt es an einem einheitlichen Ansatz zur Operationalisierung und Messung von Erreichbarkeit.

Herausforderungen: Bestehende Methoden variieren stark in ihrer Definition von Reisezeit und Erreichbarkeitsindikatoren.
Grenzen bestehender Graph-Modelle: Die gängigen Darstellungen von ÖPNV-Netzen (L-Raum für Infrastruktur, P-Raum für Dienstleistungen) sind für die Erreichbarkeitsanalyse oft unzureichend. Sie erfassen entweder nur die Infrastruktur oder die direkte Verbindbarkeit ohne Umsteigen, können aber nicht alle Komponenten der Reisezeit (Fahrzeit, Wartezeit, Umsteigestrafen) in einer einzigen, für die Erreichbarkeit optimierten Darstellung vereinen.
Ziel: Entwicklung eines einheitlichen, netzwerkwissenschaftsbasierten Rahmens, der Erreichbarkeit auf struktureller Ebene des Netzes analysiert und dabei sowohl systemische Leistung als auch Passagierperspektiven (z. B. Gleichheit/Equity) berücksichtigt.

2. Methodik: Der Access Graph (A-Raum)

Die Autoren stellen eine neuartige Graph-Darstellung vor, den Access Graph (oder A-Raum).

Konstruktion:
- Knoten: Haltestellen des ÖPNV-Netzes.
- Kanten: Eine Kante zwischen zwei Knoten $i$ und $j$ existiert genau dann, wenn die generalisierte Reisezeit $d_{ij}$ zwischen ihnen eine bestimmte Zeitbudget-Schwelle $t_b$ nicht überschreitet.
- Generalisierte Reisezeit: Berechnet aus einer Matrix, die folgende Komponenten kombiniert:
  1. Fahrzeit (in-vehicle time).
  2. Wartezeit (basierend auf der Frequenz, $t_{wait} = 30/f_{ij}$ ).
  3. Umsteigestrafen (Transfer penalties, empirisch gewichtet).
- Dynamik: Der Graph ist zeitbudget-abhängig. Bei $t_b = 0$ ist der Graph leer; bei $t_b = t_{max}$ (maximale Reisezeit im Netz) wird er zu einem vollständigen Graphen (Clique). Dies erzeugt eine Schichtstruktur (Temporal Network), wobei jede Schicht den Zustand bei einem bestimmten Zeitbudget darstellt.
Indikatoren:
Basierend auf der Entwicklung des A-Raums werden zwei Arten von Indikatoren definiert:
1. Systemleistung (Dual Access):
  - $t_M$ : Der Zeitpunkt (Zeitbudget), an dem die Wachstumsrate des durchschnittlichen Knotengrades ( $\langle k \rangle$ ) maximal ist (Infektionspunkt der S-Kurve). Dies markiert den Übergang in einen „zugänglichen Zustand".
  - $\delta t_M$ : Normalisierter Wert ( $t_M / t_{max}$ ).
  - $\langle k \rangle_M$ : Der durchschnittliche Grad an diesem Punkt.
2. Passagierperspektive (Primal Access):
  - $\langle k \rangle_{30}$ : Durchschnittlicher Grad bei einem festen Zeitbudget von 30 Minuten (typische Pendelzeit).
  - $G_{30}$ : Gini-Koeffizient der Gradverteilung bei 30 Minuten als Maß für Ungleichheit.
3. Strukturelle Analyse:
  - Jensen-Shannon Divergenz (JSD): Misst die strukturelle Veränderung der Gradverteilung zwischen aufeinanderfolgenden Zeitbudgets. Der Punkt maximaler struktureller Veränderung wird als $t_{JS}$ bezeichnet.
  - Gini-Koeffizient ( $G_M, G_{30}$ ): Misst die Ungleichheit der Erreichbarkeit (Access Equity) im Netz.

