FGSV-Nr. FGSV 001/27
Ort Erfurt
Datum 12.09.2018
Titel Peak Car: Analysen aus fünf europäischen Hauptstädten unter Nutzung harmonisierter Mikrodaten aus Haushaltsbefragungen
Autoren Univ.-Prof. Dr.-Ing. Regine Gerike, PD Dr.-Ing. habil. Rico Wittwer
Kategorien Kongress
Einleitung

Das Ziel dieses Beitrags ist es, den aggregierten Peak-Car-Effekt für die fünf europäischen Hauptstädte Berlin, Kopenhagen, London, Paris Île de France und Wien nachzuzeichnen und auszudifferenzieren, indem Entwicklungen für verschiedene Wegezwecke und Personengruppen aufgezeigt werden. Die Analysen basieren auf einem einzigartigen Datensatz, welcher im Rahmen des H2020-Projekts „Congestion Reduction in Europe – Advancing Transport Efficiency“ (CREATE) erstellt wurde. Mikrodaten aus wiederholten Querschnitterhebungen zur Mobilität wurden für die fünf Untersuchungsräume mindestens 20 Jahre rückwirkend harmonisiert und in eine gemeinsame, konsistente Datenbank überführt. Die Pkw-Nutzung zeigte sowohl in den absoluten Werten als auch im zeitlichen Verlauf erstaunliche Ähnlichkeiten zwischen den fünf Untersuchungsräumen, trotz erheblicher Unterschiede in Größe, Struktur, Verkehrssystemen sowie auch den allgemeinen gesellschaftlichen und verkehrspolitischen Rahmenbedingungen. Die typischen Charakteristika der Städte wurden bestätigt mit den höchsten Mobilitätsraten für den öffentlichen Verkehr in Wien, für Fahrradwege in Kopenhagen, Fußwege in Paris, und eher ausgeglichenen Verteilungen der Verkehrsmodi in Berlin und London. Die Pro-Kopf-Nutzung des Pkw lag trotz der Unterschiede in der Nutzung des Umweltverbunds in ähnlicher Größenordnung und scheint hin zu den jüngsten Erhebungszeiträumen sogar noch zu konvergieren. Erwerbspersonen und hier insbesondere der Wegezweck „Arbeit/Ausbildung“ haben die höchste Relevanz in Bezug auf den Peak-Car-Effekt. Junge Erwachsene tragen deutlich zur Reduktion der Pkw-Nutzung bei – mit erheblichen Kohorteneffekten. Frauen und Senioren hingegen dämpfen den Peak-Car-Effekt. Die gewonnenen Erkenntnisse ermöglichen ein besseres Verständnis zum Peak Car in urbanen Räumen und darauf aufbauend die Entwicklung von Handlungsoptionen, welche hohe Mobilitäten sichern, dabei aber gleichzeitig Reduktionen in der Pkw-Nutzung erreichen.

PDF
Volltext

Der Fachvortrag zur Veranstaltung ist im Volltext verfügbar. Das PDF enthält alle Bilder und Formeln.

1 Einleitung

Der sogenannte „Peak Car“-Effekt beschreibt Entwicklungen, in denen Pkw-Besitz und/ oder Pkw-Nutzung zunächst steigen, um dann nach Erreichen eines Maximums wieder zu sinken. Die Forschung zu diesem Thema geht zurück bis in die 1950er-Jahre, als bereits Sättigungsniveaus für den Pkw-Besitz prognostiziert wurden (Goodwin, 2012). Forschung zu Peak-Car-Entwicklungen in der Pkw-Nutzung gehen zurück bis in die 1970er-Jahre, als die ersten Haushaltserhebungen zum Mobilitätsverhalten durchgeführt wurden. Viele Veröffentlichungen zum Thema Peak Car entstanden um das Jahr 2010 im Kontext der damaligen Finanzkrise, als Abnahmen in der Pkw-Nutzung in verschiedenen Ländern sowie auch auf kommunaler Ebene beobachtet wurden (Goodwin und van Dender, 2013).

Dabei stellte sich heraus, dass das Maximum der Pkw-Nutzung vor allem in urbanen Gebieten oft deutlich vor der Finanzkrise lag. Buehler et al. (2016) zeigen z. B. auf der Grundlage von Daten zum wegebasierten Modal Split den Umkehrpunkt für Berlin in den späten 1990er- und in München und Zürich in den frühen 2000er-Jahren. Für Hamburg und Wien lag der Umkehrpunkt vor der Analyseperiode und konnte so nicht identifiziert werden (Hamburg 1991, Wien 1993). Cornut und Madre (2017) finden für Paris Île de France ein Maximum der Pkw-Verkehrsleistung für die frühen 1990er-Jahre mit Unterschieden zwischen den verschiedenen Gebietstypen innerhalb der Agglomeration. Die Pkw-Nutzung erreichte ihr Maximum in der Stadt Paris früher als im Umland. Focas und Christidis (2017) analysieren die Pkw-Nutzung auf nationaler Ebene für verschiedene europäische Länder auf der Grundlage von Eurostat-Daten für die Jahre 1995 bis 2011. Sie finden die folgenden vier Cluster: „Countries facing the economic crisis“ (Peak Car in den späten 2000er Jahren verbunden mit der Finanzkrise), „Western Peak“ (Peak Car um das Jahr 2000), „Western Stable“ (ohne ausgeprägte Peak-Car-Entwicklung, eher mit einem Plateau ab ca. 2008), „East Growth“ (ansteigende Pkw-Nutzung bis zum Ende der Analyseperiode in 2011).

