Individuelles Verkehrsverhalten im Wochenverlauf [1 ed.] 9783428474318, 9783428074310

Citation preview

DEUTSCHES INSTITUT FÜR WIRTSCHAFTSFORSCHUNG

BEITRÄGE ZUR STRUKTURFORSCHUNG HEFT 130 · 1992

Uwe Kunert

Individuelles Verkehrsverhalten im Wochenverlauf

DUNCKER & HUMBLOT · BERLIN

D E U T S C H E S I N S T I T U T FÜR

WIRTSCHAFTSFORSCHUNG

gegründet 1925 als INSTITUT FÜR KONJUNKTURFORSCHUNG von Prof. Dr. Ernst Wagemann 1000 Berlin 33 (Dahlem), Königin-Luise-Straße 5

VORSTAND Präsident Prof. Dr. Lutz Hoffmann Prof. Dr. Johann Eekhoff · Dr. Norbert Meisner · Wolfgang Roth, MdB · Dr. Ludolf-Georg von Wartenberg

Kollegium der Abteilungsleiter* Dr. Doris Cornelsen · Dr. Heiner Flassbeck · Dr. Fritz Franzmeyer · Dr. Kurt Hornschild Prof. Dr. Wolfgang Kirner · Prof. Dr. Eckhard Kutter · Dr. Bernhard Seidel · Dr. Hans-Joachin Ziesing

KURATORIUM Vorsitzender: Dr. Alexander von Tippeiskirch Stellvertretender Vorsitzender: Dr. Thomas Hertz

Mitglieder Der Bundespräsident Bundesrepublik Deutschland Bundesministerium der Finanzen Bundesministerium für Wirtschaft Bundesministerium für Verkehr Bundesministerium für Post und Telekommunikation Bundesministerium für Raumordnung, Bauwesen und Städtebau Bundesministerium für Ernährung, Landwirtschaft und Forsten Bundesministerium für Arbeit und Sozialordnung Bundesministerium für wirtschaftliche Zusammenarbeit Bundesministerium für Forschung und Technologie Land Berlin Senatsverwaltung für Wissenschaft und Forschung Senatsverwaltung für Wirtschaft und Technologie Senatsverwaltung für Verkehr und Betriebe Senatsverwaltung für Bundes- und Europaangelegenheiten Freistaat Bayern, vertreten durch das Bayerische Staatsministerium für Wirtschaft und Verkehr Freie und Hansestadt Hamburg, vertreten durch die Behörde für Wirtschaft, Verkehr und Landwirtschaft Land Niedersachsen, vertreten durch das Niedersächsische Ministerium für Wirtschaft und Verkehr Land Nordrhein-Westfalen, vertreten durch das Ministerium für Wirtschaft, Mittelstand und Technologie Land Baden-Württemberg, vertreten durch das Ministerium für Wirtschaft, Mittelstand und Technologie Deutsche Bundesbank Deutsche Bundesbahn Deutsche Bundespost POSTDIENST Bundesanstalt für Arbeit Wirtschaftsvereinigung Bergbau Christlich-Demokratische Union Deutschlands Sozialdemokratische Partei Deutschlands Freie Demokratische Partei Deutscher Gewerkschaftsbund, Düsseldorf Industriegewerkschaft Metall, Frankfurt a.M. Berliner Bank Aktiengesellschaft Berliner Pfandbrief-Bank Industriekreditbank Aktiengesellschaft — Deutsche Industriebank Berliner Industriebank Aktiengesellschaft Berliner Kraft- und Licht (Bewag)-Aktiengesellschaft Elektrowerke Aktiengesellschaft Vereinigung der Freunde des Deutschen Instituts für Wirtschaftsforschung

Persönliche Mitglieder Dr. Günter Braun Dr. Dieter Hiss Dr. Karl-Heinz Narjes * Präsident und Abteilungsleiter sind gemeinsam für die wissenschaftliche Leitung verantwortlich.

DEUTSCHES INSTITUT

FÜR WI RTSC H A FTS FO RS C H U Ν G

BEITRÄGE ZUR STRUKTURFORSCHUNG

Uwe Kunert

Individuelles Verkehrsverhalten im Wochenverlauf

DUNCKER & HUMBLOT · BERLIN

HEFT 130 · 1992

D 84 Herausgeber: Deutsches Institut für Wirtschaftsforschung, Königin-Luise-Str. 5, D-1000 Berlin 33 Telefon (0 30) 82 9910 — Telefax (0 30) 82 99 12 00 Schriftleitung: Prof. Dr. Wolfgang Kirner Verlag: Duncker & Humblot GmbH, Dietrich-Schäfer-Weg 9, D-1000 Berlin 41. Alle Rechte vorbehalten Druck: 1992 bei ZIPPEL-Druck, Oranienburger Str. 170, D-1000 Berlin 26 Printed in Germany ISBN 3-428-07431-9

Inhaltsverzeichnis Seite 1

Einleitung

7

2

Aspekte der Dynamik im Verkehrsverhalten und deren Erfassung

11

2.1

Aggregierte Darstellungen und Analysen der Verkehrsnachfrage

11

2.1.1

Ganglinien und Zeitreihen

11

2.1.2

Wiederholte Querschnitte

17

2.1.3

Verhaltensorientierte Ansätze

19

2.2

Individuelle Verhaltensvietfalt und Verhaltensänderungen im Zeitverlauf

20

2.2.1

Strukturierung der Zeit und Komponenten der Dynamik

21

2.2.2

Panelstudien

28

2.2.3

Kurze Panels

36

2.2.4

Vorher-Nachher-Untersuchungen

38

3

Untersuchungsgebiet, Stichprobe und Daten

41

3.1

Untersuchungsgebiet Amsterdam

41

3.2

Erhebung der Stichprobe

44

3.3

Ergänzende Daten und Erreichbarkeitsmaße

50

3.4

Datenaufbereitung

51

3.5

Darstellung soziodemographischer Merkmale der Stichprobe

52

4

Mobilität und Nonresponse

59

4.1

Mobilitätsindikatoren in der Stichprobe

59

4.1.1

Wegemerkmale Zweck, Verkehrsmittel und Dauer nach Wochentagen

66

4.2

Vergleich mit Ergebnissen anderer Erhebungen

70 3

Seite

4.3

Verzerrungen von Verhaltensmerkmalen

74

4.3.1

Einige Befunde zur Quantifizierung u*id Korrektur von Erhebungsfehlern

76

4.3.1.1

Ausfallbedingte Verzerrungen

77

4.3.1.2

Verzerrungen durch fehlende und falsche Angaben

78

4.3.1.3

Nonresponse in Längsschnittdaten

80

4.3.1.4

Möglichkeiten der Korrektur von Verzerrungen

83

4.3.2

Verzerrungen von Verhaltensmerkmalen in der Stichprobe

85

4.3.2.1

Fehlende Wegeangaben nach Wegemerkmalen

88

4.3.2.2

Fehlende Wegeangaben nach Wochentagen

91

4.3.2.3

Fehlende Angaben nach Personengruppen

99

4.3.3

Zusammenfassung

108

5

Einordnung des Untersuchungsansatzes in die verkehrswissenschaftliche Forschung

111

5.1

Verhaltensorientierte Ansätze

111

5.1.1

Wahlmodelle

111

5.1.2 ,

Aktivitätenforschung

113

5.1.3

Bestimmungsgrößen der Mobilität

119

5.2

Konzeptualisierung des Untersuchungsansatzes

123

5.2.1

Sozialökologischer Ansatz

124

5.2.2

Komponenten und Ausprägungsformen der Dynamik

128

5.2.3

Die Mobilität innerhalb einer Woche - Bedeutung und Befunde

130

4

Seite

6

Untersuchungsansatz und -methodik

137

6.1

Untersuchungsansatz

137

6.2

Analysemethodik

138

6.2.1

Kategoriale Regression

139

6.2.2

Varianzanalyse

143

6.2.3

Kovarianzanalyse

148

6.2.4

Varianzanalyse mit Meßwiederholungen

149

7

Die Mobilität von Personen und Personengruppen innerhalb einer Woche

ISS

7.1

Faktoren der individuellen Mobilitätsbeteiligung im Wochenverlauf

155

7.1.1

Abgrenzung und Grundlage

155

7.1.2

Die generelle Mobilitätsbeteiligung

160

7.1.3

Die Häufigkeit der wöchentlichen Mobilitätsbeteiligung

166

7.1.4

Die Mobilitätsbeteiligung nach Wochentagstypen

172

7.1.5

Faktoren der individuellen Mobilitätsbeteiligung unter Berücksichtigung des Ermüdungseffektes

179

7.1.6

Die wöchentliche Wegehäufigkeit

180

7.1.7

Varianz der individuellen täglichen Wegehäufigkeit

184

7.1.8

Zusammenfassung

187

5

Seite

7.2

Ausprägungen und Variabilität der Mobilitätskomponenten von Personengruppen im Wochenverlauf

189

Mobilitätsverläufe für verschiedene Abgrenzungen von Personengruppen

191

7.2.1.1

Sieben Schmiedel-Gruppen

191

7.2.1.2

Zehn Personengruppen

203

7.2.1.3

Personengruppen nach dem Lebenszyklus-Konzept

209

7.2.1.4

Wegezwecke und Verkehrsmittelbenutzung im Wochenverlauf

219

7.2.1.5

Dauer der Mobilitätsbeteiligung im Wochenverlauf

226

7.2.1.6

Zusammenfassung

231

7.2.2

Mobilität nach Mobilitätsstufen

233

7.3

Inter- und intrapersonelle Varianz der Wegehäufigkeit

239

8

Zusammenfassung und Schlußfolgerungen

243

Literatur

255

Tabellenanhang

267

7.2.1

6

We are drowning in information but starved for knowledge. John Naisbitt, Megatrends.

1

Einleitung

Dieses Zitat aus John Naisbitt's Bestseller Megatrends wäre am Anfang vieler wissenschaftlicher Arbeiten gut piaziert. Weist es doch auf das Ziel wissenschaftlicher Forschung, über das bloße Gewinnen von Informationen hinaus Wissen zu erlangen. Die zielgerichtete, aber vorurteilsfreie Interpretation von Informationen auf der Basis einer Theorie oder "begründeten Erwartung" führt zum Wissen. Am Anfang dieser Arbeit steht Naisbitt's Zitat, weil sowohl einige neue Informationen als auch deren Interpretation dargeboten werden sollen. Die Interpretationszusammenhänge sind bekannt und werden seit vielen Jahren wissenschaftlich bearbeitet. Es geht um das Aktivitäts- bzw. Verkehrsverhalten von Individuen und Haushalten, insbesondere im Zusammenhang mit ihren soziodemographischen Charakteristika.

Die Informationen haben jedoch als neue Dimension den wochenzeitlichen Verlauf von Kenngrößen der Mobilitätsteilnahme, erhoben für dieselben Personen. Verkehrsverhalten ist bisher nicht nur in Abhängigkeit von soziodemographischen Faktoren untersucht worden, sondern auch in Beziehung zu Sachstrukturen, der Qualität des Verkehrsangebotes, der Motorisierung und den Haushaltszusammenhängen. Untersuchungszeitraum war dabei stets ein, höchstens zwei Tage (jedenfalls in der deutschsprachigen Literatur). Mit den angesprochenen Einflußfaktoren sind auch wichtige Fragestellungen in der zeitlichen Dimension aufgeworfen. Dies ist in kurzfristiger Betrachtung der Aspekt, daß an einem Stichtag nicht die individuelle bzw. für Personengruppen vorhandene Vielfalt und Dynamik im Mobüitätsverhalten eingefangen ist, obwohl dies zum Verständnis der Organisation von Mobilität wünschenswert wäre. In längerer zeitlicher Sicht ist der Aspekt der individuellen Verhaltensänderung bedeutsam. Bislang wird im Zusammenhang von Planung und Prognose vornehmlich aus Vergleichen in Querschnitten auf Veränderungen über der Zeitachse argumentiert. Tatsächlich haben wir jedoch nur sehr unzureichende Vorstellungen über die dynamische Entwicklung von Mobilitätsverhalten, die eigentlich eine Voraussetzung für Einschätzungen der Verhaltenskonstanz bzw. -änderung sind. Wenn Zeitvergleiche vorliegen, dann sind diese über relativ grob

7

beschriebenen Aggregate ohne Individualbezug geführt, womit die im Zeitverlauf stattfindenden Bruttoveränderungen unbekannt bleiben.