3. Anwendung und Ergebnisse

Die Methode wurde auf einen Datensatz von 51 U-Bahn-Netzen weltweit angewendet.

Fallstudien (Oslo vs. Wien):
- Wien zeigte eine schnellere und gleichmäßigere Erreichbarkeitsentwicklung (höherer $\langle k \rangle_{30}$ , niedrigere Ungleichheit $G$ ) im Vergleich zu Oslo.
- Oslo wies eine bimodale Verteilung der Knotengrade auf, was auf eine stärkere Diskrepanz zwischen gut und schlecht angebundenen Bereichen hindeutet.
Globale Ergebnisse (51 Netze):
- Netzgröße vs. Erreichbarkeit: Größere Netze (höhere Knotenzahl $N$ ) zeigen tendenziell sublineares Wachstum der maximalen Reisezeit $t_{max}$ , was auf eine effizientere Skalierung hindeutet.
- Indikatoren-Verhalten:
  - Fast alle Netze zeigen eine sigmoide (S-förmige) Entwicklung des durchschnittlichen Grades.
  - Der Infektionspunkt $t_M$ liegt bei fast der Hälfte der Netze im Bereich von 25–35 Minuten, was nahe an der typischen Pendlerzeit liegt.
  - Ungleichheit: Größere Netze neigen zu höheren Gini-Koeffizienten (größere Ungleichheit), wobei dieser Effekt bei sehr großen Netzen ( $N > 150$ ) stagniert.
- Beispielwerte: Paris zeigt eine hohe Erreichbarkeit (niedriger $t_{max}$ trotz großer Knotenzahl), während Städte wie San Francisco oder Valencia trotz moderater Größe eine sehr hohe maximale Reisezeit und damit geringere Erreichbarkeit aufweisen.

4. Hauptbeiträge

Methodisch: Einführung des Access Graph (A-Raum) als neue, einheitliche Graph-Repräsentation, die Erreichbarkeit direkt in die Netzwerktopologie integriert.
Anwendungsbezogen: Definition einer Reihe interpretierbarer, algorithmischer Indikatoren für globale Erreichbarkeit und Gleichheit (Equity), die sowohl systemische als auch passagierorientierte Perspektiven abdecken.
Empirisch: Umfassende Analyse von 51 U-Bahn-Netzen, die ein Benchmark für den Vergleich von Erreichbarkeit weltweit liefert und Muster in der Skalierung von Erreichbarkeitsindikatoren aufzeigt.

5. Bedeutung und Ausblick

Einheitlicher Rahmen: Die Studie bietet einen konsistenten, netzwerkwissenschaftlichen Ansatz, der die Lücke zwischen theoretischer Erreichbarkeitsforschung und praktischer Planung schließt.
Interpretierbarkeit: Da der Knotengrad im A-Raum direkt der Anzahl der erreichbaren Ziele entspricht, sind die Indikatoren intuitiv verständlich und direkt mit dem Konzept der „kumulativen Möglichkeiten" verknüpft.
Planungsrelevanz: Die Methode ermöglicht Planern, Schwachstellen in der Netzabdeckung zu identifizieren und Strategien für eine gerechtere Verteilung von Erreichbarkeitsvorteilen zu entwickeln.
Zukünftige Forschung: Die Autoren sehen Potenzial in der Erweiterung auf Multilayer-Netzwerke (z. B. Kombination mit Kosten oder Landnutzung) und der Anwendung auf andere Verkehrsträger. Die aktuelle Arbeit betrachtet Erreichbarkeit primär als Transportproblem; die Integration von Landnutzungsdaten (Anzahl der Arbeitsplätze/Schulen an den Zielen) wird als wichtiger nächster Schritt identifiziert.

Zusammenfassend stellt der Access Graph einen Paradigmenwechsel dar, der Erreichbarkeit nicht mehr nur als nachgelagerte Metrik, sondern als fundamentale Eigenschaft der Netzwerktopologie selbst modelliert.