Die Anwendungsfälle waren städtisch (Santander), überörtlich (die Autobahn AP-7) und national (Spanien) und boten jeweils unterschiedliche Datenverteilungen und technische Herausforderungen, sowie unterschiedliche Mobilitätsziele. Der Mobilfunkanbieter Orange stellte den Zugang zu großen, maßgeschneiderten Daten und Stakeholdern für jeden Anwendungsfall zur Verfügung.

Das Hauptaugenmerk von BAMBOO lag auf der Verbesserung der Nachfragegenerierung aus Handydaten, egal ob aggregiert (OD-Trip-Matrizen) oder disaggregiert (Activity-Travel-Diaries). Aimsun konzentrierte sich auf die Überwindung der Beschränkungen, die mit der Generierung und Darstellung der Reisenachfrage im Rahmen der dynamischen Verkehrszuweisung verbunden sind, die in der Branche traditionell zur Charakterisierung der Nachfrage verwendet wird, die aus heimatbezogenen Erhebungen abgeleitet wird.

Die neue Nachfragecharakterisierung bietet reichhaltigere und zuverlässigere Informationen für die Simulation realistischerer Verkehrsbedingungen.

Konkret arbeitete das Aimsun-Team an:

1. Integration der neuen Reisebedarfscharakterisierung aus Mobilfunkdaten, die mit anderen Datenquellen verschmolzen werden, in die Aimsun Next Softwarearchitektur;
2. Entwicklung neuer Algorithmen zur Identifizierung von Aktivitätszentren und deren Anbindung an das Straßennetz;
3. Verbesserung des Kalibrierungs- und Validierungsrahmens eines Verkehrsnetzmodells unter Verwendung einer neuen Nachfragecharakterisierung, die Aspekte wie Wert der Zeit (VOT), Reiseabfahrtszeit, Modus- und Routenwahl beinhaltet.

Die neuen Funktionen, die aus BAMBOO resultieren, sind nun in der Aimsun Next Software implementiert, die nun das erste Verkehrssimulations-Toolset ist, das speziell angepasst ist, um das volle Potenzial von massiven, passiv gesammelten Daten wie Mobilfunkdaten zu realisieren, im Gegensatz zu konkurrierenden Lösungen, die für die Arbeit mit traditionellen Nachfragedaten konzipiert wurden. Dies ist besonders wichtig für die Modellierung neuer Mobilitätsformen und die neuesten Ansätze des Verkehrsmanagements, für die die aktuellen Werkzeuge typischerweise nicht ausreichen, da sie eine höhere Disaggregationsebene und Erkenntnisse über das Verhalten benötigen.