All diese Entwicklungen haben somit stattgefunden trotz steigender Einkommen, Bildung und weiterer die Pkw-Nutzung fördernder Rahmenbedingungen. Ein gutes Verständnis dieser Entwicklungen ist von hoher verkehrspolitischer Relevanz, da eine reduzierte Pro-Kopf-Nutzung des Pkw bei unverändert hohen Mobilitäten und Erreichbarkeiten vielfältige verkehrliche und gesamtgesellschaftliche Nutzen mit sich bringt: Je nach Entwicklung der Gesamtbevölkerung werden Straßennetze entlastet oder zumeist zumindest nicht höher belastet. Darüber hinaus werden Möglichkeiten zur Umverteilung von Straßenräumen hin zum Umweltverbund eröffnet, gegebenenfalls treten Verbesserungen von Umweltqualitäten ein.

Beschrieben werden Peak-Car-Entwicklungen häufig über Verkehrsleistungen, gemessen in Fahrzeugkilometern (Kuhnimhof et al., 2013). Für urbane Gebiete haben die (Pkw)Mobilitätsraten als Anzahl der (Pkw-)Wege pro (mobiler) Person und Tag eine höhere Relevanz. Der aufkommensbezogene Pkw-Anteil im Modal Split ist eine der wichtigsten Zielgrößen in der strategischen Verkehrsentwicklungsplanung auf kommunaler/regionaler Ebene. Besser geeignet als der Modal Split, aber anspruchsvoller in der Ermittlung, sind absolute Pkw-Mobilitätsraten, da diese ausschließlich durch die Pkw-Nutzung, nicht aber durch Änderungen in der Nutzung alternativer Verkehrsmodi beeinflusst werden.

In der Literatur besteht Konsens darüber, dass Peak-Car-Entwicklungen aus einem komplexen Zusammenwirken verschiedener Einflussfaktoren entstehen in den drei Bereichen der (1) gesamtgesellschaftlichen Rahmenbedingungen, (2) der Struktur verkehrspolitischer Institutionen einschließlich auch umgesetzter Strategien und Maßnahmen sowie (3) Änderungen im (Mobilitäts-)Verhalten und soziopsychologischen Faktoren wie z. B. Einstellungen oder Normen. Dieser Beitrag befasst sich mit dem dritten Bereich, dem (Mobilitäts-)Verhalten. Der Schwerpunkt der Literatur zu diesem Bereich liegt auf jungen Erwachsenen, vor allem den sogenannten „Millennials“ als Personen, die zwischen ca. 1985 und 2000 geboren wurden. Die Literatur zeigt übereinstimmend, dass diese Personengruppe überproportional zu Peak-Car-Entwicklungen beiträgt (Thigpen und Handy, 2018) und findet u. a. die folgenden wichtigen Einflussfaktoren: (A) Reduktionen in Führerscheinbesitz und Pkw-Verfügbarkeit (Garikapati et al., 2016; Hjorthol, 2016), (B) geringere Mobilitätsraten über alle Modi aber speziell auch für Pkw-Wege (Kuhnimhof et al., 2012), (C) Änderungen in Zeitnutzung und Aktivitätenstrukturen mit mehr Zeit zu Hause, geringeren Arbeitszeiten und mehr Freizeit (Garikapati et al., 2016) sowie (D) Veränderungen in Präferenzen und Einstellungen (Thigpen und Handy, 2018). All diese Änderungen im Mobilitätsverhalten sind eng verbunden mit verzögerten Lebensphasen: Heutzutage sind junge Menschen im Vergleich zu früheren Generationen länger in Ausbildung, später in (stabilen) Beschäftigungsverhältnissen und gründen später Familien (Delbosc, 2017; Klein und Smart, 2017). Verbunden mit der längeren Ausbildung ist ein höherer Anteil an Personen mit höheren Bildungsgraden, welche vorrangig in (großen) Städten erworben werden (Hjorthol, 2016). Hier erlerntes multi-modales Mobilitätsverhalten kann auch künftige Lebensphasen prägen. Frauen und Senioren zeigen in der Literatur übereinstimmend Anstiege in Führerscheinbesitz, Pkw-Verfügbarkeit und -nutzung und dämpfen damit Peak-Car-Entwicklungen (Kuhnimhof et al., 2013).

Anliegen dieses Beitrags ist es, den aggregierten Peak-Car-Effekt für die fünf europäischen Hauptstädte Berlin, Kopenhagen, London, Paris Île de France und Wien nachzuzeichnen, auszudifferenzieren und in seine wesentlichen Komponenten zu zerlegen, indem Entwicklungen für verschiedene Personengruppen und Wegezwecke aufgezeigt werden. Die Analysen basieren auf einem einzigartigen Datensatz: Mikrodaten aus den Mobilitätserhebungen in den fünf Regionen wurden mindestens 20 Jahre rückwirkend harmonisiert und in eine gemeinsame konsistente Datenbank überführt. Die Verfügbarkeit von konsistenten Mikrodaten erlaubt Analysen, die in ihrem Detailierungsgrad deutlich über den der bisherigen Literatur hinausgehen.

Das Ziel dieser Analysen ist ein besseres Verständnis des Peak-Car-Effekts und darauf aufbauend die Entwicklung von Handlungsoptionen für Kommunen zu Strategien, die hohe Mobilitäten gewährleisten, dabei aber gleichzeitig Reduktionen in der Pkw-Nutzung anstreben. 

2 Daten und Methoden

2.1 Untersuchungsgräume und Gebietstypen

Die fünf in der Untersuchung analysierten Räume unterscheiden sich deutlich in Größe, Struktur und Bevölkerung. Zur Berücksichtigung dieser Heterogenität und zur Verbesserung der Vergleichbarkeit von Mobilitätsverhalten und Pkw-Nutzung wurden inhaltlich begründete, „funktionale Gebietstypen“ definiert. Dazu wurden im ersten Schritt auf der Grundlage der offiziellen administrativen Grenzen vier sogenannte „administrative Gebietstypen“ abgegrenzt (Bild 1): (1) Innere Stadt: Stadtzentrum, für Berlin z. B. das Gebiet innerhalb des S-Bahn-Rings („Hund“) und für Wien das Gebiet innerhalb des „Gürtels“, (2) Äußere Stadt: Gebiet außerhalb des Stadtzentrums, aber innerhalb der administrativen Stadtgrenzen, (3) Stadtumland I: An das Stadtgebiet angrenzendes Gebiet, erster „Ring“ der umliegenden Gemeinden mit hohen Dichten für Bevölkerung und Arbeitsplätze sowie einem hohen Anteil an Pendlerverflechtungen mit dem Stadtgebiet, sowie (4) Stadtumland II (optional): Erweiterter Verflechtungsbereich.

