Research Collection

Report

Verkehrsentscheidungen in Mobidrive

Author(s): König, Arnd; Axhausen, Kay W.

Publication Date: 2001-06

Permanent Link: https://doi.org/10.3929/ethz-a-004232184

Rights / License: In Copyright - Non-Commercial Use Permitted

This page was generated automatically upon download from the ETH Zurich Research Collection. For moreinformation please consult the Terms of use.

ETH Library

https://doi.org/10.3929/ethz-a-004232184http://rightsstatements.org/page/InC-NC/1.0/https://www.research-collection.ethz.chhttps://www.research-collection.ethz.ch/terms-of-use

Vortrag bei der AMUS 2001, Aachen

Verkehrsentscheidungen in Mobidrive

A KönigKW Axhausen

Arbeitsbericht Verkehrs- und Raumplanung 80 Juni 2001

Institut für Verkehrsplanung, Transporttechnik, Strassen- und Eisenbahnbau (IVT)

Verkehrsentscheidungen______________________________________________________________________________________ Juli 2001

1

Vortrag bei der AMUS 2001, Aachen

Verkehrsentscheidungen in MobidriveA KönigKW AxhausenIVTETHCH – 8093 Zürich

Telefon: +41-1-633 3952Telefax: +41-1-633 1057koenig@ivt.baug.ethz.ch

Juli 2001

Kurzfassung

Die Untersuchung beschreibt in einem ersten Abschnitt kurz Determinanten des Verkehrsver-haltens, die in der sechswöchigen Tagebucherhebung im Rahmen des ForschungsvorhabensMobidrive aufgenommen wurden. Ein zweiter Teil beschreibt den wichtigen Prozess der Da-tenimputation, um realitätsnahe Modelle für Verkehrsentscheidungen zu schätzen. Der Haupt-teil dieser Arbeit zeigt verschieden Stufen der Modellierung der Verkehrsmittelwahl.

Dabei wird deutlich, dass neben klassischen Einflussgrössen auch der Wegezweck und so-ziodemografische Faktoren eine nicht unerhebliche Erklärungskraft besitzen.

SchlagworteVerkehrsmittelwahl – Entscheidungsmodelle – Logit – Mobidrive - ETH Zürich – Institut fürVerkehrsplanung und Transporttechnik, Strassen- und Eisenbahnbau (IVT)

Zitiervorschlag

König, A. und K.W. Axhausen (2001) Verkehrsentscheidungen in Mobidrive, ArbeitsberichtVerkehrs- und Raumplanung, 80, Institut für Verkehrsplanung, Transporttechnik, Strassen-und Eisenbahnbau (IVT), ETH Zürich.

1. Die Datengrundlage

Im Rahmen des Forschungsvorhabens Mobidrive wurden in den Städten Karlsruhe und Hal-le/Saale 361 Personen sechs Wochen lang bezüglich ihres Verkehrsverhaltens befragt. Nebenden Tagebuchaufzeichnungen wurden auch soziodemographische Angaben sowie Informa-tionen über die Fahrzeuge der Befragten erhoben. Ziel der Untersuchung war eine Vertiefungder Kenntnisse über Entstehung und Veränderung von Routinen und Rhythmen vor demHintergrund einer grossen individuellen Verhaltensvariabilität, die sich nur mit einer mehr-wöchigen Erhebungsphase erreichen lässt. Eine genauere Beschreibung der Durchführung derBefragung findet sich in Axhausen, Zimmermann, Schönfelder, Rindsfüser und Haupt (2000).Eine weitreichende beschreibende Statistik ist in König, Schlich, Aschwanden, Kaufmannund Axhausen (2000) dokumentiert.

Aufgrund einer aufwendigen Betreuung der Befragten konnte eine Verzerrung der Ergebnissedurch Ermüdung der Befragten in beiden Erhebungswellen weitestgehend vermieden werden.Zu keinem Zeitpunkt konnten auffällige Unterschiede in der Anzahl der berichteten Wegebeobachtet werden. Auch weitergehende Analysen deckten keine wesentlichen Ermüdungser-scheinungen auf.

Insgesamt wurden von den Befragten 52273 Wege und 14360 Personentage dokumentiert.Die mittlere Zahl an Wegen pro Tag über alle Personen liegt bei 3,9 Wegen. Dieser Wert hö-her als in früheren Erhebungen, wie z.B. dem deutschen Haushaltspanel zum Verkehrsver-halten mit 3,5 Wegen pro Tag (vgl. Bundesministerium für Verkehr 1999, S. 226).

Die Gesamtzahl aller Wege zeigt keine grosse geschlechterspezifische Differenz, allerdingsergeben sich Unterschiede für einzelne Verkehrsmittel: Frauen unternehmen häufiger Wegemit dem ÖV, dem Velo oder zu Fuss. Insgesamt benutzen Männer dagegen häufiger den PWals Frauen. Der grössere Anteil, den der MIV an den Wegen der Männer hat, wird auch in derfolgenden Abbildung 1 deutlich.

Jeder Punkt (Männer) bzw. Kreis (Frauen) stellt in dieser Grafik die Anteilskombination einerPerson dar. Aus den Skalen entlang der Schenkel ergibt sich die personenspezifische Kombi-nation der Verkehrsmittelwahl. In den Bereichen, in denen eine hohe Dichte der Werte er-reicht wird, finden allerdings Überlappungen statt, so dass nicht alle Personen sichtbar sind.Dennoch gibt die Abbildung einen anschaulichen Eindruck der individuellen Verteilung vonVerkehrsmittelwahl innerhalb der Stichprobe.

