ArticlePDF Available

Wirkungen individueller und kollektiver Verkehrsinformation in Straßennetzen - Teil 1: Problemstellung und Erhebungsmethodik

Article

Wirkungen individueller und kollektiver Verkehrsinformation in Straßennetzen - Teil 1: Problemstellung und Erhebungsmethodik

Veröffentlichung / Publication
Wirkungen individueller und kollektiver
Verkehrsinformation in Straßennetzen
Veröffentlicht in / Published in:
Bakircioglu, I., Belzner, H., Busch, F., Fiedler, I., Friedrich, M., Koller-Matschke, I.,
Mandir, E., Pillat, J., Riess, S., Schiller, C., Snethlage, M., Winkler, C., Zimmermann, F.
(2012): Wirkungen individueller und kollektiver Verkehrsinformation in Straßennetzen,
Straßenverkehrstechnik Heft 10, S. 625-630, Heft 11, S. 719-727; Kirschbaum Verlag
Bonn.
Universität Stuttgart
Institut für Straßen- und Verkehrswesen
Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik
Einleitung
Wirkungen individueller und kollektiver
Verkehrsinformation in Straßennetzen
Teil 1: Problemstellung und Erhebungsmethodik
Teil 2: Analysen und Ergebnisse
Effect of individual and collective Traffic Information in
Road Networks
Teil 1: Problem Statement and Survey Design
Teil 2: Analysis and Results
Univ.-Prof. Dr.-Ing. Fritz Busch 1
Univ.-Prof. Dr.-Ing. Markus Friedrich 2
PD Dr.-Ing. habil. Christian Schiller 3
Dipl.-Ing. Immet Bakircioglu 5
Dr. rer. nat. Heidrun Belzner 4
Dipl.-Ing. Iris Fiedler 1
Dr.-Ing. Irina Koller-Matschke 4
Dipl.-Ing. Eileen Mandir 2
Dipl.-Ing. Juliane Pillat 2
Dipl.-Ing. Stefanie Riess 5
Dr. rer. nat. Martin Snethlage 6
Dr.-Ing. Christian Winkler 7
Dipl.-Ing. Frank Zimmermann 3
Verfasseranschrift 1: Technische Universität München
Lehrstuhl für Verkehrstechnik
Arcisstraße 21
80333 München
Telefon: 089-289-22437
Email: fritz.busch@tum.de
Verfasseranschrift 2: Universität Stuttgart
Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik
Pfaffenwaldring 7
70569 Stuttgart
Telefon: 0711-685-82480
Email: markus.friedrich@isv.uni-stuttgart.de
Einleitung
Verfasseranschrift 3: Technische Universität Dresden
Fakultät “Friedrich List“, Professur Straßenverkehrstechnik,
Fachbereich Theorie der Verkehrsplanung
Hettnerstr. 3
01062 Dresden
Telefon: 0351-463-36500
Email: schiller@tvp-dresden.de
Verfasseranschrift 4: BMW Group
Traffic Technology and Traffic Management
80788 München
Telefon: 089-382-54267
Email: irina.koller-matschke@bmw.de
Verfasseranschrift 5: Autobahndirektion Südbayern
Zentralstelle für Verkehrsmanagement in Bayern
Winzererstr. 43, Gebäude D
80797 München
Telefon: 089-54552-755
Email: immet.bakircioglu@abdsb.bayern.de
Verfasseranschrift 6: PTV AG
Stumpfstr. 1
76131 Karlsruhe
Telefon: 0721-9651-7258
Email: martin.snethlage@ptv.de
Verfasseranschrift 7: Deutsches Zentrum für Luft- und Raumfahrt e.V.
Institut für Verkehrsforschung
Rutherfordstr. 2
12489 Berlin
Telefon: 030-67055-7951
Email: christian.winkler@dlr.de
Kurzfassung
Zur Steigerung vorhandener Leistungsfähigkeit der Verkehrsinfrastrukturen und
Nutzung bestehender Leistungsreserven, wird Verkehrsinformationen eine hohe
Bedeutung beigemessen. Jedoch existieren über die Wirksamkeit und die Potentiale
einzelner Verkehrsbeeinflussungssysteme heute nur teilweise belastbare Erkenntnisse.
Hier setzt das vom Bundesministerium für Wirtschaft und Technologie geförderte
Forschungsprojekt wiki an.
Das Projekt wiki (Wirkungen von individueller und kollektiver ontrip Verkehrsbeein-
flussung auf den Verkehr in Ballungsräumen) analysiert das Routen- und
Abfahrtszeitwahlverhalten von fast 300 Berufspendlern im Raum München über einen
Zeitraum von 8 Wochen anhand von GPS-Daten, Befragungen, Stated Preference
Einleitung
Experimenten und eines Fahrsimulatorexperiments. Die Ergebnisse der empirischen
Untersuchung liefern Aufschluss über einzelne Einflussgrößen in Routen- und
Abfahrtszeitwahl, die Wirksamkeit und Befolgungsgrade einzelner Informationsmedien
als auch die Potentiale zur Reduktion des Verkehrszeitaufwands im Ballungsraum
München.
Der erste Teil der zweiteiligen Veröffentlichung enthält die Beschreibung der
grundlegenden Problemstellung und der im Rahmen des Projekts verwendeten
Erhebungsmethodik. Der zweite Teil stellt die auf Basis der empirischen
Untersuchungen ermittelten Modelle vor, quantifiziert die Potentiale von
Verkehrsinformationssystemen im Ballungsraum München und diskutiert die
Ergebnisse und deren Umsetzung in der Praxis.
Abstract
Intelligent traffic management is considered of high importance to increase the
performance of the existing transport infrastructure and to utilize unused network
capacities. However, the true effects and potentials of single traffic control systems are
still unknown today. These are the core issues of the project wiki, which was
subsidized and supported by the German Federal Ministry of Economics and
Technology (Bundesministerium für Wirtschaft und Technologie, BMWi).
The project wiki analyses route and departure time choice behaviour of almost 300
commuters in the Munich area over a period of 8 weeks on the basis of GPS data,
questionnaires and Stated Preference data. The results shed light on the variables
influencing route and departure time choice, the effectiveness of and compliance to
different traffic information devices as well as their potential to reduce the transport
time expenditure in the Munich region.
The first part of the two-part publication contains the fundamental problem statement
and the description of the survey methods applied in this project. The second part
presents the models derived from the empirical data, quantifies potentials of traffic
information systems in the Munich metropolitan area and discusses the results and
their implications for practice.
Keywords: Routenwahl, Abfahrtszeitwahl, GPS-Daten, Stated Preference,
Verkehrsinformation
Einleitung
Teil 1: Problemstellung und Erhebungsmethodik
1 Einleitung
Als Bestandteil eines dynamischen Verkehrsmanagements sollen vielfältige
Verkehrsbeeinflussungssysteme dazu beitragen, die Verkehrsströme gleichmäßiger im
Netz zu verteilen, Belastungsspitzen zu entzerren, und so den Verkehr verträglicher
abzuwickeln. Diese Beeinflussung kann dabei durch Meldungen (z. B. Verkehrsfunk),
durch Lenkung (z. B. Wechselwegweisung oder Navigationsgerät) und durch
Vorschriften (z. B. Geschwindigkeitsbeschränkungen über
Streckenbeeinflussungsanlagen) erfolgen.
Obwohl erheblich in diesen Bereich investiert wurde, existieren über die Wirksamkeit
der einzelnen Verkehrsbeeinflussungssysteme nur teilweise belastbare Erkenntnisse.
Insbesondere über die Wirksamkeit von Systemen, die im Kfz-Verkehr die Routenwahl
oder die Wahl der Abfahrtszeit beeinflussen, fehlt eine Quantifizierung der
Wirkungszusammenhänge.
Der Grund für diese Unkenntnis liegt darin, dass die Reaktionen der
Verkehrsteilnehmer auf Verkehrsbeeinflussungsmaßnahmen und der Kontext, in dem
Verkehrsteilnehmer ihre Entscheidungen treffen, nur sehr aufwändig zu erfassen sind.
Ausgehend von diesen Fragestellungen wurden im Projekt wiki die Wirkungen von
Verkehrsbeeinflussungssystemen untersucht, die die Routenwahl und die
Abfahrtszeitwahl im Kfz-Verkehr beeinflussen. Dabei wurden sowohl kollektive
Systeme (Verkehrsfunk, Wechselwegweisung) als auch individuelle Systeme
(verschiedene Ausprägungen von Navigationssystemen) berücksichtigt.
2 Die Erhebung im Projekt wiki
Um das Routen- und Abfahrtszeitwahlverhalten der Verkehrsteilnehmer im
Straßennetz analysieren zu können, sind Informationen für eine Ortsveränderung wie
beispielsweise Start- und Zielort mit Abfahrts- und Ankunftszeitpunkt, der räumliche
Verlauf der Route, die Ortskenntnis des Verkehrsteilnehmers sowie Kenntnis der zum
Zeitpunkt der Fahrt aktuellen netzweiten Verkehrszustände und Verkehrsmeldungen
relevant. Diesen Anforderungen einer Routenanalyse stehen die realisierbaren
Erhebungsmöglichkeiten gegenüber. Die im Projekt wiki durchgeführte Erhebung
bestand daher aus drei Teilen:
1. Erhebung des Routen- und Abfahrtszeitwahlverhaltens
Online-Befragung: Ortskenntnis, Nutzung von Verkehrsinformation
Revealed Preference Erhebung (GPS-Daten): Routenwahl
Die Erhebung im Projekt wiki
Stated Preference Interviews: Routenwahl, Abfahrtszeitwahl
Fahrsimulator: subjektive Wahrnehmung von Verkehrsqualität, Level-of-Service
2. Erfassung der Referenzverkehrslage
Kennzeichenerfassung: Aktuelle Reisezeiten
Verkehrslage der Verkehrsinformationsagentur Bayern: Level-of-Service (LOS)
Lokale Detektordaten: Verkehrsstärken
3. Erfassung der verfügbaren Verkehrsinformation
TMC-Meldungen: Stau- und Störungsmeldungen
Daten der Netzbeeinflussungsanlagen: Schaltungen von Routenempfehlungen
Als Untersuchungsgebiet wurde der Münchener Norden gewählt, da er sowohl ein
überregionales als auch ein städtisches Straßennetz mit hoher Verkehrsbelastung und
alternativen Routen beinhaltet, in denen regelmäßig signifikante Störungen auftreten.
Im Folgenden werden die Erhebungen der Kennzeichenerfassung, der Revealed
Preference und Stated Preference Experimente sowie des Fahrsimulators näher
erläutert.