Die im Bild 1 dargestellten Strukturen der Untersuchungsräume im Zusammenhang mit ganz unterschiedlicher Anzahl z. B von Einwohnern und Arbeitsplätzen in den einzelnen „administrativen Gebietstypen“ machen deutlich, dass eine derartige räumliche Abgrenzung nur bedingt für die vergleichende Analyse des Mobilitätsverhaltens geeignet ist. Die Stadtzentren von Kopenhagen und Paris unterscheiden sich nicht maßgeblich von den jeweiligen äußeren Stadtgebieten (Äußere Stadt). Die Gebietstypen „Stadtumland I“ für diese Städte liegen zwar außerhalb der administrativen Stadtgrenzen, haben aber Strukturen, die mit den äußeren Stadtgebieten in Berlin, London und Wien vergleichbar sind. Die Städte Kopenhagen und Paris als Ganzes haben damit vergleichbare Funktionen wie die Innenstädte in den anderen Untersuchungsräumen. „Stadtumland I“ in Kopenhagen und Paris entspricht damit eher „Stadtumland II“ in Berlin, London und Wien. Zur Berücksichtigung dieser Besonderheiten wurde entschieden, die Analysen auf der Grundlage von „funktionalen Gebietstypen“ durchzuführen, welche wie folgt definiert wurden: (A) Innerstädtisch: Gebiet mit der höchsten Bevölkerungsdichte, „Innere Stadt“ für Berlin, London und Wien, „Innere Stadt“ plus „Äußere Stadt“ für Kopenhagen und Paris, (B) Urban: Gebiet mit der zweithöchsten Bevölkerungsdichte, „Äußere Stadt“ für Berlin, London und Wien, „Stadtumland I“ für Kopenhagen und Paris und (C) Agglomeration: das Gebiet „Urban“ umliegende Gebiete mit deutlich geringerer Bevölkerungsdichte, „Stadtumland I“ für Berlin, London und Wien und „Stadtumland II“ für Kopenhagen und Paris. 

Bild 1: Überblick über Größe der Untersuchungsräume 

2.2 Datengrundlagen und -harmonisierung

Im Rahmen des Gesamtprojekts CREATE wurden verschiedenste Datenquellen zur Beschreibung der gesamtgesellschaftlichen Rahmenbedingungen, von Stadtstrukturen, Verkehrsangebot und -nachfrage in den fünf Untersuchungsgebieten herangezogen (Roider, O. on behalf of the CREATE consortium 2016). Grundlagen der Analysen in diesem Beitrag sind Daten aus historischen Haushaltsbefragungen zum Mobilitätsverhalten. Erhebliche Unterschiede in den Erhebungsmethoden und Definitionen bestanden sowohl zwischen den Städten als auch innerhalb der Städte im Zeitverlauf. Die im Rahmen des Projekts entwickelte Methodik zur Harmonisierung dieser sehr heterogenen Mobilitätsdaten basiert auf den in der COST-Action SHANTI entwickelten Ansätze (Armoogum et al., 2014) und umfasst die folgenden vier Bereiche (Wittwer et al., (2018) für eine ausführliche Beschreibung der Methodik):

Datenumfang: Harmonisiert wurde die berücksichtigte Bevölkerung (z. B. durch die einheitliche Abgrenzung des Alters), die jahreszeitliche Abdeckung, die Berichtstage (nur Werktage) sowie auch Erhebungszeiträume (über die Zusammenfassung zu Fünfjahresperioden).

Erhebungsdefinitionen: Einheitliche Wegezwecke und Hauptverkehrsmittel (bestimmt über eine einheitliche Hierarchie der Verkehrsarten). Der kleinste gemeinsame Nenner für weitere relevante, kategoriale Variablen wurde bestimmt und in allen Erhebungen kodiert.

Erhebungsmethoden: Diese konnten per Definition nicht nachträglich harmonisiert werden. Methodische Einflüsse wurden aber minimiert durch die Auswahl geeigneter Abgrenzungen und Indikatoren für die Analyse. Ergebnisse werden z. B. durchgehend bezogen auf mobile Personen und nicht auf die gesamte Stichprobe präsentiert, um sie nicht durch Unterschiede in den Immobilitätsraten (Anteil mobiler Personen in der Stichprobe) zu beeinflussen, da derartige Unterschiede ggf. erhebungsmethodisch bedingt sein können.

Gebietstypen: Durch die oben beschriebene einheitliche Definition von Gebietstypen wurden räumliche Einflüsse auf das Mobilitätsverhalten reduziert.

Das Bild 2 stellt die vier Bereiche und Komponenten der Datenharmonisierung zusammen. Als Ergebnis der Harmonisierung der Mikrodaten über Zeit und Untersuchungsgebiete hinweg liegt eine einzigartige Datenbank vor, die detaillierte Analysen auf Haushalts/Personen/Ausgangs und Wegeebene ermöglichen. Die im Folgenden präsentierten Ergebnisse beziehen sich auf Wege an Werktagen, durchgeführt von mobilen Personen mit mindestens einem berichteten Weg am Stichtag, im Alter von 10 bis 84 Jahren, wohnhaft in vergleichbaren Gebietstypen in den jeweiligen Untersuchungsgebieten. Der Umfang der ungewichteten Strichproben sind für den Gebietstyp „Urban“ in Tabelle 1 dargestellt. 

