Analyse der Zielwahl im motorisierten Individualverkehr: Eine Betrachtung der Auftretenshäufigkeit routinisierter Fahrten

Abstract

Habitualisiertes Mobilitätsverhalten ist ein relevanter Einflussfaktor auf das individuelle Verkehrsverhalten. Sofern dieses Verhalten im alltäglichen motorisierten Individualverkehr (MIV) prognostizierbar ist, können dem Verkehrsteilnehmer verkehrsrelevante, individuell angepasste Informationen direkt zugeführt werden, ohne ihn dabei mit einer Informationsflut zu überfordern. Ein erweiterter Prediktionshorizont, der sich aus einem abschätzbaren Streckenverlauf ergibt, ermöglicht es, das Energie- und Boardmanagement eines Fahrzeugs zu verbessern und somit Energie einzusparen. Untersuchungsgegenstand der Arbeit ist, die Häufigkeiten routinisiert angefahrener Ziele im MIV zu analysieren und das Forschungspotenzial abzuschätzen. Dem zugrunde liegt die zentrale Fragestellung der Arbeit, inwieweit sich mittels der Auftretungshäufigkeit der angefahrenen Ziele Muster und Routinen des individuellen Verkehrsverhaltens abbilden lassen und durch welche Faktoren sie beeinflusst werden. Der Datensatz einer Sechs-Wochen-Längsschnitterhebung wurde auf dieser Basis überprüft und des Weiteren einer Analyse der Möglichkeit einer Übertragbarkeit bekannter Determinanten der empirischen Verkehrsverhaltensforschung auf die beobachteten Ziele unterzogen, welche bestätigt werden kann. Aus dem Bereich der angewandten Statistik wurden die Wahrscheinlichkeit des Aufsuchens eines Ziels und die Veränderung dieser bei einer Vorwärtsbewegung in der Zeit mittels einer Überlebenszeitanalyse geschätzt. Als Beobachtungszeitraum bietet sich ein Intervall von zwei Wochen an. Untersucht wurde des Weiteren die Möglichkeit, alle in einem gewählten Zeitraum von einem Individuum aufgesuchten Ziele zu beobachten beziehungsweise die Wahrscheinlichkeit der noch nicht angefahrenen Ziele zu bestimmen. Auf Grundlage dieser Überlegung wurde die Good-Turing Schätzfunktion als neue Statistische Methode auf den Datensatz angewandt. Die gewählte Methodik zur Datenexploration erweist sich als valide, es ergibt sich jedoch auch noch Verbesserungsbedarf. Insbesondere für die Miteinbeziehung einer individuellen Komponente des Mobilitätsverhaltens sollte ein weiter gefasster Beobachtungszeitraum gewählt werden. Die Ergebnisse der Arbeit bilden die empirische Basis für die Entwicklung eines Algorithmus, der die gewonnenen Erkenntnisse in dynamische Navigationsgeräte der nächsten Generation implementieren soll.