2.1 Kennzeichenerfassung
Mit Hilfe von automatischen Kennzeichenerfassungssystemen (ANPR) können aktuelle
Reisezeiten sowohl auf dem Hauptstraßennetz als auch auf Alternativrouten ermittelt
werden. Diese Reisezeiten stellten eine wertvolle Datengrundlage zur Ermittlung der
Referenzverkehrslage dar.
Die Grundlage für die automatisierte Reisezeitmessung entlang einer Route bilden
Kennzeichenerfassungssysteme, die an zwei Messquerschnitten installiert sind (vgl.
Abbildung 1). Ein Kennzeichenerfassungssystem besteht im Wesentlichen aus einer
Kamera und einem Rechner, der mit einer speziellen Software und einem GPRS-
Kommunikationsmodul ausgestattet ist, siehe FIEDLER ET AL. (2011).
Die Erhebung im Projekt wiki
Abbildung 1: Reisezeitmessung auf Basis der Kennzeichenerfassung 0
Über GPRS werden die verschlüsselten Daten der erfassten Kennzeichen an einen
Datenserver gesendet. Dort wird überprüft, ob ein Kennzeichen an zwei
Messquerschnitten detektiert wurde und ggf. aus den Zeitstempeln die Reisezeit
ermittelt. Zusätzlich werden unplausible Datensätze mit dem von SPANGLER (2009)
entwickelten Fahrzeugfolgefilter ausgefiltert, die Reisezeiten in fünf-Minuten-Intervallen
aggregiert und mit einem Qualitätsindikator versehen, der Aufschluss über die Anzahl
der erfassten Kfz gibt.
Im Untersuchungsgebiet befinden sich insgesamt 51 Kameras, die von der BMW
Group und der Autobahndirektion Südbayern installiert wurden (vgl. Abbildung 2
Kamerabilder
Kennzeichen
Reisezeiten
GPRS
Kennzeichenerfassungs-
gerät
Kameras
K011 K01n
...
Reisezeiten-
server
Kennzeichenerfassungs-
gerät
Kameras
K021 K02n
...
Messquerschnitt
MQ01 MQ02
Die Erhebung im Projekt wiki
Abbildung 2: Kennzeichenerfassungssysteme im Untersuchungsgebiet München
2.2 Revealed Preference Erhebung
Zur Erhebung des Routenwahl- und Abfahrtszeitwahlverhalten wurde eine kombinierte
Erhebungsmethode aus Beobachtungen der tatsächlichen Routen- und
Abfahrtszeitwahl (Revealed Preference (RP)) und Befragungen zu hypothetischen
Entscheidungssituationen (Stated Preference (SP)) durchgeführt. Um zusätzliche
personenspezifische Informationen von den Probanden zu erhalten, wurden darüber
hinaus eine Online-Befragung und ein persönliches Interview zur Routenkenntnis
durchgeführt.
Bei der Revealed Preference Erhebung wurde ein ausgewähltes Kollektiv von fast
300 Probanden mit speziellen Erhebungsgeräten (Smartphone mit GPS) ausgestattet,
die ihre Ortsveränderungen von Start bis Ziel mit Hilfe von GPS protokollierten. Die
Erhebung erfolgte in drei Wellen mit jeweils ca. 100 Probanden. Die Dauer einer
Erhebungswelle betrug inklusive Befragung, Schulung und Feldphase zehn Wochen.
Als Probanden wurden Berufspendler rekrutiert, die im nördlichen Münchner Umland
wohnen und ihren Arbeitssitz im Norden der Stadt München haben, den sie
mindestens dreimal wöchentlich mit dem Pkw anfahren. Damit konnte sichergestellt
werden, dass jeder Proband ähnlichen und vertrauten Bedingungen ausgesetzt war
N
22
05 km
A8
A96
A95
A995
A8
A8
A99
A94
A9
A92
A99
A99
Kamera mit
Fahrtrichtung der
erfassten Kfz
Strecken, die auf einer
Route liegen
Die Erhebung im Projekt wiki
und mehrere Routenalternativen auf dem Autobahnnetz (A9, A92), auf Bundesstraßen
(B13) und auf weiteren Routen im untergeordneten Netz zur Verfügung hatte.
Die Reisezeit entlang der vom Proband gewählten Route wurde den in der ANPR-
Erhebung ermittelten Reisezeiten entlang der vorhandenen Alternativrouten
gegenübergestellt. Diese und andere Attribute fließen in die Schätzung des
Routenwahlmodells ein. Abbildung 3 zeigt die erfassten Wege eines Probanden über
den gesamten Erhebungszeitraum. Tabelle 1 und Tabelle 2 enthalten eine
zusammenfassende Statistik der GPS-Erhebung.
Abbildung 3: Erfasste Wege eines ausgewählten Probanden
Gesamtanzahl
Welle
Trajektorien
erfasste Zeit [h]
Länge [km]
Anzahl Probanden
1
7.088
3.790
261.170
94
2
5.906
3.218
226.602
95
3
6.578
3.755
262.148
89
Gesamt
19.572
10.764
749.920.825
278
Pro Proband
Welle
Anzahl Trajektorien
erfasste Zeit [h]
Länge [km]
1
75
40,3
2.778
2
62
33,9
2.385
3
74
42,2
2.945
Gesamt
65
38,7
2.697
Tabelle 1: Statistik der erfassten GPS-Daten
Beobachtet
Nach Aufbereitung
Anzahl Ortsveränderungen
27.500
16.037
Mittel=
47 min
StdAbw=
6,3 min
Die Erhebung im Projekt wiki
Anzahl Aktivitätenorte
4.829
2.468
Anzahl Relationen
9.420
4.100
Tabelle 2: Statistik der erfassten Ortsveränderungen
2.3 Stated Preference Befragung
2.3.1 Routenwahl
Die Stated Preference Experimente zur Routenwahl wurden mit denselben Probanden
durchgeführt. Insgesamt nahmen hier 269 der Probanden teil. Diese sollten sich eine
Situation vorstellen, bei der sie sich auf dem morgendlichen Weg zur Arbeit befinden
und auf das Autobahnkreuz Neufahrn nördlich von München zufahren. Zum Erreichen
des Arbeitsplatzes in München standen jeweils vier alternative Routen zur Auswahl
(Abbildung 4).
Abbildung 4: Routenwahlalternativen
Bei der Quelle-Ziel-Relation der Experimente handelte es sich um eine Relation, die
von den jeweiligen Probanden auch im realen Leben fast täglich genutzt wird. Die
Route, die der Proband dabei überwiegend wählt, wurde anhand der GPS-Daten
identifiziert und als Hauptroute definiert. Jeder Proband wurde mit zwölf verschiedenen
Entscheidungssituationen konfrontiert. Dabei wurden drei verschiedene
Verkehrszustände durch jeweils vier verschiedene Medien dargestellt.
Die Darstellung der Verkehrsinformation wurde dabei so gewählt, dass sie sowohl die
vom Fahrer derzeit genutzten als auch zukünftig denkbaren Informationsmedien
umfassen. Folgende Informationsmedien wurden zur Übermittlung der Verkehrslage
gewählt:
Verkehrslagedarstellung
(LOS):
kartografische Darstellung der Verkehrszustände (Level-
of-Service) in drei Stufen, grün - freier Verkehrsfluss, gelb
- stockender Verkehr, rot Stau
Verkehrsfunk (Radio):
Mitteilung der Störung über das Medium Radio mit
Angabe der Kilometer Stau und stockender Verkehr
Die Erhebung im Projekt wiki
dWiSta-Tafel:
Dynamische Wechselwegweisung mit Angabe der
Kilometer Stau und stockender Verkehr sowie einer
Routenempfehlung für das Ziel München
Reisezeittafel (dIRA):
Angabe der Reisezeiten in Minuten für einzelne
Streckenabschnitte entlang der vier Alternativrouten
durch schematische Darstellung
Die Definition der Verkehrszustände und der zugeordneten Störfälle erfolgte dabei so,
dass die Hauptroute in keiner der 12 Entscheidungssituationen die tatsächlich
schnellste Route war. Weiterhin war keine Route für alle 12 Entscheidungssituationen
die schnellste Route. Die Probanden mussten daher unter dem Kriterium der Reisezeit
mindestens vier Mal (einmal pro Informationsmedium) ihre Hauptroute verlassen. Je
nachdem, welche der vier dargestellten Routen die Hauptroute und die Alternativrouten
sind, besitzen die dargestellten Verkehrszustände eine konkrete Ausprägung,
abhängig von den zugeordneten Störungsfällen. Die Störungsfälle wurden zunächst
über Reisezeiterhöhungen (+5 min bzw. +10 min) definiert, und dann in Länge von
Stau und stockendem Verkehr in Kilometer und kartographische
Verkehrslagedarstellung in den Farben grün, gelb, rot umgerechnet. Abbildung 5 zeigt
eine Entscheidungssituation für das Informationsmedium Verkehrsfunk. Basierend auf
der Vekehrsfunkmeldung sollten sich die Probanden für eine der vier Routen
entscheiden.
Abbildung 5: Entscheidungssituation (Verkehrszustand 1, Informationsmedium
Verkehrsfunk)
Die Erhebung im Projekt wiki
2.3.2 Abfahrtszeitwahl
Für die Abschätzung potentieller Einflussmöglichkeiten von Verkehrsinformationen auf
die Abfahrtszeitwahl wurden im Rahmen des Forschungsprojekts Untersuchungen
hinsichtlich des Abfahrtszeitwahlverhaltens der Verkehrsteilnehmer mit den Probanden
durchgeführt. Von besonderer Bedeutung ist dabei die zeitliche Flexibilität der
Menschen, die durch die häufig festgelegte Abfolge der Aktivitäten per se
eingeschränkt ist. Die Analyse erfolgte wiederum auf Basis von Stated Preference
Experimenten.
In den Experimenten wurde die Abfahrtszeitwahl für Wege zur und vom eigenen
Arbeitsplatz untersucht. Dazu wurden die Probanden jeweils mit sechs
Entscheidungssituationen konfrontiert, bei denen sie entscheiden sollten, ob sie die
Abfahrtszeit gegenüber ihrer üblichen Abfahrtszeit auf dem Weg zur oder von der
Arbeit verschieben würden, wenn Sie dadurch Fahrzeit einsparen könnten. Die
folgende Abbildung zeigt eine solche Situation.