Bild 2: Überblick über die Methodik zur Harmonisierung der Mobilitätserhebungen, (Quelle: Eigene Darstellung auf Basis von Wittwer et al. (2018)) 

Tabelle 1: Ungewichtete Netto-Fälle (Personen) nach Erhebungsperioden für Gebietstyp „Urban“ (Alter 10 bis 84 Jahre, Arbeitstage Montag bis Freitag)

3 Vergleich der Entwicklungen in der Pkw-Nutzung zwischen den Untersuchungsgebieten im Zeitverlauf

3.1 Zentrale Mobilitätsindikatoren

Die Anzahl der Pkw-Wege (Fahrer oder Mitfahrer) pro mobiler Person und Tag für den Gebietstyp „Urban“ für alle fünf Untersuchungsgebiete wird im Bild 3 im Zeitverlauf vergleichend gegenübergestellt. Sowohl die absoluten Werte als auch die zeitlichen Verläufe sind angesichts der erheblichen Unterschiede zwischen den Untersuchungsgebieten in Größe, Struktur, Rahmenbedingungen und Verkehrssystemen erstaunlich ähnlich und nähern einander in den jüngeren Erhebungszeiträumen sogar weiter an. Die Pkw-Mobilitätsraten haben vom Maximalwert bis zur letzten Erhebungsperiode in den frühen 2010er-Jahren durchschnittlich um 25 Prozent abgenommen, das heißt einer von vier Pkw-Wegen ist innerhalb dieses Zeitraums verlagert oder vermieden worden. Das Bild 3 zeigt weiterhin die jeweils erwarteten Peak-Car-Zeiträume für die fünf Untersuchungsgebiete. Eine präzise, jahresfeine Angabe des Peaks ist nicht möglich, da die Mobilitätserhebungen nicht kontinuierlich liefen, sondern Abstände von mehreren Jahren zwischen den einzelnen Erhebungen lagen. Im Ergebnis zeigt sich, dass die Pkw-Mobilitätsraten ihr Maximum zuerst in Paris in den frühen 1990er-Jahren durchschritten, gefolgt von Wien in den späten 1990er- und Kopenhagen in den frühen 2000er-Jahren. Für Berlin und London kann der Peak-Car-Zeitraum anhand der Grafik nicht identifiziert werden, weil Mobilitätsdaten für diese Städte erst ab den späten 1990er-Jahren (Berlin) bzw. den frühen 1990er-/späten 2000er-Jahren (London) vorliegen. Zu dieser Zeit hatte der Peak Car in Berlin bereits stattgefunden. Angesichts der besonderen Entwicklung von Berlin mit der Wiedervereinigung der zuvor geteilten Stadt im Oktober 1990 ist es sehr wahrscheinlich, dass der Peak-Car-Zeitraum sich hier einem starken Anstieg in Motorisierung und Pkw-Nutzung direkt in Folge der Wiedervereinigung anschloss und in den späten 1990erJahren lag (Wittwer und Hubrich, 2016). Für London gibt es keinen Datenpunkt für die späten 1990er-Jahre. Modellbasierte Daten sowie Expertenmeinungen der Londoner Partner im CREATE-Projektkonsortium lassen aber vermuten, dass der Peak Car in London in dieser Zeit stattgefunden hat (Transport for London 2013). 

Bild 3: Anzahl Pkw-Wege pro mobiler Person, Gebietstyp “Urban” und angenommener Peak-Car-Zeitraum

Die Tabelle 2 gibt einen Überblick über zentrale Mobilitätsindikatoren. Der Außer-Haus-Anteil als Anteil der Personen mit mindestens einem berichteten Weg am Stichtag liegt zwischen 95 Prozent in Paris und 81 Prozent in Wien und ist in allen Untersuchungsgebieten weitgehend stabil über den Erhebungszeitraum. Auch die Mobilitätsraten liegen im üblichen Bereich zwischen 3,2 (London) und 4,2 (Paris, 2010–2014) Wegen pro mobiler Person und Tag. Die Mobilitätsraten als Pkw-Fahrer unterscheiden sich in den frühen Erhebungszeiträumen um 0,3 Wege als Pkw-Fahrer pro mobiler Person und Tag, mit 1,2 Wegen in Berlin als Maximum und 0,9 Wegen in London als Minimum (allerdings für einen späteren Zeitraum in dem im Vergleich zu den späten 1990er-Jahren in den anderen Untersuchungsgebieten bereits weitere Reduktionen stattgefunden haben können). In den frühen 2010er-Jahren als jüngstem Erhebungszeitraum reduzieren sich die Unterschiede zwischen den Städten auf 0,1 Wege als Pkw-Fahrer pro mobiler Person und Tag. Die Mobilitätsraten für Pkw-Mitfahrer sind im Vergleich zu den Wegen als Pkw-Fahrer gering und weitgehend stabil im Zeitverlauf. Die Nutzung des Umweltverbunds nahm in allen Untersuchungsgebieten zu, insbesondere für Wege mit dem Fahrrad. Inkonsistenzen traten für Wege zu Fuß auf.

Tabelle 2: Zentrale Mobilitätsindikatoren für die fünf Untersuchungsgebiete, Gebietstyp “Urban” 

Die Mobilitätsindikatoren der einzelnen Verkehrsmodi bestätigen die typischen Charakteristika der Untersuchungsgebiete (Buehler et al. ,2016; Focas, 1998; Roider, O. on behalf of the CREATE consortium 2016). Die Nutzung des Fahrrads ist deutlich am höchsten in Kopenhagen, des öffentlichen Verkehrs in Wien. In Paris sind die Mobilitätsraten für Fußwege sehr hoch. Berlin und London haben ausgeglichenere Mobilitätsraten der verschiedenen Verkehrsmodi. Interessant ist, dass die Unterschiede in den Verkehrsmodusanteilen vor allem durch den Umweltverbund, kaum aber durch Pkw-Wege verursacht werden. Die größten Unterschiede wurden für Fahrradwege gefunden. Unterschiede in den Mobilitätsraten für das Fahrrad liefern den höchsten Erklärungswert für Unterschiede in den gesamten Mobilitätsraten über alle Modi. 