In dieser Arbeit wird Mobilität als ein Mittel zum Zweck verstanden. Wege von Personen werden im Zusammenhang mit den auslösenden Motiven gesehen, sie bieten quasi ein Spiegelbild der außerhäusigen Aktivitäten einer Person. Dabei leben diese Personen in einer großstädtischen Umwelt, die mit ihrem vielfältigen Angebot an Infrastruktur und mit einem guten öffentlichen Verkehrssystem zu anderen Verhaltensausprägungen als bei Personen in einem ländlichen Gebiet führt. Außerdem ist die soziodemographische Zusammensetzung einer städtischen Bevölkerung unterschiedlich. Zwar werden die Ausprägungen der Mobilität einer Person vornehmlich durch individuelle Eigenschaften hervorgerufen, bedeutend ist jedoch auch und für ein Verständnis der Mobilität sogar unerläßlich - der jeweilige Haushaltszusammenhang, in dem eine Person agiert.

Da mit dem wochenzeitlichen Verlauf der Mobilität von Personen dynamische Aspekte im Verhalten angesprochen sind, werden im Kapitel 2 zunächst einige bisherige Betrachtungen von Dynamik im Verkehr aufgegriffen. Zur Klärung der Frage, welche Ursachen für Dynamik in verschiedenen Gesichtspunkten menschlichen Verhaltens sorgen, werden anschließend Überlegungen aus anderen Wissenschaftsdisziplinen zur Strukturierung der Zeit angeführt und zu einer Systematisierung der Komponenten von Dynamik im Verkehrsverhalten genutzt. Im Hinblick auf Aussagen im Zeitverlauf werden sodann geeignete Erhebungsformen zur Gewinnung von Informationen, die in der Verkehrswissenschaft angewandt werden, eingestuft und speziell für Panels einige Befunde zitiert.

Die in einer Untersuchung möglichen Analysen und Aussagen sind abhängig von der Art und der Qualität der vorliegenden Daten. Nach den Ausführungen zu verschiedensten Aspekten der Dynamik im Verkehrsverhalten im Kapitel 2 werden daher im Kapitel 3 das Erhebungsgebiet und die Erhebungsmethode der hier genutzten Daten und einige soziodemographischen Merkmale der erhobenen Stichprobe dargestellt. In Kapitel 4 werden die Verhaltenskenngrößen zur Mobilität in der Stichprobe ermittelt und ausführlich die Verzerrungen von Verhaltensmerkmalen durch den Ermüdungseffekt bei den Befragten während des Erhebungszeitraumes analysiert.

8

Das Kapitel 5 zeigt den Rahmen der verkehrswissenschaftlichen Forschung auf, in den die vorliegende Arbeit einzuordnen ist. Aus den vorhandenen Erklärungsansätzen und Befunden wird ein konzeptioneller Hintergrund für die folgenden Analysen gebildet, der insbesondere auf dem sozialökologischen Ansatz aufbaut und vor dem eine Operationalisierung mit den gegebenen, unvollständigen Informationen entwickelt wird. Nach diesem Konzept für das Verständnis und die Analyse der Dynamik im Mobiütätsverhalten wird auf die Bedeutung der Fragestellung für die Verkehrsplanung und -forschung eingegangen und es werden Befunde verwandter Studien angeführt. Die entsprechend dem Untersuchungskonzept und der Datenlage angemessen Analysemethoden werden im Kapitel 6 ausgewählt und kurz erläutert.

Im Kapitel 7 wird die Mobilität von Personen innerhalb einer Woche analysiert. Dabei werden zunächst einzelne Faktoren in ihrer Wirkung auf verschiedene Aspekte der Mobilitätsbeteiligung dargestellt und dann der Verlauf und die Variabilität von Mobilitätskenngrößen über die Wochentage für verschiedene Abgrenzungen von Personengruppen gezeigt. Schließlich werden im Kapitel 8 die Untersuchungsergebnisse zusammengefaßt und es wird ihre Bedeutung bewertet.

Zu danken ist an dieser Stelle allen, die die Arbeiten an dieser Studie unterstützt haben, dem Verkehrsministerium der Niederlande für die freundliche Bereitstellung der Daten und der Deutschen Forschungsgemeinschaft für diefinanzielle Hilfe.

9

Aspekte der Dynamik im Verkehrsverhalten und deren Erfassung

2

In der Verkehrsplanung sind dynamische Gesichtspunkte von großer Bedeutung. Dabei kann unter Dynamik in der allgemeinsten Form die Veränderung des Wertes einer interessierenden Größe im Zeitverlauf verstanden werden. Die klassische Verkehrswegeplanung basiert auf der Analyse von Verkehrsmengen und -abläufen, die dynamisch, also über die Zeit veränderlich, auftreten. Auch die an dem Verhalten von Individuen anknüpfenden Ansätze - ζ. B. im Zusammenhang der Verkehrsmittelwahl - beziehen sich auf dynamische Prozesse, indem mit der Analyse fast stets auch Vorstellungen von Verhaltensalternativen und Verhaltensänderungen verbunden sind. In Abschnitt 2.1 werden zunächst Beispiele dieser Arten dynamischer Betrachtung in der Verkehrswissenschaft angeführt und es werden Schlußfolgerungen bezüglich der beschränkten Aussagekraft der auf aggregierten Daten basierenden Analysen gezogen. Im folgenden Abschnitt werden die Ursachen individueller Verhaltensvielfalt im Zeitverlauf strukturiert und einige Befunde erörtert, die über Verhaltensänderungen und -Vielfalt vorliegen. Es erfolgt dabei eine Betonung auf längere Betrachtungszeiträume (Monate, Jahre), da die bei kürzeren Zeiträumen im Vordergrund stehenden Gesichtspunkte Gegenstand des in den folgenden Kapiteln dargelegten theoretischen Ansatzes und der empirischen Analyse sind.

2.7

Aggregierte

Darstellungen und Analysen der Verkehrsnachfrage

2.1.1

Ganglinien und Zeitreihen

Ganglinien und Zeitreihen sind aggregierte Darstellungen sich überlagernder Verkehrsvorgänge, die keinen oder nur sehr geringen Bezug zu den dahinterstehenden handlungstragenden Einheiten autweisen. Die Betrachtung der Dynamik im Verkehr in der Form von Ganglinien für einzelne Verkehrsträger ist seit Jahrzehnten gebräuchlich. Straßenverkehrszählungen werden seit der Einführung automatischer Dauerzählstellen nach Tages-, Wochen- und Jahresganglinien regelmäßig ausgewertet. Die Darstellung erfolgt in Tagesganglinien der stündlichen Verkehrsstärke, in Wochenganglinien der täglichen Verkehrsstärke und in Jahresganglinien der wöchentlichen Verkehrsstärke oder der mittleren durchschnittlichen täglichen Verkehrsstärke 1. Die Ganglinien werden in Typen klassifiziert, die sich im wesentlichen durch die in den

1

Vgl. Bundesanstalt für Straßenwesen (Hrsg.), Quartalsauswertungen Langzeitzählstellen, Bundesanstalt für Straßenwesen (Hrsg.), Jahresauswertung Langzeitzahlstellen, Bundesanstalt für Straßenwesen (Hrsg.), Jahresganglinien Langzeitzahlstellen. 11

Ganglinien ausgedrückte Dynamik unterscheiden2. So reichen die sechs Typen von Tagesganglinien vom Typ mit ausgeprägter Morgenspitze und konstanter Verkehrsstärke vormittags bis nachmittags über einen Typ mit tagsüber konstanter Verkehrsstärke bis zu einem Typ mit über den Tag zur Nachmittagsspitze ansteigender Verkehrsstärke. Diese querschnittsbezogenen Ganglinien werden getrennt für die Tage Montag, Freitag, Samstag, Sonntag und die Tagesgruppe Dienstag bis Donnerstag ausgewiesen.

Entsprechend sind die Wochenganglinien nach der Entwicklung der Tageswerte über die Woche typisiert. Fast allen Typen gemein ist ein Anstieg der Tageswerte vom Montag bis zum Freitag (Abbildung 2.1). Die von der Bundesanstalt für Straßenwesen in über 700 automatischen Langzeitzählstellen erfaßten Daten dienen auch der Ermittlung von Maßzahlen, die für die Arbeit von Planern und Verkehrsingenieuren wichtige Grundlagen sind: durchschnittliche tägliche Verkehrsstärke (DTV), höchstbelastete Stunde des Monats, Anteil der Lkw, maßgebliche stündliche Verkehrsstärke (MSV), die dreißighöchste Stundenverkehrsstärke innerhalb eines Zeitbereichs, u.a.m.

Während die Ganglinientypen dazu dienen, "die Variabilität des Verkehrsaufkommens in ihren wesentlichen Ausprägungen zu verdeutlichen"3, greifen diese Kennzahlen Einzelwerte oder Mittelwerte als Bemessungsgrundlagen heraus. Auch für den Fußgängerverkehr sind querschnittsbezogene Ganglinien ermittelt worden4. Im öffentlichen Verkehr ist eine querschnittsbezogene Nachfragedarstellung in Ganglinienform nicht bekannt. Es existieren jedoch Ganglinien der Verkehrsnachfrage im Verkehrssystem oder Teilen davon5.

2

Heidemann, D., Wirober, P. (1983) S. 247 ff.

3

Ebenda, S. 264.

4

Oeding, D. (1963) Heidemann, G. (1967) zitiert nach Doormann, J. (1972). 5

12

Vgl. ζ. B. Bracher, T. et al. (1988) S. 348.

Abbildung 2.1 Wochenganglinien

/

,1 16

\

.ι*}:?-"* s χ . Όν ΤΓΐ —

/ ·*

u —

10

Mont»« WochMoanfllnlM Typ A— Owdlch· if Serwög· ιΛί Sonnig Typ Β------- Mrtmum für SenrtQ· und Soiwilioe. Tun c ι , yyytiMhnnil Garainia. Typ 0— Verkehr an dan Wochonandm atferkar als an dan Wertem Montao bü Domanial Marinun IQr Rataga. Typ E Amgegüchener Varlauf IQr Montye bis SmttQ·, dauüche Splto för Sonniao·. Typ F — Extrama Spila IQr Som&oa, Varkahr an SamtaQan dauich altar all an WarktaQan Montag b· Wdg.

Quelle: Bundesanstalt für Straßenwesen (Hrsg.) Jahresauswertung 1988 Langzeitzählstellen.

Verkehrsmengen im Zeitablauf in der aggregiertesten Form sind Zeitreihen der Verkehrsnachfrage, wie sie im Taschenbuch "Verkehr in Zahlen" jährlich veröffentlicht werden6. Sie geben die Entwicklung des globalen Personenverkehrs in der gesamten Bundesrepublik nach Verkehrsträgern in Aufkommen und Leistung in Werten für die Kalenderjahre an. Zeitreihen aggregierter, sich überlagernder Verkehrsvorgänge sind u. a. dazu genutzt worden, die Reaktion der Nachfrage auf Veränderungen des Angebotes oder externer Faktoren zu analysieren. Rose stehen die durchschnittlichen täglichen Fahrgastzahlen jeden Monats über elf Jahre im Schienennahverkehr der Chicago Transit Authority zur Verfügung 7. Er untersucht die Effekte von Preis- und Angebotsveränderungen auf die Fahrgastzahlen und unterscheidet zwischen kurzund langfristigen Reaktionen (Elastizitäten). Im Ergebnis zeigt sich die Nachfrage unbeeinflußt von Tarifänderungen und auf Änderungen des Angebots erst nach einem Zeitraum von 12

6

Bundesminister für Verkehr (Hrsg.) Verkehr in Zahlen, verschiedene Jahrgange.