Abbildung 6: Entscheidungssituation bei Abfahrtszeitwahl
Die Erhebung im Projekt wiki
In jeder Entscheidungssituation wurden vier Variablen variiert:
Ausgangspunkt der Fahrt (Zu Hause, von der Arbeit)
Abfahrtszeit (-60, -40, -20, +20, +40, +60 min)
Zeitersparnis (+10 %, +30 %, +50 %)
Wahrscheinlichkeit, dass die prognostizierte Zeitersparnis eintritt (50 %, 70 %,
90 %).
Die Zeitersparnis wurde dem Probanden in absoluten Zahlen angegeben, basierend
auf der für ihn typischen Fahrtdauer, die auf Basis der GPS-Daten ermittelt wurde.
2.4 Untersuchung mit dem Fahrsimulator
Die Erhebungen mit dem Fahrsimulator dienten der Analyse der subjektiven Bewertung
von Verkehrsqualität unter Berücksichtigung der Erwartungshaltung der
Verkehrsteilnehmer.
40 Probanden fuhren jeweils drei Simulatorfahrten von einem Kilometer Länge, auf
denen sie unterschiedliche innerstädtische Verkehrszustände erlebten. Zudem wurden
den Probanden vor zwei der drei Simulatorfahrten Filme von Fahrten auf der im
Nachgang selbst zu bestreitenden Strecke auf einem Bildschirm gezeigt, um bei den
Probanden eine Erwartungshaltung zu erzeugen. Dabei wurden der Experiment- und
der Kontrollgruppe unterschiedliche Erwartungen durch Filme mit voneinander
abweichenden Verkehrszuständen erzeugt. Davon ausgehend wurde analysiert,
inwiefern verschiedene Erwartungen an eine Fahrt eine unterschiedliche Bewertung
der Verkehrszustände verursachen.
Durch Vergleich der Bewertung der Gesamtstrecke mit der abschnittsweisen
Bewertung wurde die Auswirkung zuvor erlebter Verkehrszustände bzw. des Faktors
Reisezeit auf die subjektive Bewertung der Versuchspersonen analysiert. Nachdem die
Probanden während der Fahrt eine Bewertung der Verkehrsqualität pro
Streckenabschnitt abgegeben hatten, wurden sie unmittelbar nach der Fahrt
aufgefordert, die Gesamtstrecke mit einer Note zu bewerten. Im Vergleich des
Durchschnittswerts der Streckenabschnitte einer Fahrt mit der Gesamtnote wurde
deutlich, dass sich die Bewertungen während und nach der Fahrt höchst signifikant
voneinander unterscheiden. So wurde im Nachgang zur Fahrt eine schlechtere Note
vergeben. Aus diesem Ergebnis lässt sich ableiten, dass die Abschnitte mit höherer
LOS-Stufe deutlicher im Gedächtnis bleiben. Die nach einer Fahrt jeweils
vorgenommene Bewertung der Streckenabschnitte durch Farbmarkierungen (grün,
gelb, rot) im Vergleich zu der während der Fahrt abgegebenen Einschätzungen zeigte
eine entsprechende Ausprägung. Die Bewertung der Streckenabschnitte durch
farbliche Markierungen ist dementsprechend zu großen Teilen schlechter, als jene, die
während der Fahrt abgegeben wurde.
Die Erhebung im Projekt wiki
Im Rahmen der Untersuchung wurden die Probanden mit zwei Bewertungsschemata
(sechsstufiges Notensystem bzw. dreistufige farbliche Level-of-Service-Einteilung)
konfrontiert. Dabei wurde bewusst darauf verzichtet, den Farben Noten zuzuordnen,
um im Fragebogen die Probanden selbst eine Zuordnung vornehmen zu lassen. Das
Ergebnis zeigt (siehe Abbildung 7), dass die Einteilung erwartungsgemäß erfolgt.
Abbildung 7: Zuordnung der Qualitätsstufen
Die verschiedenen Streckenabschnitte, die im Fahrsimulator befahren wurden, wurden
unterschiedlichen LOS-Stufen zugeteilt. Diese wurden mit der subjektiven Bewertung
der Verkehrsqualität und der Schätzung der Reisezeit der Probanden verglichen und
der Zusammenhang des Reisezeitfaktors mit einer bestimmten Farbskalierung
analysiert.
Einteilung
Bewertung
Fragebogen
grün
1
1
1
gelb
2
1,67
2,27
rot
4
2,84
3,73
Tabelle 3: Reisezeitfaktoren
Tabelle 3 veranschaulicht die auf diesen Daten basierenden Ergebnisse. So bewerten
die Probanden einen Streckenabschnitt während des Versuchs schon bei einer 1,67-
fachen Reisezeit als gelb. Damit sind sie nicht nur kritischer als sie sich selber explizit
einschätzen (2,27-fach), sondern auch als es durch die auf wissenschaftlichen Arbeiten
basierende LOS-Stufen-Einteilung festgelegt wird (2-Fach), siehe HENSHER (2001). Bei
der Bewertung der roten Streckenabschnitte sind die Unterschiede noch gravierender.
ProzentualeAnzahlProbanden
ZuordnungNotensystemzuLevel-of-Service-Einteilung
100%
90%
80%
70%
10%
60%
50%
40%
30%
20%
0%
1 2 3 4 5 6
Die Erhebung im Projekt wiki
Die im Fahrsimulator ermittelte Bewertung der LOS-Stufen (grün, gelb, rot) werden im
folgenden Kapitel den Parametern aus der Schätzung gegenübergestellt. Dies
ermöglicht die Bewertung des LOS in Zusammenhang mit anderen Variablen.
Literatur (Teil I)
Fiedler, I., Schimandl, F., Spangler, M., Busch, F. (2011): Qualitätsanalyse der
Reisezeitermittlung im Testfeld München, BASt-Kolloquium, Bergisch Gladbach.
Spangler, M. (2009): Reisezeitbasierte Verfahren für die Verkehrszustandsanalyse von
städtischen Hauptverkehrsstraßen, Dissertation am Lehrstuhl für Verkehrstechnik, TU
München.
Hensher, D. A. (2001): The valuation of commuter travel time savings for car drivers:
evaluating alternative model specifications, Transportation, 28, 101-118.
Teil 2: Analysen und Ergebnisse
Teil 2: Analysen und Ergebnisse
3 Analyse der Routen- und Abfahrtszeitwahl
Wahlmodelle dienen der Abbildung von Wahlentscheidungen und damit der
Nachbildung des Entscheidungsverhaltens der Verkehrsteilnehmer. Grundlage dafür
bilden die Erhebungsdaten mit beobachteten und geäußerten Entscheidungen der
Probanden. Auf Grundlage dieser Entscheidungen, die in Abhängigkeit verschiedener
Einflussgrößen erfolgten, kann auf die Präferenzen bzgl. der Einflussgrößen
geschlossen werden.
3.1 Schätzung der Routenwahlparameter
3.1.1 Schätzung auf Basis der Stated Preference Daten
Zur Quantifizierung des Einflusses einzelner Informationsmedien auf die Routenwahl
erfolgte zunächst die Auswertung der SP-Experimente auf Basis des multinomialen
Logit-Modells, siehe MC FADDEN (1973).
Jj
V
V
gi gj
gi
e
e
P
nginngi XV
mit:
gi
P
Wahrscheinlichkeit, dass Person g Alternative i wählt
ni
V
Deterministischer Nutzen, den Person g durch Wahl der Alternative i erzielt
gin
X
Einflussgröße n auf Person g für Alternative i
n
Parameter der Einflussgröße n
i, j
Index für Alternative
J
Anzahl an Alternativen
Die individuellen Präferenzen werden modelltheoretisch durch die Parameter innerhalb
der Nutzenfunktion Vni berücksichtigt. Die Ermittlung der Parameter erfolgt mittels einer
Log-Likelihood-Schätzung, siehe COWAN (2003).
Unter Beachtung der verschiedenen Einflussgrößen und des jeweils verfügbaren
Informationsmediums wurden vier Nutzenfunktionen formuliert, um das
Entscheidungsverhalten der Probanden bestmöglich abzubilden. Die einzelnen
Analyse der Routen- und Abfahrtszeitwahl
geschätzten Modelle umfassen die jeweiligen Entscheidungssituationen der SP-
Experimente für die das jeweilige Informationsmedium (Nr. 1: Verkehrslagedarstellung,
Nr. 2: Verkehrsfunk, Nr. 3: dWiSta-Tafel, Nr. 4: dIRA-Tafel) verfügbar war.
Im Rahmen dieser Untersuchung, wurden eine Vielzahl unterschiedlicher Hypothesen
in Form verschiedener Einflussgrößen und Zusammenhänge getestet. Die robustesten
Ergebnisse liefern Modelle mit linearen Nutzenfunktionen. Nichtlineare
Zusammenhänge lieferten keine signifikanten Verbesserungen der Modellgüte.
Die Tabelle 4 zeigt die geeignetsten Nutzenfunktionen zur Abbildung des
Entscheidungsverhaltens der Probanden. Die ermittelten Parameterwerte sind in
Tabelle 5 aufgelistet und geben das Gewicht der Einflussgrößen am Gesamtnutzen
einer Alternative an. Zu beachten sind dabei die Einheiten der Variablen, siehe Tabelle
4. So liefert im Modell des Mediums 1 (Verkehrslagedarstellung) beispielsweise die
historische Reisezeit TH einen negativen Nutzenbeitrag von 0,7 je Minute. Die
historische Reisezeit entspricht der üblichen Fahrzeit im Netz, ohne zusätzliche
Störung, jedoch mit den üblichen, täglichen Verkehrsstörungen
1
. Alle Modellparameter
zeigen plausible Vorzeichen.
Nr.
Nutzenfunktion
1
iLOSiLOSiLOSiEFiHiTHiLOSLOSLOSEFHTHV321 321
2
iRSTAiRSTOiLiEFiHiTHiRSTARSTOLEFHTHV
3
iWWWiDSTAiUiHiTHiWWWDSTAUHTHV
4
iDTiEFiHiTHiDTEFHTHV
TH: historische Reisezeit
[min]
LOS1: Länge Level-of-Service 1 (grün), freier Verkehr
[km]
H: Hauptroutenkonstante
[-]
LOS2: Länge Level-of-Service 2 (gelb), stockender Verkehr
[km]
EF: Eigenständigkeitsfaktor
[-]
LOS3: Länge Level-of-Service 3 (rot), Stau
[km]
L: Routenlänge
[km]
RSTO: Radiomeldung der Länge stockenden Verkehrs
[km]
U: Umwegfaktor
[-]
RSTA: Radiomeldung der Länge Stau
[km]
DSTA: Meldung der Länge Stau über dWiSta-Tafel
[km]
WWW: Empfehlung einer Route über dWiSta-Tafel
[-]
DT: Berechnete Zeitdifferenz aus Anzeige der dIRA-Tafel
[min]
Tabelle 4: Nutzenfunktionen für die Routenwahl auf Basis der SP-Daten
Variable
Einheit
Parameter
Parameterwerte Medium
1
2
3
4
TH
min
TH
-0,70
-0,16
-0,26
-0,21
H
-
H
1,52
0,73
1,07
1,25
EF
-
EF
3,64
5,55
3,61
L
km
L
-0,14
1
Die aktuelle Reisezeit als (eigentliches) Wahlkriterium setzt sich immer aus der historischen
Reisezeit und den durch die Informationsmedien übermittelten Verlustzeiten zusammen.
