FGSV-Nr. FGSV 002/127
Ort online-Konferenz
Datum 13.04.2021
Titel Next Generation-Verkehrsnachfragemodelle
Autoren Prof. Dr.-Ing. Markus Friedrich, PD Dr.-Ing. habil. Christian Schiller, Dipl.-Ing. Robert Simon, Dipl.-Ing. Eric Pestel
Kategorien HEUREKA
Einleitung

Dieser Beitrag gibt einen kurzen Überblick über ausgewählte Modellerweiterungen, die für die nächste Generation makroskopischer Verkehrsnachfragemodelle wünschenswert sind und beschreibt dann fünf dieser Modellerweiterungen genauer. 1) Aufwandschwellen und Verlustaversion sollen berücksichtigen, dass Personen auf kleine Nutzenänderungen nicht reagieren und dass Personen auf Nutzenverluste sensibler reagieren als auf Nutzengewinne. 2) Beschaffungswahlmodelle sollen die vorgelagerten Entscheidungen der Verkehrsteilnehmer bezüglich einer Pkw- und ÖV-Zeitkartenbeschaffung einbeziehen. 3) Personengruppen differenziert nach Verkehrsmittelverfügbarkeit verbunden mit gruppenübergreifender Randsummenbedingungen sollen das Ziel- und Moduswahlverhalten besser abbilden. 4) Eine vorgelagerte Zielwahl bei Pflichtaktivitäten soll berücksichtigen, dass Orte von Pflichtaktivitäten längerfristig gewählt werden. 5) Fahrplanungebundene On-Demand-Angebote sollen in die ÖV-Umlegung integriert werden.

PDF
Volltext

Der Beitrag ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einführung

Verkehrsnachfragemodelle sind ein wichtiges Werkzeug der Verkehrsplanung. Sie werden eingesetzt, um vorhandene Zustände in einem Verkehrsnetz zu rekonstruieren und um die Wirkungen zukünftiger Entwicklungen oder geplanter verkehrlicher Maßnahmen abzuschätzen. Auf diese Weise dienen Verkehrsnachfragemodelle der Vorbereitung verkehrsplanerischer, betriebsplanerischer, verkehrstechnischer und verkehrspolitischer Entscheidungen.

Basierend auf Abschätzungen und einer Erhebung [1] lassen sich zum Stand der Nachfragemodellierung mit makroskopischen Verkehrsnachfragemodellen in deutschsprachigen Ländern folgende Aussagen treffen:

·      In Deutschland sind etwa 70 „große“ Modelle auf der Ebene des Bundes, der Länder oder von Stadtregionen im Einsatz, die in der Regel kontinuierlich gepflegt werden. Dazu kommen ca. 1.500 Modellen, die projektspezifisch erstellt und temporär genutzt werden. [2]

·      Die in der Praxis eingesetzten Modelle werden komplexer und nutzen neue Methoden der Nachfragemodellierung. Die Mehrzahl neuer Modelle verwendet eine simultane Ziel- und Moduswahl, berücksichtigt Randsummen, kann Preise abbilden und verfügt über eine Rückkopplung zwischen Verkehrsangebot und Verkehrsnachfrage. [1]

·      In den meisten Modellen steht der motorisierte Personenverkehr im Vordergrund, der nicht-motorisierte Personenverkehr und der Güterverkehr werden vereinfacht abgebildet oder aus externen Quellen zugespielt.

·      Es werden Vorgehensweisen und Vorgaben für die Qualitätssicherung entwickelt [1, 3 bis 5], die bessere Aussagen zur Modellqualität ermöglichen. Diese Vorgehensweisen werden zunehmend in Modellausschreibungen gefordert.

Dieser Beitrag gibt in Kapitel 2 einen kurzen Überblick über ausgewählte Modellerweiterungen, die für die nächste Generation von makroskopischen Verkehrsnachfragemodellen wünschenswert sind und beschreibt dann fünf dieser Modellerweiterungen genauer.

2 Erweiterungen makroskopischer Verkehrsnachfragemodelle

Bild 1 zeigt eine Liste mit möglichen Erweiterungen für die makroskopische Verkehrsnachfragemodellierung im Personenverkehr, die natürlich nicht vollständig sein kann. Die Liste umfasst modelltheoretische Erweiterungen, die eine bessere Übereinstimmung mit der Realität erwarten lassen und Erweiterungen, die sich aus neuen Anforderungen ergeben, z.B. aus der Forderung Sharingangebote abzubilden. Alle Erweiterungen sind Stand der Forschung, d.h. die Methoden existieren als Konzepte oder als Prototypen. Für einige der Methoden existieren Implementierungen in kommerziellen Softwareprodukten, so dass sie als Stand der Technik bezeichnet werden können. Wird der Stand der Praxis als eine in der Praxis üblicherweise eingesetzte Methode definiert, dann enthält die Liste Methoden, die bisher nur vereinzelt oder vereinfacht zum Einsatz kommen.