7

Rose, G. (1986) S. 142. 13

Monaten reagibel. Die langfristige Elastizität der Nachfrage in Bezug auf Benzinpreise ist bedeutender als die kurzfristige. Beispielhaft werden die Ergebnisse als Entscheidungsgrundlagen des Betreibers unter dem Zwang der Verbesserung des Wirtschaftsergebnisses eingesetzt.

Eine vergleichbare Arbeit aus dem Bereich des Straßenverkehrs nutzt die Daten des monatlichen Benzinverbrauchs von 16 Jahren in der Bundesrepublik als Ersatzgröße für die Verkehrsnachfrage im Individualverkehr, die von verschiedenen Variablen beeinflußt wird. Mit einem aggregierten Zeitreihennachfragemodell wird eine Reihe von Elastizitäten ermittelt, so ζ. B. die Elastizität des Benzinverbrauchs in Bezug auf Veränderungen des realen Benzinpreises zu - 0,28. Für die Qualität des öffentlichen Personennahverkehrs (gemessen durch einen mittleren Bedienungstakt) läßt sich kein spürbarer Effekt auf die Nachfrage nach PkwFahrleistungen nachweisen8.

Auf das Problem des hohen Aggregationsniveaus, welches insbesondere der letzteren Untersuchung anhaftet, soll hier nicht weiter eingegangen werden. Es besteht im Prinzip darin, daß die Ausprägungsvielfalt der erklärten und der erklärenden Größen auch zu jedem Meßzeitpunkt oder -Zeitraum nicht erfaßt wird. Diese Abstufungen bestehen sowohl räumlich als auch für Segmente der Nachfrage und können bei Aggregation nicht zueinander in Beziehung gesetzt werden.

Entscheidend für die Identifikation dynamischer Aspekte ist die Frage, was eigentlich gemessen wird und neben der Dauer der Beobachtung insgesamt der Abstand und die Länge von Meßintervallen. Ganglinien und Zeitreihen der geschilderten Form sind Meßgrößen für eine Summe von Verkehrsvorgängen, also für das Verkehrsgeschehen, in dem sich ganz verschiedene Verkehrsvorgänge überlagern. Es läßt sich nicht nur in jedem Zeitintervall der einzelne Verkehrsvorgang nicht mehr isolieren, damit können auch sich in irgendeiner Hinsicht entsprechende Vorgänge in verschiedenen Zeitintervallen nicht verknüpft werden. Für die Interpretation von Elastizitäten, die sich auf Hypothesen über das Verhalten der in den Verkehrsvorgängen handelnden Personen abstützt, hat dies stark einschränkende Folgen9.

14

8

Foos, G., Gaudry, M. (1986).

9

Rose, G. (1986) S. 132.

So lassen sich in der Zeitreihenanalyse immer nur die Salden abbilden, also die Resultierende aller Verhaltensänderungen. Diese mag nach einer Tariferhöhung im öffentlichen Verkehr für ein Bedienungsgebiet bei Null liegen, obwohl sich zahlreiche Verhaltensänderungen eingestellt haben. So ist es denkbar, daß Arbeitsplatzpendler auf die Benutzung des Autos zurückgreifen, im Gegenzug aber andere Haushaltsmitglieder verstärkt auf die Nutzung des ÖV verwiesen sind. Zudem mag die Reaktion der Pendler je nach örtlichen Verkehrsbedingungen sehr unterschiedlich ausfallen. In der langfristigen Betrachtung haben Haushalte noch zahlreichere Möglichkeiten der Verhaltensanpassung. Sie können ζ. B. auf die Tariferhöhung mit der Anschaffung eines zweiten Autos reagieren, um gänzlich unabhängig vom ÖV zu sein.

Auch in der erwähnten Studie zu der Straßenverkehrsnachfrage läßt sich über den Beitrag verschiedener Reaktionsweisen zum beobachteten Trend nur spekulieren. Die Anpassung an ein höheres Benzinpreisniveau kann erfolgen durch weniger Pkw-Fahrten, durch kürzere Fahrten, durch gemäßigtere Fahrweise, durch eine Substitution des Kraftfahrzeuges durch andere Verkehrsmittel. Längerfristig sind auch die Verwendung eines Fahrzeuges mit geringerem Benzinverbrauch und weitere Verhaltensalternativen vorstellbar 10. Verwoben sind also ganz verschiedene Reaktionsweisen und ihre Folgen, wenn man z.B. bedenkt, daß der Umstieg auf ein verbrauchsgünstigeres und schadstoffärmeres Auto gleichzeitig mit einer Steuerersparnis einhergeht. So kann çin für Betrieb und Unterhaltung des Autos zur Verfügung stehendes Budget schließlich zu wesentlich mehr Fahrleistung genutzt werden.

Neben der Problematik aggregierter Messungen ist die Frage nach dem Abstand und der Dauer von Messungen anzusprechen. Dieses Problem existiert auch für klassische Zählungen der Verkehrsstärke, bei denen z.B. die Anzahl der Fahrzeuge, die in einem Zählintervall den Meßquerschnitt passieren, registriert wird. Die Länge des Zählintervalls muß klein genug gewählt werden, um auftretende Effekte berücksichtigen und abbilden zu können. Doormann hat analytisch den Aggregationseffekt bei der Zusammenfassung von Zählungen in größeren Intervallen nachgewiesen. Die Nivellierung von stochastischen und periodischen Schwankungen durch Intervallzusammenfassung kann zu Fehlinterpretationen führen, es können Effekte verwischt - es kann aber auch eine Periodik künstlich erzeugt werden 11. Auf jeden Fall wird die Varianz in den Daten verringert.

10

Foos, G m Gaudry, M. (1986) S. 19.

11

Doormann, J. (1972) S. 107 ff. 15

In Verbindung mit den Aussagen zu den Zeitreihenanalysen und der Schlußfolgerung, daß letztlich nur Beobachtungen am Individuum Aufschluß über Verhaltensaspekte geben können, bedeutet dies auch, daß eine sorgfältige Wahl der Dauer von Beobachtungsintervallen am Individuum erforderlich ist. Um zu dem Beispiel der Ermittlung von Preiselastizitäten im öffentlichen Verkehr zurückzukommen: Für den Betreiber könnte es interessant sein zu wissen, ob infolge einer Preiserhöhung bestimmte Kunden gänzlich verlorengehen oder ob diese nur seltener fahren und also noch im System für Werbung und Serviceverbesserungen ansprechbar sind. Aus der Sicht der Verkehrsforschung wäre es zur Erklärung von Verhaltensweisen von Bedeutung zu wissen, ob für Verkehrsteilnehmer in Reaktion auf die Tarifänderung so viel Verhaltensflexibilität besteht, daß sie in Absprache mit den Mitgliedern ihres Haushalts an einigen Tagen den ÖV, an anderen das Auto nutzen. Derartige Fragestellungen können nicht mit Stichtagsdaten beantwortet werden, hier wäre ein längerer Befragungszeitraum von z.B. einer Woche angebracht. Es reicht andererseits auch nicht aus, für diesen längeren Zeitraum durchschnittliches oder "gewöhnliches" Verhalten zu erfragen, wie dies retrospektive Fragestellungen häufig tun 12 . Dadurch wird die Varianz im individuellen Verhalten nicht erfaßt und eine anteilig vielleicht bedeutsame Verhaltensalternative kann völlig übersehen werden.

Die angeführten Zeitreihenanalysen befassen sich mit der Veränderung von Größen im Zeitablauf und weisen Zusammenhänge in Form von Elastizitäten aus. Sie sind damit zwar nicht erklärtermaßen Prognosen, die Interpretation und die Anwendung von Elastizitäten hat aber immer auch einen prognostischen Aspekt, auch wenn dieser kurzfristig ist. Die Prognose ist erklärtermaßen dynamisch, da ihr Gegenstand gerade die Analyse und Vorhersage einer Zielgröße über die Zeit ist. Dabei werden die Aussagen immer über größere Aggregate geführt, u.a. weil die für Verkehrsprognosen erforderlichen Leitvariablen nicht in beliebiger Brechung verfügbar und sinnvoll sind. Insofern sind Prognosen in der Nähe von Zeitreihenanalysen im o.g. Sinne angesiedelt, vor allem solche, die explizit darauf verzichten, erklärende Größen und Segmentierungen

der

Nachfrage

einzubeziehen

(Trendprognosen) 13.

Die

getroffenen

Einschränkungen bezüglich der Abbildungsschärfe der Dynamik treffen hier also ebenso zu. Sie werde teilweise aufgehoben, wenn die Prognosen nach Nachfragesegmenten tiefer gegliedert

12

Wie z.B. die Volkszahlung mit der Frage nach dem auf dem Weg zur Arbeit hauptsächlich benutzen Verkehrsmittel und der normalerweise benötigten Zeit. 13

16

Vgl. z.B. Cerwenka, P. (1975).

werden 14. Dann kann der bei der Wahl einer sehr langen Zeitperspektive bedeutsame Aspekt berücksichtigt werden, der neben die an denselben Personen zu beobachtenden Komponenten der Dynamik tritt: Die durch die Veränderung der Bevölkerungszusammensetzung hervorgerufene Änderung aggregierter Größen. Prozesse, die die Zusammensetzung einer Bevölkerung ändern, sind die großräumige Mobilität (Wanderungen) und die natürliche Entwicklung durch Geburt, Tod, Haushaltsformierung und -auflösung. Je kleiner ein in diesem Fall geografisch abgegrenztes Aggregat ist, umso bedeutender sind derartige Einflüsse 15.

2.1.2

Wiederholte

Querschnitte

Wiederholte Querschnitte erfassen Informationen mit gleichem oder ähnlichem Erhebungsdesign ; an Stichproben aus derselben Grundgesamtheit, ohne zu versuchen, daß ein Antworter in mehr als einem Querschnitt erfaßt ist. Wenn sie repräsentativ sind, sind sie geeignet, für die Erhebungszeitpunkte Verteilungen in der Grundgesamtheit und Nettoveränderungen zwischen den Zeitpunkten zu ermitteln. Mit wiederholten Querschnitten können Nettoveränderungen nicht aufgeteilt werden in die Veränderungen der individuellen Werte und der Zusammensetzung der Grundgesamtheit. Die Komponenten der individuellen Veränderungen und Häufigkeit, Zeitpunkte und Dauer von Ereignissen in der überstrichenen Zeitperiode bleiben unbekannt.

Das Beispiel für wiederholte Querschnittserhebungen im Verkehrsbereich in der Bundesrepublik sind die bundesweiten kontinuierlichen Erhebungen zum Verkehrsverhalten (KONTIV 76 und KONTIV '82) 16 . Mit diesen Daten, die jeweils auf einem vergleichbaren Erhebungsdesign basieren, das mit der Feldzeit das gesamte Jahr erfasst, sind zahlreiche Analysen vorgenommen worden. Aussagen im Zeitverlauf machen jedoch nur wenige Untersuchungen. Diese lassen sich danach unterscheiden, wie weit sie deri zum Design der KONTIV gehörenden Rahmen verlassen. Das Konzept der KONTIV umfaßt nicht nur die Erhebung selbst, sondern letztlich auch die vom Erhebungsinstitut durchgeführten Gewichtungen bezüglich soziodemographischer Merkmale, über deren Verteilung in der Grundgesamtheit Informationen vorliegen, und

14

Wie z.U. in Kloas, J., Kuhfcld, H. (1990) S. 176, nach 10 soziodemographischen Bevölkerungsgruppen, 3 Stufen der Pkw-Verfügbarkeit im Haushalt, 4 Gemeindetypen, Nah- und Fernverkehr, 5 Wegezwecken und 5 Verkehrsarten. 15

Vgl. Dix, M.C., Layzell, A.D. (1986).