Abbildung 1 Individuelle Anteilskombination der Verkehrsmittelwahl1 für Männer undFrauen

2o%

4o%

6o%

8o%

2o

%

4o

%

6o

%

8o

%

2o %

4o %

6o %

8o %

1 Verkehrsmittel:ÖV: Bus, Strassen-/Stadtbahn, EisenbahnMIV: Mofa, Motorrad, Pkw als Fahrer oder MitfahrerNichtmotorisiert: zu Fuss, Fahrrad

Betrachtet man das Alter als Determinante fällt auf, dass die grösste Anzahl an Wegen vonPersonen im Alter von 25-44 Jahren zurückgelegt werden (durchschnittlich 4,22 Wege/Tag),jüngere Personen (3,85 Wege/Tag) und Rentner (3,37 Wege/Tag) legen weniger tägliche We-ge zurück. Die Elternschaft scheint die Anzahl täglicher Wege noch einmal zu erhöhen. So istdie Anzahl der Wege von Eltern in den Altersgruppen 25-44 Jahre und 45-64 Jahre um etwa0,5 Wege/Tag grösser als die kinderloser Personen. Eine genauere Betrachtung der Ver-kehrsmittelwahl ergibt, dass bei den aktiveren Altersgruppen weniger Wege zu Fuss oder mitdem ÖV zurückgelegt werden als bei den jüngeren oder älteren Altersgruppen, dagegen je-doch etwa doppelt so viel Wege mit dem PW verglichen mit den anderen Altersgruppen. Ei-nen Überblick der genannten Verteilungen gibt Tabelle 1.

Die sechswöchige Mobidrivebefragung ermöglicht es aber auf mikroskopischer Basis unter-schiedliche Verhaltenscharakteristika an verschiedenen Tagestypen zu analysieren.Abbildung 2 zeigt in diesem Zusammenhang die Verteilung der Hauptwegezwecke und dieVerkehrsmittelwahl jedes einzelnen Befragten über alle Befragungswochen getrennt nachWerktag und Wochenende

Tabelle 1 Durchschnittliche Anzahl der Wege pro Tag nach Verkehrsmittel

Eigenschaft Fuss- undRadverkehr[Wege/Tag ]

PW[Wege/Tag ]

ÖV[Wege/Tag ]

Gesamt[Wege/Tag ]

15-24 Jahre 1,83 1,19 0,83 3,8525-44 Jahre 1,53 2,30 0,39 4,2245-64 Jahre 1,26 2,06 0,49 3,80älter als 65 Jahre 1,75 1,09 0,54 3,37

Frauen 1,64 1,63 0,66 3,93Männer 1,43 1,99 0,46 3,87

Gesamt 1,53 1,81 0,55 3,90

Abbildung 2: Individuelle Anteilskombination der Verkehrsmittelwahl1 an Werktagen undam Wochenende für Vollzeitbeschäftigte und Sonstige

Verkehrsmittelwahl Werktag

20%

40%

60%

80%

20

%

40

%

60

%

80

%

20 %

40 %

60 %

80 %

Verkehrsmittelwahl Wochenende

20%

40%

60%

80%

20

%

40

%

60

%

80

%

20 %

40 %

60 %

80 %

1 Verkehrsmittel:ÖV: Bus, Strassen-/Stadtbahn, EisenbahnMIV: Mofa, Motorrad, Pkw als Fahrer oder MitfahrerNichtmotorisiert: zu Fuss, Fahrrad

.

Die Abbildung 2 zeigt das individuelle Verhalten am Wochenende und an Werktagen imÜberblick. Überdeutlich ist die Funktion des öffentlichen Verkehrs als werktägliches Trans-portmittel erkennbar. Während einige Personen den ÖV an Werktagen für mehr als 80% ihrerWege nutzen, verringert sich dieser Anteil am Wochenende dramatisch. Die Gründe hierfürdürften vielschichtig sein. Eine Rolle spielt das reduzierte ÖV-Angebot insbesondere für diegeänderte Zielwahl am Wochenende. Ebenso wirkt sich vermutlich die am Wochenende hö-here Pkw-Verfügbarkeit innerhalb der Haushalte zugunsten des MIV-Anteils aus. Eine ge-nauere Betrachtung der Verkehrsmittelwahl nach Wegezwecken ergibt, dass die MIV-Anteilebei allen Wegezwecken wochenends zunehmen, während der ÖV ebenso bei allen Wege-zwecken an Bedeutung verliert.

Abbildung 3: Individuelle Anteilskombination der Verkehrsmittelwahl1 nachFührerscheinbesitz

2o%

4o%

6o%

8o%

2o

%

4o

%

6o

%

8o

%

2o %

4o %

6o %

8o %

1 Verkehrsmittel:ÖV: Bus, Strassen-/Stadtbahn, EisenbahnMIV: Mofa, Motorrad, Pkw als Fahrer oder MitfahrerNichtmotorisiert: zu Fuss, Fahrrad

Eine ähnliche Tendenz bezüglich der Verkehrsmittelwahl zeichnet sich ab, wenn man alsUnterscheidungsmerkmal den Führerscheinbesitz heranzieht (vgl. Abbildung 3). Für dieMehrzahl der Führerscheinhalter ist das Auto das dominierende Verkehrsmittel, während beieiner weit grösseren Anzahl der Personen ohne Führerschein ein grosser Teil der Wege mitdem ÖV oder zu Fuss bzw. mit dem Fahrrad zurückgelegt werden.

Wichtig erscheint in diesem Zusammenhang die Betrachtung der Anzahl im Haushalt zurVerfügung stehender Pkw. Ein Vergleich der durchschnittlichen Weglängen nach Autobesitzund Tagestyp zeigt erwartungsgemäss, dass die Wege am Wochenende länger sind als in derWoche (vgl. Tabelle 2). Interessant ist die Tatsache, dass Personen aus Haushalten mit min-destens zwei PW am Samstag die längsten Wege zurücklegen, während für alle anderenGruppen der Sonntag der Tag der längsten Wege ist.

