Titel

Verfahren und Vorrichtung zum Erstellen eines Netzwerkdesiqns für ein streckenqebundenes Transportsystem mit künstlicher Intelligenz

Technisches Gebiet

Die Erfindung betrifft ein On-Demand-Transportsystem, insbesondere für den schnellen Personenverkehr (PRT: Personal Rapid Transit). Insbesondere betrifft diese Erfindung ein öffentliches Transportsystem mit autonomen Fahrzeugen auf einem vorgegebenen Streckennetz.

Technischer Hintergrund

Streckennetzgebundene On-Demand-Transportsysteme für den Personenverkehr können eine Vielzahl autonome, insbesondere schienengebundene Fahrzeuge vorsehen, die sich entlang eines vorgegebenen Streckennetzes, wie z.B. eines Schienennetzes, bewegen. Das Streckennetz kann Haltestellen zum Ein- und Aussteigen aufweisen, die über entsprechende Verbindungsstrecken ggfs mit Verzweigungen/Weichen miteinander verbunden sind.

Streckennetze können durch einen Graphen mit Knoten und die Knoten verbindenden Kanten dargestellt werden, wobei der Graph an eine geographische Karte angepasst ist, so dass die Knoten und Kanten geografisch einem Stadtplan mit Haltestellen und Verbindungsstrecken zugeordnet sind.

Zur Optimierung der Transporteffizienz zwischen den einzelnen Haltestellen sind vielfältige Verfahren bekannt, die für ein bestehendes Streckennetz einen optimalen Fahrplan ermitteln. Dabei wird im Wesentlichen eine Vorhersage der zeitabhängigen Nachfrage berücksichtigt.

Jedoch ist ein weiterer Aspekt zur Optimierung eines T ransportsystems der Aufbau des Streckennetzes, das sich insbesondere abhängig von dem Bedarf an Transportkapazitäten und der verfügbaren Transportkapazität durch die Positionierung von Haltestellen und Verbindungsstrecken anzupassen. Dabei kann sich die Auslegung des Streckennetzes an den möglichen Orten für Haltestellen und die Möglichkeiten von Verbindungen zwischen den Haltestellen orientieren.

Ein herkömmlicher Ansatz, ein Streckennetz für ein solches Transportsystem zu erstellen, besteht darin, ein geeignetes Strecken netz- Layout zu erstellen, eine Simulation auszuführen und das resultierende Simulationsergebnis durch Expertenwissen auszuwerten. Durch iteratives Ändern des Streckennetzes, d.h. durch Anpassen der Orte für Haltestellen und der Verläufe für die Verbindungsstrecken, wird das Streckennetz so lange optimiert, bis das Simulationsergebnis den Anforderungen genügt.

Offenbarung der Erfindung

Erfindungsgemäß sind ein Verfahren zum Erstellen eines Strecken netz- Layouts für ein On-Demand-Transportsystem basierend auf einem vorgegebenen Stadtplan eines Stadtgebiets gemäß Anspruch 1 sowie eine entsprechende Vorrichtung gemäß dem nebengeordneten Anspruch vorgesehen.

Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.

Gemäß einem ersten Aspekt ist ein computer-implementiertes Verfahren zum Erstellen eines Streckennetz-Layouts für ein On-Demand-Transportsystem basierend auf einer geografischen Karte, insbesondere basierend auf einem vorgegebenen Stadtplan eines Stadtgebiets, vorgesehen; mit folgenden Schritten: Bereitstellen eines auf bestehenden Streckennetz-Layouts trainierten GAN-Modells mit einem datenbasierten Generatormodell, das trainiert ist, um Streckennetz-Layouts abhängig von einem vorgebbaren Zufallsvektor zu generieren, und einem datenbasierten Diskriminatormodell, das trainiert ist, um generierte und bestehende Streckennetz-Layouts voneinander zu unterscheiden; und

Verwenden des GAN-Modells zum Ermitteln eines Strecken netz- Layouts für eine vorgegebene geografische Karte.

Das obige Verfahren ermöglicht das Ersetzen eines manuellen iterativen Prozesses zur Ermittlung eines Strecken netz- Layouts basierend auf einer Agenten-basierten Simulation durch ein Verfahren, das direkt ein Streckennetz- Layout mit guten bzw. optimierten Eigenschaften erzeugt. Dazu wird ein generatives adversariales Netzwerk (GAN) verwendet, um ein datenbasiertes Generatormodell zu trainieren, ein Strecken netz- Layout für eine geographische Karte, insbesondere einen Stadtplan, abhängig von bestehenden Streckennetz- Layouts basierend auf verschiedenen Stadtplänen zu erzeugen. Dies ermöglicht es, ein Streckennetz-Layout mit optimierten Eigenschaften in einem direkten und automatisierten Ansatz zu ermitteln.