3.2 Pkw-Nutzung nach Wegezweck

Die im Folgenden präsentierten Analysen differenzieren die auf aggregierter Ebene dargestellten Entwicklungen zu Peak Car weiter aus, indem zeitliche Verläufe der Mobilitätsindikatoren in verschiedene Komponenten zerlegt werden. Das Bild 4 zeigt dazu zunächst die Mobilitätsraten als Pkw-Fahrer nach Wegezweck (bestimmt aus der Aktivität am Zielort). Wegen zurück nach Hause wurde der Zweck des jeweils vorangegangenen Weges zugewiesen. Die folgenden drei Wegezwecke konnten im Rahmen der Festlegung kleinster gemeinsamer Nenner zwischen Untersuchungsgebieten und Erhebungszeiträumen harmonisiert werden:

Arbeit/Ausbildung: Arbeit, Ausbildung, geschäftlich/dienstlich, Kindereinrichtung

Einkauf/Erledigungen: Einkauf, Erledigung, Bringen/Holen

Freizeit: Alle zum Zweck Freizeit zugehörigen Wegezwecke der detaillierten Kodierungen in den verschiedenen Erhebungen.

Die Mobilitätsraten als Pkw-Fahrer sind für den Wegezweck „Arbeit/Ausbildung“ mit 0,3–0,4 Wegen pro mobiler Person und Tag am höchsten. Zudem ist der Peak-Car-Effekt am deutlichsten für diesen Wegezweck sichtbar. Die Reduktionen werden sowohl durch abnehmende Mobilitätsraten als Pkw-Fahrer als auch durch eine Verschiebung des Modal Splits hin zum Umweltverbund verursacht (Wittwer und Gerike, 2018). Die Werte für Freizeitwege liegen mit knapp 0,2 Wegen als Pkw-Fahrer deutlich niedriger im gesamten Betrachtungszeitraum. Freizeitwege nehmen leicht ab in Berlin, Kopenhagen und Wien; sie sind stabil in Paris und leicht zunehmend in London. All diese Änderungen sind aber eher gering. Der Wegezweck „Einkauf/ Erledigung“ zeigt die größte Heterogenität sowohl in den absoluten Werten der Mobilitätsraten als Pkw-Fahrer als auch in den zeitlichen Verläufen. Die Mobilitätsraten als Pkw-Fahrer für diesen Wegezweck sind hoch und in der jüngsten Erhebungsperiode zum Teil sogar höher als für den Wegezweck „Arbeit/Ausbildung“. Dieser Wegezweck birgt damit ein erhebliches Reduktionspotenzial bezüglich Pkw-Fahrten. 

Bild 4: Anzahl Wege als Pkw-Fahrer pro mobiler Person und Tag nach Wegezweck für den Gebietstyp „Urban“ 

3.3 Pkw-Nutzung nach Personengruppen

Nachdem aus der wegezweckspezifischen Analyse bereits erste Anhaltspunkte zu Treibern des Peak-Car-Effektes identifiziert werden konnten, werden im Folgenden nun die Mobilitätsraten als Pkw-Fahrer pro mobiler Person und Tag, zunächst über alle Wegezwecke, nach Personengruppen (Erwerbstätige und Senioren/Rentner) differenziert (Bild 5). Der Peak-Car-Effekt ist besonders ausgeprägt für die Gruppe der Erwerbspersonen mit einer Verringerung um ca. 35 Prozent vom Maximalwert bis hin zum jüngsten Erhebungszeitraum der frühen 2010er-Jahre. Sowohl die absoluten Werte als auch die zeitlichen Verläufe zeigen auch hier erstaunliche Ähnlichkeiten in allen fünf Untersuchungsgebieten. Erwerbspersonen haben die höchsten Mobilitätsraten mit dem Pkw und zudem die deutlich größte Bevölkerungsgruppe mit je nach Untersuchungsraum 50 – 60 % Bevölkerungsanteil. Diese Personengruppe ist damit in dieser Untergliederung der Hauptverursacher des Peak-Car-Effekts in allen fünf Untersuchungsräumen. Erhebliche Abnahmen sind weiterhin auch für erwachsene Personen, die nicht arbeiten und nicht pensioniert sind, zu sehen. Die Pkw-Nutzung ist jedoch für diese Personengruppe sehr viel heterogener und die Reduktionen finden auf einem im Vergleich zu den werktätigen Personen sehr viel niedrigerem, absolutem Niveau statt. Weiterhin ist der Anteil der Personengruppe in der Bevölkerung mit 15 % bis 25 % über alle Untersuchungsräume hinweg vergleichsweise gering. Die Pkw-Nutzung der Senioren/Rentner steigt in Übereinstimmung mit der Literatur deutlich an (van der Waard et al., 2013; Kuhnimhof et al., 2013). Mobilitätsraten als Pkw-Wege sind für diese Personengruppe am höchsten in Berlin und London. In diesen beiden Untersuchungsgebieten stimmen die Mobilitätsraten als Pkw-Wege für die Gruppen der Erwerbspersonen und der Pensionäre in den frühen 2010erJahren weitgehend überein. Der Anteil der Personengruppe an der Gesamtbevölkerung beträgt je nach Untersuchungsraum zwischen 10 % und 25 %.