Analyse der Routen- und Abfahrtszeitwahl
U
-
U
-1,49
LOS1
km
LOS1
-0,07
LOS2
km
LOS2
-0,41
LOS3
km
LOS3
-0,77
RSTA
km
RSTA
-0,28
RSTO
km
RSTO
-0,13
DSTA
km
DSTA
-0,58
WWW
-
WWW
0,46
DT
min
DT
-0,14
alle Parameter sind auf 95 %-Niveau signifikant (hoch signifikant)
Tabelle 5: Parameter der Nutzenfunktionen der Routenwahl auf Basis der SP-
Daten
Im Folgenden werden die einzelnen Funktionen je Medium kurz diskutiert. Die
entsprechenden Nutzenfunktionen sind in Tabelle 4 enthalten.
Medium 1 Verkehrslagedarstellung
Die historische Reisezeit ist mit einem Faktor von -0,7 deutlich negativ behaftet. Da
Reisezeiten einen Aufwand zur Raumüberwindung darstellen, ist ein negativer Einfluss
plausibel.
Die Level-of-Service-Längen gehen ebenfalls alle negativ in die Funktion ein und
liefern somit einen negativen Nutzenbeitrag. Die Probanden bewerten im Detail die
angezeigte Länge LOS3 (Stau) 1,9-mal negativer wie die Länge LOS2 (stockender
Verkehr) und diese wiederum 5,8-mal schlechter als die Länge LOS1 (freier
Verkehrsfluss). Dieses Verhalten ist nachvollziehbar, da ein höherer Level of Service
mit einer höheren Reisezeit einhergeht. Dass auch der Level of Service 1 einen
negativen Einfluss besitzt kann damit begründet werden, dass auch dieser Information
eine Länge zugrunde liegt und eine Länge per se einen Aufwand darstellt.
Zum Vergleich mit den Ergebnissen des Fahrsimulatorversuchs sind die Verhältnisse
der Präferenzparameter zwischen LOS2 und LOS1 und zwischen LOS3 und LOS2 in
Tabelle 6 dargestellt. Beide Untersuchungen belegen eine größere Unterscheidung
zwischen grünem LOS (freier Verkehr) und gelbem LOS (stockender Verkehr), als
zwischen gelbem LOS und rotem LOS (Stau).
Variable
Parameter
Tauschwerte
Modellwerte aus
Schätzung SP-Daten
Befragung vor
Fahrsimulatorfahrt
Befragung nach
Fahrsimulatorfahrt
LOS2/LOS1
LOS2/LOS1
5,8
2,3
1,7
LOS3/LOS2
LOS3/LOS2
1,9
1,6
1,7
Tabelle 6: Tauschwerte zwischen Abfahrtszeitverschiebung und Zeiteinsparung
Analyse der Routen- und Abfahrtszeitwahl
Durch die Hauptroutenkonstante wird eine grundsätzliche Präferenz infolge einer
Gewohnheit für die Hauptroute der Probanden beachtet. Die Konstante stellt somit eine
Trägheitsvariable dar. Zwar sind die Experimente so aufgebaut, dass die Hauptroute
niemals die optimale Route in einer Entscheidungssituation darstellt, es ist aber davon
auszugehen, dass die Probanden eine gewohnheitsmäßige Neigung zu dieser Route
aufweisen. Diese Vermutung wurde auch durch die Modellschätzung bestätigt. Die
Konstante geht mit einem Wert von +1,52 deutlich positiv in den Gesamtnutzen ein.
Eine weitere signifikante Größe stellt der Eigenständigkeitsfaktor der Routen dar. Je
höher der Eigenständigkeitsfaktor desto unabhängiger ist die betrachtete Route. Die
Eigenständigkeit ist gegenüber den alternativen Routen ein positives Merkmal einer
Route und geht daher als zusätzlicher Nutzen in die Funktion ein. Die
Eigenständigkeitsfaktoren der vier betrachteten Routen liegen zwischen 0,54 und 0,77.
Medium 2 Verkehrsfunk
Auch in diesem Modell gehen die historischen Reisezeiten negativ in die Funktion ein.
Weiterhin wirkt die Routenlänge als Aufwandsgröße ebenfalls nutzenreduzierend.
Sowohl die Hauptroutenkonstante als auch die Routeneigenständigkeit wirken positiv.
Der Einfluss des Informationsmediums Verkehrsfunk wird über die Staumeldungen und
die Meldungen des stockenden Verkehrs beachtet. Beide besitzen, da sie der
Information über einen zusätzlichen Aufwand entsprechen, ein negatives Vorzeichen.
Da ein Stau i.d.R. mit einem höheren Zeitverlust verbunden ist als stockender Verkehr,
ist der betragsmäßig höhere Wert bzgl. des Staus plausibel. Die gemeldete Staulänge
wirkt dabei etwa doppelt so negativ wie die Länge des stockenden Verkehrs.
Medium 3 dWiSta-Tafel
Wiederum fließen in dieses Modell die historische Reisezeit negativ und die
Hauptroutenkonstante positiv ein. Darüber hinaus berücksichtigt das Modell einen
Umwegfaktor gegenüber der Luftlinie, wodurch jede Route einen Umwegfaktor größer
Eins besitzt. Da damit ein Aufwand verbunden ist, besitzt diese Größe ein negatives
Vorzeichen. Die medienspezifischen Informationen stellen die auf der dWiSta-Tafel
angezeigte Staulänge und die angezeigte Routenempfehlung. Die Staulänge wird als
Aufwand deutlich negativ bewertet. Hingegen wirkt die Routenempfehlung positiv auf
die Entscheidung und weist einen, wenn auch geringen, quantifizierbaren Einfluss aus.
Medium 4 dIRA-Tafel
Als wichtigste Einflussvariable ist auch in diesem Modell die historische Reisezeit
enthalten. Wie zu erwarten, ist das Vorzeichen negativ. Ebenfalls geht wiederum die
Hauptroutenkonstante positiv gewichtet in die Nutzenfunktion ein. Zusätzlich weist der
Eigenständigkeitsfaktor einen deutlich positiven Einfluss auf den Gesamtnutzen auf.
Zur Abbildung des Einflusses der mittels der Reisezeit-Tafeln angegebenen
Reisezeiten wurde eine Reisezeitdifferenz zwischen den abschnittsweisen historischen
Analyse der Routen- und Abfahrtszeitwahl
Reisezeiten und den angegebenen Reisezeiten bestimmt und in der Nutzenfunktion
berücksichtigt. Durch die Differenzenbildung wird beachtet, dass die Probanden die
angegebene Information stets im Zusammenhang zur eigenen Erfahrung bzgl. der
notwendigen Zeit des Abschnitts betrachten. Da die angegebenen Zeiten immer
höhere Werte sind als die historischen Zeiten, bewerten die Probanden die
Zeitänderung negativ.
3.1.2 Schätzung auf Basis der Revealed Preference Daten
Neben der Analyse des Routenwahlverhaltens auf Basis der SP-Daten, wurden
Wahlmodelle auf Grundlage der RP-Daten der GPS-Ergebung geschätzt. Der Fokus
lag bei dieser Untersuchung allerdings auf der kombinierten Wirkung mehrerer
Informationsmedien. Während der Erhebungsphase kamen die Probanden mit
folgenden Verkehrsinformationsmedien in Kontakt, deren Nutzung über den gesamten
Zeitraum dokumentiert wurde:
Verkehrsfunk über Radio (Radio)
Level-of-Service-Darstellung über Navigationsgerät (LOS)
Routenempfehlung von Wechselwegweisungen (WWW)
Routenempfehlung durch daes Navigationsgerät (Navi)
Wenn nur ein Informationsmedium genutzt wurde, war dies in der Regel das Radio.
Häufig wurde das Radio jedoch ergänzt mit anderen Informationsmedien wie
Wechselwegweisung oder Navigationsgerät bzw. LOS genutzt.
Nachfolgend werden die wichtigsten Nutzenfunktionen für Entscheidungssituationen
bei der gleichzeitigen Nutzung mehrerer Informationsmedien vorgestellt. Für folgende
Kombinationen von Informationsmedien konnten Nutzenfunktionen geschätzt werden,
da für diese eine ausreichend große Stichprobe an beobachteten
Entscheidungssituationen zur Verfügung stand:
1. LOS und Radio
2. Radio und Wechselwegweisung
3. LOS, Radio und Wechselwegweisung
4. Radio, Wechselwegweisung und Navigation
Tabelle 7 bis Tabelle 10 zeigen die geeignetsten Nutzenfunktionen zur Abbildung des
Entscheidungsverhaltens der Probanden unter Einfluss mehrerer Informationsmedien.
Die ermittelten Parameterwerte sind in Tabelle 11 aufgelistet.