Mithilfe eines unkonditionierten GAN-Modells kann ein Streckennetz-Layout ohne explizite Vorgaben, sondern lediglich auf bestehenden Streckennetzdaten erstellt werden. Generative adversariale Netzwerke stellen selbstlernende Maschinenlernmodelle dar. Sie weisen zwei trainierbare datenbasiertes Modelle, insbesondere zwei neuronale Netzwerke, auf, ein datenbasiertes Generatormodell und ein datenbasiertes Diskriminatormodell. Das Generatormodell und das Diskriminatormodell werden gemeinsam durch ein adversariales Training trainiert, wobei die beiden Netzwerke gegeneinander trainiert werden.

Das Diskriminatormodell wird optimiert, um bekannte Strecken netz- Layouts aus einer Trainingsdatenmenge von Strecken netz- Layouts, die durch das Generatormodell erzeugt werden, zu unterscheiden. Dagegen wird das Generatormodell trainiert, um die generierten Strecken netz- Layouts weniger unterscheidbar von den bekannten Strecken netz- Layouts der

Trainingsdatenmenge zu machen.

Gemäß einer Ausführungsform kann somit das Strecken netz- Layout erstell werden, indem basierend auf einem Stadtplan ein mögliches Strecken netz- Layout generiert wird und das generierte Strecken netz- Layout mithilfe des trainierten Diskriminatormodells zu überprüfen, wobei ein mögliches Strecken netz- Layout als geeignetes Streckennetz-Layout für den Stadtplan bereitgestellt wird, wenn das Diskriminatormodell das mögliche Strecken netz- Layout als bestehendes Streckennetz-Layout erkennt.

Es kann vorgesehen sein, dass das auf bestehenden Streckennetz-Layouts trainierten GAN-Modell mit einem Generatormodell, das trainiert ist, um Strecken netz- Layouts abhängig von einem Zufallsvektor und einer Vorgabeinformation, die zumindest einen Stadtplan umfasst, zu generieren, und mit einem Diskriminatormodell bereitgestellt wird, das ausgebildet ist, um generierte und bestehende Streckennetz-Layouts abhängig von jeweils zugeordneten Vorgabeinformationen voneinander zu unterscheiden; wobei das Streckennetz-Layout mithilfe des trainierten Generatormodells abhängig von einer Vorgabeinformation für den vorgegebenen Stadtplan generiert wird.

In solchen konditionierten GANs können zusätzliche Vorgaben, wie bestehende Stadtpläne und Klassenlabels berücksichtigt werden, so dass Streckennetz- Layouts durch das Generatormodell spezifisch zur gewünschten Klasse gehörig generiert werden können. Im Kern stellt obiges Verfahren eine Möglichkeit dar, mit generativen adversarialen Netzwerken einen Streckennetzplan basierend auf einem vorgegebenen bestehenden Stadtplan abhängig von Vorgaben bereitzustellen, da bereits Streckennetzpläne von anderen Städten mithilfe von Expertenwissen erstellt worden sind. Dadurch kann ein Streckennetz mit optimalen Eigenschaften in einem direkten und automatisierten Ansatz erhalten werden.

Mithilfe eines GAN-Modells kann ein Streckennetzplan mit und ohne zusätzliche Vorgaben erstellt werden, so dass das GAN-Modell einen neuen Streckennetzplan erstellen kann, der die beobachtete Trainingsdatenverteilung basierend auf logischen Daten des Betriebs des existierenden Streckennetzes beinhaltet. Ferner kann ein GAN vorgesehen sein, das Streckennetzpläne mit vorgegebenen Vorgaben, wie z. B. Umgebungsbedingungen oder sonstige Vorgaben, berücksichtigt. Auf diese Weise kann das Expertenwissen in ein trainiertes Streckennetzmodell eintrainiert werden, das basierend auf genügend Stadtplänen optimierte Streckennetze erstellen kann. Insbesondere können die Vorgabeinformation weiterhin eine oder mehrere der folgenden Vorgabeinformationen umfassen:

Stadtinformationen, wie beispielsweise Bevölkerungszahl, Bevölkerungsdichte und/oder Zahl der Pendler, eine Satellitenbildinformation, insbesondere in Verbindung mit extrahierten quantifizierbaren Merkmalen, einer Topologie-Information der durch den Stadtplan abgedeckten Stadtfläche, die ein Höhenprofilm des Untergrunds angibt, bestehende weitere öffentliche oder private alternative Transportmöglichkeiten nebst Fahrplaninformationen sowie zulässige für das Streckennetz nutzbare Flächenbereiche.