Pkw-Wege von Kindern und Jugendlichen unter 18 Jahren bestehen mit wenigen Ausnahmen nur aus Wegen als Pkw-Mitfahrer. Für diese Gruppe ist ein leichter Anstieg der Pkw-Wege zu beobachten, was die Hypothese bestätigt, dass die Kinder im Zeitverlauf immer weniger selbstständig unterwegs waren, sondern eher z. B. von den Eltern gebracht oder geholt wurden.

Bild 5: Anzahl Pkw-Wege pro mobiler Person und Tag nach Personengruppen, Gebietstyp „Urban“ 

Das Bild 6 verdeutlicht Unterschiede zwischen Männern und Frauen in der Pkw-Nutzung für die Gruppen der Erwerbspersonen. Die Mobilitätsraten als Pkw-Wege von Männern und Frauen gleichen sich im Zeitverlauf einander an, aber die absoluten Werte sind im jüngsten Erhebungszeitraum, den 2010er-Jahren, nach wie vor niedriger für Frauen. Der Peak-Car-Effekt ist vor allem für die Gruppe der männlichen Erwerbspersonen zu beobachten und liegt für die Frauen nur in deutlich abgeschwächter Form vor. Die zeitlichen Verläufe der Pkw-Nutzung lassen einen künftig weiteren Anstieg vor allem für weibliche Pensionäre vermuten. Dieser dämpft den durch andere Personengruppen verursachten Peak-Car-Effekt.

Wie bereits erwähnt, waren Erwerbspersonen und für diese der Wegezweck „Arbeit/Ausbildung“ der für den Peak-Car-Effekt relevanteste Treiber. Eine weitere Differenzierung der Wege dieser Personengruppe zum Zweck „Arbeit/Ausbildung“ nach Alter zeigt, dass, bezogen auf die Gruppe der Erwerbspersonen, alle Altersgruppen zur Reduktion der Pkw-Nutzung beitragen. Die Abnahmen in den Mobilitätsraten als Pkw-Wege pro mobiler Person und Tag (nur Erwerbspersonen, nur Wegezweck „Arbeit/Ausbildung“) sind in Berlin, Paris und Wien höher als in Kopenhagen und in London. In den beiden letzteren Untersuchungsgebieten steigt die Pkw-Nutzung für die beiden älteren Personengruppen sogar leicht an. Im Mittel über alle Untersuchungsgebiete hat die jüngste Altersgruppe (18–34 Jahre) mit ca. 0,4 Wegen als Pkw-Fahrer im jüngsten Erhebungszeitraum die niedrigsten Werte, aber auch die anderen beiden 

Bild 6: Anzahl Pkw-Wege pro mobiler Erwerbspersonen pro Tag nach Geschlecht, Gebietstyp „Urban“ 

Altersgruppen (35 – 49/50 – 64 Jahre) zeigen im Mittel deutliche Abnahmen bei ca. 0,6 Wegen als Pkw-Fahrer in den frühen 2010er-Jahren. Diese Analysen bestätigen die Literatur, welche übereinstimmend die deutlichsten Abnahmen in der Pkw-Nutzung für die jungen Altersgruppen findet (Thigpen und Handy, 2018; Garikapati et al., 2016; Kuhnimhof et al., 2013). Auch die in der Literatur identifizierten erheblichen Kohorteneffekte konnten in dieser Studie bestätigt werden (Wittwer und Gerike, 2018). 

4 Diskussion und Schlussfolgerungen

Der Beitrag verfolgte das Ziel, den Peak-Car-Effekt am Beispiel von fünf europäischen Hauptstädten empirisch nachzuzeichnen und auszudifferenzieren, indem die Entwicklung des Mobilitätsverhaltens z. B. für einzelne Personengruppen analysiert wird. Die Pkw-Nutzung zeigte sowohl in den absoluten Werten als auch im zeitlichen Verlauf erstaunliche Ähnlichkeiten zwischen den fünf Untersuchungsgebieten, trotz erheblicher Unterschiede in Größe, Struktur, Verkehrssystemen sowie auch den allgemeinen gesellschaftlichen und verkehrspolitischen Rahmenbedingungen.

Der Peak in der Pkw-Nutzung wurde empirisch zuerst für Paris in den frühen 1990er-, zuletzt in Kopenhagen in den späten 2000er- und in den anderen drei Städten in den späten 1990er-Jahren beobachtet. Diese Ergebnisse sind konsistent mit der Literatur, welche ähnliche Peak-Car-Zeiträume für andere urbane Gebiete im europäischen Kontext (Buehler et al., 2016) sowie auch auf nationaler europäischer Ebene (Focas und Christidis, 2017 für Großbritannien) findet. Die Pkw-Nutzung durchlief ihr Maximum demnach in den meisten Fällen deutlich vor der Finanzkrise in den späten 2000er-Jahren; diese Krise hat die sinkende Pkw-Nutzung unterstützt, war aber eher nicht der Initiator für diese Entwicklung.

Die typischen Charakteristika der Städte wurden bestätigt mit den höchsten Mobilitätsraten im öffentlichen Verkehr in Wien, für Fahrradwege in Kopenhagen, Fußwege in Paris und mit eher ausgeglichenen Verteilungen der Verkehrsmodi in Berlin und London. Die Pkw-Nutzung stimmt bei all diesen Unterschieden in der Nutzung des Umweltverbunds trotzdem gut überein und scheint hin zu den jüngsten Erhebungszeiträumen sogar noch zu konvergieren.

