英國的創新機構 Innovate UK 在英國鎖國之後立即將資金授予奧雅納，作為其「企業帶領的創新應對全球擾亂」競賽的一部分。在短短六週內，我們開發了一個代理模型 (Agent Based Model, ABM) 的基礎，模擬當常規行為受到社交疏離等限制破壞時，個人行為與旅行的改變。

這一模型構成了未來對個人行為進行細粒度分析的基礎。我們與伯明翰市政府和西米德蘭交通部合作，為伯明翰地區建立了一個 ABM，以測試我們的方法。

該專案要求我們以不同的方式思考。測試完全不同的行為是沒有先例可循的，因此需要全新的方法。我們的目標是展示如何應用先進的機器學習來降低成本，並提高在不確定環境中規劃運輸服務的速度。

面對時間緊迫的挑戰，以更快的速度提供價值

COVID-19 大流行對傳統模型提出了新的挑戰。這些模型可能需要花費數個月或數年的時間來建立和模擬行為，而且它們可能難以呈現與過去不同的行為。我們面臨的挑戰是建立一個模型的基礎，這個模型能夠為行為的根本轉變提供有用的洞察力。我們需要快速工作，在幾週內建立模型的基礎，以協助運輸機構規劃因大流行病而導致的中短期旅行行為改變。

ABM 的關鍵在於它可以模擬個人層面的行為。它們考慮到了不同的特徵、需求和資源，並提供了反映行為變化的獨特機會。與傳統建模不同的是，這種粒度方法讓規劃者有能力考慮與過去截然不同的未來，也讓我們能夠以更大的靈活性來建模各種影響。

The multimodal transport network in Birmingham representing both major routes and smaller, urban roads.
伯明翰的多式聯運網既有主要路線，也有較小的城市道路。

為不斷變化的行為建模

作為英國第二大城市，伯明翰是測試我們 ABM 方法的理想地點和機會。我們與伯明翰市政府和西米德蘭地區運輸局合作，瞭解他們在閉鎖期間決策的資料和優先順序，建立了西米德蘭地區的多式聯運網路。結合使用地理、時間表和人口普查資料，我們得以建立基線模型，以反映大流行前的運輸行為。然後利用該模型執行模擬，以表示大流行的影響，並提供輸出的可視化效果。

從概念到交付僅用六週

時間從一開始就是一個重要的考慮因素。由於新的限制會在一夜之間改變行為，我們需要能夠快速、準確地開發模擬行為的 ABM。大流行之後，我們的資料科學家開發了 PAM (Pandemic Activity Modifier)。這個開放原始碼的預處理軟體會根據政府新政策的推出來改變代理人的行為計畫，並允許我們自動化 ABM 的元素，以加速其遞送。

在短短六週內，我們開發了一個模擬約 200,000 名個人代理的模型 - 佔伯明翰人口的 10%。與我們的基準數據相比，旅行行為的變化顯示出代理商行為的改變，並從公共交通轉向私家車，這使我們能夠就模擬的情景結果進行更明智、更有知識的對話。如果使用傳統模型，這將是不可能的。

未來路線圖

作為一個永遠放眼未來的企業，在建立 ABM 的同時，我們為如何增強模型制定了路線圖。這包括瞭解公共運輸服務的任何變更可能對哪些社區造成最大影響，這些發展將有助於回答與大流行病和一般運輸干預相關的具體問題，以支援我們城市的成功運輸規劃。