Bei der Neu- oder Weiterentwicklung städtischer und regionaler Verkehrsnachfragemodelle sollten die Anforderungen 4 und 5 im Regelfall berücksichtigt werden. Die anderen Anforderungen sind in Abhängigkeit vom Einsatzbereich des Modells (z.B. Abbildung von Sharing-Angeboten) erforderlich oder empfehlenswert.

Bild 1: Stand der Verkehrsnachfragemodellierung

3 Aufwandschwellen und Verlustaversion

In der Verkehrsnachfragemodellierung wird ein Entscheidungsprozess von Verkehrsteilneh­mern in Bezug auf die Realisierung einer Ortsveränderung abgebildet. Dies geschieht unter Berücksichtigung von Aufwänden sowie psychischer, physischer und ökonomischer Rahmenbedingungen.

In Bild 2 ist qualitativ für eine einfache Routenwahlentscheidung dargestellt, wie sich ein Verkehrsstrom in Abhängigkeit der Aufwände auf zwei Routen aufteilt. Der Verlauf der Kurven spiegelt dabei auch eine Wahrnehmung der Aufwände wider. Diese ist abhängig von den Rahmenbedingungen der Entscheidung. Die Wahrnehmung von Aufwänden in Wahlmodellen wird durch Nutzenfunktionen, die Aufwände bzw. Aufwandsunterschiede bewerten, abstrahiert abgebildet.

Bild 2: Qualitative Aufteilung eines Verkehrsstroms dodm (Routenwahlentscheidung) in Abhängigkeit des (a) Aufwandsverhältnisses Route 2 / Route 1 oder des (b) Aufwandsverhältnisses Referenzroute / Route 1 mit Berücksichtigung einer Aufwandsschwelle und Verlustaversion

In Bild 2 (a) ist ein Verlauf dargestellt, der sich auf Basis gängiger Wahlmodelle, wie z.B. der Kirchhoff’schen Aufteilungsregel (d.h. Bewertung durch eine Potenzfunktion) oder des klassischen Logit-Ansatzes (d.h. Bewertung auf Basis einer e-Funktion), ergibt. Der Verlauf lässt die Verkehrsteilnehmer im Bereich kleiner Aufwandsunterschiede sensibel reagieren. In Bild 2 (b) wird hingegen ein Verlauf aufgezeigt, der zwei Phänomene berücksichtigt, die in der Psychologie und Entscheidungstheorie bereits länger bekannt sind und auf das Entscheidungsverhalten des Menschen wirken: Die Schwellenwertproblematik und die Verlustaversion.

Aufwandschwellen

Eine kognitive Schwelle definiert zunächst eine untere absolute bzw. relative Grenze, ab der ein Sinnesorgan Reize bzw. Reizunterschiede empfindet. Für die Berücksichtigung derartiger Schwellen in der Verkehrsnachfragemodellierung werden die Schwellen auf einer Nutzenebene formuliert.

Physische Reize werden dabei zu einem entscheidungsrelevanten Aufwand (bzw. allgemeinen Attribut) abstrahiert und aggregiert sowie abschließend bewertet. Die Schwelle bezieht sich hier nicht mehr direkt auf eine Wahrnehmungsgrenze, sondern definiert, ab wann ein absoluter bzw. relativer Aufwandsunterschied zu einer Entscheidungsänderung führt. Man spricht auf dieser Abstraktionsebene von einer Indifferenzschwelle. Dabei können Unterschiede in einzelnen Aufwänden zwar wahrgenommen werden, allerdings erfolgt auf der Bewertungsebene keine Verhaltensänderung, da die entsprechenden Unterschiede in ihrer Gesamtheit als zu gering empfunden werden.

In Bild 2 (b) sind bei kleinen Änderungen des Aufwandsunterschieds folglich nur noch kleine bzw. keine Aufteilungsverän­de­rungen zu erkennen.

Verlustaversion

Die „Neue Erwartungstheorie“ („prospect theory“) von Kahneman und Tversky [9] beschreibt Ver­haltensphänomenen aus empirischen Erhebungen, die gegen bis dahin akzeptierte Annah­men der Nutzentheorie verstoßen. Auf ihrer Basis leiten Kahneman und Tversky [9] folgende Eigenschaften für eine Nutzenfunktion ab:

·      Die Nutzenfunktion einer Größe definiert sich über die Abweichung der Größe von einem Referenzpunkt.

·      Bei Bewertung von Gewinnen nimmt die Funktion eine konkave, bei Bewertung von Verlusten eine konvexe Verlaufsform an.

·      Der Anstieg der Funktion ist steiler bei Verlusten („endowment effect“). Personen sollen auf Verluste sensibler reagieren als auf Gewinne.

Die Berücksichtigung einer derartigen Nutzenfunktion führt in Bild 2 (b) qualitativ dazu, dass eine mögliche Route zur Referenzroute wird, die einen Referenzpunkt definiert. Ist der Aufwand einer Route 1 dann größer als der der Referenzroute, liegt eine Verlustsituation vor. Die Anteile des Verkehrsstromes auf Route 1 reduzieren sich mit steigendem Aufwandsunterschied stark. Bei einem niedrigeren Aufwand auf Route 1 ist ein Wechsel von der Referenzroute dorthin ein Gewinn, die Zuwächse an Verkehrsstromanteilen auf Route 1 fallen aber weniger stark aus. Der Verlauf in Bild 2 (b) bildet demnach eine Verlustaversion ab.