16

Socialdata (1984 a), derselbe (1984 b), vgl. auch Kapitel 4. 17

bezüglich des Nonresponse17. Dieser Erhebungs- und Auswertungsrahmen wird verlassen, wenn von den Verhaltensdaten ausgehend mit anderen Korrektur- und Hochrechnungsfaktoren gearbeitet wird 18 , bzw. wenn außerdem untererfaßte oder nichterfaßte Verhaltenskomponenten, die aus anderen Quellen bekannt sind, hinzugefügt werden 19.

Für die KONTIV war zunächst der Zeitvergleich mit den ungewichteten Datenbeständen geplant gewesen. Es zeigte sich jedoch, daß durch eine Designänderung (1976 zwei oder drei Stichtage, 1982 ein Stichtag) und Veränderungen im Antwortverhalten der Bevölkerung die Ergebnisse für 1982 und 1976 unkorrigiert nicht vergleichbar waren. Der Zeitvergleich mit den korrigierten Daten kommt nicht nur zu anderen Niveaus der Mobilität, stärker noch ist der Korrektureingriff in die strukturellen Gliederungen des Verkehrsverhaltens, einige Tendenzen werden sogar umgekehrt20. Die Aussagen zu Verhaltensänderungen im Zeitablauf, die auf Basis dieser Daten möglich sind, können nicht die Effekte der sich wandelnden Bevölkerung, der geänderten Rahmenbedingungen für die Mobilität und des individuellen Verhaltens voneinander trennen 21.

Mit größerem Zeitabstand zwischen den Querschnitten wird ein Verhaltensvergleich auf der Basis von Befragungsdaten schwieriger. Über einen Zeitraum von vielen Jahren ändert sich nicht nur die Zusammensetzung der befragten Bevölkerung, es wandeln sich Lebensweisen, Einstellungen und Begriffe. Alle externen Einflüsse wie ökonomische Faktoren (Preise, Art und Umfang der Erwerbsbeteiligung etc.), Angebotsqoialitäten und Siedlungsstrukturen können sich weitgehend wandeln, so daß kausale Begründungen für Verhaltensänderungen die vermengten Wirkungen vieler Einflüsse zu berücksichtigen haben. Außerdem ist zu prüfen, ob die jeweiligen Stichjähre "normal" sind oder - ζ. B. durch konjunkturelle Sondereinflüsse - Abweichungen aufweisen und Verhaltensbefunde daher nicht in einem Trend liegend interpretiert werden dürfen. Bei einem Vergleich der Mobilitätsmuster von Personen über einen Zeitraum von 15 Jahren (1965 - 1980) wurden zudem die Verhafcensdaten jeweils «lit sehr verschiedenen 17

Innerhalb dieses Rahmens stehende Zeitvergleiche finden sich bei Brög, W., Herry, M. (1984), Brög, W. (1985) und Herz, R. (1986). 18

Wie bei Holz-Rau, H.-C. (1990).

19

Wie bei Kloas, J., Kuhfeld, H. (1985) und dieselben (1987).

2 0

Brög, W., Herry, M. (1984) S. 8.

21

Dies liegt auch an der Tatsache, daß die bundesweite Erhebung in der Analyse keinen konkreten Raumbezug

zu läßt. 18

Instrumenten erhoben. Dies ist in einem derart langen Zeitraum nicht verwunderlich, führt aber zu zusätzlichen Problemen der (Un)vergleichbarkeit. In dieser Studie wird die unterschiedliche Datenqualität zwar konstatiert, aber mit der Bemerkung

it will be reasonable for this study

to assume that the 1980 trip records reported by the trip diary method are at least as accurate as those in the 1965 file obtained by the historical recall method"22 aufgefangen und ansonsten nicht weiter in der Analyse berücksichtigt. Die Analyse stellt die Niveaus verschiedener Mobilitätsindikatoren für die Stichjahre gegeneinander, ohne die Befunde kausal abzustützen, obwohl es sich um ein konkretes (wenn auch großes) Planungs- und Erhebungsgebiet handelt. Es stellt sich die Frage, ob ein Zeitvergleich mit derart vielen unabgewogenen Einflüssen methodischer und inhaltlicher Art sinnvoll ist.

2Λ3

Verhaltensoiientierte

Ansätze

Während mit den Zeitreihen und wiederholten Querschnitten Darstellungs- bzw. Erhebungsformen angesprochen sind, die Veränderungen im Zeitverlauf aufgreifen, liegt der dynamische Aspekt bei den verhaltensorientierten Ansätzen in den mit der Analyse verbundenen Annahmen und Aussagen.

Bei den zahlreich zur Ermittlung, der Verkehrsnachfrage und zur Verkehrsmittelwahl vorliegenden Arbeiten 23 ist der dynamische Gesichtspunkt impliziert in dem Anspruch der räumlichen und zeitlichen Übertragbarkeit von ermittelten Zusammenhängen24. Er tritt besonders deutlich bei den Untersuchungen zur Verkehrsmittelwahl hervor. Häufig geht es dabei nämlich nicht nur um die zu beobachtenden Einflußgrößen. Schon der Begriff "Wahl" deutet darauf hin, daß es sich hier um eine sich wiederholende Entscheidungssituatiön handelt, und so geht es in vielen Arbeiten zur Verkehrsmittelwahl darum, wie diese Wahl beeinflußt werden kann25. Dabei haben die Erkenntnisse auf der Basis von Verhaltensdaten eines Stichtages immer auch spekulativen Charakter. Um z.B. die Wirkung der Angebotsqualität im ÖV auf die Verkehrsmittelwahl zu untersuchen, wird aus Verhaltensunterschieden bei Variation

2 2

Kostyniuk, L.P., Kitamura, R. (1984) S. 484. Erhebung 1965: Retrospektive Frage des Interviewers nach den motorisierten Wegen des Vortages, 1980: Tagebuch aller Wege eines vorgegebenen Stichtages. 2 3

Vgl. die Zusammenstellungen in der Reihe Forschung Stadtverkehr: Bundesminister für Verkehr (1984) und derselbe (1988). 2 4

Vgl. z.B. Bundesminister für Verkehr (1988) S. 23.

25

Vgl. Bundesminister für Verkehr (1984) S. 139 ff. 19

der Angebotsqualität unter ceteris paribus Bedingungen für die als relevant erachteten weiteren Einflußgrößen auf Veränderungspotentiale der Verkehrsmittelbenutzung geschlossen· Da diese Verhaltensunterschiede im Durchschnitt meist die richtige, erwartete Richtung aufweisen, erscheit dieser Ansatz wohl begründet26. Wie jedoch Personen bei der Änderung von Bedienungsqualitäten tatsächlich ihr Wahlverhalten anpassen, kann entweder durch die Erhebung von Verhaltensintentionen eingegrenzt oder durch parallel zu Veränderungen der Bedienungsqualität durchgeführte Vorher-Nachher Untersuchungen an denselben Personen ermittelt werden 27.

2.2

Individuelle

Verhaltensvielfalt

und Verhaltensänderungen

im Zeitverlauf

Zum Verständnis der Verhaltensweisen der Verkehrsteilnehmer ist zunächst die Beobachtung bzw. Érfassung ihres Verhaltens erforderlich, und zwar an dem Element, über dessen Verhalten man Aussagen treffen möchte28. Verhalten und Verhaltensänderungen im Zeitablauf lassen sich nur durch kontinuierliche oder wiederholte Erfassungen der relevanten Merkmale am selben Element zuverlässig beurteilen. Die bisherigen Ausführungen erlauben eine Definition und Einordnung dessen, was daher in dieser Arbeit unter Dynamik im Verkehrsverhalten verstanden wird:

Dynamik drückt sich in der Änderung einer oder mehrerer Verhaltensmerkmale über die Zeit aus. Die Substanz der dynamisch erfaßten Größen ist abhängig von dem Charakter dieser Meßgrößen selbst, von dem Verfahren der Messung, von der Dauer und von der Periodizität der Messung. Verkehrsverhalten ist an die einzelne Person (oder durch Personenmerkmale abgegrenzte Kollektive) gebunden und kann nur auf dieser Ebene mit seinen ursprünglichen Bestiramuagsgrößen verknüpft werden. Dynamik im Verkehrsverhalten kann somit durch eine Längsschnittuntersuchung in Form eines Panels erhoben werden.

2 6

Die Begründung besteht natürlich vor allem in der theoretischen Fundierung derartiger Ansätze, vgl; KapUel 5.

2 7

Zur Verläßlichkeit von Aussagen der Verkehrmittelnutzer über die Reaktionsbereitschaft auf Planungsmaßnahmen vgl. Verron, H. (1986). Als Beispiele für Vorher-Nachher-Untersuchung vgl. Höffler, K.H., et al. (1981) sowie Socialdata (1987) und Abschnitt 2.2.4. 2 8

Dies sind im Personenverkehr Personen, können im Güterverkehr verladende Betriebe sein und in anderen Zusammenhängen jeweils die als unterste Entscheidurigs- und Handlungseinheit aufzufassende Ebene. 20

Diese Definition der Dynamik ist nicht unähnlich der in der Mechanik. Dort steht neben der Statik(Lehre vom Gleichgewicht) und der Kinematik (Bewegungslehre) die Dynamik (Kinetik), die Kräfte als Ursachen von Bewegungsänderungen untersucht. Auch hier ist also die Zeit konstituierender Bestandteil der Betrachtungen; Ziel ist die Erfassung der Bewegungsänderungen, weil Körper, auf die keine Kräfte einwirken, in Ruhe oder geradliniger, gleichförmiger Bewegung verharren. Im allgemeinen Sprachgebrauch wird unter Dynamik Schwung, Triebkraft oder Bewegtheit verstanden, das griechische Ursprungwort "Dynamik1* steht für "Kraft".

Die Dauer eines Panels insgesamt ist die Zeit, über die die Stichprobe gepflegt und wiederholt angegangen wird. Die Periodizität ist die Häufigkeit der Erhebung an der Stichprobe in einem Zeitraum (ζ. B. zweimal pro Jahr), und die Länge des Intervalls ist der Zeitraum, über den die interessierenden Verhaltensmerkmale jeweils erhoben werden (ζ. B. eine Woche). Die Bedeutung von Dauer der Beobachtung, Periodizität und Intervallgröße wird im folgenden Abschnitt inhaltlich begründet und es werden die möglichen Komponenten der Dynamik im Verkehrsverhalten systematisiert. Die Frage nach der Substanz oder dem Inhalt einer dynamischen Betrachtung wird im darayffolgenden Abschnitt mit dem Stichwoçt Aussagekraft verschiedener Formen von Längsschnitten aufgegriffen. Die Substanz der Aussagen wird vom Charakter der erhobenenen Verhaltensdaten (ist nur ein nominales mobil/immobil für einen bestimmten Zeitraum erhoben oder sind Wegezahl, Struktur der Wege und räumliche Beziehungen bekannt) und der beschreibenden Merkmale der Personen bestimmt. Gleichzeitig ist die Frage der Validität der Messung zu klären. Das Verfahren der Messung ist außerdem auf seine Réhabilitât zu prüfen (Kapitel 4).

2.2,1

Strukturìemng

der Zeit und Komponenten der Dynamik

Eine dynamische Betrachtung von Verhalten bewegt sich in zwei Dimensionen: Die erste bildet die jeweils für das Verhalten stellvertretend ausgewählte Größe, in deren Einheiten die Amplituden gemessen werden, die also die Skala der Unterschiede der Amplituden und damit des dynamisch erfaßten Aspektes liefert. Die zweite Dimension stellt die Zeit dar, und auch für diese stehen mehrere Konzeptualisierungen zur Verfügung.