Tabelle 2 Durchschnittliche Wegelänge nach Wochentag und Autoanzahl

Woche[km/Weg ]

Samstag[km/Weg ]

Sonntag[km/Weg ]

Gesamt[km/Weg ]

Kein Pkw 4,6 6,6 9,5 5,21 Pkw 7,0 10,5 12,0 7,92 oder mehr Pkw 9,8 14,3 11,9 10,5Gesamt 7,5 11,5 11,8 8,3

Eine andere Darstellung dieser Thematik ergibt ein Vergleich der durchschnittlichen Anzahlan Wegen bezogen auf die Zahl der Pkw im Haushalt und die Wegezwecke (Tabelle 3).

Tabelle 3 Durchschnittliche Anzahl der Wege pro Tag nach Autoanzahl und Wegezweck

Haushalt[Wege/Tag]

Arbeit/Schule[Wege/Tag]

Freizeit[Wege/Tag]

Gesamt[Wege/Tag]

Kein PW 2,86 0,48 0,75 4,091 PW 2,59 0,62 0,64 3,852 oder mehr PW 2,44 0,82 0,71 3,97Gesamt 2,58 0,66 0,67 3,90

2. Ziele der Modellierung

Grundsätzlich stellt ein Modell die Abbildung eines realen, natürlichen Systems dar. Aller-dings besitzen die meisten dieser Systeme ein äusserst komplexes Wirkungsgefüge (Bossel,1994). Das menschliche Verhalten z.B. wird genau genommen durch eine unendliche Zahlvon Faktoren wie Umwelteinflüssen, persönlichen Präferenzen usw. bestimmt. Diese Fakto-ren wirken nicht nur auf das Verhalten, sondern besitzen zusätzlich Abhängigkeiten unterein-

ander. Zusätzlich spielt die Dynamik eine wesentliche Rolle, denn derartige Systeme sindüber die Zeit variabel.

Idealerweise sollten in Modellen sämtliche Faktoren Berücksichtigung finden, die auf dasmodellierte, reale System Einfluss ausüben. Die beschriebene Komplexität dynamischer Sy-steme erzwingt deshalb in jedem Fall eine Reduktion der relevanten Faktoren auf eine für diejeweilige Fragestellung sinnvolle Anzahl.

Das Verkehrsverhalten wird durch eine Vielzahl von Faktoren beeinflusst. Zunächst wirkt einGesellschaftssystem auf das Verhalten des Einzelnen. Die Person übt im Regelfall irgendeinetägliche Tätigkeit wie Arbeit (auch Hausarbeit), Schule o.ä. aus. Gekoppelt mit persönlichenMerkmalen wie Alter, Geschlecht und sozialer Stellung (z.B. Höhe des Einkommens) erge-ben sich Zwänge, die auf den Entscheidungsprozess einwirken. Zusammen mit den Faktenüber die zeitliche und räumliche Verfügbarkeit von Verkehrsmitteln und den Einrichtungen,die das Ziel eines Weges darstellen, spricht man von objektiven Faktoren des Verhaltens(Steierwald, 1994).

Das Ziel der im weiteren beschriebenen Modellierung der Verkehrsmittelwahl ist es, die rele-vanten Determinanten heraus zu filtern und ihre Wirkungsweise festzustellen. Mit dem um-fangreichen und komplexen Datensatz, der durch die Tagebuchbefragung von Mobidrive zurVerfügung steht, ist die Möglichkeit gegeben , tiefgreifende Erkenntnisse über das Entschei-dungsverhalten bei der Verkehrsmittelwahl zu erhalten. Als Ergebnis sollen sowohl ein einfa-ches als auch Model komplexere Modelle entstehen, die je nach Detailierungsgrad das Wahl-verhalten so genau wie möglich abbilden.

3. Der Weg zum Modell

3.1 Datenimputation

3.1.1 Einführung

Will man die Beweggründe einer Person modellieren, die zu einer Entscheidung für den Kaufeines Produktes, für einen Wohnstandort oder für ein bestimmtes Verkehrsmittel führen, dannmuss man insbesondere dessen Eigenschaften und Attribute kennen. Genauso benötigt mandie Eigenschaften der Alternativen, die eben nicht gewählt wurden.

Zusätzlich zu den objektiven und subjektiven Eigenschaften des Wahlsubjektes und dessenAlternativen können natürlich auch die soziodemografischen Eigenschaften der Person dieEntscheidung beeinflussen.

Grundlage der vorliegenden Modellierung der Verkehrsmittelwahl sind die Wegetagebücherder 361 Mobidrive-Teilnehmer und die entsprechenden soziodemografischen Daten der Per-sonen und Haushalte. Neu generiert wurden vor allem die Eigenschaften der alternativen undzur Verfügung stehenden Verkehrsmittel, die nicht gewählt wurden. Dies bedeutet in ersterLinie die Zuspielung von Zeiten und Kosten, die bei der Benutzung entstehen.

Neben diesen Eigenschaften können aber auch andere Faktoren die Verkehrsmittelwahl be-einflussen. So zum Beispiel, ob ein Weg gemeinsam mit einer anderen Person durchgeführtworden ist. In diesem Fall wird die Entscheidung unter anderem auch durch die Soziodemo-grafie der mitreisenden Personen bestimmt.

3.1.2 Zeitkosten

Die Teilnehmer haben für alle getätigten Wege neben dem gewählten Verkehrsmittel ihreStart- und Endzeit, sowie eine Weglänge angegeben. Diese Weglänge basiert insbesonderebei Wegen, die nicht mit dem Pkw durchgeführt wurden, auf der Einschätzung der Teilneh-mer, da die Person hier keine Messinstrument wie etwa den Kilometerzähler des Autos zurVerfügung hat.