Es kann vorgesehen sein, dass in dem Generatormodell zusätzlich Randbedingungen vorgegebenen werden, um ein Strecken netz- Layout für die geografische Karte abhängig von den Randbedingungen zu ermitteln.

Insbesondere können als Randbedingung festgelegte Standorte für Haltestellen vorgegeben werden, insbesondere mithilfe eines Platzhalterwerts, der anzeigt, ob ein Standort einer Haltestelle festgelegt sein soll oder frei wählbar ist.

Weiterhin kann eine Randbedingung zur Erstellung des Streckennetz-Layouts berücksichtigt werden, indem das Diskriminatormodell Strecken netz- Layouts, die die vorgegebene Randbedingung nicht erfüllen, als Negativbeispiele identifiziert, die zum Trainieren des Generatormodells verwendet werden.

Gemäß einem weiteren Aspekt ist eine Vorrichtung, insbesondere eine Datenverarbeitungseinrichtung, zum Erstellen eines Streckennetz-Layouts für ein On-Demand-Transportsystem basierend auf einer geografischen Karte, insbesondere basierend auf einem vorgegebenen Stadtplan eines Stadtgebiets vorgesehen, wobei die Vorrichtung ausgebildet ist zum:

Bereitstellen eines auf bestehenden Streckennetz-Layouts trainierten GAN-Modells mit einem datenbasierten Generatormodell, das trainiert ist, um Strecken netz- Layouts abhängig von einem Zufallsvektor zu generieren, und einem datenbasierten Diskriminatormodell, das trainiert ist, um generierte und bestehende Streckennetz-Layouts voneinander zu unterscheiden; Verwenden des GAN-Modells zum Ermitteln eines Streckennetz-Layouts für eine geografische Karte.

Kurzbeschreibung der Zeichnungen

Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:

Figur 1 ein beispielhaftes Streckennetz eines öffentlichen

Nahverkehrssystems für eine beispielhaft angegebene Stadt.

Figur 2 ein Blockdiagramm zur Veranschaulichung des Aufbaus eines

GAN-Modells;

Figur 3 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zur Verwendung des GAN-Modells zur Erstellung eines Strecke n n etz- Lay o uts ;

Figur 4 ein Flussdiagramm zur Veranschaulichung eines weiteren

Verfahrens zur Verwendung des GAN-Modells zur Erstellung eines Streckennetz-Layouts.

Beschreibung von Ausführungsformen

Im Folgenden werden Verfahren beschrieben, um basierend auf einer geografischen Karte, wie z.B. einem Stadtplan, ein Streckennetz für ein On- Demand-Transportsystem zu erstellen. Das On-Demand-Transportsystem kann insbesondere ein Kapseltransportsystem, ein öffentliches Nahverkehrssystem oder dergleichen sein, bei dem individuell Transportfahrzeuge an Haltestellen angefordert werden können. Das Transportsystem kann dazu eine Flotte von autonomen Fahrzeugen, wie z. B. Robotaxis und dergleichen, umfassen, die sich entlang eines vorgegebenen Streckennetzes, insbesondere eines Schienennetzes, bewegen. Das Streckennetz sieht festgelegte Haltestellen vor, an denen die Personen in die die Fahrzeuge bzw. in die Kapseln einsteigen oder aus diesen aussteigen können. Zwischen den Haltestellen sind Verbindungsstrecken vorgesehen, entlang denen sich die Transportfahrzeuge bewegen. Das Streckennetz basiert somit auf einer Menge von Knoten (Haltestellen), Kanten, die die Verbindungen zwischen den Haltestellen darstellen. Ferner können die Kanten auch Verzweigungen aufweisen, die Schaltstellen/Weichen im Streckennetz darstellen.

Jeder dieser Knoten, Kanten und Verzweigungen kann Eigenschaften bzw. Attribute aufweisen, wie beispielsweise für die Knoten (Haltestellen) maximale Kapazität an zu befördernden Passagieren, durchschnittliche Kapazität an zu befördernden Passagieren, eine Abfertigungshäufigkeit von Transportfahrzeugen, maximale Anzahl gleichzeitig abzufertigenden Transportfahrzeugen und für Verbindungsstrecken eine Transportfahrzeugdichte, eine Maximalgeschwindigkeit und dergleichen und für Verzweigungen eine Fahrtrichtungsabhängige Informationen (bei Weichen in einem Schienennetz ist eine Wahl der Richtung nicht in jeder Fahrtrichtung möglich).