Vorschlag für neue Nutzenfunktionen

Im Rahmen des DFG-Projektes (Schiller et al. [10]) wurden die Probleme mit Aufwandsschwellen und Verlustaversion bei Modellierung von Entscheidungsprozessen bereits erörtert. Zudem wurden erste Überlegungen zur modelltheoretischen Berücksichtigung von Aufwandsschwellen und Verlustaversion, insbesondere bei der Abbildung der Routenwahl, angestellt.

Für zukünftige Verkehrsnachfragemodelle werden angepasste Bewertungsfunktionen vorgeschlagen, mit denen Entscheidungen in Ziel-, Modus- und Routenwahl unter Berücksichtigung von Aufwandsschwellen und Verlustaversion abgebildet werden können. Die Bewertungsfunktionen greifen auf die entsprechenden Aufwandskenngrößen des Analysezustands zu, um eine Referenz für die Schwellen und eine Gewinn- oder Verlustsituation zu schaffen.

Als erste Möglichkeit zur Abbildung einer derartigen Bewertung wird eine Doppel-S-Funktion

( S ist der obere Grenzwert des Wertebereichs) vorgeschlagen:

Formel siehe PDF.

Es handelt sich um eine Kombination aus zwei unterschiedlichen S-Funktionen für den Gewinn- und Verlustbereich, die keine Unstetigkeitsstelle besitzen. Schiller et al. [10] nennen diesen Ansatz „Nutzen-Bewertungs-Modell I“ (NBM-I). Ein beispielhafter Verlauf ist in Bild 3 dargestellt.

Bild 3: Doppel-S-Funktion mit Nulldurchgang und verschiedenen Parametern für die differenzierte Bewertung von Gewinnen und Verlusten

Vorteilhaft ist die vollständig unabhängige Bewertung von Gewinnen und Verlusten. Eine stetige Differenzierbarkeit ist nicht automatisch gegeben.

Als zweiter Ansatz mit stetiger Differenzierbarkeit wird von Schiller et al. [10] als „Nutzen-Bewertungs-Modell II“ (NBM-II) mit folgender Doppel-S-Funktion beschrieben:

Formel siehe PDF.

In Bild 4 ist ein beispielhafter Verlauf des NBM-II dargestellt.

Zur Herstellung stetiger Differenzierbarkeit wird hingenommen, dass die gewählten Verläufe in Gewinn- und Verlustbereich sich gegenseitig beeinflussen und ein zusätzlicher Parameter  geschätzt werden muss. Bei der Verwendung des NBM-II muss berücksichtigt werden, dass bestimmte Parameterkombinationen einen negativen Anstieg im Bereich bzw. erzeugen können.

Bild 4: Stetig differenzierbare Doppel-S-Funktion mit Nulldurchgang für die differenzierte Bewertung von Gewinnen und Verlusten.

Die Verknüpfung der Nutzen-Bewertungs-Modelle mit den Aufwandskenngrößenmatrizen des Analysezustands erfolgt in beiden Fällen über die bewertete Variable . Sie repräsentiert die Aufwandsdifferenz zwischen der betrachteten Alternative und der bisher gewählten Referenzalternative.

Um die Nutzen-Bewertungs-Modelle abschließend als Bewertungsfunktion für eine Aufteilungsregel zu verwenden, muss eine Normierung der Bewertung  auf das Intervall [0,1] erfolgen mit beispielsweise:

Formel siehe PDF.

4 Beschaffungswahlmodelle

Beschaffungswahlmodelle bilden die Entscheidungen der Verkehrsteilnehmer bezüglich einer Pkw-, Führerschein- und ÖV-Zeitkartenbeschaffung (Mobilitätswerkzeuge) ab. Es handelt sich meist um langfristige Entscheidungen, die Einfluss auf kurzfristigere Moduswahlentscheidungen haben. Im klassischen vierstufigen Verkehrsnachfragemodell, bestehend aus Aktivitäten‑, Ziel-, Modus- und Routenwahl, wirken langfristige Beschaffungsentscheidungen über Mobilitätswerkzeuge indirekt auf die Kosten der verschiedenen Moduswahlalternativen.

Moduswahlkosten

Eine Abbildung der Moduswahlkosten erfolgt in Verkehrsnachfragemodellen meist nur einstufig, so dass keine Unterscheidung zwischen fixen und variablen Kosten stattfindet. Beide Kostenarten gehen als auf die Entfernung umgelegte Kosten in die Berechnung ein. Bild 5 (a) zeigt schematisch einen beispielhaften Verlauf der Moduswahlkosten in Abhängigkeit der Entfernung zum gewählten Ziel. Durch den oft linear abgebildeten Anstieg kostet der erste Kilometer so viel wie alle weiteren. Veränderte variable (bzw. marginale) Kosten, vor dem Hintergrund langfristig getroffener Beschaffungsentscheidungen, werden nicht berücksichtigt. [11]

Um die Wirkung einer Beschaffungswahl in den Moduswahlkosten abzubilden, ist eine explizite Berücksichtigung von fixen und variablen Moduswahlkosten notwendig. Das Schweizer Bundesamt für Raumentwicklung [11] schlägt hierfür eine getrennte, zweistufige Betrachtung vor (siehe Bild 5 (b)).