Weiterhin sind die Start- und Endpunkte der Wege durch die Befragten angeben worden.Aufgrund dieser Daten konnte eine Geokodierung vorgenommen werden. Mit diesen Geoda-ten können automatisiert durch den Einsatz von Routenplanungs- bzw. Fahrplanauskunfts-software korrigierte Reisezeiten für MIV und ÖV und reale Entfernungen für den Strassen-verkehr generiert werden. Diese Daten wurden vom Projektpartner ptv AG für das Gebiet derStadt Karlsruhe erstellt. Als eingesetzte Software dient für den Strassenverkehr map&guideund für den Öffentlichen Verkehr das Auskunftssystem Hafas.

Für die Berechnung der alternativen Reisezeiten für fussläufige und Radwege werden für diedurchschnittlichen Geschwindigkeiten getrennt nach Weglänge, Alter sowie Geschlecht derPerson für die berechneten und die berichteten Entfernungen berechnet.

Falls die exakte Kombination aus Verkehrsmittel, Weglänge, Alter und Geschlecht nicht vor-handen ist, wird die Durchschnittsgeschwindigkeit des Verkehrsmittels genutzt. Dies tritt aus-schliesslich bei etwa 5% der Fälle der Alternative Bus auf.

Die mit der Routenplanungssoftware berechneten Distanzen berücksichtigen das für den MIVnutzbare Verkehrswegenetz. Nicht einbezogen sind entsprechend Fuss- und Radwegeverbin-dungen, die abseits dieses Netzes liegen und die unter Umständen zu einer drastischen Gang-bzw. Fahrzeitreduktion im nicht motorisierten Verkehr führen können. Auf dem Gebiet derStadt Karlsruhe ist die Situation vor allem durch den Schlosspark und dessen Verlängerung,den Hardwald, gegeben. Diese Grünflächen teilen die nördlichen Stadtteile in eine westlicheund eine östliche Hälfte. Daneben besteht eine Reihe anderer Wegeverbindungen, die eineähnliche Abkürzungen ermöglichen aufweisen.

Eine weitere mögliche Abweichung von der berechneten Route und einer damit einhergehen-den Reisezeitveränderung kann durch die Tageszeit entstehen. Fussgänger und Radfahrermeiden unter Umständen Gebiete oder Strassenzüge zu bestimmten Tages- und insbesondereNachtzeiten.

Bei einer Abweichung der berichteten Reisezeit zwischen zwei Verkehrszellen um mehr alszwei Standardabweichungen von dem berechneten Durchschnittswert wird die berichteteWeglänge und die entsprechenden Durchschnittsgeschwindigkeiten des Verkehrsmittels an-genommen. Hierbei wird zwischen Tag (6:00-20:00) und Nacht unterschieden.

3.1.3 Monetäre Kosten

Durch die Imputation der Distanzen besteht die Möglichkeit, die monetären Kosten der Orts-veränderungen, die durch die Nutzung der einzelnen Verkehrsmittel entstehen, sowohl für diegewählte als auch für die nicht gewählten Alternativen zu berechnen.

Grundsätzlich werden alle Kosten auf den einzelnen Weg bezogen, um sie in geeigneter Formin der Modellierung berücksichtigt zu können. Es wird unterschieden zwischen Fixkosten, va-riablen Kosten und für den MIV zusätzlich Parkgebühren.

Es wird angenommen, dass eine Ortsveränderung für Fussgänger und Radfahrer vernachläs-sigbar kleine Kosten verursacht. Die Fixkosten, die dem Radfahrer durch die Anschaffung ei-nes Rades entstehen, sind bei Umlegung auf den einzelnen Weg zu gering, um für den Ent-scheidungsprozess relevant zu sein.

Die Kosten, bei der Wahl des ÖV pro Weg anfallen werden vor allem durch den Abonne-mentbesitz definiert. Sie werden nach Tabelle 4 angesetzt. Der Zeitkartenpreis wird mit 60,-DM pro Monat festgesetzt. Dies repräsentiert einen Wert, der zwischen den Kosten für Mo-nats- und Jahresabonnement liegt. Der Preis für eine Einzelfahrt wird dem konservativenWert von 2,50 DM angesetzt. Der Besitz von Mehrfahrtenkarten wird nicht berücksichtigt.

Tabelle 4 ÖV-Kosten pro Weg

Abonnementbesitz Fixkosten [DM] Variable Kosten [DM]

Ja Zeitkartenpreis / 30.5 *mittlere Anzahl Wege derPerson pro Tag

Null

Nein Keine 2,50

Die Pkw-Kosten werden mit einem Ansatz berechnet, der für das Webtool Mobiplan entwik-kelt wurde (vgl. Friedrich, 20001). Die Eigenschaften des jeweiligen Fahrzeugs wie Typ,Motorisierung, Jahresfahrleistung usw. liegen in den Mobidrive-Daten vor.

Die Fixkosten Pkw ergeben sich aus einem Kilometersatz, der sich aus jährlichen Fixkosten /Jahresfahrleistung ermittelt. Fixkosten umfassen Kosten für Haftpflichtversicherung, KFZ-Steuer, Teilkaskoversicherung, Waschen/ Pflegen und Nebenausgaben. Diese liegen alsDurchschnittswerte vom ADAC vor (Juchum, Weich und Wichote, 1998).