Analyse der Routen- und Abfahrtszeitwahl
Nr. 1:
LOS, Radio
iRSTAiRSTOiLOSiLOS
iZiAHSiBABiLiTHiRSTARSTOLOSLOS
ZAHSBABLTHV
32 32
TH: historische Reisezeit
[min]
LOS2: Länge Level-of-Service 2 (gelb), stockender Verkehr
[km]
L: Routenlänge
[km]
LOS3: Länge Level-of-Service 3 (rot), Stau
[km]
BAB: Länge Autobahn
[km]
RSTO: Radiomeldung der Länge stockenden Verkehrs
[km]
AHS: Länge
Außerortsstraßen
[km]
RSTA: Radiomeldung der Länge Stau
[km]
Z: Zuverlässigkeit der
Reisezeit *
[-]
* Quotient des 15%-Perzentils und 95%-Perzentils der
gemessenen Reisezeiten entlang der Route
Tabelle 7: Nutzenfunktion der Routenwahl für Informationsmedien LOS und Radio
auf Basis der RP-Daten
Nr. 2:
Radio, WWW
iWWWiRSTAiRSTOiTHiWWWRSTARSTOTHV
TH: historische Reisezeit
[min]
RSTO: Radiomeldung der Länge stockenden Verkehrs
[km]
RSTA: Radiomeldung der Länge Stau
[km]
WWW: 1 falls Route von Wechselwegweisung empfohlen,
0 sonst
[-]
Tabelle 8: Nutzenfunktion der Routenwahl für Informationsmedien Radio und
Wechselwegweisung auf Basis der RP-Daten
Nr. 3:
LOS, Radio, WWW
iWWWiRSTAiRSTO
iLOSiLOSiLOSiTHiWWWRSTARSTO
LOSLOSLOSTHV
321 321
TH: historische Reisezeit
[min]
LOS1: Länge Level-of-Service 1 (grün), freier Verkehr
[km]
LOS2: Länge Level-of-Service 2 (gelb), stockender Verkehr
[km]
LOS3: Länge Level-of-Service 3 (rot), Stau
[km]
RSTO: Radiomeldung der Länge stockenden Verkehrs
[km]
RSTA: Radiomeldung der Länge Stau
[km]
WWW: 1 falls Route von Wechselwegweisung empfohlen,
0 sonst
[-]
Tabelle 9: Nutzenfunktion der Routenwahl für Informationsmedien LOS, Radio und
Wechselwegweisung auf Basis der RP-Daten
Nr. 4:
Radio, WWW, Navi
iNaviiWWWiRSTAiRSTO
iAHSiBABiLiTHiNaviWWWRSTARSTO
AHSBABLTHV
TH: historische Reisezeit
[min]
RSTO: Radiomeldung der Länge stockenden Verkehrs
[km]
L: Routenlänge
[km]
RSTA: Radiomeldung der Länge Stau
[km]
BAB: Länge Autobahn
[km]
WWW: 1 falls Route von Wechselwegweisung empfohlen,
0 sonst
[-]
AHS: Länge
Außerortsstraßen
[km]
Navi: 1 falls Route von Navogation empfohlen, 0 sonst
[-]
Tabelle 10: Nutzenfunktion der Routenwahl für Informationsmedien Radio,
Wechselwegweisung und Navigation auf Basis der RP-Daten
Analyse der Routen- und Abfahrtszeitwahl
Variable
Einheit
Parameter
Parameterwerte Medienkombination
1
2
3
4
TH
min
TH
-0,000253
-0,010401
-0,009121
-0,000972
L
km
L
-0,000431
-0,000571
BAB
km
BAB
+0,000071
0,000281
AHS
km
AHS
+0,000161
0,000211
Z
-
Z
-0,622002
LOS1
km
LOS1
-0,000161
LOS2
km
LOS2
-0,000301
-0,000161
LOS3
km
LOS3
-0,000501
-0,000111
RSTO
km
RSTA
-0,000211
-0,000151
-0,000023
-0,000291
RSTA
km
RSTO
-0,000403
-0,000541
-0,000063
-0,000551
WWW
-
WWW
1,090001
0,878001
1,020001
Navi
-
Navi
4,510001
1 Parameter ist auf 95 %-Niveau signifikant (hoch signifikant)
2 Parameter ist auf 90 %-Niveau signifikant (signifikant)
3 Parameter ist schwach signifikant
Tabelle 11: Parameter der Nutzenfunktionen der Routenwahl auf Basis der RP-
Daten
Im Folgenden werden die einzelnen Funktionen je Medium kurz diskutiert. Die
entsprechenden Nutzenfunktionen sind in den Tabelle 7 bis Tabelle 10 enthalten.
LOS und Radio
In diesem Modell geht die historische Reisezeit negativ in die Funktion ein, ist aber
schwach signifikant; dagegen sind die statischen Längen hochsignifikant. Die
Routenlänge insgesamt geht negativ ein und wirkt damit nutzenreduzierend. Entgegen
dazu sind die Autobahn- und Außerortsstrecken nutzensteigernd. Die gemeldeten bzw.
angezeigten Längen von Stau und stockendem Verkehr reduzieren den Nutzen einer
Route. Stau wirkt dabei stärker als stockender Verkehr und LOS stärker als Radio.
Radio und WWW
Als wichtigste Einflussvariable ist auch in diesem Modell die historische Reisezeit
enthalten. Sie geht negativ in die Funktion ein und wirkt damit nutzenmindernd.
Wechselwegweisung und gemeldete Längen von Stau und stockendem Verkehr
ergänzen sich, wobei die gemeldeten Störungen den Nutzen reduzieren und die
empfohlene Wegweisung den Nutzen erhöht. Alle Einflussgrößen sind hoch signifikant.
Analyse der Routen- und Abfahrtszeitwahl
LOS, Radio und WWW
Wie bei den beiden vorigen Modellen, geht die historische Reisezeit wiederum negativ
in die Nutzenfunktion ein. Die gemeldeten und angezeigten Längen Stau und
stockender Verkehr wirken nutzenverringernd. Auch die LOS-Anzeige freier
Verkehrsfluss wirkt als Aufwand nutzenverringernd. Die gemeldeten Staulängen und
Längen des stockenden Verkehrs wirken entsprechend ihrem negativen Vorzeichen
ebenfalls nutzenverringernd. Allerdings sind diese Größen im Modell nicht mehr
signifikant. Die Wechselwegweisung dagegen wirkt nutzensteigernd und ist im Modell
hoch signifikant. Hier ergänzen sich LOS und Wechselwegweisung wohingegen die
Radioansagen weniger berücksichtigt werden.
Radio, WWW und Navi
In diesem Modell geht die historische Reisezeit negativ in die Funktion ein, ist aber
kaum signifikant. Dagegen sind die statischen Längen hochsignifikant. Die
Routenlänge insgesamt geht negativ ein und wirkt damit nutzenreduzierend. Dagegen
sind die Autobahn- und Außerortsstrecken nutzensteigernd, wobei sich
Autobahnstrecken stärker auswirken. Die gemeldeten Längen von Stau und
stockendem Verkehr reduzieren den Nutzen einer Route. Stau wirkt dabei stärker als
stockender Verkehr. Die Wechselwegweisung wirkt ebenso wie eine
Routenempfehlung im Navigationsgerät nutzensteigernd. Beide Informationsmedien
sind im Modell signifikant. Die Wirkung des Navigationsgerätes ist allerdings stärker als
die der Wechselwegweisung.
3.2 Schätzung der Abfahrtszeitwahlparameter
Zur Analyse der Einflussgrößen der Abfahrtszeitwahl wurden Wahlmodelle auf Basis
der SP-Experimente geschätzt. Es gibt dabei generell zwei Alternativen:
Alternative 0: Die Abfahrtszeit wird nicht verändert.
Alternative 1: Die Abfahrtszeit wird unter den gegebenen Rahmenbedingungen
verändert.
Den Probanden standen somit nur zwei Alternativen zur Wahl. Alternative 0 stellt die
ursprüngliche Situation dar, Alternative 1 wird durch die Abfahrtszeitverschiebung und
Zeitersparnis gegenüber Alternative 0 charakterisiert. Es ist davon auszugehen, dass
beim Status-quo die gewählte Abfahrtszeit den maximalen Nutzen für die
Verkehrsteilnehmer liefert. Ein zusätzlicher Nutzen der Alternative 1 besteht dann in
der Zeitersparnis, während ein negativer Effekt durch die dafür notwendige
Abfahrtszeitverschiebung resultiert. Das Maß für die Verschiebung der Abfahrtszeit ist
die Abfahrtszeitdifferenz. Je größer die Abfahrtszeitdifferenz desto geringer der
Nutzen. Daraus folgt für den dazugehörigen Präferenzparameter ein zu erwartendes
Analyse der Routen- und Abfahrtszeitwahl
negatives Vorzeichen. Zusätzlich wurde geprüft, ob und wie stark sich frühere und
spätere Abfahrtszeitpunkte hinsichtlich der Bereitschaft, die Abfahrtszeit zu
verschieben, unterscheiden.
Für die Nutzenfunktion der Wahlmodelle gibt es damit drei Attribute, welche der
Entscheidung zur Änderungen der Abfahrtszeit zugrunde gelegt werden:
die Zeit, um welche die Abfahrtszeit verschoben werden soll,
die damit verbundene Einsparung an Reisezeit und
die Zuverlässigkeit, mit der diese Reisezeitverringerung tatsächlich eintritt.
Es wurden analog der Routenwahl auch für die Abfahrtszeitwahl zahlreiche
unterschiedliche Modellansätze getestet. Wiederum lieferten die linearen
Modellformulierungen die besten Ergebnisse. Da bei Personen mit fester und flexibler
Arbeitszeit von einem signifikanten Unterschied hinsichtlich der Änderungsbereitschaft
auszugehen war, wurden für beide Personengruppen unterschiedliche Modelle
geschätzt. Der beste Funktionsansatz unterscheidet sich nicht für die beiden Gruppen,
siehe Tabelle 12. Die geschätzten Modellparameter sind in Tabelle 13
zusammengestellt. Auch hier sind wieder die Einheiten der Variablen zu beachten.
Nutzenfunktion
iZUViRZEiAZVNiAZVPi ZUVRZEAZVNAZVPV
AZVP: positive Abfahrtszeitverschiebung (spätere Abfahrtszeit)
[min]
AZVN: negative Abfahrtszeitverschiebung (frühere Abfahrtszeit)
[min]
RZE: Reisezeitersparnis bei Abfahrtszeitwechsel
[min]
ZUV: Zuverlässigkeit der Zeiteinsparung
[%]
Tabelle 12: Nutzenfunktionen für die Abfahrtszeitwahl auf Basis der SP-Daten
Variable
Einheit
Parameter
Personen mit
fester
Arbeitszeit
Personen mit
flexibler
Arbeitszeit
AZVP
min
AZVP
-0,0411
-0,0311
AZVM
Min
AZVN
-0,0511
-0,0441
RZE
Min
RZE
0,0671
0,0781
ZUV
%
ZUV
0,0083
0,0013
1 Parameter sind auf 95 %-Niveau signifikant (hoch signifikant)
2 Parameter ist auf 90 %-Niveau signifikant (signifikant)
3 Parameter ist schwach signifikant
Tabelle 13: Parameter der Nutzenfunktionen der Abfahrtszeitwahl auf Basis der SP-
Daten
Analyse der Routen- und Abfahrtszeitwahl
Alle Parameter weisen plausible Vorzeichen auf. So war zu erwarten, dass eine
Zeiteinsparung einen positiven und die Abfahrtszeitverschiebung einen negativen
Nutzenbeitrag liefert. Ob die Abfahrtszeit zur Erzielung der Zeitersparnis früher oder
später erfolgt hat keinen Einfluss auf das Vorzeichen der Parameter und die
Abfahrtszeitverschiebung geht jeweils negativ in die Nutzenfunktion ein. Das bedeutet,
je größer die Abfahrtszeitverschiebung desto geringer ist die Bereitschaft zum
Wechseln der Abfahrtszeit.