Bild 5: Zusammensetzung der Moduswahlkosten (Verläufe qualitativ)

Die fixen Kosten für die Beschaffung eines Mobilitätswerkzeugs werden durch eine vorgeschaltet modellierte Beschaffungswahl abgebildet. In der Moduswahl werden anschließend nur die variablen Kosten in Abhängigkeit der Entfernung berücksichtigt, wobei hier speziell die marginalen Kosten als Entscheidungsgrundlage herangezogen werden. Um sinkende marginale Kosten für mittlere Entfernungen bzw. durch abgebildete Transaktionskosten höhere Kosten für die ersten Kilometer abzubilden, sind die variablen Kosten mit einem nichtlinearen Verlauf (siehe Bild 5 (b)) zu modellieren.

Für eine derartige Betrachtung ist neben den verschiedenen Personengruppen des Modells eine weitere Dimension zu bilden, die nach gewählten Mobilitätswerkzeugen unterscheidet.

Mobilitätswerkzeuguntergruppen

Für die gebildeten Mobilitätswerkzeuguntergruppen (z.B. „Pkw-Besitzer; keine ÖV-Zeitkarte“) können in der Moduswahl jeweils unterschiedliche Verläufe von variablen bzw. speziell marginalen Kosten berücksichtigt werden. Bild 6 verallgemeinert den Zusammenhang zwischen Personengruppen, Mobilitäts­werkzeug­untergruppen und Kosten für Modelle mit und ohne vorgelagerte Beschaffungswahl. Als umgelegte Kosten sind dabei auf die Entfernung umgelegten Kosten ohne Unterscheidung zwischen fixen und variablen Kosten zu verstehen.

Abbildung der Beschaffungswahl

Für die Abbildung der Beschaffungswahl in einem Verkehrsnachfragemodell schlägt das Schweizer Bundesamt für Raumentwicklung [11] zunächst die Ermittlung der voraussichtlichen Jahresfahrleistung je Personengruppe, Modus und Hauptfahrzweck vor. Personengruppen können zusätzlich nach Verkehrszellen unterschieden werden. Auf dieser Basis werden die Mobilitätswerkzeugbeschaffungen abgeleitet und die Mobilitätswerkzeuguntergruppen gebildet. In den Untergruppen werden dann die restlichen Verkehrswahlentscheidungen (z.B. die Moduswahl) abgebildet.

Die Modellierung der Beschaffungswahl kann parallel und sequentiell erfolgen.

· Die parallele Modellierung ordnet Individuen in den Personengruppen auf Basis der jährlichen Fahrleistung in einem Modus eine Menge an getroffenen Beschaffungsentscheidungen (z.B. Pkw-Besitz = ja/nein; ÖV-Zeitkarte = ja/nein) zu. Modelltheoretisch wird diese Zuordnung beispielsweise über ein Logit-Modell umgesetzt, bei der die Menge an getroffenen Beschaffungsentscheidungen als Variable geschätzt wird. Für die Schätzung werden empirische Datensätze über die jährliche Fahrleistung als Eingangsdaten genutzt.

· Die sequentielle Modellierung bildet zunächst die Beschaffung eines ersten Mobilitätswerkzeugs ab. In einem zweiten Schritt wird eine davon abhängige Beschaffung weiterer Mobilitätswerkzeuge modelliert.

Bild 6: Zusammenhang zwischen Personengruppen, Mobilitätswerkzeuguntergruppen und Kosten

5 Personengruppen differenziert nach Verkehrsmittelverfügbarkeit und gruppenübergreifende Randsummenbedingungen

Das Mobilitätsverhalten von Personen wird nicht nur durch die Eigenschaften der Person und des Verkehrsangebots beeinflusst, sondern auch von der Verkehrsmittelverfügbarkeit. Die bisherigen Modelle berücksichtigen die Verkehrsmittelverfügbarkeit bei der Bildung von Personengruppen nicht oder nur teilweise, z.B. nach Pkw-Verfügbarkeit. Eine Differenzierung der Personengruppen nach Verkehrsmittelverfügbarkeit (z.B. vier Untergruppen: ohne ÖV-Zeitkarte und ohne Pkw / mit ÖV-Zeitkarte und ohne Pkw / ohne ÖV-Zeitkarten und mit Pkw / mit ÖV-Zeitkarten und mit Pkw) ermöglicht es, folgende Entscheidungen besser abzubilden:

·      Prognosefähigkeit: Der Einfluss der Verkehrsmittelverfügbarkeit in der Prognose lässt sich über die Personengruppenzusammensetzung transparenter darstellen.

·      Verkehrserzeugung: Es lassen sich getrennte Mobilitätsraten für Bezugspersonen mit und ohne ÖV-Zeitkarten und/oder Pkw zuweisen und berechnen.