In die variablen Fahrzeugkosten fliessen Kraftstoff-, Öl- und Reparatur/Wartungskosten be-zogen auf die Jahresfahrleistung ein. Der Kostensatz für die Reparatur- und Wartungskostenist dabei abhängig vom Fahrzeugalter. Die Öl- und Reparatur/Wartungskosten werden vonDaten des ADAC übernommen. Die Kraftstoffkosten sind vom Verbrauch und dem Benzin-preis abhängig, der mit 1,90 DM (Benzin) bzw. 1,50 (Diesel) für das Jahr 1999 bestimmtwurde. Der Durchschnittsverbrauch wird ebenfalls vom ADAC übernommen.

Die Parkgebühren für den MIV werden pauschal für die innerstädtischen Verkehrszellen fest-gelegt. Sie ergeben sich aus der Aktivitätendauer am Ziel als angefangene Stunden multipli-ziert mit DM 2,-. Dies ist ein üblicher Durchschnittswert.

3.1.4 Gemeinsam durchgeführte Wege

Wie erwähnt, ist die Wahlfreiheit in dem Fall eingeschränkt, wenn weitere Personen mitrei-sen. Die Verteilung dieser Wege geht aus Tabelle 5 hervor. Diese Wege werden in der Mo-dellierung in Abhängigkeit von der Zahl der teilnehmenden Personen gewichtet dargestellt.Als gemeinsamen Wege werden die Wege definiert, die alle folgenden Eigenschaften besit-zen:

1 Friedrich, M. (2000) Modell zur Berechnung der Fixkosten und Fahrtkosten, interner Bericht im Rahmen des

Forschungsprojektes Mobiplan.

• Quell- und Zielort ist identisch.

• Dasselbe Verkehrsmittel wird benutzt.

• Die Start- und Ankunftszeit weicht um nicht mehr als 5 Minuten von einander ab.

Tabelle 5 Gemeinsame Wege

Anzahl Teilnehmer pro Weg Anzahl Wege Anteil [%]

1 40756 78.02 9074 17.43 1806 3.54 592 1.15 und mehr 45 0.1

3.2 Datenreduktion

Aufgrund der grossen Datenmenge, die in Mobidrive vorliegt, besteht die Möglichkeit, dieEingangsdaten selektiv zu reduzieren. So können die Modelle auf Daten basieren,

• die einheitlich imputiert werden können,

• für die komplette Datensätze vorhanden sind und

• die keine für das Entscheidungsverhalten relevanten Korrelationen aufweisen.

In einem ersten Schritt wurde Datenmenge auf die innerstädtischen Wege der KarlsruherStichprobe begrenzt. So lassen sich einerseits mögliche Präferenzunterschiede bei der Ver-kehrsmittelwahl der Teilstichproben beider Untersuchungsstädte, die z.B. im unterschiedli-chen Verkehrsangebot liegen könnten, ausschliessen.

Bei der Generierung der Reisezeiten der alternativen Verkehrsmittel für die einzelnen Wegehat man sich dazu entschieden, auf die berechneten, also objektiven Entfernungen zurückzu-greifen. Die Entfernungen bzw. ÖV-Reisezeiten basieren auf den Geocodes der Start- undZieladressen (vgl. Abschnitt 3.1.2). In Karlsruhe konnte nur ein Teil dieser Adressen kodiertwerden, so dass hierdurch eine weitere Reduktion vorgenommen werden musste.

Aufgrund des geringen Anteils von Wegen, die mit dem Motorrad, dem Moped und demMofa bestritten werden, wird auch bei der Modellierung darauf verzichtet, dieses Verkehrs-mittel abzubilden, so dass die entsprechenden Wege aus dem Datensatz gestrichen wurden.

Die Modellierung des Entscheidungsverhaltens soll sich in der hier vorgelegten Form auf dieWege konzentrieren, bei denen Korrelationen mit der Verkehrsmittelwahl anderer z.B. an-schliessender bzw. vorhergehender Wege ausgeschlossen sind. Komplexere Reisen bleibenzunächst unbetrachtet. Dies bedeutet für die Eingangsdaten eine weitere Reduzierung aufWege, die zu Hause beginnen. Hier kann gesichert die Verfügbarkeit der Verkehrsmittel be-stimmt werden und Zwänge, die aus vorangegangenen Wegen entstehen ausgeschlossen wer-den.

Aus diesen Rahmenbedingungen ergibt sich eine Nettoanzahl von 3459 Wegen, die zur Mo-dellierung genutzt werden können.

4. Die Wahlentscheidungen

4.1 Theorie

Der heute gebräuchlichste Ansatz basiert auf dem Prinzip der Nutzenmaximierung (vgl. Ben-Akiva und Lerman, 1987). Dabei wird der subjektive, individuelle Nutzen aller Varianten be-rechnet, wobei die Entscheidung zu Gunsten der Alternative fällt, die den höchsten Nutzenaufweist.

Die Entscheidungsmodellierung dieser Untersuchung berücksichtigt bis zu 5 Alternativen (zuFuss, Rad, Pkw als Fahrer, Pkw als Mitfahrer und ÖV). Aus dieser Voraussetzung ergibt sichder Einsatz eines multinominalen, diskreten Entscheidungsmodells wie dem multinominalLogit Model (MNL), dass mit der Software Limdep (vgl. Green, 1995) geschätzt werdenkann. Die Schätzung erfolgt dabei mittels der Maximum-Likelihood-Methode.

Bei der Schätzung des Nutzens einer Variante für eine Person werden zunächst verschiedeneAnnahmen getroffen, die für die Modellvalidität eine gewisse Minderung bedeuten, die In-putdaten und die Modellstruktur aber erheblich vereinfachen. Dabei wird z.B. vorausgesetzt,dass jeder Verkehrsteilnehmer umfassend über alle Alternativen informiert ist. Dies betrifftim vorliegenden Fall alle zur Verfügung stehenden Verkehrsmittel inklusive deren Fahrplan-daten, Reisezeiten, Fahrzeugabstellmöglichkeiten, der entsprechenden Kosten.