Die höchste Relevanz für die Peak-Car-Entwicklungen haben Erwerbspersonen sowie der Wegezweck „Arbeit/Ausbildung“. Dies ist für diese Personengruppen-Zweck-Konstellation im Wesentlichen mit abnehmenden Mobilitätsraten insgesamt sowie auch Verschiebungen im Modal Split vom Pkw hin zum Umweltverbund zu begründen. Die im Rahmen dieses Beitrags durchgeführten Analysen bestätigen damit die hohe Relevanz der jungen Erwachsenen für die Peak-Car-Entwicklungen, ergänzen aber die Erwerbstätigkeit als weitere wichtige Perspektive. Erwerbspersonen aller Altersgruppen zeigten eine abnehmende Pkw-Nutzung im Zeitverlauf und sind damit eine relevante Zielgruppe z. B. für Maßnahmen des Mobilitätsmanagements. Junge Erwerbstätige hatten die deutlichsten Reduktionen in der Pkw-Nutzung mit erheblichen Unterschieden auch zwischen den einzelnen Kohorten (Wittwer und Gerike, 2018). Einmal erlerntes und praktiziertes Verhalten scheint demnach auch die späteren Lebensphasen zu prägen. Junge Erwerbspersonen in späteren Kohorten zeigen die typischen ansteigenden Verläufe in Pkw-Zugang und -Nutzung im Lebenszyklus, aber auf im Vergleich zu früheren Kohorten deutlich niedrigerem Niveau. Junge Erwachsene sowie auch Kinder und Jugendliche sollten daher eine hohe Priorität in allen Maßnahmen und Strategien zur Förderung der Nutzung des Umweltverbunds erhalten. Die Literatur wurde auch bestätigt bezüglich der Pkw-Nutzung von Frauen und Pensionären, welche beide deutliche Anstiege in der Pkw-Nutzung im Zeitverlauf zeigten. Bezüglich Wegezwecken zeigten Wege zum Zweck „Einkauf/Erledigung“ neben den Wegen zum Zweck „Arbeit/Ausbildung“ die zweithöchste Pkw-Nutzung.

Im Rahmen der vorliegenden Studie konnten weiterhin eine Vielzahl unterschiedlicher methodischer Erkenntnisse gewonnen werden. Die Harmonisierung der Mobilitätsdaten ist aufwendig und damit teuer, jedoch erfolgversprechend. Die erarbeitete Harmonisierungsmethode führte zu ausgesprochen plausiblen Ergebnissen trotz erheblicher Unterschiede in den Erhebungsmethoden. Die Nutzung der Mobilitätsraten als Absolutwerte anstelle der Anteilswerte des Modal Splits erlaubte eindeutige und von anderen Verkehrsmodi oder Wegezwecken weitgehend unabhängige Aussagen zu den verschiedenen Mobilitätsindikatoren.

Die Frage, wie sich die Pkw-Nutzung in urbanen Gebieten künftig weiter entwickeln wird, ist offen und von allen drei Bereichen der (1) gesellschaftlichen Rahmenbedingungen, (2) verkehrspolitischen Rahmenbedingungen und des (3) Verhaltens abhängig. Goodwin (2012) formuliert drei Hypothesen für mögliche künftige Entwicklungen: „Unterbrochenes Wachstum“, „Sättigung“, „Peak Car“. Neuere Untersuchungen deuten auf eine geschwächte Dynamik der Peak-Car-Entwicklungen hin bzw. zeigen teilweise sogar leichte Anstiege in der Pkw-Nutzung z. B. für London (Transport for London 2017). Veränderungen finden auch im (Mobilitäts-)Verhalten statt. Die Commission on Travel Demand (Marsden et al., 2018) findet z. B. für Großbritannien erhebliche Reduktionen der Mobilitätsraten (16 % geringer in 2016 im Vergleich zu 1996), Distanzen (10 % Abnahme im Vergleich zu 2002) und auch Reisezeiten. Erste Auswertungen der jüngsten deutschen Erhebung „Mobilität in Deutschland (MiD) 2017“ deuten in eine ähnliche Richtung (Bundesministerium für Verkehr und digitale Infrastruktur, 2018). Weitere Reduktionen der Pkw-Nutzung durch Erwerbspersonen sind denkbar, wenn sich die Trends hin zu flexibleren Arbeitszeitregimen fortsetzen und Arbeitsplätze durch den Umweltverbund gut erschlossen werden. Weitere Anstiege in der Pkw-Nutzung in den Gruppen der Senioren und Frauen sind wahrscheinlich, wenn kein Gegensteuern erfolgt. Hohe Potenziale zur Reduktion der Pkw-Nutzung liegen in den Wegen zum Zweck „Einkauf/Erledigung“.

Danksagung

Diese Forschung wurde im Rahmen des Forschungsprojekts „Congestion Reduction in Europe: Advancing Transport Efficiency” (CREATE) durchgeführt mit Unterstützung der Partnerstädte Berlin, Kopenhagen, London, Paris und Wien. CREATE (http://www.create-mobility. eu/) wurde im Rahmen des EU-Forschungsrahmengrogramms Horizon 2020 gefördert (Grant Agreement No. 636573). Die Autoren bedanken sich bei allen CREATE-Partnern für ihre Unterstützung. Die Verantwortung für die Inhalte liegt allein bei den Autoren. 