21

Zeit ist ein diffizileres, vielschichtigeres Phänomen, als es in der objektiven Uhr-Zeit zum Ausdruck kommt. Die astronomische Zeit ist "uniform, homogen und rein quantitativ, ihr fehlt jede qualitative Variation."29 Konstituierend für ein Verständnis von Zeit sind zunächst natürliche, zyklisch auftretende Erscheinungen wie der Tag-Nacht-Wechsel und die Jahreszeiten und eng damit im Zusammenhang stehende menschliche Grundbedürfnisse wie schlafen und essen. Zeit wird gesellschaftlich strukturiert, ist also ein gesellschaftliches Phänomen.

"Zeit ist ein Aspekt der sozialen Konstruktion der Wirklichkeit: Zeitverständnis, das Bewußtsein des Tempos und der Knappheit der Zeit, die Weite des entscheidungsrelevanten Zeithorizonts in die Vergangenheit und in die Zukunft, die verschiedenen Formen der Datierung der Zeit und der Gliederung des kontinuierlichen Zeitflusses durch Ereignisketten oder Zeitpunktreihen und damit die zeitliche Ordnung von Beständen und Verhaltensplänen, des Rhythmus und Ablaufs von Ereignissen und Erwartungen, all dies ist in einzelnen Gesellschaften unterschiedlich und abhängig von den jeweiligen sozialen Strukturen." 30

In der soziologischen Literatur wird ausgeführt, wie sich das Zeitverständnis historisch geändert hat, wenn sich das Verhältnis der Gesellschaft zur Natur inhaltlich änderte und wie der Begriff Zeit in unserem Sprachbereich in seiner Grundbedeutung einem Wandel unterworfen war 31 . Sorokin und Merton haben die These der "sozialen Zeit" bekannt gemacht. Sie weisen darauf hin, daß neben der astronomischen Zeit andere Konzepte der Zeit in änderen Wissenschaftsdisziplinen vorherrschen. So wird in den Wirtschaftswissenschaften von Marshall zwischen kurzund langfristig nicht anhand eines astronomischen Zeitverständnisses unterschieden. Vielmehr liefert der Grad der Beweglichkeit der an einem MaTktprozeß beteiligten Kräfte den Maßstab für diese Unterscheidung32.

Die soziale Zeit drückt die Bewegungen und Änderungen sozialer Phänomene durch Bezugnahme auf andere soziale Phänomene aue, dies sowohl für Zeitpunkte als auch für Zeiträume. Derartige Bezüge sind zwar weniger exakt im Sinne der astronomischen Zeit, diese

2 9

Sorokin, P.A., Merton, R.K. (1937) S. 621.

3 0

Heinemann, K., Ludes, P. (1978) S. 220.

31

So bei Rammstedt, O. (1975), der z. B. erwähnt, daß sich erst im 16. Jahrhundert die zeitlichen von den raumlichen Begriffsinhalten lösten (S. 49). 3 2

22

Sorokin, P.A., Merton, R.K. (1937) S. 617.

Genauigkeit ist aber auch nur von Bedeutung, wenn sie sinnvoll verwertet wird. Dafür sind die Bezüge in einem sozialen Zeitrahmen ausdrucksstärker (Beispiele: "kurz nach dem 2. Weltkrieg", "während des Semesters"). "A homogeneity of social beats and pulsations of activity makes unnecessary astronomical frames of reference." ... "Social time ... is qualitative and not purely quantitative; ... these qualities derive from the beliefs and customs common to the group and ... they serve further to reveal the rhythms, pulsations and beats of the societies in which they are found." 33

Entsprechend sind Unterteilungen der Zeit im sozialen Zeitrahmen gesellschaftlich bedingt. So ist die Woche eine rein sozial definierte Zeiteinheit, deren Länge in Gesellschaften verschieden ist. Es finden sich Gesellschaften mit Wochenlängen von drei bis zu acht und zehn Tagen. All diese verschiedenen Längen sind ursprünglich durch die Abstände der Markttage begründet, wobei die größeren Abstände von sechs, acht und zehn Tagen durch die Verdoppelung der vorherigen Einteilung entstand, wenn dies mit der wirtschaftlichen Fortentwicklung einer Gemeinschaft mit weitreichenderen Austauschbeziehungen angebracht war 34 . Auch die Länge der Monate war nicht notwendigerweise durch die Mondphasen festgelegt 35.

Soziale Zeitsysteme sind darauf zurückzuführen, ein Mittel zur Koordination und Synchronisation von Beobachtungen untf Aktivitäten bereitzustellen. Da die Rhythmen sozialer Aktivitäten zwischen Gruppen innerhalb einer hoch differenzierten Gesellschaft verschieden ausfallen, wären die spezifischen Zeitsysteme zur Koordinierung der Gesellschaft nicht angebracht. Als ein "time esperanto" dient daher die astronomische Zeit, die damit auch zu einer sozialen Erscheinung wird und deren Verbreitung mit der gesellschaftlichen Differenzierung und der Urbanisierung einherging36.

Für den einzelnen, der über seine Zeitverwendung zu entscheiden hat, ergibt sich die Notwendigkeit, Zeit zu strukturieren. Dies umso stärker, als Handeln nicht mehr "normativ in eine feste Ordnung gebunden ist und verschiedene soziale Teilbereiche und Rollen gleichermaßen Anforderungen an die Zeit des einzelnen stellen und so Konflikte zwischen verschiedenen

3 3

Ebenda S. 619 und 623.

3 4

Ebenda S. 624 f.

3 5

Bergmann, W. (1981) S. 142 f.

3 6

Sorokin, P.A., Merton, R.K. (1937) S. 628. 23

Verwendungen von Zeit einerseits, von Leistungskraft andererseits entstehen."37 Mit den alternativen Verwendungsmöglichkeiten entsteht das Bewußtsein knapper Zeit. Eine Person kann (und braucht) nicht alle Erwartungen und Möglichkeiten auf der Zeitachse ordnen und so verschiedene Ereignisabläufe konstituieren, der Dispositionsspielraum über Zeit wird vielmehr durch mehrere Faktoren eingegrenzt.

Entlastend wirkt zum einen die soziale Zeitstruktur, die Ereignisse in ihrer Dauer, in ihrem Rhythmus, in ihrer Abfolge und in ihrer Lage fixiert. Damit ist die Zeit durch "außerhalb der Person liegende Verhaltenszwänge, durch eine feste gesellschaftliche Ordnung strukturiert." 38 Der gesellschaftliche Rhythmus wird vor allem durch die Erfordernisse der Arbeitswelt gegliedert, "Arbeit bedeutet nicht nur, daß ein Teil der Tageszeit genutzt ist, sie bestimmt vielmehr den Wechsel von Arbeitszeit und Feierabend, von Beschäftigung und Freizeit, die Tagesordnung des gesellschaftlichen Zusammenlebens, sie ordnet Tages- und Lebensrhythmus.1139

Auch ! die soziale Bewertung von Handlungen und damit verschiedenen Formen der Zeitverwendung schränkt den Dispositionsspielraum ein, in der gesellschaftlichen Wertordnung wird der Wert der Zeit durch die Arbeit bestimmt. Das dritte entlastende Moment liegt in der individuellen Habitualisierung der Zeitverwendung.

Im gesellschaftlichen Zusammenhang muß nicht nur die einzelne Person ihre Zeit ordnen, es muß auch eine Synchronisation bezüglich a) des Bewußtseins und der Bewertung der Zeit, b) der Zeithorizonte und c) der zeitlichen Folge und Häufigkeit von Handlungen existieren, um Interaktionen möglich zu machen. Die Synchronisation entlang dieser Dimensionen führt zu einem Zeitschema, welches für verschiedene Handlungsbereiche unterschiedlich ausfällt. Ζ. B. sind politische Entscheidungen nicht ohne die Berücksichtigung von Wahlperioden zu verstehen, während langfristige zeitliche Aspekte von Entscheidungen in Familien damit zusammenhängen, wann die Kinder volljährig werden. Hergestellt wird die Synchronisation, wie erwähnt, durch natürliche Notwendigkeiten, durch die normativen sozialen Zeitstrukturen und darüber hinaus durch Verabredung, Konsens oder Kompromiß40.

24

3 7

Heinemann, K., Ludes, P. (1978) S. 226.

3 8

Ebenda S. 228.

3 9

Ebenda.

4 0

Ébenda S. 236 f.

Die vorangehenden Aussagen der soziologischen Analyse der Zeit haben Auswirkungen auf die Betrachtung von Verhaltensaspekten im Zeitablauf. Die natürlichen und die gesellschaftlich bedingten Zeitrhythmen sind zu beachten, als Einheit betrachtet wird ein Jahr ebensowenig wie ein Tag Aufschluß über saisonale Komponenten des Verhaltens oder über die Periodizität der Einkaufsaktivitäten von Haushalten liefern. Die Existenz von unterschiedlichen Zeitschemata in der Gesellschaft heißt auch, daß die Verbindlichkeit des sozialen Zeitrhythmus nicht einheitlich ist.

Die Beobachtung und Messung von Verkehrsverhalten kann anhand verschiedener Indikatoren für die Mobilität von Personen erfolgen: der Mobilitätsteilnahme generell (ja/nein), der Wegehäufigkeit, der Wegedauer oder -länge und weiteren Differenzierungen nach den Motiven der Ortsveränderungen und den genutzten Verkehrsmitteln. Bei der Erfassung jeder dieser Größen werden sich verschiedene Komponenten der Dynamik überlagern, die sich aus den dargelegten Strukturierungen der Zeit, aus den Veränderungen von Rahmenbedingungen und Lebenszusammenhängen ergaben, und deren Abbildung von der Länge der Beobachtungsintervalle und der Dauer der Beobachtung insgesamt abhängen. Diese Komponenten sollen hier als zufällig, als periodisch und als induziert charakterisiert und mit verschiedenen Erhebungszeiträumen in Zusammenhang gebracht werden. Sie sind in Abbildung 2.2 nach den jeweils relevanten Zeiträumen geordnet aufgeführt, in denen die individuelle Verhaltensvielfalt strukturiert ist bzw. über die Verhaltensänderungen wirksam werden.

Veränderungen im Verkehrsverhalten, für die keine Theorie eine Erklärung liefert und für die also auch keine empirischen Erklärungsgrößen zur Verfügung stehen, werden als zufällig bezeichnet. Man kann diese Veränderungen also besser als Schwankungen bezeichnen, sie können von Tag zu Tag auftreten, ihre Darstellung erfordert mindestens die Daten mehrerer Tage. So wird für die Tatsache, daß eine Person am Mittwoch einkaufen geht (und nicht am Dienstag oder Donnerstag) für den Beobachter keine Erklärung zur Verfügung stehen. Für die einzelne Person mag dieses Verhalten durchaus wohl begründet sein, ζ. B. durch eine leere Speisekammer oder durch die Angewohnheit, den Einkauf immer mittwochs vor einer anschließenden Sportaktivität zu erledigen. Hat der Beobachter diese Information nicht, bleibt

25

als Hilfserklärung ein möglicher Zusammenhang zwischen dem Abstand zum letzten Einkauf (der muß bekannt sein) und der Haushaltsgröße, dem Einkommen etc. 41 .

Abbildung 2.2 Ursachen von Komponenten der Dynamik URSACHE (Veränderung von ...)

BEISPIEL (Veränderung von ...)