Diese Annahme ist insofern problematisch, da jede Person naturgemäss nur einen Ausschnittder Alternativen kennt und aktuelle Informationen wie sich ständig ändernde Netzzuständenicht präsent sind.

Deshalb wird der Nutzen aus zwei Komponenten gebildet: Ein messbarer, systematischer TeilVjq, der den Wert des objektiven Nutzens der Alternative j für die Person q darstellt, sowie

ein zufälliger Fehler εjq, der das Vjq hinsichtlich Individualität der Verkehrsteilnehmer undmöglicher Mess- und Beobachtungsfehler relativiert.

Der Nutzen Ujq berechnet sich also aus:

jqjqjq VU ε+= (1)

Weiterführende, erklärende Literatur zu diskreten Entscheidungsmodellen ist z.B Ben-Akivaund Lerman, 1987; Maier und Weiss, 1989 oder Ortuzar und Willumsen, 1994.

Aber auch die Zeit und vor allem der Wert der Zeit von jeder Person subjektiv anders emp-funden. Neben den grundlegenden Ansätzen wie z.B. von Train und McFadden (1978) wurdeund wird auch in der aktuellen Forschung immer wieder versucht, den Wert der Zeit realitäts-nah und individuell abzubilden (vgl. z.B. Bates, 1987 oder Blayac und Causse, 2001).

Blayac und Causse stellen ein Modell vor, in das einerseits nichtlineare Faktoren für die ver-kehrsmittelseitige Berücksichtigung von Zeit- und Geldkosten einfliessen und zweitens diepersonenspezifischen Restriktionen von Zeit und Geld. Dabei handelt es sich um die entspre-chenden verfügbaren Mittel.

Der Nutzen berechnetet sich danach aus:

jjjjjjjjjj TtTpRptpRttppcV ηδβγξεβα −−−−+−++−≈ )(5.022 (2)

mit p: monetäre Kosten des Verkehrsmittels jt: Zeitkosten des Verkehrsmittels jR: verfügbare Geldmittel der PersonT: verfügbare Zeit der Person

Die verfügbaren Geldmittel können in dem zu Grunde liegenden Datensatz als das angege-bene Nettohaushaltseinkommen angenommen werden. Für das tägliche freie Zeitbudget müs-sen Annahmen über verhaltenshomogene Personengruppen getroffen werden. Diese ergeben

sich aus einer aktiven Tageszeit von 16 Stunden bei einer durchschnittlichen Nachtruhe vonacht Stunden abzüglich der Zeit, die durch tägliche, terminlich festliegende Verpflichtungenblockiert ist. Danach variiert diese frei verfügbare Zeit zwischen den vollen 16 Stunden beiRentnern z.B. und im Extremfall vier Stunden bei Selbständigen.

4.2 Modellierung und Ergebnisse

Die Suche nach dem besten Modell ist ein aufbauender Prozess, der iterative und teilweiseauch unstrukturierte Schritte beinhaltet. Schon die Zielsetzung ist dabei problematisch, denndie Erklärungskraft des gesamten Modells (Goodness of fit) ist nicht zwingend abhängig vonSignifikanz und dem Verhältnis von Schätzwert und Varianz der einzelnen Parameter. Eshandelt sich aber immer um einen langwierigen Rückkopplungsprozess, mit zahlreichen ver-worfenen Hypothesen. Im folgenden werden die wesentlichen Schritte und Modellstufen undderen Güte dargestellt.

Für die Verkehrsmittelwahl stehen in dieser Stichprobe die Alternativen zu Fuss, Fahrrad,Pkw als Fahrer, Pkw als Mitfahrer sowie der öffentliche Verkehr. In Karlsruhe-Stadt bedeutetdas faktisch Bus und Tram.

Ausgangspunkt der Schätzung ist ein koeffizientloses Modell, dessen Wert L(0) der Log-Likelihood-Funktion von –5567 als Vergleichsgrösse für die Modellentwicklung dient. DieEinführung von verkehrsmittelspezifischen Konstanten bringt eine Verbesserung diesesWertes auf L(C) –4753. Die Wege werden gewichtet für Anzahl der sie durchführenden Per-sonen.

Die zweite Entwicklungsstufe ist ein lineares Modell mit generische Faktoren für Reisezeitund Geldkosten Dies führt erwartungsgemäss zu einer dramatischen Erhöhung der Modell-güte.

Die Tabelle 6 zeigt drei Modelle, bei der die Gesamtkosten immer weiter aufgegliedert wer-den. Die Kraftstoffkosten werden ausschliesslich für den Pkw-Fahrer eingesetzt. Diese Varia-ble wird ja auch in Realität am stärksten wahrgenommen, weil die Kosten eben nicht punktu-ell sondern regelmässig anfallen. Die variablen Kosten stellen für den Pkw-Fahrer die restli-chen laufenden Kosten für Wartung, Reinigung usw. dar. Für den ÖV beinhalten die diesenKosten den Preis eines Einzelfahrscheins. Auffällig ist der positive Koeffizient der Fixkosten(Fixkosten Pkw bzw. Kosten für Zeitkarten im ÖV), der aber die Wirkung der Verkehrsmit-telverfügbarkeit abbildet, d.h. die Selbstbindung der Verkehrsteilnehmer an ein Verkehrsmit-tel.

Ein Versuch das von Blayac und Causse (Gleichung 2) generierte Modell zu schätzen, ergableider schlechtere Ergebnisse. Der Log Likelihood Wert liegt mit –3802 schon höher als indem zuvor geschätztem simplen Modell, auch wenn die einzelnen Einflussvariablen hoch si-gnifikant sind.