Literaturverzeichnis

  1. A r m o o g u m, Jimmy; B o n s a l l, Peter; B r o w n e, Michael; C h r i s t e n s e n, Linda; C o o l s, Mario; C o r n é l i s, Eric et al. (Hg.) (2014): Survey HArmonisation with New Technologies Improvement (SHANTI) (Les collections de L’INRETS)
  2. B u e h l e r, Ralph; P u c h e r, John; G e r i k e, Regine; G ö t s c h i, Thomas (2016): Reducing car dependence in the heart of Europe. Lessons from Germany, Austria, and Switzerland. In: Transport Reviews 37 (1), S. 4–28. DOI: 10.1080/01441647.2016.1177799
  3. Bundesministerium für Verkehr und digitale Infrastruktur (Hg.) (2018): Mobilität in Deutschland. Kurzreport. Online verfügbar unter <http://www.mobilitaet-in-deutschland.de>, zuletzt geprüft am 31.7.2018
  4. C o r n u t, Benoît; M a d r e, Jean-Loup (2017): A longitudinal perspective on car ownership and use in relation with income inequalities in the Paris metropolitan area. In: Transport Reviews 37 (2), S. 227–244. DOI: 10.1080/01441647.2016.1245218
  5. D e l b o s c, Alexa (2017): Delay or forgo? A closer look at youth driver licensing trends in the United States and Australia. In: Transportation 44 (5), S. 919–926. DOI: 10.1007/s11116-016-9685-7
  6. F o c a s, Caralampo (1998): The four World Cities. Transport Study. London
  7. F o c a s, Caralampo; Christidis, Panayotis (2017): Peak Car in Europe? In: Transportation Research Procedia 25, S. 531–550. DOI: 10.1016/j.trpro.2017.05.437
  8. G a r i k a p a t i, Venu M.; P e n d y a l a, Ram M.; M o r r i s, Eric A.; M o k h t a r i a n, Patricia L.; M c D o n a l d, Noreen (2016): Activity patterns, time use, and travel of millennials. A generation in transition? In: Transport Reviews 36 (5), S. 558–584. DOI: 10.1080/01441647.2016.1197337
  9. G o o d w i n, Phil (2012): Peak Travel, Peak Car and the Future of Mobility. Evidence, Unresolved Issues, Policy Implications, and a Research Agenda. Paris (ITF Discussion Paper, 2012-13). Online verfügbar unter https://www.itf-oecd.org/peak-travel-peak-car-and-future-mobility, zuletzt geprüft am 22.7.2018
  10. G o o d w i n, Phil; van Dender, Kurt (2013): Peak Car-Themes and Issues. In: Transport Reviews 33 (3), S. 243–254. DOI: 10.1080/01441647.2013.804133
  11. H j o r t h o l, Randi (2016): Decreasing popularity of the car? Changes in driving licence and access to a car among young adults over a 25-year period in Norway. In: Journal of Transport Geography 51, S. 140–146. DOI: 10.1016/j.jtrangeo.2015.12.006
  12. K l e i n, Nicholas J.; S m a r t, Michael J. (2017): Millennials and car ownership. Less money, fewer cars. In: Transport Policy 53, S. 20–29. DOI: 10.1016/j.tranpol.2016.08.010
  13. K u h n i m h o f, Tobias; A r m o o g u m, Jimmy; B u e h l e r, Ralph; D a r g a y, Joyce; D e n s t a d l i, Jon Martin; Ya m a m o t o, Toshiyuki (2012): Men Shape a Downward Trend in Car Use among Young Adults-Evidence from Six Industrialized Countries. In: Transport Reviews 32 (6), S. 761–779. DOI: 10.1080/01441647.2012.736426
  14. K u h n i m h o f, Tobias; Z u m k e l l e r, Dirk; C h l o n d, Bastian (2013): Who Made Peak Car, and How? A Breakdown of Trends over Four Decades in Four Countries. In: Transport Reviews 33 (3), S. 325–342. DOI: 10.1080/01441647.2013.801928
  15. M a r s d e n, Greg; D a l e s, John; J o n e s, Peter; S e a g r i f f, Elaine; S p u r l i n g, Nicola (2018): All Change? The future of travel demand and the implications for policy and planning. First Report of the Commission on Travel Demand <www.demand.ac.uk/wp-content/.../FutureTravel_report_final.pdf>, zuletzt geprüft am 26.7.2018
  16. R o i d e r, O. on behalf of the CREATE consortium (2016): Quantitative analysis of travel: Technical reports of stage 3 cities Berlin, Copenhagen, London, Paris, Vienna. Deliverable 3.2 within the CREATE-project (Congestion Reduction in Europe: Advancing Transport Efficiency). Online verfügbar unter http://www.create-mobility.eu/create/Publications/Reports, zuletzt geprüft am 26.7.2018
  17. T h i g p e n, Calvin; H a n d y, Susan (2018): Driver’s licensing delay. A retrospective case study of the impact of attitudes, parental and social influences, and intergenerational differences. In: Transportation Research Part A: Policy and Practice 111, S. 24–40. DOI: 10.1016/j.tra.2018.03.002.
  18. Transport for London (2013): Travel in London. Report 6. Hg. v. Mayor of London, Transport for London (TfL). London. Online verfügbar unter http://content.tfl.gov.uk/travel-in-london-report-6.pdf, zuletzt geprüft am 26.7.2018.
  19. Transport for London (2017): Travel in London. Report 10. Hg. v. Mayor of London, Transport for London (TfL). London. Online verfügbar unter http://content.tfl.gov.uk/travel-in-london-report-10.pdf, zuletzt geprüft am 26.7.2018
  20. v a n d e r Wa a r d, Jan; J o r r i t s m a, Peter; I m m e r s, Ben (2013): New Drivers in Mobility; What Moves the Dutch in 2012? In: Transport Reviews 33 (3), S. 343–359. DOI: 10.1080/01441647.2013.801046
  21. W i t t w e r, Rico; G e r i k e, Regine (2018): Report of Cross-City Comparison (D3.3). Congestion Reduction in Europe: Advancing Transport Efficiency (CREATE). Public Report. Online verfügbar unter http://www.create-mobility.eu/create/Publications/Reports, zuletzt geprüft am 26.7.2018
  22. W i t t w e r, Rico; H u b r i c h, Stefan (2016): What Happens Beneath the Surface? Evidence and Insights into Changes in Urban Travel Behaviour in Germany. In: Transportation Research Procedia 14, S. 4304–4313. DOI: 10.1016/j.trpro.2016.05.352
  23. W i t t w e r, Rico; H u b r i c h, Stefan; W i t t i g, Sebastian; G e r i k e, Regine (2018): Development of a New Method for Household Travel Survey Data Harmonisation. In: Transportation Research Procedia, (forthcoming)