Zum Erstellen eines Streckennetzes für einen beliebigen Stadtplan eines Stadtgebiets wird vorgeschlagen, bestehendes Wissen in Form von Streckennetzen für bestehende Stadtgebiete in ein datenbasiertes Modell zu trainieren und das darin enthaltene Expertenwissen für die Erstellung von weiteren Streckennetzen zu nutzen. Dieser Ansatz sieht vor ein, ein GAN-Modell (Generative Adversarial Network) zu verwenden, das ein datenbasiertes Generatormodell und ein datenbasiertes Diskriminatormodell aufweist.

Ein solches GAN-Modell ist beispielhaft in Figur 2 dargestellt. In Fig. 2 ist schematisch der Aufbau des GAN-Modells zum Trainieren des datenbasierten Generatormodells 11 und des datenbasierten Diskriminatormodells 12 dargestellt.

Das Generatormodell 11 kann als neuronales Netzwerk insbesondere als CNN (Convolutional Neural Network) aufgebaut sein. Das datenbasierte Diskriminatormodell 12 ist mit dem Generatormodell 11 gekoppelt und ist ebenfalls als neuronales Netzwerk, insbesondere als CNN oder DNN (Deep Neural Network), aufgebaut. Zum Trainieren des GAN-Modells erhält das Generatormodell 11 als Eingangsgröße einen Zufallsvektor mit einer vorbestimmten Anzahl von zufälligen Eingabewerten, möglicherweise in einer Größenordnung von 100. Je nach Typ des GAN-Models, unkonditioniertes oder konditioniertes GAN, können weitere Vorgabeinformationen dem Generatormodell 11 bereitgestellt werden. Das Generatormodell 11 erstellt daraus ein Strecken netz- Layout in Form einer Ausgabe eines Graphen, der einem Diskriminatormodell 12 zur Verfügung gestellt wird.

Das Diskriminatormodell 12 ist ausgebildet, um wechselweise das mithilfe des Generatormodells 11 empfangenen Streckennetz-Layout S _ge n und ein bestehendes Streckennetz-Layout S _pre zu empfangen. Das Diskriminatormodell 12 wird trainiert die bereitgestellten Streckennetz-Layouts S _ge n, S _pre zu unterscheiden, indem diesen ein Label zuordnet ist, das angibt, ob das betreffende Streckennetz- Layout S _ge n, Spre ein durch das Generatormodell 11 generiertes Streckennetz- Layout S _ge n oder ein reales bereits bestehendes oder für einen Stadtplan existierendes Streckennetz-Layout S _pre ist.

Das Datenformat für das Strecken netz- Layout ist so gewählt, dass es einen Graphen beschreibt, der Knoten, Kanten und Verzweigungen der Kanten ausweise. Jedem Element des Graphen sind Attribute zugeordnet. Die Verzweigungen können als Knoten dargestellt werden, die ein entsprechendes Attribut aufweisen, das angibt, dass es sich nicht um eine Haltestelle, sondern um eine Verzweigung handelt. Den Knoten, die Haltestellen (und/oder Verzweigungen) darstellen, können Haltestelleneigenschaften zugeordnet sein, wie deren geografische Position in dem Stadtplan, Abfertigungskapazität von Personen und Transportfahrzeugen und dergleichen umfassen. Den Kanten, die Verbindungsstrecken darstellen, können Streckeneigenschaften zugeordnet sein, wie deren geografischer Erstreckung in dem Stadtplan, der Transportkapazität (in Transportfahrzeuge/Stunde), der Transportdauer (Durchschnittsgeschwindigkeit). Beispielsweise kann das Strecken netz- Layout als eine oder mehrere Adjazenzlisten und/oder eine oder mehrere Adjazenzmatrizen gespeichert werden, wobei auf die entsprechenden Merkmale eines Knotens / einer Kante mittels einer Hilfsstruktur verwiesen werden kann. Während des Trainings werden das Generatormodell 11 und das Diskriminatormodell 12 gemeinsam mit einem adversarialen Kriterium trainiert. Das Diskriminatormodell 11 wird trainiert, so dass es in optimaler Weise reale Strecken netz- Layouts S _pre von generierten Strecken netz- Layouts S _ge n, die durch das Generatormodell 11 modelliert worden sind, unterscheiden kann. Dazu wird eine Menge von realen Strecken netz- Layouts S _pre ausgewählt, und eine vergleichbare Anzahl von durch das Generatormodell 11 generierten Strecken netz- Layouts, S _ge n. Dann wird das Diskriminatormodell 12 trainiert, um diese Streckennetz-Layouts in ihre korrekten Kategorien z. B. mithilfe eines stochastischen Gradientenabstiegsverfahrens zu klassifizieren.