Vor diesem Hintergrund scheint es sinnvoll Variablen, die das Haushaltseinkommen und dasfreie Zeitbudget repräsentieren, weiter in Modellen höheren Detaillierungsgrades zu berück-sichtigen vor allem für die Verkehrsmittel Pkw-Fahrer und ÖV.

Tabelle 6 Modellcharakteristik lineare, generische Faktoren für Reisezeit und Geldkosten

Zeit undGesamtkosten

Zeit und spezifischeTeilkosten

Zeit, variable Kostenund Verpflichtungen

Variablen Koeff. t-Test Koeff. t-Test Koeff. t-Test

Konstante zu Fuss 0.817 11.886 0.099 1.270 2.741 11.010Konstante Rad 0.379 6.742 -0.312 -4.729 2.475 9.628Konstante Pkw-Fahrer 0.9197 13.618 0.246 3.207 0.211 0.763Konstante Pkw-Mitf. -1.648 -17.063 -2.349 -22.774 0.585 2.103Reisezeit -0.049 -16.821 -0.048 -16.262 -0.037 -13.081Gesamtkosten -0.051 -6.731Kraftstoffkosten -0.086 -5.189 -0.304 -3.203Variable Kosten -0.693 -17.619 -0.092 -5.398Fixkosten 0.038 3.851Pkw-Verfügbarkeit 1.485 13.583Zeitkartenbesitz 2.987 11.137

N 3459 3459 3459L (0) -5567 -5567 -5567L (C) -4753 -4753 -4753L (β) -3885 -3713 -3557

adj ρ2 0.211 0.246 0.278

Die Einführung verkehrsmittelspezifischer Parameter wurde im nächsten Iterationsschrittvorgenommen. Es lässt sich erneut ein sprunghafter Anstieg der Modellgüte feststellen. Diesist wohl zu einem Grossteil auf die letztgenannten Parameter zurückzuführen, die erwar-tungsgemäss eine dominante Rolle in der Verkehrsmittelwahl spielen. Die Kosten scheinenfür die Wahl des Pkw eine eher untergeordnete Rolle zu spielen. Aber daneben ist die Nicht-

Wahl der nichtmotorisierten Verkehrsmittel gerade durch deren längere Reisezeiten be-stimmt.

Die Tabelle 7 stellt ein einfaches, allerdings in seinen Grundzügen gutes, Modell zur Ver-kehrsmittelwahl dar und zeigt auch, dass für eine überschlägliche Erklärung des Verkehrsver-haltens nur wenige Determinanten ohne komplexe Wirkungsstrukturen notwendig sind.

Tabelle 7 Modellcharakteristik lineare, spezifische Faktoren

Variablen Koeffizient t-Test

Konstante zu Fuss 3.243 9.718Konstante Rad 2.867 8.715Konstante Pkw-Fahrer -0.010 -0.024Konstante Pkw-Mitfahrer -0.024 -0.066Reisezeit zu Fuss -0.076 -15.503Reisezeit Rad -0.084 -12.877Reisezeit Pkw-Fahrer 0.037 1.969Reisezeit Pkw-Mitfahrer 0.012 0.720Reisezeit ÖV 0.010 2.903Kraftstoffkosten Pkw-Fahrer -0.117 -6.351Parkgebühren Pkw-Fahrer -0.194 -1.168Variable kosten Pkw-Fahrer -0.087 -3.156Pkw-Verfügbarkeit Pkw-F. 1.432 12.437Zeitkartenbesitz ÖV 2.126 16.899Einkommen Pkw-Fahrer 0.039 1.387Einkommen ÖV 0.052 1.704Zeitbudget Pkw-Fahrer -0.035 -1.988Zeitbudget ÖV -0.040 -2.627

N 3459L (0) -5567L (C) -4753L (β) -3236

adj ρ2 0.337

Bei der Generierung eines abschliessenden Modells, das eine höhere Komplexität aufweist,werden teilweise quadrierte Variablen eingeführt und Wegezwecke verkehrsmittelspezifischzugeordnet. Ebenso wurde versucht soziodemografische Faktoren wie Alter und Geschlecht

einfliessen zu lassen. Eine weitere Randbedingung ist eine ausreichende Signifikanz der er-klärenden Variablen.

Das Endergebnis mit einer nochmals gesteigerten Modellgüte zeigt Tabelle 8. Deutlich wirdvor allem, dass der Wegezweck auf die Wahl des einen oder des anderen Verkehrsmittels eineteilweise starke Wirkung besitzt. Interessant ist in diesem Zusammenhang der hohe Koeffizi-ent der zur Wahl des Fahrrades für den Arbeitsweg führt. Obwohl die Befragung in denHerbstmonaten stattgefunden hat, greifen die Karlsruher für den morgendlichen Weg zur Ar-beit oft zum Fahrrad.

Der Einfluss soziodemografischer Faktoren ist von Pkw-Verfügbarkeit bzw. ÖV-Zeitkartenbesitz einmal abgesehen als eher gering einzuschätzen. Dinge wie Bildungs- oderBeschäftigungsgrad und auch das Geschlecht spielen eine untergeordnete Rolle. Hervorhebenlässt sich die nachvollziehbare Tatsache, mit dem Altern die Wahl nicht motorisierter Ver-kehrsmittel abnimmt.

5. Zusammenfassung und Schlussfolgerungen

Der vorliegende Bericht beschreibt zunächst überblickhaft das Verkehrsverhalten der imRahmen des Forschungsvorhabens Mobidrive befragten Personen. Dabei wird insbesonderedas Verhalten von Personen hinsichtlich Geschlecht, Alter, Autoanzahl bezüglich ihrer Ver-kehrsmittelwahl verglichen.