Lebenszyklus

Haushaltsformierung

i en

Lebensstil

Einkommen, Informationen

i en/ex

Verkehrsmittelverfügbarkeit

Motorisierung, ÖV-Angebot

i en/ex

Einrichtungen

Schließung eines Geschäftes Öffnungszeiten

i ex

Saison/Jahreszeiten

wetterabhängige Aktivitätenauswahl

ρ

periodische Ereignisse

jährliche Ferienreisen 14-tägige Freizeittermine wöchentlicher Einkauf

ρ

Aktivitätenorganisation

Einteilung der Aktivitäten in überschaubaren Zeitraum von Tagen und Wochen

p/z

gelegentliche Ereignisse

Spaziergang, Einkauf

ζ

Tagesablauf

Einteilung der Aktivitäten über den Tag

p/z

endogen exogen

periodisch zufällig

induziert

KOMPONENTE

Stehen dem Beobachter die Verhaltensdaten über einen längeren Zeitraum zur Verfügung, so kann er die Angewohnheit, jeweils mittwochs einzukaufen, als periodische Komponente im Verhalten identifizieren. Periodische Komponenten im Verkehrsverhalten sind rejgelmäßig

4 1

Davies, R.B., Pickles, A.R. (1987) erstellen ein Modell des Einkaufsverhaltens (Häufigkeit, Art des Geschäftes) auf Paneldaten. 26

zyklisch, also mit gleichem zeitlichen Abstand, wiederkehrend. Außer dem wöchentlichen Rhythmus bestimmter Aktivitäten kann die Periodizität auch mehrere Tage oder mehrere Wochen betragen. Typische Verhaltensaspekte, die von saisonalen klimatischen Bedingungen beeinflußt werden, sind Freizeitaktivitäten (ζ. B. im Sommer häufiger oder länger) und die Verkehrsmittelwahl (ζ. B. im Sommer Fahrrad, im Winter Auto) 42 . Für diese periodischen Komponenten der Dynamik im Verkehrsverhalten liegen meist inhaltliche Erklärungen nahe, auch wenn empirisch keine Erklärungsgrößen zur Verfügung stehen.

Als induziert sollen hier Verhaltensänderungen verstanden werden, die durch endogene, in der Person liegende Gründe, oder durch exogene Ursachen veranlaßt sind und mit denen keine Periodizität verbunden ist. So wäre das Beispiel einer Frau, die Mutter wird, daher ihre Berufstätigkeit aufgibt und infolgedessen in Zukunft weniger und andere Wege unternimmt, eine endogen induzierte Verhaltensänderung. Eine berufstätige Person, die stets mit dem Pkw zur Arbeit fuhr, nach der Einführung einer direkten Busverbindung jedoch diese benutzt, zeigt eine exogen induzierte Verhaltensänderung. Die Analyse derartiger Komponenten der Dynamik erfordert einen langen Beobachtungszeitraum bzw. einen großen Abstand zwischen den Beobachtungen, damit es möglich wird, "normales" Verhalten vor und nach der Veränderung zu identifizieren. Viele der endogen induzierten Veränderungen können mit dem Lebenszyklus der Personen in Zusammenhang gebracht werden. In der Literatur ist auf die Schwierigkeit hingewiesen worden, die Effekte des Lebenszyklus von denen anderer, latent wirksamer Einflüsse zu trennen, die als Kohorten-Effekt und als Perioden-Effekt bezeichnet werden können. Mit dem Kohorten-Effekt sind Spezifika im Verhalten einer Kohorte (eines Geburtsjahrgangs oder benachbarter Jahrgänge) gemeint, die durch die Größe oder den historischen Hintergrund dieser Kohorte hervorgerufen werden. Eine Besonderheit des Untersuchungszeitraumes (ζ. B. eine ökonomische Rezession) kann einen Perioden-Effekt im Verhalten bewirken43.

Empirisch ist es schwierig, die einzelnen Komponenten dynamischen Verhaltens voneinander zu trennen. Liegen Verhaltensdaten jeweils für die Beschreibung der Mobilität eines Tages vor, so kann bei Informationen für wenige Tage nur die Zufallskomponente der Dynamik konstatiert werden. Über die sich in dem Verhalten widerspiegelnden Aspekte des Wochenzyklus kann

4 2

Vgl. Socialdata (1977 b) Tabellen zur Verkehrsmittelwahl nach Monaten.

4 3

Vgl. Zimmerman, C.A. ( 1982) S. 54 f. 27

allenfalls anhand der Kenntnisse aus anderen Zusammenhängen vermutet werden. Ist das Verhalten mindestens der sieben Tage einer Woche bekannt, so kann der Wochenrhythmus, wie er sich in dieser Woche widerspiegelt, konstatiert werden, nicht jedoch die Stabilität bzw. Variabilität der zyklischen Komponente. Je länger der Zeitraum der Beobachtungen, umso besser lassen sich periodische von zufälligen Komponenten trennen. Die Eingrenzung induzierter Verhaltensänderung kann allein aus den Verhaltensdaten möglich sein, begründbar wird sie nur durch zusätzliche Informationen, ζ. B. über die Entwicklung des Haushaltszusammenhangs der Personen oder der Qualität der Verkehrsanbindung.

In den Komponenten der Dynamik drücken sich Vielfalt, Anpassung und Änderung von Verhalten auf individueller Ebene aus. Dabei wird die Vielfalt durch die von Tag zu Tag auftretenden Unterschiede in der Mobilitätsausprägung einer Person belegt. Anpassung ist der Prozeß, das Verhalten mit neuen Randbedingungen, Moden, Wünschen oder Zwängen in Einklang zu bringen. Dieser Prozeß erfordert Zeit, er ist mit Ausprobieren und Versuchen verbunden und kann in neuen oder auch alten Verhaltensweisen münden. Die Änderung von Verhalten hat demgegenüber mehr definitiven, zumindest für einen längeren Zeitraum stabilen Charakter. Am Anfang dieses Abschnitts ist dargelegt worden, daß zur Kausal-Analyse von Verhalten Paneluntersuchungen geeignet sind. Im folgenden wird zunächst auf Panelstudien in der Verkehrsforschung eingegangen und es werden anschließend kurze Panels, die eher auf die Bedeutung der Verhaltensvielfalt als auf Verhaltensänderungen abgestellt sind, benannt. Gezielt auf die Abbildung der Verhaltensänderungen infolge einer Maßnahme sind die schließlich angesprochenen Vorher-Nachher-Untersuchungen angelegt.

2.2.2

Panelstudien

Der aus dem Englischen übernommene Begriff Panel bezeichnet einen geschlossenen Kreis von Erhebungseinheiten, an die wiederholte Befragungen gerichtet sind. Panelstudien haben in den Sozialwissenschaften seit Jahrzehnten Anwendung gefunden, um über Einnahmen und Ausgaben von Haushalten, über das Wahlverhalten von Personen, über die Beteiligung am Erwerbsleben, über die Zeitverwendung u.a.m. Aufschluß zu erhalten44. Neben den inhaltlichen Gründen

4 4

Vgl. Noelle, E. (1963), Farnes, H.S. (1972), Pickles, A.R., et al. (1984), Duncan, G.J., et al. (1987), Projektgruppe das Sozio-ökonomische Panel (1990). 28

werden auch praktische Gründe angeführt, die für ein Panel-Design sprechen: Die Kosten von Panelerhebungen sind geringer als die vergleichbarer wiederholter Querschnittserhebungen45. In der Verkehrsforschung waren in den letzten zwanzig Jahren neue Ansätze zu beobachten, die das Verkehrsverhalten in einen breiteren Zusammenhang der menschlichen Lebensumstände, Aktivitäten und Entscheidungen stellen. Ein Mangel an dynamischen Qualitäten der Analysen und Modelle zum Verkehrsverhalten wurde jedoch zunehmend bedauert46. Insbesondere falsche Interpretationen aus Querschnittsdaten, die z.B. Unterschiede zwischen Haushaltskategorien zur Erklärung zu erwartender Veränderungen heranziehen, wurden angeführt 47. Auch in anderen Forschungszusammenhängen wurden falsche Schlußfolgerungen auf der Basis von Querschnittsanalysen nachgewiesen. So bezüglich der Verteilung der Armut in der US-amerikanischen Gesellschaft, wo bei der statischen Analyse erhebliche Umwälzungen der von der Armut betroffenen Bevölkerungsteile verborgen blieben48. An einem Beispiel der Modellierung der Umzugswahrscheinlichkeit von privaten Haushalten wurde gezeigt, daß zusammengefaßte Quërschnittsdaten zu starken Fehlinterpretationen führen können, da sie es nicht erlauben, die Wirkungen unbeobachteter Variablen auf die Zielvariable abzuschätzen49. In den achtziger Jahren sind drei Panels etabliert worden (in den Niederlanden, Wales und Australten), die zu Sachverhalten der Mobilität, der Erreichbarkeiten, den Ausgaben und dem Energieverbrauch Beiträge liefern sollen50. Dabei werden die Panel-Daten auch durch ein Panel-Design der Erhebung gewonnen, da Ergebnisse von retrospektiven Fragestellungen sich als wenig zuverlässig erwiesen haben51.

4 5

Vgl. Duncan, G.J., et al. (1987) S. 260 f.

4 0

Vgl. Clarke, M. et al. (1982) S. 154.

4 7

Hensher, D.A., Wrigley, Ν. (1984) S. 57.

4 8

Duncan, G.J. (1987) S. 251.

4 9

Davis, R.B., Pickles, A.R. (1985).

5 0

Vgl. zum niederländischen Panel: Baanders, Α., et al. (1982), Baanders, Α., Slootman, C.P. (1983), Van Wissen, L.J.G., Meurs, H.J. (1989), zum Panel in Wales: Davies, R.B., Pickles, A.R. (1987) und zum australischen Panel: Hensher, D.A. (1985 a). Vgl. Duncan, G.J. et al. (1987) S. 250. Liegt das Interesse in den Veränderungsprozessen innerhalb eines Gebietes (Demographie, Mobilität etc.), können Wohnungen als Erhebungseinheiten gewählt werden, in denen die Haushalte durchaus wechseln können, vgl. Dix, M.C., Layzell, A.D. (1986). Eine Systematisierung der in einer Raumeinheit wirkenden dynamischen Prozesse mit Dimensionen von der täglichen Mobilität, der Demographie, der Ökonomie bis zum Infrastrukturbestand findet sich bei Wegener, M., et al. (1986). 29

Die inhaltlichen Gründe für die Anwendung der Panel-Analyse liegen im zuverlässigen Messen von Veränderungen im Zeitablauf. Ein Panel ist in der Lage über Prozesse zu informieren, während Querschnitte und auch Zeitreihen, die ohne eine verzögerte Variable analysiert werden, nur Zustände beschreiben können. Im Panel können mittlere Verhaltensänderungen auf individueller Ebene und Brutto-Veränderungen zwischen Zeitpunkten ebenso wie Stabilität von individuellem Verhalten, ermittelt werden. Wiederholte Querschnitte ermitteln NettoVeräriderungen über die betrachtete Zeitperiode, ein Panel kann die dahinter stehenden spezifischen Bruttoströme, die sich teilweise oder gänzlich kompensieren können, identifizieren. Mit Panel-Daten kann der Einfluß der zeitlichen Lage eines Ereignisses auf den Verhaltensprozeß und die kausale Struktur von Verhaltenszusammenhängen abgeschätzt werden, denn keine Wirkung kann ihrem Grund vorauseilen, es sei denn, ein Ereignis wird antizipiert und das Verhalten vorausschauend darauf eingestellt52. Die individuelle Geschichte von Erfahrungen und Verhalten kann wichtig für das Verständnis gegenwärtigen Verhaltens sein. Veränderungen in den Lebenszusammenhängen von Personen können sich auf ihre Mobilität auswirken, jedoch evtl. mit zeitlicher Verzögerung. Entscheidend für viele der analytischen Vorteile des Panels ist jedoch der geeignete zeitliche Abstand der einzelnen Erhebungswellen. Da stets verschiedene Verhaltensaspekte untersucht werden, gibt es hierfür keine Pantentlösung53.