Weiterhin kann das Generatormodell 11 trainiert werden, Strecken netz- Layouts zu erstellen, die es dem Diskriminatormodell 12 erschweren sollen, die generierten Strecken netz- Layouts S _gen als durch das Generatormodell 11 generierte Strecken netz- Layouts zu erkennen. Dazu wird in an sich bekannter Weise ein Gradientensignal verwendet, das man durch das Back-Propagieren des Fehlersignals des Diskriminatormodells 12 in das Generatormodell 11 erhält.

In der Praxis kann das Training iterativ durchgeführt werden, wobei zwischen dem Verbessern des Diskriminatormodells 12 und dem Generatormodell 11 abgewechselt wird. Dabei wird das Diskriminatormodell 12, insbesondere zur Vermeidung eines Overfittings, üblicherweise nicht bis zur Konvergenz trainiert wird. Zumindest anfänglich ist es für das Diskriminatormodell 12 sehr einfach, zwischen den generierten und bestehenden Strecken netz- Layouts zu unterscheiden. Jedoch wird während des Trainings des gesamten GAN-Modells das Generatormodell 11 besser, Streckennetz-Layouts so zu erstellen, dass diese immer schlechter mit dem Diskriminatormodell 12 von bestehenden Streckennetz- Layouts zu unterscheiden sind. Somit können synthetische Streckennetz-Layouts durch zufällige Vektoren generiert werden und diese durch das Generatormodell 11 propagiert werden.

Bei einem unkonditionierten GAN-Modell kann das Streckennetz-Layout unabhängig von einem Stadtplan trainiert werden. Hier kann ein Verfahren zum Erstellen eines Strecken netz- Layouts für einen bestehenden Stadtplan durchgeführt werden, wie es in dem Flussdiagramm der Figur 3 dargestellt ist. Das Verfahren der Figur 3 nutzt das Diskriminatormodell 12, das in der zuvor beschriebenen Weise trainiert worden ist.

In Schritt S1 wird für den bestehenden Stadtplan ein Strecken netz- Layout unter Verwendung herkömmlicher Verfahren generiert.

In Schritt S2 kann das so generierte Streckennetz-Layout mithilfe des trainierten Diskriminatormodells 12 überprüft werden. Da das Diskriminatormodell 12 zum Erkennen von Merkmalen von bestehenden Strecken netz- Layouts trainiert worden ist, kann ein in Schritt S1 generiertes Streckennetz-Layout dahingehend überprüft werden, ob es von in der Praxis bereits bestehenden, insbesondere sich bewährten Streckennetz-Layouts unterscheidbar ist.

In Schritt S3 wird überprüft, ob das generierte Strecken netz- Layout von dem Diskriminatormodell 11 als ausreichend ähnlich zu bestehenden Streckennetz- Layouts ist. Ist dies der Fall (Alternative: Ja), so kann das Verfahren in Schritt S4 die Geeignetheit des zuletzt generierten Strecken netz- Layouts signalisieren bzw. ausgegeben, andernfalls (Alternative: Nein) wird das Verfahren mit Schritt S1 fortgesetzt und ein neues Streckennetz-Layout generiert.

Das zuvor beschriebene Verfahren kann basierend auf einem unkonditionierten GAN-Modell ausgeführt werden. Dazu berücksichtigt das GAN-Modell nicht den Stadtplan, für den das Strecken netz- Layout in Schritt S1 erstellt worden ist, sondern bewertet lediglich die Merkmale des generierten Strecken netz- Layouts für sich genommen.

Das trainierte GAN-Modell ermöglicht auch eine vollständig automatisierte Erstellung eines Streckennetz-Layouts. Dazu wird das in Verbindung mit Figur 2 beschriebene GAN-Modell zu einem konditionierten GAN-Modell erweitert.

Durch Verwendung eines konditioneilen GAN wird das Generatormodell 11 in vergleichbarer Weise trainiert, jedoch werden zusätzlich zu dem Zufallsvektor z noch Vorgabeinformationen V zugeführt.