Insgesamt bestätigen die vorliegenden Ergebnisse bekannte Werte und Ausprägungen. Wederdie durchschnittlichen Reiselängen noch die Anzahl der täglich berichteten Wege weichenstark von anderen Erhebungen ab, wobei die Anzahl täglicher Wege hoch ist. WichtigstesVerkehrsmittel die Wegeanzahl und Wegelänge betreffend ist der Pkw, wobei viele Wege mitdem Rad oder zu Fuss berichtet werden. Ebenfalls im Trend liegt die Tatsache, dass im Frei-zeitverkehr die längsten Wege zurückgelegt werden.

Trotz der erhobenen Datenmenge zeigt sich auch, dass für die Modellierung von Wahlent-scheidungen die Generierung von Alternativen ein aufwendiger Arbeitsschritt ist, von dessenSorgfalt die Qualität der geschätzten Modelle stark abhängig ist.

Tabelle 8 Modell mit fahrtzweckspezifischen Parametern

Variable Zu Fuss Rad Pkw-Fahrer Mitfahrer ÖV

Konstante 9.247 * 9.119 * 3.394 * 3.315 *Reisezeit -0.097 * -0.163 * -0.107 + 0.108 0.034 *Reisezeit2 0.001 * 0.002 * 0.006 * -0.003 -0.001 *Kraftstoffkosten 1.103 *Kraftstoffkosten2 -0.357 *Parkgebühren -0.301 *Parkgebühren2 0.013 *Variable Kosten -0.204 *Variable Kosten2 0.013 *Pkw-Verfügbarkeit 1.523 *Zeitkartenbesitz 2.345 *Einkommen 0.022 1.179 *Einkommen2 -0.104 *Zeitbudget -0.040 *Alter -0.122 * -0.140 *Alter2 0.001 * 0.002 *Mann -1.567 *Tageslicht 0.308 *Abholen 1.190Erledigung 0.670 *Einkaufen 0.492 *Arbeit 2.431 * 1.346 * 1.969 *Freizeit 0.780 *N 3459L (0) -5567L (C) -4753L (β) -2963

adj ρ2 0.397

* : α = 0.05; +: α = 0.10

Die Modellierung zeigt vor allem drei Dinge. Erstens liefern bereits einfache lineare Modellemit einer geringen Zahl von Variablen recht gute Ergebnisse. Zweitens können spezielle Mo-delle andere Untersuchungen nicht ohne weiteres angewandt bzw. bestätigt werden. Drittensbesteht bei entsprechender Datenlage die Möglichkeit, fein gegliederte Modele zu schätzen,die eine hohe Modellgüte aufweisen.

Neben den für die Verkehrsmittelwahl typischen Einflussgrössen, wie Reisezeiten, Geldko-sten und vor allem Pkw-Verfügbarkeit bzw. Zeitkartenbesitz haben auch soziodemografischeFaktoren wie das frei verfügbare Zeitbudget und Faktoren, die den Wegezweck verkörpern,einen starken Einfluss auf die Wahlentscheidung.

In dieser Untersuchung sind Modelle für Einzelwege geschätzt worden, die jeweils zu Hausebegonnen haben. Dies ist ein wichtiger erster Schritt, der aber der Komplexität des Verhaltensnoch nicht gerecht wird. Spätere Untersuchungen werden Modelle entwickeln, die die Wech-selwirkungen innerhalb eines Ausgangs abbilden. Ebenso geplant sind statistisch komplexereModelle, die die Konstanz der Parameter über alle Personen hinweg aufheben und damit dieVariabilität der Verhalten besser beschreiben können.

6. Danksagung

Die Autoren möchten allen Kollegen in Zürich, Karlsruhe und Aachen danken, die bei der Er-stellung der Daten und der Durchführung der Erhebung mitgearbeitet haben, insbesondereaber Frau Zimmermann und Herrn Friedrich, beide PTV AG Karlsruhe.

7. Literatur

Axhausen, K.W., A. Zimmermann, S. Schönfelder, G. Rindsfüser und T Haupt (2000)Observing the rhythms of daily life: A six-week travel diary, Arbeitsberichte Verkehrs-und Raumplanung, 25, Institut für Verkehrsplanung, Transporttechnik, Strassen- undEisenbahnbau der ETH Zürich, Zürich.

Bates, J.J. (1987) Measuring travel time values with a discrete choice Model: a note,Econometric Journal, 97 (5) 493-498.

Blayac, T und A. Causse (2001) Value of tavel time: a theoretical legitimization of some nonlinear utility in discrete choice models, Transportation Research, 35 B (4) 391 – 400.

Ben-Akiva, M. und S.R. Lerman (1987) Discrete Choice Analysis, The MIT Press,Cambrigde MA, London.

Bossel, H. (1994) Modellbildung und Simulation, Viehweg, Braunschweig, Wiesbaden.

Green, W.H. (1995) Limdep version 7.0 User’s Manual, Ecocnometric Software, Bellport.

Juchum, G., G. Weich and H.-J. Wichote (1998) Autokosten und Steuern 1998, ADACVerlag, München.

König, A., R. Schlich, A. Aschwanden, A. Kaufmann, K.W. Axhausen (2000) Mobidrive:Data format guide, Arbeitsberichte Verkehrs- und Raumplanung, 32, ETH Zürich,Zürich.

König, A., R. Schlich, K.W. Axhausen (2000) Deskriptive Darstellung der BefragungMobidrive, Arbeitsberichte Verkehrs- und Raumplanung, 37, ETH Zürich, Zürich.

Maier, M. und P. Weiss (1989) Modelle diskreter Entscheidungen, Springer-Verlag, Wien,New York.

Ortuzar, J.de D. und L.G. Willumsen (1994) Modelling Transport, John Wiley & Sons,Chichester.

Train, K. und D. McFadden (1978) The goods/leisure trade-off and disaggregate work tripmode choice models, Transportation Research, 12 B (4) 349 – 353.