Aus dem höheren Betrag des Parameters der früheren Abfahrtszeit (AZVM) gegenüber
der späteren Abfahrtszeit (AZVP) geht hervor, dass die Probanden es eher
akzeptieren, später als früher loszufahren. Dies kann auch damit begründet werden,
dass man bei späterer Abfahrtszeit und einer damit verbunden Zeiteinsparung in etwa
zur gleichen Zeit am Ziel ankommt. Liegt die Abfahrtzeit früher und kommt dazu noch
eine Zeiteinsparung, so entfernt man sich immer weiter vom ursprünglichen
Eintreffenszeitpunkt am Ziel.
Der Nutzenbeitrag der Zeiteinsparung ist deutlich positiv. Damit steigt die Bereitschaft,
die Abfahrtzeit zu verschieben, mit zunehmender Zeiteinsparung. Die Zuverlässigkeit
der avisierten Zeiteinsparung geht ebenfalls positiv in die Nutzenfunktion ein. Dies
deutet darauf hin, dass eine höhere Zuverlässigkeit die Bereitschaft zum Verschieben
der Abfahrtzeit ebenfalls erhöht. Allerdings konnte für die Zuverlässigkeit nur ein sehr
geringer Einfluss festgestellt werden.
Interessant ist auch die Betrachtung der Bereitschaft eine Verschiebung der
Abfahrtszeit für eine Zeiteinsparung anzunehmen. Dieser Ansatz ist so zu verstehen,
dass die reduzierte Reisezeit gewissermaßen mit der veränderten Abfahrtszeit „zu
bezahlen“ ist. Diese Tauschwerte ergeben sich durch die Verhältnisse der
Präferenzparameter, siehe Tabelle 14.
Variable
Parameter
Tauschwerte
Personen mit
fester Arbeitszeit
Personen mit
flexibler Arbeitszeit
AZVP/RZE
AZVP/RZE
-0,61
-0,40
AZVN/RZE
AZVN/RZE
-0,76
-0,56
Tabelle 14: Tauschwerte zwischen Abfahrtszeitverschiebung und Zeiteinsparung
Die Tauschwerte ergeben beispielsweise für den Fall der späteren Abfahrtszeit für
Personen mit fester Arbeitszeit (AZVP/ZE = -0,61), dass für eine
Abfahrtszeitverschiebung von 10 Minuten eine Reduzierung der Reisezeit um
wenigstens 6,1 Minuten notwendig ist. Demgegenüber werden für den gleichen Fall
sogar 7,6 Minuten Zeiteinsparung notwendig, falls eine zehnminütige frühere Abfahrt
erforderlich ist. Personen mit flexibler Arbeitszeit haben einen betragsmäßig geringeren
Tauschwert und akzeptieren die Abfahrtszeitänderung bereits bei geringeren
Zeiteinsparungen.
Potentiale im Ballungsraum München
4 Potentiale im Ballungsraum München
4.1 Aufgabe von Verkehrsinformation
Um die Potentiale von Verkehrsinformation zu evaluieren, müssen die Mängel der
Verkehrsnetze näher beleuchtet werden. Zum einen entstehen Staus und Störungen
des Verkehrsablaufs durch Überlastung der Straßen aufgrund zu hoher
Verkehrsnachfrage. Zum anderen reduzieren Baustellen und Unfälle die bestehenden
Kapazitäten und führen zu Staus und Störungen.
Verkehrsinformation und -lenkung beeinflusst lediglich die zeitliche und räumliche
Verteilung der Verkehrsnachfrage im Sinne der Routen- und Abfahrtszeitwahl der
Verkehrsteilnehmer und kann somit zur Reduzierung von Störungen bedingt durch
Überlastung beitragen.
Ein Störfallmanagement durch die örtlichen Betreiber beschleunigt die Räumung von
Unfall- und Gefahrenstellen. Dies reduziert die verkehrlichen Beeinträchtigungen durch
Unfälle und erhöht die allgemeine Zuverlässigkeit des Straßennetzes.
Eine höhere Leistungsfähigkeit des Straßennetzes kann durch Angebotsmanagement
in Form temporärer Seitenstreifenfreigabe, dynamischen Tempolimits und Lkw-
Überholverboten oder durch Ausbau der Infrastruktur erreicht werden.
Im Münchener Autobahnnetz ereigneten sich Störungen in 0,8 % aller Stunden des
Jahres 2009 basierend auf einer Auswertung von 160 Streckenabschnitten. Der Anteil
der jährlichen Störungsstunden liegt damit unter dem erklärten Ziel von 1 % der
Gesamtstundenanzahl. Von den Störungen waren 7 % durch Baustellen, 9 % durch
Unfälle und 84 % durch hohe Verkehrsnachfrage bedingt.
4.2 Wirkungsgrad einzelner Informationsmedien
Die Ergebnisse der Parameterschätzung verdeutlichen den Einfluss einzelner
Informationsmedien bzw. deren kombinierten Einsatz auf die Routenwahl der
Probanden. Besondere Bedeutung zur Beeinflussung der Routenwahl kommt demnach
den Informationsmedien LOS und Verkehrsfunk zu, die den jeweils größten Beitrag zur
Nutzenfunktion liefern.
Eine statistische Auswertung der Befragungsergebnisse des SP-Experiments zeigt
zudem, dass einzelne Informationsmedien unterschiedlich gut geeignet sind, um
routenbezogene Verkehrsinformation verständlich an den Fahrer zu übermitteln (siehe
Abbildung 8). Dargestellt ist die Häufigkeit mit der die Probanden die schnellste, die
langsamste oder eine andere der vier Routen wählen. Dabei kommt dem LOS und dem
Verkehrsfunk ein deutlich höherer Stellenwert zu als straßenseitigen
Potentiale im Ballungsraum München
Informationstafeln. In den zwölf Entscheidungssituationen des SP-Experiments werden
jedem Probanden drei verschiedene Verkehrszustände durch jeweils vier
unterschiedliche Verkehrsinformationsmedien dargestellt. Am häufigsten, in 58 % der
Fälle, wählen die Probanden die schnellste Route bei Darstellung des
Verkehrszustands über eine Level-of-Service-Karte.
Abbildung 8: Routenwahl für unterschiedliche Informationsmedien aus 3.228
Entscheidungssituationen des Stated Preference Experiments
Die Verständlichkeit eines Informationsmediums beeinflusst weiterhin den
Befolgungsgrad, wie Abbildung 9 verdeutlicht, ebenfalls basierend auf einer Analyse
der situationsabhängigen Routenwahl in der SP-Befragung. Eine Reaktion auf einen
geänderten Verkehrszustand erfolgt im Experiment dann, wenn die Probanden,
abweichend von ihrer üblichen Hauptroute, eine der drei Alternativrouten wählen. Der
Befolgungsgrad gibt an, in welchem Umfang die Probanden auf die
Störungsinformation der einzelnen Verkehrszustände in Abhängigkeit des verwendeten
Informationsmediums reagieren.
Es zeigt sich, dass die Probanden am ehesten reagieren, wenn ihnen die Störung über
das Medium LOS mitgeteilt wird. Der geringste Befolgungsgrad ist beim
Informationsmedium dIRA-Tafel zu verzeichnen.
58%
48%
36%
28%
28%
30%
36%
41%
14%
21%
28%
31%
LOS
Radio
dWiSta
dIRA
0%
10%
20%
30%
40%
50%
60%
70%
Häufigkeit
Schnellste Route
Andere Route
Langsamste Route
Potentiale im Ballungsraum München
Abbildung 9: Befolgungsgrad in Abhängigkeit vom Informationsmedium
Das Potential von Verkehrsinformation im Kontext von intelligentem
Verkehrsmanagement hängt eng zusammen mit dem Befolgungsgrad der
Routenempfehlungen durch die Autofahrer. Ein zentrales Thema stellt dabei heute das
strategiekonforme Routing dar.
Die Parameterschätzung auf Basis der RP-Daten der GPS-Erhebung konnte
nachweisen, dass die Kombination von Informationsmedien bei logischem und
konsistentem Informationsgehalt den Einfluss eines Merkmals (z. B. Staulänge) auf die
Routenwahl verstärken kann. Insbesondere LOS und Radio ergänzen sich. Dies wird
an der Erhöhung des Einflusses auf die Nutzenfunktion deutlich.
Für viele Fahrten, auf denen die Probanden während der Erhebungsphase den
Navigationsdienst nutzen, passierten sie zugleich eine Wechselwegweisung. Dies kann
zu widersprüchlichen Empfehlungen durch das Navigationsgerät und die
Wechselwegweisung führen. Eine statistische Auswertung der GPS-Daten zeigt, dass
sich eine widersprüchliche Empfehlung deutlich negativer auswirkt als die Empfehlung
einer nicht zeitoptimalen Route, siehe Abbildung 10. Der Befolgungsgrad, im Falle
dass beide Informationsmedien (Navi und WWW) dieselbe und zudem zeitschnellste
Route empfehlen, liegt bei 83 %. Empfehlen beide Medien dieselbe aber nicht
zeitschnellste Route sinkt dieser auf 76 %. Geben die beiden Medien widersprüchliche
Routenempfehlungen; sinken die Befolgungsgrade auf 71 % bzw. 37 %.
79%
72%
60%
56%
LOS
Radio
dWiSta
dIRA
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Häufigkeit
Potentiale im Ballungsraum München
Abbildung 10: Befolgungsgrad für Routenempfehlung per Navigation und
Wechselwegweisung
4.3 Potentiale von Verkehrsinformation zur Reduktion des
Verkehrszeitaufwands
Zur Beurteilung des Potentials von zeitlicher und räumlicher Verlagerung durch
Verkehrsinformation ist der Vergleich eines optimalen Zustandes mit perfekter
Information über die aktuelle Verkehrslage mit dem heutigen Zustand sinnvoll.
Eine Untersuchung der erhobenen GPS-Daten zeigt, dass für jeden einzelnen Fahrer
das Potenzial von räumlicher Verlagerung (Beeinflussung der Routenwahl) durch
Verkehrsinformation durchschnittlich bei drei Minuten bzw. 9 % der Reisezeit liegt. In
10 % der Fahrten könnten die Fahrer sogar bis zu 75 % ihrer Reisezeit einsparen.