Wird die Repräsentativität des Panels fortlaufend sichergestellt, können gleichzeitig die Aufgaben normaler Querschnitte und wiederholter Querschnitte erfüllt werden. Ein praktischer Vorteil der Erhebung im Panel-Format liegt in der schnellen Ansprechbarkeit einer Stichprobe, die auskunftswillig ist und zeitnah an einem Ereignis angesprochen werden kann, ohne daß umfangreich befragt werden muß, da die Befragungsteilnehmer mit vielen Merkmalen bereits bekannt sind. Von Bedeutung ist ebenfalls, daß fehlende oder falsche Informationen in folgenden Wellen festgestellt werden können, also Probleme des Nonresponse identifiziert und korrigiert werden können. Als statistischer Vorteil für die Ermittlung von Netto-Veränderungen aus Längsschnitten wird angeführt, daß der Stichprobenfehler der Veränderung kleiner ausfällt als bei der Ermittlung über zwei unabhängige Stichproben54. Die Probleme des Panels liegen

5 2

Clarke, M., et al. (1982) berichten von lag times und lead times bezüglich der Anzahl von Autos in Haushalten nach oder vor Übergangen im Lebenszyklus: ein überflüssiges Auto kann behalten werden bis eine Steuer-oder Versicherungsperiode abläuft, ein Auto kann in Erwartung einer Vergrößerung des Haushalts vorzeitig angeschafft werden. 53

5 4

30

' Vgl. Hensher, D.A. (1985 b) S. 85 f. Vgl. Duncan, G.J. et al. (1987) S. 251.

in hohen Anforderungen an die Qualität der Kontaktpflege zu den Teilnehmenden, an die Sicherstellung der Repräsentativität im Zeitablauf (falls gewünscht) sowie in der Gefahr der Gewöhnung der Teilnehmer und dadurch hervorgerufene Verzerrungen in den Antworten. Neben der beschreibenden Auswertung von Panel-Daten ist auch die Modellbildung in diesem dynamischen Zusammenhang möglich, jedoch ist diese recht anspruchsvoll. Spezielle Methoden sind in anderen Zusammenhängen bzw. für Panels im Bereich Verkehr entwickelt worden 55. Daß trotz der zitierten Vorteile Panels für die Verkehrsforschung und -planung bislang selten sind, kann mehrere Ursachen haben. Ein Grund ist sicherlich, daß in dieser traditionell durch die Ingenieurwissenschaften bestimmten Disziplin sozialwissenschaftliche Methoden sich nur schwer durchsetzen. Die Problemsicht in der Verkehrsplanung war außerdem vorherrschend kurzfristig, auf die Umsetzung von Projekten orientiert. Ein Panel liefert die über eine Querschnittsanalyse hinausweisenden Ergebnisse erst nach mehreren Wellen und erfordert eine langfristige Bindung von Ressourcen. Dies widerspricht dem Denken in Haushaltsjahren56.

Das Verkehrsministerium der Niederlande untersuchte seit Anfang der achtziger Jahre die Möglichkeit ein Panel zu etablieren, um damit die Entwicklung von verkehrspolitischen Strategien in vielerlei Hinsicht zu unterstützen57. Die Vorteile der schnellen und kurzen Kontaktaufnahme mit den Panelteilnehmern wurde besonders betont, um z.B. nach unvorhergesehenen Ereignissen sofort ein Verständnis für die Reaktionsweisen in der Bevölkerung zu erlangen. Folgende inhaltliche Themen sollten mit dem Panel erhellt werden: Veränderungen der Mobilität, Zeit- und Kostenbudgets, Wohnortwahl, Energieverbrauch, Auto- und Führerscheinbesitz, ÖV-Nutzung, ÖV-Preiselastizität, Identifizierung von Zielgruppen für vertiefte Studien und die Verbesserung des Verständnisses von Entscheidungsprozessen der Verkehrsteilnehmer. Im Rahmen der Informationsgewinnung im Verkehrsbereich wurde das Panel abgestimmt mit den vom Zentralamt für Statistik kontinuierlich als Querschnitte durchgeführten

National Travel Surveys. Während diese ein breiteres Spektrum an Inhalten

umfaßt, geht das Panel stärker in die Tiefe. Aufgrund der geringen Erfahrungen mit Panels im Verkehrsbereich wurde zur Vorbereitung eine internationale Expertengruppe installiert, deren Mitglieder später auch viele der Auswertungen erstellten. Seit 1984 werden schließlich jährlich zwei Wellen in verschiedenen Regionen der Niederlande erhoben (jeweils März und

5 5

Vgl. Maddala, G.S. (1987) und Hensher, D.A., Wrigley, N. (1984).

5 6

Vgl. Baanders, Α., et al. (1982) S. 4.

5 7

Vgl. Ebenda und Baanders, Α., Slootman, K.C.P. (1983). 31

September), die aus einem Wegetagebuch über eine Woche für die Personen über 11 Jahre in ca. 1800 Haushalten bestehen. Eine Woche wurde gewählt, weil der Zeitraum der Beobachtung lang genug sein muß, um den Einfluß der Variation des Verkehrsverhaltens von Tag zu Tag zu reduzieren. Die Abstände der Wellen erlauben sowohl die Einschätzung jährlicher wie auch saisonaler Veränderungen. Den sich im Zeitablauf verändernden politischen Fragestellungen mußten sich die Erhebungsinhalte des Panels anpassen58.

Im Verlauf der bisherigen Wellen konnten viele methodische Verbesserungen erarbeitet werden, insbesondere Korrekturprozeduren für fehlende und verzerrte Informationen 59. Inhaltliche dynamische Analysen befaßten sich mit dem Wechsel in der Nutzung von Verkehrsmitteln, der in die Komponenten Trend, saisonale Anpassung und Reaktion auf eine Tarifmaßnahme zerlegt wurde und in den Komponenten für verschiedene Marktsegmente unterschiedliche Bedeutung hat 60 . Intertemporale Zusammenhänge der Mobilitätsraten nach Verkehrsmitteln sind auf Stabilität, Konkurrenz und Komplementarität untersucht worden. Dabei ergab sich z.B. eine hohe zeitliche Stabilität für die Nutzung des Fahrrades, des Autos (Fahrer) und der Eisenbahn und eine geringe für die Nutzung des ÖV und des Autos als Beifahrer 61. Bei der Analyse des Autobesitzes und der ÖV-Nutzung zeigt sich, daß der Autobesitz zwar starken Einfluß auf die Verkehrsmittelwahl ausübt, aber keinen auf die Anzahl der wöchentlich ausgeführten Wege. Die kausale Verknüpfung von Änderungen im Autobesitz, Anzahl der Nutzer im Haushalt und der Verkehrsmittelwahl legt den Schluß nahe, daß die stärkere Nutzung des Autos infolge zunehmenden Pkw-Besitzes nicht durch eine Verbesserung des ÖV-Angebotes eingedämmt werden kann62. Insgesamt weisen diese und weitere Forschungsarbeiten zur Verkehrsnachfrage mit den Panel-Daten darauf hin, daß der Autobesitz eine verzögerte Reaktion auf gesteigerte Mobilität ist 63 .

5 8

Vgl, hierzu und zu folgendem Van Wissen, L.J.G., Meurs, H.J. (1989) S. 102 ff.

5 9

Vgl. Kitamura, R., Bovy, P.H.L. (1987) und Meurs, H., et al. (1989).

6 0

Golob, T.F., et al. (1986).

61

Golob, T.F., Meurs, H. (1987) und dieselben (1988).

6 2

Kitamura, R. (1989).

6 3

Van Wissen, L.J.G., Meurs, H.J. (1989) S. 112.

Mit den Wegetagebüchern der Befragungswellen sind dynamische Analysen des Verkehrsverhaltens im Aktivitätenkontext unternommen werden. Es wurde dabei die Stabilität der Verhaltensmuster über die Zeit, auch bei der Veränderung soziodemographischer und anderer Einflußfaktoren, aufgedeckt (bei zwei aufeinanderfolgenden Wellen). Es wurde auch gezeigt, daß Veränderungen der Wegehäufigkeit durch einen Wechsel des Beschäftigungsstatus nicht symmetrisch oder reversibel sind. Damit wird begründet, daß Mobilitätsverhalten von der Vorgeschichte der Einflußfaktoren und des Verhaltens selbst abhängig ist, sich also gewisse Zusammenhänge zwischen Einflußgrößen und Wirkungen nicht sinnvoll aus der gleichzeitigen Beobachtung ableiten lassen, da eine Reaktionsverzögerung oder ein Hystereseeffekt vorliegt 64. Jedoch bleibt einzuwenden, daß die verwendeten Indikatoren für das Mobilitätsverhalten grob sind. Die Stabilität der Aktivitätsteilnahme wird anhand des Vergleichs der Anzahl von Tagen mit der gleichen Teilnahmehäufigkeit in drei Aktivitätskategorien vorgenommen. Trotz Identität können sich dahinter komplexe Unterschiede nach Reihenfolgen und Lage der Tage und den detaillierten Aktivitätenmustern innerhalb der Tage verbergen 65.

Der Wirkung der Veränderung der Lebensumstände auf die Mobilität wurde in einer weiteren Studie nachgegangen66. Lebensumstände werden dabei durch den Status (Stellung im Erwerbsleben), den Lebenszyklus, das Einkommen und den Autöbesitz charakterisiert. Exemplarisch werden die Ergebnisse und Schlußfolgerungen der Querschnittsanalyse dieser Daten mit denen der dynamischen Analyse über drei Jahre verglichen. Dabei sind drei Jahre ein kurzer Zeitraum bezüglich der Veränderung von Lebensumständen, so daß geringe Fallzahlen manche Aussagen nur unter Vorbehalt zulassen. Die statische Analyse für sich liefert Ergebnisse wie sie aus anderen Untersuchungen bekannt sind, die jedoch in der dynamischen Analyse zum Teil verworfen werden. So z.B. wenn aus dem statischen Befund, daß Rentner mehr ÖV-Wege machen als die im Lebenszyklus davor liegende Gruppe bis zum Alter von 65 Jahren, gefolgert wird, dies sei auch beim zukünftigen Übergang der Personen in die Gruppe der Rentner der Fall. Die Paneldaten zeigen einen starken Abfall statt eines Anstieges der ÖVNutzung infolge dieser Veränderung der Lebensumstände. Der von Querschnittsanalysen und Elastizitäten bekannten Symmetrie von Effekten wird widersprochen: schafften sich beispiels-

6 4

Kitamura, R. Van der Iloorn, T. (1987) S. 248.

6 5

Ebenda, S. 239.

6 6

Goodwin, P.B. (1989). 33

weise Haushalte das erste Auto an, gehen dem ÖV mehr Fahrten verloren als er gewinnt, wenn Haushalte ihr Auto abschaffen.

Ein für das ÖV-Marketing interessanter Befund zeigt sich im 3-jahres Vergleich der Nutzer. Der gesamte ÖV-Markt (definiert aus den Nutzern in der Befragungswoche) besteht in diesem Vergleich zu etwa je einem Drittel aus loyalen, verlorenen und gewonnenen Kunden, es besteht also erstaunlich viel Bewegung. Unter den Personen, deren Lebensumstände sich nicht änderten (in mindestens einer der genannten vier Variablen) sind vergleichsweise mehr loyale ÖVKunden. Umgekehrt konnten aus dem Personenkreis, bei dem sich die Lebensumstände änderten, mehr für den ÖV gewonnen werden. Das Tempo von Veränderungen ist für die ÖVNutzung wesentlich höher als für den Autobesitz, für beide Größen zeigt sich das Tempo höher bei den Personen mit gewandelten Lebensumständen. Es wird vermutet, daß in der Gruppe mit gewandelten Lebensumständen z.B. die Reaktion auf eine verkehrsplanerische Maßnahme bis zu einer Neubeurteilung der gesamten Wegemuster einer Person aufgeschoben wird. Die Verhaltensanpassung wird dann durch eine bedeutende Veränderung der Lebensumstände ausgelöst67. Insgesamt legt diese Panelanalyse nahe, daß die Einschätzung der Zukunft für den Planer unsicherer ist als es auf der Basis von Querschnittsbetrachtungen den Eindruck macht. Jedoch heißt dies gleichzeitig, daß für eine Beeinflussung durch gezielte Maßnahmen mehr Raum vorhanden ist.