·      Simultane Ziel- und Moduswahl: Die Berücksichtigung der Verkehrsmittelverfügbarkeit erfordert spezifische Parameter in der Ziel- und Moduswahl. Modelle, bei denen Personengruppen nicht nach Verkehrsmittelverfügbarkeit differenziert werden, können die Verfügbarkeit nicht oder nur vereinfacht über ein zellenspezifisches Verfügbarkeitsattribut abbilden. Eine Differenzierung der Personengruppen nach Verkehrsmittelverfügbarkeit ermöglicht es, gruppenspezifische Reiseweiten, Reisezeiten und Modal-Split-Anteile zu berücksichtigen. Dies erfordert eine differenzierte Schätzung der Parameter.

Die Differenzierung der Personengruppen führt allerdings zu Problemen bei der Zielwahl von Pflichtaktivitäten. Wenn vier nach Verkehrsmitteln differenzierte Personengruppen die gleichen Aktivitätenorte (z.B. Arbeit) aufsuchen, dann müssen die Aktivitätenorte auf geeignete Weise den Personengruppen zugeordnet werden. Eine proportionale Aufteilung der Quell- und Zielverkehrsaufkommen entsprechend den Anteilen der Personengruppe bildet die Realität nicht ab, da die Personengruppen um die Aktivitätenorte in Abhängigkeit der Lagegunst und der Verkehrsmittelverfügbarkeit konkurrieren (siehe Schiller [12]). Personen mit ÖV-Zeitkarten und ohne Pkw-Verfügbarkeit werden beispielsweise überproportional Ziele wählen, die gut mit dem ÖV erreichbar sind. Diese Zusammenhänge lassen sich mit sogenannten personengruppenübergreifenden Randsummenbedingungen berücksichtigen. Sie teilen die Verkehrsnachfrage der Personengruppen so auf, dass das gruppenspezifische Anziehungspotenzial der Aktivitätenorte berücksichtigt wird, die Randsummen aber über alle Gruppen aufsummieren und mit Hilfe von Lagegunstfaktoren eingehalten werden. PTV VISUM [13] bietet hierfür seit kurzem eine Implementierung.

6 Vorgelagerte Zielwahl bei Pflichtaktivitäten

Aktivitäten von Menschen lassen sich in Aktivitäten unterteilen, die an einem vorgegebenen Standort oder an einem flexiblen Standort durchgeführt werden. Der Standort von Pflichtaktivitäten (Arbeiten, Ausbildung) wird langfristig gewählt und lässt sich nicht kurzfristig anpassen. Das ist bei Nicht-Pflichtaktivitäten (Freizeit, Einkauf, private Erledigung) anders, da hier meist mehrere Aktivitätenorte zur Auswahl stehen. Um folgende Anforderungen in der Modellierung zu erfüllen, ist es bei der Zielwahl sinnvoll, zwischen Pflichtaktivitäten, die eine längerfristige Standortwahl erfordern, und Nicht-Pflichtaktivitäten mit flexiblen Standorten zu unterscheiden:

·      Der Standort von Pflichtaktivitäten beeinflusst die Zielwahl von Nicht-Pflichtaktivitäten, wenn Verkehrsteilnehmende die Nicht-Pflichtaktivitäten in eine Wegekette zwischen Wohnung und Pflichtaktivitätenort einbinden.

·      Der Standort von Pflichtaktivitäten beeinflusst die Moduswahl.

·      Bei kurzen Prognosehorizonten oder temporären Maßnahmen (z.B. Baustellen längerer Dauer) ist es unwahrscheinlich, dass die Verkehrsteilnehmenden ihren Pflichtaktivitätenort neu wählen, wenn sich eine Aufwandsänderung aus dem Angebotsmodell ergibt.

Das Prinzip einer übergeordneten Aktivität ist in den meisten mikroskopischen Verkehrsnachfragemodellen Stand der Technik (siehe z.B. Waßmuth [14]). In makroskopischen Verkehrs­nachfragemodellen wurde es bereits in den 1970er Jahren von Kutter et al. [15] im Berliner Personenverkehrsmodell berücksichtigt. Lohse [16] bezeichnet das Einhängen von Nicht-Pflichtaktivitätenorten zwischen Wohnstandort und Pflichtaktivitätenort als bipolares Zielwahlmodell. Im Englischen wird es als Rubberbanding bezeichnet [17]. Justen et. al [18] nennen es Ellipsenkonzept. Die Wahrscheinlichkeit, einen bestimmten Nicht-Pflichtaktivitätenort zu wählen, hängt bei einem solchen bipolaren Zielwahlmodell vom Aufwand der kombinierten Ortsveränderungen zwischen Wohnung – Nicht-Pflichtaktivitätenort – Pflichtaktivitätenort ab. Die Herausforderung besteht in der Modellformulierung und in einer Softwareimplementierung, wenn zusätzlich Randsummenbedingungen eingehalten werden müssen. Aus diesem Grund konnten bis vor kurzem in Praxisprojekten nur Modelle ohne Randsummenbedingungen umgesetzt werden. PTV VISUM [13] bietet nun eine Implementierung für Aktivitätenkettenmodelle an. Für jede Aktivität kann ein Rang angegeben werden, der angibt, ob eine Aktivität Hauptaktivität oder Zwischenaktivität ist. Außerdem kann für jede Aktivität eine Randsummenbedingung (ohne, unelastisch, elastisch) definiert werden.