Das Potential von zeitlicher Verlagerung (Beeinflussung der Abfahrtszeitwahl) durch
Verkehrsinformation hängt stark von der Flexibilität der einzelnen Fahrer ab. Unter der
Annahme, ein Fahrer wäre bereit, seine Abfahrtszeit um maximal zehn Minuten zu
verschieben, beträgt das Einsparpotential im Mittel 6 % der Reisezeit auf Basis der
erhobenen GPS-Daten.
Um diese Potentialbetrachtung auf den gesamten Untersuchungsraum für das
Fahrerkollektiv (Verkehrsnachfrage) zu übertragen, eignet sich die Betrachtung des
83%
76%
71%
37%
schnellste,
strategiekonform
andere,
strategiekonform
schnellste,
widersprüchlich
andere,
widersprüchlich
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Häufigkeit
Potentiale im Ballungsraum München
Verkehrszeitaufwands in Fahrzeugstunden (Fzg-H). Diese ist globale Kenngröße zum
Vergleich zweier Verkehrszustände in Bezug auf die Qualität des Verkehrsablaufs.
In Zeiten und Räumen hoher Verkehrsnachfrage kann durch die Verschiebung des
Abfahrtzeitpunkts oder auch der räumlichen Verlagerung eines Teils der
Verkehrsnachfrage auf eine andere Route die Leistungsfähigkeit des Verkehrssystems
erhöht werden (Systemoptimum). Hierfür hat der einzelne Verkehrsteilnehmer jedoch
hinzunehmen, dass er zugunsten des Systemoptimums z. B. über eine andere Route
geleitet wird und unter Umständen eine längere Reisezeit in Kauf nehmen muss. Im
besten Fall kann durch eine Verkehrsbeeinflussung ein Zustand erreicht werden, bei
dem Nutzergleichgewicht und Systemoptimum nahezu deckungsgleich sind.
Im Folgenden soll für den gesamten Untersuchungsraum ermittelt werden, in welchem
Umfang durch den Einsatz vorhandener Verkehrsbeeinflussungssysteme ein derartiger
Zustand erreicht werden kann. Das Potenzial ist dabei als die Menge des
Reisezeitaufwands definiert, die durch eine optimierte Routen- und Abfahrtszeitwahl
reduziert werden kann.
Dazu werden für den Ballungsraum München vier Verkehrszustände vergleichend
betrachtet:
Unbeeinflusster Verkehr ohne Information (OI):
Verkehrszustand, der sich ergibt, wenn alle Verkehrsteilnehmer ohne Informationen,
allein aufgrund ihrer Ortskenntnis ohne die Kenntnis der aktuellen Reisezeiten
entscheiden. Dieses Fahrerverhalten wird im makroskopischen Verkehrsmodell mit
einer stochastischen Umlegung, basierend auf den üblicherweise gewählten
Routen, abgebildet. Die aktuelle belastungsabhängige Reisezeit ist den Fahrern
weitestgehend unbekannt.
Tatsächlich erreichter Zustand (EZ):
Der erreichte Zustand ist der Verkehrszustand, der während der Erhebung
tatsächlich beobachtet wurde. Er entspricht der Referenzverkehrslage, die aus den
Daten bestimmt wurde. Zugrunde liegt das empirisch validierte Routen- und
Abfahrtszeitwahlverhalten der Fahrer, das ins Verkehrsmodell übernommen wird.
Dabei beruht das Entscheidungsverhalten der Autofahrer auf einer subjektiven
Wahrnehmung des Verkehrsangebots, implizitem Wissen aus Erfahrung und
unvollständiger Information über die aktuelle Verkehrslage. Dieses Fahrerverhalten
wird im Verkehrsmodell mit einer stochastischen Umlegung abgebildet und an der
Referenzverkehrslage validiert. Bei einer stochastischen Umlegung werden für die
Suche von Routenalternativen die Widerstände (oder Nutzen) der Netzelemente
(Reisezeit, Länge etc.) ausgehend vom tatsächlichen Wert innerhalb gesetzter
Grenzen zufällig variiert. Die Verteilung auf die Alternativrouten erfolgt nach dem
geschätzten Routenwahlmodell in Abhängigkeit der Routenwiderstände.
Potentiale im Ballungsraum München
Theoretisches Optimum (TO):
Hier wird vorausgesetzt, dass das Routenwahlverhalten aller Fahrer, auch während
der Fahrt, beeinflusst werden kann. Innerhalb gewisser Grenzen ist auch der
Zeitpunkt des Fahrtantritts beeinflussbar. Fahrer sind nicht mehr nur an der
Optimierung ihrer eigenen Fahrt interessiert, sondern verhalten sich für das Kollektiv
der Gesamtverkehrsnachfrage optimal. Dieses Fahrerverhalten wird im
Verkehrsmodell mit einer systemoptimalen Umlegung umgesetzt, bei der die
Zielfunktion als Summe der Fzg-Stunden im gesamten Netz definiert ist. Die
Verteilung der Verkehrsnachfrage erfolgt aufgrund aktueller Reisezeiten, wobei
einzelne Verkehrsteilnehmer Reisezeitnachteile zum Wohle des Kollektivs
hinnehmen müssen. In der Praxis ist dieser Zustand nicht durch reine
Verkehrsinformation erreichbar, sondern bedarf anderer
Verkehrslenkungsmaßnahmen, wie z. B. Maut.
Praktisch erreichbares Optimum (PO):
Das praktisch erreichbare Optimum unterscheidet sich vom theoretischen Optimum
dadurch, dass Fahrer in Realität an der Optimierung ihrer persönlichen Fahrt und
nicht der Minimierung der Fzg-Stunden des Gesamtkollektivs interessiert sind.
Wenn Verkehrsinformationen für den einzelnen Fahrer nicht von Vorteil sind,
verlieren sie mittelfristig ihre Wirkung durch sinkende Befolgungsgrade. Da Routen-
oder Abfahrtszeitwahlempfehlungen durch Verkehrsinformation für den Fahrer nicht
verpflichtend sind, kann Verkehrsinformation im optimalen Falle nur perfekt über die
aktuellen Reisezeiten und Verkehrszustände informieren und zu einem
nutzeroptimalen Zustand führen. Dabei sind die Reisezeiten auf allen
Alternativrouten von einer Quelle zu einem Ziel minimal und gleich. Jeder einzelne
Fahrer erlebt also die bestmögliche Reisezeit. Dieses Fahrerverhalten wird im
Verkehrsmodell durch ein deterministisches Nutzergleichgewicht abgebildet, in dem
alle Reisezeiten im gesamten Netz zu jedem Zeitpunkt bekannt sind und die
Verkehrsnachfrage sich so verteilt, dass alle aktuellen Routenwiderstände auf einer
Relation gleich sind.
Der Reisezeitaufwand ergibt sich direkt als Ergebnis der Verkehrsumlegung in
Fahrzeugstunden (Fzg-H) für das untersuchte Teilnetz unter Ableitung typischer
Nachfragezustände (Stundenmatrizen). Einen Vergleich der Fahrzeugstunden bei rein
räumlicher Verlagerung der Verkehrsnachfrage liefert Abbildung 11 für alle definierten
acht Nachfragesituationen und Verkehrszustände. Zu beachten ist dabei, dass eine
systemoptimale Verlagerung zum Teil eine nicht zu vernachlässigende Verlagerung ins
Nebennetz bewirkt.
Potentiale im Ballungsraum München
Abbildung 11: Wirkungen räumlicher Verlagerung der Verkehrsnachfrage als
prozentuale Differenz der Fzg-H bezogen auf den heutigen Zustand
Zusätzlich zur rein räumlichen Verlagerung lässt sich das praktisch erreichbare
Optimum im Falle einer perfekten Information über Reisezeiten und Abfahrtszeitpunkt
ermitteln. Eine Möglichkeit zur aktiven Information über eine optimale Abfahrtszeitwahl
als pre-trip Medium besteht bis heute jedoch nicht. Die heute beobachtete Nachfrage
mit ihren gewählten Abfahrtszeitpunkten ist stark durch Wegeketten zwischen zeitlich
festgelegten Aktivitäten, aber auch Erfahrungen über die Verkehrslage zu bestimmten
Tageszeiten bedingt. Ein theoretisches Optimum, als Gleichverteilung der
Verkehrsnachfrage über den Tag, ist durch die mangelnde zeitliche Flexibilität der
Personen keine sinnvolle Bezugsgröße. Das hier modellierte theoretische Optimum
bezieht sich auf eine systemoptimale Abfahrtszeitwahl innerhalb der
Flexibilitätsgrenzen der Verkehrsteilnehmer (Systemoptimum auf Basis der
Nutzenfunktion der Verkehrsteilnehmer).
6%
5%
100%
99%
98%
97%
96%
95%
94%
93%
92%
2%
8%
102%
101%
104%
103%
105%
4%
5%
3%
2%
7%
4%
8%
4%
7%
3%
2%
3%
3%
DiDo7-8 DiDo17-18 Fr7-8
Zustand ohne Information
Praktisch erreichbares Optimum
Theoretisches Optimum
1%
Fahrzeugstunden
DiDo12-13 1%
DiDo14-15
1%
Fr14-15
1%
Fr17-18
1%
1%
Fr21-22
Fazit
Abbildung 12: Wirkungen räumlicher und zeitlicher Verlagerung der Verkehrsnachfrage
als prozentuale Differenz der Fzg-H bezogen auf den heutigen Zustand
Die Potentiale der Abfahrtszeitwahl beruhen auf der in der Befragung ermittelten
zeitlichen Flexibilität der Probanden, die das Verhalten auf dem Arbeitsweg untersucht.
Für substituierbare Aktivitäten wie Einkaufen, ist die reale Bereitschaft zum Wechseln
der Abfahrtszeitwahl jedoch deutlich größer anzunehmen, so dass auch in den Neben-
und Schwachverkehrszeiten mit vornehmlich Wegen zu anderen Zielen als dem
Arbeitsplatz zusätzliche zeitliche Verlagerungspotentiale bestehen.
5 Fazit
Heute ist bereits eine Vielzahl von Verkehrsinformations- und -beeinflussungs-
maßnahmen in Betrieb. Zudem wurden in diversen Forschungs- und
Entwicklungsprogrammen weltweit neue Telematikanwendungen entwickelt und
erprobt. Die reale Wirkungsausprägung der unterschiedlichen Maßnahmen ist dabei
kaum bekannt oder es existieren nur teilweise belastbare Erkenntnisse. Die Bewertung
neu entwickelter, aber auch bestehender Verfahren ist häufig unvollständig und
beschränkt sich auf qualitative Aussagen.