Dazu können dem Generatormodell 11 und dem Diskriminatormodell 12 jeweils die Vorgabeinformationen V, die zumindest einen Stadtplan aufweisen, bereitgestellt werden, die eine gezieltere Abstimmung eines durch das Generatormodell 11 generierten Streckennetz-Layouts auf die Gegebenheiten ermöglicht. Dazu wird das Generatormodell 11 trainiert, um abhängig von dem Zufallsvektor z und den Vorgabeinformationen V _gen ein generiertes Streckennetz- Layout bereitzustellen, das einen örtlichen Bezug zu dem Stadtplan der betreffenden Vorgabeinformationen aufweist.

Die bestehenden Strecken netz- Layouts werden dann ebenfalls mit der entsprechenden Vorgabeinformationen V _gen versehen.

Die Vorgabeinformation V _gen kann neben einem Stadtplan, der in Form einer Bildinformation oder in sonstiger Weise bereitgestellt werden kann, weitere Vorgaben enthalten, die eine Konfiguration eines Streckennetz-Layouts beeinträchtigen kann. Diese können die folgenden Informationen umfassen:

Stadtinformationen, wie beispielsweise Bevölkerungszahl, Bevölkerungsdichte, Zahl der Pendler und dergleichen, eine Satellitenbildinformation, insbesondere in Verbindung mit extrahierten quantifizierbaren Merkmalen, wie beispielsweise Reflektivität und dergleichen, einer Topologie-Information der durch den Stadtplan abgedeckten Stadtfläche, die ein Höhenprofilm des Untergrunds angibt, bestehende weitere öffentliche oder private alternative Transportmöglichkeiten nebst Fahrplaninformationen sowie Vorgaben zu Flächennutzungen und dergleichen.

Das Generatormodell 11 kann in entsprechender Weise zur Generierung eines Strecken netz- Layouts mit den bereitgestellten Vorgabeinformationen trainiert sein. Das Diskriminatormodell 12 kann in entsprechender weise trainiert werden, das generierte und bestehende Strecken netz- Layout in Verbindung mit den Vorgabeinformationen zu bewerten. Somit lässt sich für Stadtpläne und weiteren Vorgabeinformationen ein vollständiges Streckennetz-Layout für ein Transportsystem erstellen, das auf den Erfahrungen von bereits bestehenden Streckennetzen für andere Städte basiert:

In dem Generatormodell 11 können zusätzlich Randbedingungen vorgegebenen werden, wie z.B. Länge des gesamten Streckennetzes, Prozentsatz von Einwohnern, die mit einem bestimmten Serviceniveau bedient werden sollen, wie beispielsweise einer maximalen Laufdistanz und einer maximalen Wartezeit auf verfügbare Transportfahrzeuge und dergleichen.

Weiterhin können als Randbedingung festgelegte Standorte für Haltestellen vorgegeben werden. Festgelegte Standorte für Haltestellen können beispielsweise mithilfe eines Platzhalterwerts verwendet werden, der anzeigt, ob ein Standort einer Haltestelle festgelegt sein soll oder frei wählbar ist. Weiterhin können streckennetzfreie Zonen des Stadtplans vorgegeben werden, durch die das Streckennetz nicht geführt werden soll.

Randbedingungen zur Erstellung des Streckennetz-Layouts können berücksichtigt werden, indem das Diskriminatormodell 12 Lösungen, die die vorgegebenen Randbedingungen nicht erfüllen, als Negativbeispiele identifiziert. Ansonsten können diese auch iterativ durch mehrfaches Generieren, oder durch Postprocessing auf den von dem Generatormodell 11 bereitgestellten Ergebnissen bereitgestellt werden.

In Figur 4 ist ein Flussdiagramm zur Veranschaulichung eines automatischen Verfahrens zum Erstellen eines Streckennetz-Layout dargestellt.

In Schritt S11 wird nach dem Training des konditioneilen GAN-Modells das Generatormodell 11 bereitgestellt.

In Schritt S12 werden dem Generatormodell ein Zufallsvektor und die Vorgabeinformation zugeführt, die einen Stadtplan umfasst.

In Schritt S13 erhält man als Ausgabe des Generatormodells 11 ein Streckennetz- Layout für den vorgegebenen Stadtplan.

Ist das Streckennetz-Layout mit einem der vorangehend beschriebenen Verfahren erstellt, kann ein entsprechendes Streckennetz in einem bestehenden geografischen Gebiet erstellt werden.