Bild 7 zeigt das Ergebnis für eine Zielwahl in einem Netz mit 5 Verkehrszellen. Im Bezugsfall (Bild 7 oben) werden alle Orte vom Wohnstandort W in gleicher Zeit erreicht. Im Planfall (Bild 7 unten) führt eine Baustelle zu einer Fahrtzeitverlängerung zwischen dem Wohnort und den Zellen A1 und F1. Jeder der 100 Erwerbstätigen in Zelle W führt drei Aktivitätenketten durch, deren Zielwahl folgende Eigenschaften erfüllt:

· Wohnen – Arbeit – Wohnen:
Der Aktivitätenort Arbeit wird längerfristig gewählt. Kurzfristige Angebotsänderungen sollen die Zielwahl nicht verändern.

· Wohnen – Freizeit – Wohnen:
Der Aktivitätenort Freizeit ist flexibel. Kurzfristige Angebotsänderungen können deshalb die Zielwahl verändern. Die Baustelle führt dazu, dass F2 häufiger für Freizeitaktivitäten gewählt wird.

· Wohnen – Arbeit – Freizeit – Wohnen:
Der Aktivitätenort Arbeit ist vorgegeben und beeinflusst die Zielwahl der Freizeitaktivität. Personen, die in A1 arbeiten, wählen häufiger den Freizeitort F1 als F2. Im Fall mit Baustelle nimmt die Bindung von A1 und F1 bzw. von A2 und F2 zu.

Um dieses Ergebnis zu erreichen, ist ein Ziel- und Moduswahlmodell mit folgenden Eigenschaften nötig:

· Bipolare Zielwahl / Rubberbanding mit Randsummenbedingungen [13]:
Bei der Zielwahl wird zuerst der Ort der Pflichtaktivität gewählt, dann erfolgt die Zielwahl der Nicht-Pflichtaktivität. Unelastische Randsummenbedingungen stellen sicher, dass alle Arbeitsplätze gleichmäßig ausgelastet werden.

· Angepasste Nutzenfunktionen:
Die Nutzenfunktionen der Zielwahl für Aktivitätenpaare mit einer Pflichtaktivität müssen so angepasst werden, dass sie auf die Aufwandsmatrizen für den Ausgangszustand (Bezugsfall) zugreifen. Die Nutzenfunktionen der Moduswahl nutzen hingegen weiterhin die „aktuellen“ Aufwandsmatrizen des Planfalles. Somit wird sichergestellt, dass die Pflichtaktivitätenorte identisch bleiben, es aber durchaus Moduswahleffekte geben kann. Für nachfolgende Auswertung (z.B. Zeitaufwand) werden immer die Kenngrößen des Planfalls genutzt.

Bild 7: Ergebnis einer Zielwahl in einem Netz mit 5 Verkehrszellen für drei Aktivitätenketten mit festem Pflichtaktivitätenort und flexiblem Nicht-Pflichtaktivitätenort. Die 100 Erwerbstätigen in Zelle W führen jede Kette einmal durch.

7 On-Demand-Angebote als Teil des ÖPNV

On-Demand-Angebote können als Konkurrenz oder als Teil des öffentlichen Verkehrs angeboten werden. Im ersten Fall wird den Verkehrsteilnehmenden ein zusätzlicher Modus „On-Demand“ angeboten. Im zweiten Fall ergänzen On-Demand-Angebote den bereits vorhandenen Modus ÖV. Fahrgäste können fahrplanungebundene On-Demand-Angebote als Zu- und Abbringsystem zum fahrplangebundenen ÖV nutzen. Es wird aber auch direkte Beförderungen ohne Umstieg in den fahrplangebundenen ÖV geben [19]. Hierfür müssen die Bedingungen für eine direkte Beförderung festgelegt werden, z.B.   
    direkte Beförderung, wenn [Zeit mit Umstieg] > [Zeit direkte Beförderung]
´ [Faktor]

On-Demand-Angebote werden – ähnlich wie der ÖV-Fußweg – als ein zusätzliches ÖV-System ohne Fahrplanbindung in die ÖV-Umlegung integriert. Das erfordert eine ÖV-Umlegung, die fahrplangebundene und fahrplanungebundene Angebote verknüpfen kann. Dazu kann die in [20] beschriebene ÖV-Umlegung erweitert werden. Diese Umlegung erzeugt in einem vorgeschalteten Aufbereitungsschritt sogenannte Teilrouten und Teilverbindungen. Unter einer Teilroute wird dabei der Teil einer Ortsveränderung verstanden, der ohne Umsteigen mit einem Fahrzeug bzw. zu Fuß zurückgelegt werden kann (vgl. Bild 8). Aus der Kombination von Teilrouten und Linienfahrten erhält man dann Teilverbindungen. Eine Verbindung, die sich aus einem Zugangsweg, einer Busfahrt und einem Abgangsweg zusammensetzt, umfasst so drei Teilverbindungen. Dieser Aufbereitungsschritt muss um eine Menge von Teilrouten des On-Demand-Angebots ergänzt werden. Dabei werden drei Typen von Teilrouten unterschieden, die folgende Knoten im Netz mit je einer Teilroute verbinden:

(1)  Zelle – Zelle: On-Demand-Angebot als direkte Beförderung

(2)  Zelle – Haltestelle: On-Demand-Angebot als Zu- und Abbringsystem

(3)  Haltestelle – Haltestelle: On-Demand-Angebot als Verbindung zweier ÖV-Linien

Die Teilrouten haben während der Umlegung eine Fahrtzeit, die sich aus der Zeit auf dem kürzesten Weg und aus einer abgeschätzten Umwegigkeit des On-Demand-Angebots ergibt. Aus den Teilverbindungen und Teilrouten wird dann mit einem Branch-and-Bound-Verfahren für jede Quelle ein Verbindungsbaum aufgebaut (vgl. Bild 9). Dieser Verbindungsbaum enthält das Choice Set für die Verbindungswahl. Teilrouten vom Typ (2) und (3) werden mit einer fahrplangebundenen Teilverbindung verknüpft und bekommen auf diese Weise eine Abfahrts- und Ankunftszeit. Für Teilrouten vom Typ (1), die eine direkte Beförderung ermöglichen, muss eine Bedienungshäufigkeit (Abfahrten pro Zeitintervall) definiert werden, die sich aus der mittleren Wartezeit des On-Demand-Angebots ergibt.

Nach der Umlegung werden alle Personenfahrten auf Teilrouten zu Fahrzeugfahrten gebündelt werden. Das erfordert einen Pooling-Algorithmus. [6] beschreibt einen Ansatz, der sich besonders für makroskopische Nachfragemodelle eignet.

Bild 9: Struktur des Verbindungsbaums

8 Fazit

Es wird immer eine Diskrepanz zwischen dem Stand der Forschung, dem Stand der Technik und dem Stand der Praxis geben. Es ist aber erkennbar, dass die Modelltheorien aus der Forschung ihren Weg in die Praxis finden und zu besseren Modellen führen, wenn folgende Bedingungen erfüllt sind:

·      Die Modelltheorie wird möglichst benutzerfreundlich in eine Modellierungssoftware umgesetzt.

·      Die Modellierer bekommen Zugang zu den für die Modellierung relevanten Daten. Mehr messen ist eine Voraussetzung für bessere Modelle.

·      Es gibt erfahrene Modellersteller, die die Modelltheorie verstehen und mit der Modellierungssoftware Modelle für den jeweiligen Einsatzbereich implementieren können.

·      Die Modellanwender verfügen über ausreichend Erfahrung, um das Modell für die Zwecke der Planung zu nutzen und die Modellergebnisse einschließlich ihrer Unzulänglichkeiten zu interpretieren.

Eine wesentliche Frage, die dieses Paper bewusst nicht adressiert, ist die Frage nach der zukünftigen Bedeutung mikroskopischer Modellansätze. Mikroskopische Verkehrsnachfragemodelle bieten Vorteile bei der Abbildung komplexer Zusammenhänge im Haushaltskontext und bei der Abbildung von Aktivitätenprogrammen. Die in Bild 1 formulierten Verbesserungsvorschläge eignen sich auch für mikroskopische Modelle – einige davon sind in mikroskopischen Modellen sogar leichter umzusetzen (z.B. Beschaffungswahlmodelle, vorgelagerte Zielwahl bei Pflichtaktivitäten). Ein systematischer Vergleich der Ergebnisse von mikroskopischen und makroskopischen state-of-the-art-Modellen, wie z.B. im SVI-Forschungsprojekt 2018/004 „Aktivitätenbasierte Verkehrsmodelle“ [21], könnte bei der Beantwortung dieser Frage helfen. Ein mögliches Ergebnis könnten hybride Modelle sein, die die gleichen Eingangsdaten nutzen und Verkehrsnachfragedaten in makroskopischer und mikroskopischer Form zur Verfügung stellen.

9 Danksagung

Dieses Paper ist im Rahmen des DFG-geförderten Forschungsprojekts „Einflussgrößen auf die Qualität von makroskopischen Nachfragemodellen im Personenverkehr“ (FR 2666/3-1, SCHI 1113/4-1) [3] entstanden.