Der Grund hierfür liegt darin, dass die Reaktionen der Verkehrsteilnehmer auf
Verkehrsinformationen und Routenempfehlungen nur sehr aufwändig zu erfassen sind.
Eine differenzierte Kenntnis der Wirkungszusammenhänge zwischen
Verkehrsbeeinflussungssystemen und dem resultierenden Verkehrsverhalten aber
3%
7%
11%
7%
5%
12%
5%
100%
99%
98%
97%
96%
95%
94%
93%
92%
6%
3%
5%
Fahrzeugstunden mit Abfahrtszeitwahl
Praktisch erreichbares Optimum (nur Routenwahl)
Praktisch erreichbares Optimum (+Abfahrtszeitwahl)
Theoretisches Optimum (nur Routenwahl)
4%
3%
DiDo12-13DiDo7-8
3%
DiDo14-15
4% 4%
Fr7-8
91%
90%
89%
88%
3%
Fr14-15 Fr17-18
8%
Theoretisches Optimum (+Abfahrtszeitwahl)
5%
7%
DiDo17-18
8%
1%
1%
6%
Fr21-22
Fazit
ermöglicht es den Betreibern, deutlich zielgerichteter die passenden
Maßnahmenpakete zur Erzielung der gewünschten Wirkungen auszuwählen.
Um die bestehenden Kenntnisdefizite auszugleichen wurden im Projekt wiki
umfangreiche empirische Untersuchungen durchgeführt, die nicht nur das Verhalten
auf einzelnen Strecken, sondern auf Routen von der Quelle bis zum Ziel betrachten.
Insbesondere die Analyse des individuellen Verkehrsverhaltens stellt einen Beitrag
zum heutigen Wissensstand dar. Um den Zusammenhang von Verkehrsbeeinflussung
mit dem individuellen Verhalten herzustellen, bedurfte es einer umfassenden
Datenerhebung, aber vor allem auch einer komplexen Datenanalyse.
Die erhobenen Verhaltensdaten der GPS-Erhebung wurden mit den gleichzeitig
erhobenen Verkehrslagedaten aus der Kennzeichenerfassung und aus anderen
Quellen in Verbindung gesetzt. Diese Datenbasis war die Grundlage für die Analyse
der Einflussgrößen auf das Routenwahlverhalten. Dabei wurden Eigenschaften der
Personen ebenso berücksichtigt wie die Verkehrslage zum Zeitpunkt der
Entscheidung, Eigenschaften der Route sowie die Art, der Umfang und die Qualität der
zur Verfügung stehenden Verkehrsinformationen. Ein Stated Preference zur
Routenwahl ermöglichte zudem die Analyse des Einflusses einzelner
Informationsmedien.
Es zeigte sich, dass vor allem die Reisezeit einen entscheidenden Einfluss auf die
Routenwahl hat. Zudem ist eine starke Hauptroutenpräferenz der Probanden zu
erkennen, sodass Alternativrouten erst ab einem gewissen Schwellwert an
Reisezeiterhöhung auf der Hauptroute attraktiv werden. Der besondere Fokus der
Untersuchungen lag dabei auf der Analyse des Einflusses der
Verkehrsbeeinflussungssysteme Verkehrsfunk, Wechselwegweisung und
Navigationsgeräte. Besonders hohen Einfluss auf das Routenwahlverhalten hatte der
Verkehrsfunk und die über Navigationsgeräte dargestellte Level-of-Service Karte.
Aus dem durchgeführten SP-Experiment zur Abfahrtszeitwahl konnten relevante
Einflussgrößen für das Abfahrtszeitwahlverhalten ermittelt werden. Es zeigte sich, dass
die Höhe der möglichen Reisezeitersparnis entscheidend für die Bereitschaft zur
Verschiebung der üblichen Abfahrtszeit ist. Eine Abfahrtszeitverschiebung gegenüber
der üblichen Abfahrtszeit ist dabei grundsätzlich unattraktiv, wobei ein späteres
Abfahren besser akzeptiert wird. Bei typischen Pendlerdistanzen von ca. 30 Minuten
wird eine um 10 Minuten frühere Abfahrtszeit akzeptiert, wenn der Zeitgewinn
zwischen 6 und 7 Minutenbeträgt. Die Autofahrer haben hohe Anforderungen an
Reisezeitersparnisse, wenn sie dafür eine Änderung ihres Tagesablaufs in Betracht
ziehen müssen.
Erkenntnisse aus dem Fahrsimulatorversuch sind u. a., dass Ursachen von
Verzögerungen keinen signifikanten Einfluss auf die Bewertung der Verkehrslage
durch die Probanden haben. Im Gegensatz dazu beeinflusst das unmittelbar vor einem
Fazit
zu bewertenden Streckenabschnitt Erlebte sehr wohl die Einschätzung der
Verkehrslage.
Neben der Empirie wurden Modellansätze überprüft, weiterentwickelt und ein Routen-
und Abfahrtszeitwahlmodell geschätzt. Die Integration des Abfahrtszeitwahlmodells in
makroskopischen Verkehrsmodellen gelang über die Abbildung einzelner
Abfahrtszeiten als Fahrt durch verschiedene Zeitscheibenverkehrsnetze.
Zur Abschätzung der Potentiale wurde der Verkehrszeitaufwand im gesamten
Untersuchungsgebiet für verschiedene Verkehrszustände (Zustand ohne Information,
heutiger Zustand, Zustand mit perfekter Information, theoretisches Optimum) und für
typische beobachtete Nachfragesituationen mit dem Verkehrsmodell bestimmt und
miteinander verglichen.
Aus den gewonnenen Erkenntnissen der Untersuchungen lassen sich folgende
Handlungsempfehlungen für den Einsatz individueller und kollektiver
Verkehrsbeeinflussungssysteme formulieren:
Erhöhung der Qualität von Verkehrsinformationen zur Steigerung der
Nutzerakzeptanz und Wirkungstiefe der Verkehrsbeeinflussungsmaßnahmen
Einheitliche Definition von Verkehrslageinformationen (grün, gelb, rot) um die
Verständlichkeit des dargestellten Verkehrszustands zu erleichtern.
Einfache Darstellung von Verkehrsinformationen über LOS-Karte oder Meldung der
Reisezeiterhöhen über Verkehrsfunk zur Steigerung der Wirkung von
Routenempfehlungen.
Nutzung von Reisezeitmessung als Basis von Netzbeeinflussungsanlagen um
Aktualität der Routenempfehlungen zu optimieren.
Abstimmung von Verkehrsinformationen Strategiekonformes Routing zwischen
kollektiver Wegweisung und der individuellen Zielführung durch Navigationsgeräte
zur Steigerung des Befolgungsgrads.
Schaffung eines Bewusstseins über die Potentiale der Abfahrtszeitwahl zur Nutzung
von Kapazitätsreserven durch Entzerrung der Spitzenstunden.
Literatur (Teil II)
Mc Fadden, D. L. (1973): Conditional Logit Analysis of Quantitative Choice Behaviour,
In P. Zarambka (Eds.): Frontiers in Econometrics, Academic Press, New York, USA.
Cowan, G. (2003): Statistical Data Analysis, Oxford University Press, Oxford, UK.
... Among the studies analyzing the effects of traffic information under new realities are Busch et al. (2012aBusch et al. ( , 2012b, Mandir (2012), and closely related to the present work, Zuurbier (2010). Nöcker et al. (2005) report on the development of Anticipatory Advanced Driver Assistance Systems: The communication between vehicle and infrastructure creates a telematic horizon that provides information about current traffic conditions and dangers and enables road users to react in time to critical traffic situations. ...
Chapter
Full-text available
Our study is investigating the effects of spatial orientation in the representative scenario of congested traffic in the Zurich metropolitan area. Each driver has planned his itinerary with the help of an off-the-shelf navigation device and sticks to his shortest route. The research question is: How much will the traffic situation improve if part of the drivers use real-time navigation information (such as may be available via smartphone)? We assume that the population of the drivers is divided into the class of non-informed drivers with static knowledge and deterministic behavior, and into the class of informed drivers with dynamic knowledge and stochastic behavior. The non-informed drivers move along the route they perceived as the shortest one when starting their trip. The informed drivers head for their destination dynamically by choosing the currently most advantageous link at each traffic node on their trip. The decisions of the informed drivers will be mapped and microscopically simulated using the MATSim software. An informed driver’s decision is based on the random utility in favor of a route. The utility function takes into account three properties: the travel time on the route, the confidence in the information, and the risk attitude according to the drivers mode of behavior. Our experiments reveal differences in respect of the load on the road network and the mean daily travel times of the drivers. The key result is that all drivers benefit even when only part of them navigate by using current traffic information. Further results quantify the time savings that each of the two classes of drivers achieves, and also how the entirety of drivers benefit from certain shares of informed drivers. Our analysis also shows the variation of descriptive and normative behavior in respect of route choice. The scenario’s estimated saving potential of about 25 percent can be exploited if the informed drivers behave in a disciplined manner and follow the recommended links.
... The demand matrices for the Munich network were generated based on the original demand matrices for Germany. Historical loop data gathered within a previous project (Wiki [12]) from the Bayerinfo service and the city of Munich, covering a period of six months, were used as input for the calibration of the new traffic demand model for Munich using VstromFuzzy [13] as a method to adjust traffic demand between sources and sinks. ...
Conference Paper
Full-text available
The paper will introduce the full chain for the centralized routing application developed within the eCoMove project for urban areas. The cooperative management of the transport infrastructure requires the provision of precise information and guidance on dedicated routes from a central knowledge base to a trave ller’s mobile device including navigation functionality. The traffic management is responsible for the main traffic network of the controlled area, where a traffic management control is needed to keep the traffic flowing. The onboard navigation system is responsible for the minor roads and the route to or from the controlled network, where a traffic management is not needed e.g. because of low traffic volumes. Within the major network the optimal route distribution is calculated by a neural network algorithm based on a objective function that optimises the CO 2 emissions. On request the vehicle is mapped to predefined origin and destination traffic zones. According to the route distribution matrix a route between these traffic zones is chosen. This route is sent out using the TPEG RMR (Road and Multimodal Routes) Protocol. The on-board navigation system completes the route provided by the traffic management by adding the routes within the traffic zones from its connection points to the final origin and destination.
ResearchGate has not been able to resolve any references for this publication.