10 Literaturangaben

[1] Qualitätssicherung von Verkehrsmodellberechnungen, SVI-Forschungsauftrag Nr. 2015/001 Nr. 1645, Rieser, N., Tasnády, B., Friedrich, M., Pestel, E., Vries, N. de, Rothenfluh, M. u. Fischer, R., 2018

[2] Marktabschätzung Verkehrsnachfragemodelle, Niederschrift der Sitzung des AK 1.2.6 "Konzeption und Einsatz von Verkehrsnachfragemodellen des Personenverkehrs" vom 08.10.2013, Forschungsgesellschaft für Straßen- und Verkehrswesen, 2013

[3] Einflussgrößen auf die Qualität von makroskopischen Nachfragemodellen im Personenverkehr. Influencing factors on the quality of macroscopic travel demand models, DFG-Projekt (FR 2666/3-1 & SCHI 1113/4-1), Friedrich, M., Schiller, C., Pestel, E., Simon, R. u. Schimpf, M., 2015-2019

[4] Anforderungen an städtische Verkehrsnachfragemodelle. FE-Projekt 70.893/2014, Friedrich, M., Pestel, E., Schiller, C., Simon, R., Heidl, U. u. Pillat, J., 2019

[5] Forschungsgesellschaft für Straßen- und Verkehrswesen (Hrsg.): Empfehlungen zum Einsatz von Verkehrsnachfragemodellen. EVNM. Entwurf des AK 1.2.6 "Konzeption und Einsatz von Verkehrsnachfragemodellen des Personenverkehrs"

[6] Friedrich, M., Hartl, M. u. Magg, C.: A modeling approach for matching ridesharing trips within macroscopic travel demand models. Transportation 45 (2018) 6, S. 1639–1653

[7] Hartleb, J., Friedrich, M. u. Richter, E.: Umlaufbildung für On-Demand Fahrzeugflotten in makroskopischen Nachfragemodellen. eingereicht für Konferenz "Heureka '20". In: Forschungsgesellschaft für Straßen- und Verkehrswesen (Hrsg.): Heureka '20. Proceedings. 2020

[8] Broach, J., Dill, J. u. Gliebe, J.: Where do cyclists ride? A route choice model developed with revealed preference GPS data. Transportation Research Part A: Policy and Practice 46 (2012) 10, S. 1730–1740

[9] Kahneman, D. u. Tversky, A.: Prospect Theory: An Analysis of Decision under Risk. Econometrica 47 (1979) 2, S. 263–291

[10] Aufwandsschwellen und Aufwandsbewertungen in der Verkehrsnachfragemodellierung des Personenverkehrs, Schiller, C., Schipp, B., Schlag, B., Wieland, B., Evangelinos, C., Hegewald, S., Schade, J., Deutscher, M., Kaniok, D., Obermeyer, A., Rössger, L. u. Schimpf, M., Dresden 2014

[11] Modelltechnische Möglichkeiten der Weiterentwicklung des nationalen Personenverkehrsmodells, Bundesamt für Raumentwicklung, Bern 2015

[12] Schiller, C.: Erweiterung der Verkehrsnachfragemodellierung um Aspekte der Raum- und Infrastrukturplanung. Habilitation. Schriftenreihe des Instituts für Verkehrsplanung und Straßenverkehr, TU Dresden, Heft 10. Dresden 2007

[13] PTV AG (Hrsg.): PTV Visum 18. Handbuch. 2018

[14] Waßmuth, V.: Modellierung der Wirkungen verkehrsreduzierender Siedlungskonzepte. Dissertation. Schriftenreihe, Universität Karlsruhe (TH), Bd. 60. Karlsruhe 2001

[15] Activity-based demand generation. Anwendung des Berliner Personenverkehrsmodells zur Erzeugung von Aktivitätenketten als Input für Multi-Agenten-Simulationen, Arbeitspapier, Stand Juli 2006 (erweiterte Fassung Stand April 2007). Arbeitsberichte Verkehrssystemplanung und Verkehrstelematik 06-09, Rümenapp, J. u. Steinmeyer, I., Berlin 2006

[16] Schnabel, W. u. Lohse, D.: Grundlagen der Strassenverkehrstechnik und der Verkehrsplanung, Band 2. Berlin, Bonn: Beuth; Kirschbaum 2011

[17] The National Academies of Sciences, Engineering, and Medicine: Joint / Conditional Destination Choices, 2019. http://tfresource.org/Joint_/_Conditional_Destination_Choices

[18] Justen, A., Martínez, F. J. u. Cortés, C. E.: The use of space–time constraints for the selection of discretionary activity locations. Journal of Transport Geography 33 (2013), S. 146–152

[19] Friedrich, M., Richter, E. u. Sonnleitner, J.: Modellierung der Nachfragewirkungen von automatisierten Verkehrsmitteln und Mobilitätsdiensten. Straßenverkehrstechnik 63 (2019) 4, S. 268–276

[20] Friedrich, M., Hofsaess, I. u. Wekeck, S.: Timetable-Based Transit Assignment Using Branch and Bound Techniques. Transportation Research Record: Journal of the Transportation Research Board 1752 (2001) 1, S. 100–107

[21] Fachhochschule Nordwestschweiz: Aktivitätenbasierte Verkehrsmodelle (SVI 2018/004), 2018. https://www.fhnw.ch/de/die-fhnw/hochschulen/architektur-bau-geomatik/institute/institut-bauingenieurwesen/forschung/verkehr-und-mobilitaet/aktivitaetenbasierte-verkehrsmodelle-svi-2018-004, abgerufen am: 12.12.2019