Anders als das niederländische Panel sind die zwei weiteren, die hier zu nennen sind, auf engere Fragestellungen zugeschnitten und privat finanziert. Das Dimension of Automobile Demand Project in Australien hat in vier Wellen von 1981 bis 1985 bei ca. 1400 Haushalten in Sydney Informationen über Autoanschaffungen und -Verkäufe, Benzinverbrauch und Autonutzung erhoben. Hauptbeweggrund dieser Studie war die Tatsache, daß über den Einfluß des Benzinpreises auf die Wahl von Haushalten bezüglich der Art und Anzahl von Automobilen und der Art und des Umfanges ihrer Nutzung wenig bekannt ist, da speziell zuverlässige Daten über die Autonutzung rar sind. Die Abschätzung des Benzinverbrauchs privater Haushalte wird von vielen veränderlichen Variablen beeinflußt, so daß nur auf der Ebene des Haushalts eine kausale Analyse möglich ist. So kann nicht nur die wahre Bedeutung des Benzinpreises eingegrenzt werden, es kann auch untersucht werden, ob nicht andere Maßnahmen ale Benziripreisveränderungen komplementär oder alternativ mit geringere» negativen Auswirkungen

6 7

34

Ebenda, S. 140.

auf die Haushalte (speziell ungewünschte Verteilungseffekte) gewählt werden können, wenn energiepolitische Ziele verfolgt werden. Um die Kausalität, die auf unterschiedlichen Pfaden mit verschiedenen Zeitläufen wirkt, aufdecken zu können, war ein Panel-Design erforderlich 68. Damit kann eine Reaktion auf erhöhte Benzinpreise als Abfolge von zunächst geringerer Fahrleistung, dann Ersatz des Autos durch eines mit geringerem spezifischen Verbrauch und infolge dessen wieder gesteigerte Fahrleistung - evtl. sogar höherer als im Ausgangszustand - dargestellt werden. Wo fast die Hälfte aller Haushalte mehr als ein Auto besitzen, kommt auch der Möglichkeit der Substitution innerhalb der vorhandenen Fahrzeuge hohe Bedeutung zu.

Als letztes bleibt das Panel mit ca. 450 Teilnehmern in Cardiff zu nennen, in dem inhaltlich das Konsumverhalten mit den damit verbundenen Wegen im Mittelpunkt steht. Die Befragung lief über 24 zusammenhängende Wochen mit täglichen Erfassungen des Einkaufsverhaltens 69. In anderen Zusammenhängen sind Panelstudien gezielt für die Untersuchung bestimmter Fragestellungen eingesetzt worden: der Wirkung von gleitenden Arbeitszeiten, der Reaktion von Pendlern auf das Angebot von richtungswechselnden Sonderspuren für ausgelastete Fahrzeuge (reversible HOV-lanes) usw.70.

Die Bewertung des durch die Panelstudien erlangten Erkenntnisfortschritts in der Verkehrswissenschaft ist insofern schwierig, als sie sich noch in der Entwicklung befinden und Ergebnisse nur bruchstückhaft vorliegen. Bei dem einem Panel ist die Dauer, gemessen an der inhaltlichen Zielsetzung,

kurz (Sydney Automobile Demand Project). Das andere Panel dauert an (Dutch

Mobility Panel), so daß langfristigere Prozesse noch beobachtet werden können und für manche Veränderungen auf Personenebene überhaupt erst ausreichende Häufigkeiten auftreten werden. Die vorliegenden Analysen bestätigen, daß die Dimension Zeit für das Verständnis von Entscheid ungs- und Veränderungsprozessen stärker berücksichtigt werden muß als es bisher der Fall war. So scheinen verzögerte Reaktionen in vielen Verhaltensaspekten eine Rolle zu spielen, wobei die Verzögerungen auf Übergänge in bestimmten Lebenszusammenhängen erfolgen. Auch können Gewohnheiten von Bedeutung sein, die es den Personen abnehmen, kontinuierlich

6 8

Hensher, D.A. ( 1985 a) S. 44 if.

6 9

Vgl. Wrigley, N., Dunn, R. (1984), Davies, R.B., Pickles, A.R. (1987) und Dunn, R. et al. (1987).

7 0

Vgl. Kitamura, R. (1989 a). 35

Entscheidungen treffen zu müssen. Aber auch Gewohnheiten werden gebildet und wieder abgebaut71. Die Bedeutung dieser verschiedenen Erklärungen ist offen. Komplexe Methoden sind in der Entwicklung bzw. bereits eingesetzt, um die longitudinalen Daten zu analysieren. Dabei muß Verhalten (Mobilität, Aktivität) wie bei statischen Analysen entweder stark vereinfacht oder mit der gemeinsamen Repräsentation verschiedener Verhaltenskomponenten in einem Indikator stark abstrahiert abgebildet werden. Mit der bei Längsschnittuntersuchungen erweiterten Vielschichtigkeit von Verhalten und dem Bewußtsein über die Komplexität der Zusammenhänge leiden diese Ansätze noch stärker an der Problematik, Mobilitätsverhalten in seinem Facettenreichtum angemessen zu repräsentieren.

2.2.3

Kurze Panels

Bei dem geschilderten Sydney Automobile Demand Project werden Zielgrößen erhoben, die zum einen von seltenen, langfristigen Entscheidungen der Personen abhängen (Anzahl und Art der Autos), zum anderen ergeben sie sich sozusagen aus kumuliertem Verhalten (Fahrleistung in einer Zeiteinheit). Es sind Größen, die einmal nach einem Punkt-, das andere mal nach einem Periodenkonzept gemessen werden72. Das Dutch Mobility Panel erhebt Aspekte täglichen Verhaltens (z.B. Verkehrsmittelwahl), die jedoch zwischen den Wellen nicht auf der Basis von Stichtagsdaten verglichen werden können. Verhaltensunterschiede könnten dann auf die Variation im Verhalten von Tag zu Tag zurückzuführen sein, anstatt eine Verhaltensänderung im Zeitablauf durch Alterung, Maßnahmeeinflüsse etc. anzuzeigen. Mit nur einem halben Jahr Dauer haben beim Cardiff Consumer Panel Fragen nach der Alterung der Teilnehmer oder der Zusammensetzung ihrer Haushalte wohl keine Bedeutung. Es ist aber das Einkaufsverhalten jeden Tages detailliert erfaßt und somit können Gewohnheiten und Abwägungen zwischen Verkdhrsaufwand, Angebotsqualität und -Vielfalt ermittelt werden. Das Spektrum der von einem Panel erfaßten Einflüsse und Verhaltensänderungen ist also abhängig von der Dauer des Panels und dem Abstand und der Länge der Erhebungsintervalle. Liegen Messungen für jeden Tag in einem kürzeren Zeitraum vor, so können damit Verhaltensmuster und -Variabilität in diesem Zeitraum beleuchtet werden. Diese Aspekte haben - verglichen mit den Studien auf Stichtagsdaten und neueren Arbeiten mit Paneldaten - sehr geringe Aufmerksamkeit erfahren. Dabei ist die Beurteilung vieler verkehrspolitisch relevanter Zustände und Maßnahmen abhängig

36

71

Goodwin, P.B. et al. (1987) S. 365.

7 2

Vgl. Hensher, D.A. (1985 b) S. 87.

von der Kenntnis nicht nur eines Mittelwertes, sondern einer Verteilung über die betroffenen Personen für einen Zeitraum. So war die Frage nach dem Anteil der von einer road-pricingMaßnahme (Montag bis Freitag) betroffenen Autofahrer in Hong Kong durch die Stichtagsbefragung nur unzureichend zu beantworten. 40 vH der privaten Autos wurden an einem beliebigen Werktag nicht benutzt, aber für eine typische Woche heißt das nur, daß es nicht mehr als 40 vH sein können, es können aber auch 0 sein73. Ähnliche Beispiele lassen sich für die Nutzung verschiedener Verkehrsmittel oder für die Teilnahme an Aktivitäten angeben, wobei mit den Informationen über einen Zeitraum z.B. die schlichte Tatsache der Nutzung des ÖV von der Intensität der Nutzung unterschieden werden kann. Nur so kann nach einer Angebotsverbesserung im ÖV zuverlässig entschieden werden, wie weit die steigenden Fahrtenzahlen auf mehr Nutzer, höhere Fahrtenzahlen der alten Nutzer oder auf beide Faktoren zurückzuführen ist74. Dabei ist das Ergebnis stets abhängig von dem gewählten Betrachtungszeitraum.

Die längste kontinuierliche Erhebungszeit einer Befragung zum Verkehrsverhalten hat die Uppsala Household Travel Survey von 1971. Hier wurden von 149 Personen über 35 zusammenhängende Tage detaillierte Wegetagebücher geführt. Auswertungen dieser Daten befassen sich mit den von Tag zu Tag auftretenden Wiederholungen und der Variabilität im Vefkehrsverhalten, mit der Identifizierung typischer Verhaltensmuster und mit der Kategorisierung von Personengruppen auf der Basis dieser Informationen im Längsschnitt75.

Über sieben aufeinanderfolgende Tage sind im Rahmen der Reading Activity Diary Survey im Jahre 1973 die Teilnehmer aufgefordert gewesen, jede Aktivität sowohl innerhalb wie außerhalb der eigenen Wohnung zu notieren. Die Wegeinformationen dieser Stichprobe (ca. 140 Personen) sind analysiert worden bezüglich der Verbesserung der Parameterschätzung für Verkehrsmodelle gegenüber denen aus Stichtagsdaten, der intrapersonellen Varianz der täglichen Wegehäufigkeit und der Typen wöchentlicher Aktivitäten- und Wegemuster76. Mit den Wegetagebüchern einer Woche der ersten Welle des Dutch Mobility Panel ist der Zusammen-

7 3

Jones, P., Clarke, M. (1986) S. 180.

7 4

Ebenda, S. 181.

75

Hanson, S, Huff, J.O. (1982), dieselben (1986), Huff, J.O., Hanson, S. (1986) und Hanson, S., Huff, J.O.

( 1988). 7 6

Pas, E.I. ( 1985) derselbe ( 1987), derselbe ( 1988), Koppelman, F.S., Pas, E.I. (1984) und Pas, E.I., Koppelman, F.S. (1987). 37

hang zwischen der Sequenz der Aktivitäten in Wegeketten und den Merkmalen der ausführenden Personen beschrieben worden77.

Die vprliegenden Studien auf der Basis von Mehrtagesdaten arbeiten mit sehr unterschiedlichen Indikatoren für das Verhalten und definieren Varianz und Stabilität im Verhalten verschieden, so daß schon deshalb die Vergleiche zwischen Tagen und zwischen Personen sehr divers, teilweise gegensätzlich ausfallen. Auf die Befunde wird im Kapitel 5 im Zusammenhang mit der Aufstellung eines Konzeptes für die Analyse des wöchentlichen Mobilitätsverhaltens in der vorliegenden Untersuchung eingegangen.

2.2.4

Vorher-Nachher

Untersuchungen

Will man die spezifische Wirkung einer Veränderung in der Angebotsqualität untersuchen, so ist ein möglicher Weg die Vorher-Nachher Studie, bei der ein Panel vor und nach der Veränderung jeweils einmal befragt wird. Ziel derartiger Studien kann es sein, Marktsegmente zu identifizieren, die besonders reaktionsfreudig sind, die Reaktion der Nachfrage insgesamt zu quantifizieren und die Wirkung der Veränderung insgesamt einzuschätzen und zu bewerten. Um die Maßnahmewirkung von anderen Einflüssen wie saisonalen Effekten etc. zu trennen, ist parallel eine Kontrollgruppe zu befragen, was jedoch nicht bei allen Vorher-Nachher Studien geschieht78.

Beispiele für Vorher-Nachher-Untersuchungen

in der Bundesrepublik finden sich für

verkeforsplanerische Maßnahmen in Erlangen und in Berlin. Verbesserungen des ÖPNVAngebotes in Erlangen durch Liniennetz- und Fahrplangestaltung und die parallele Verringerung innerstädtischer Parkplätze sollten im Jahr 1980 die Attraktivität des ÖV steigern. Zur Einschätzung des Erfolges dieser Maßnahmen wurden rd. 1500 Persorten vor und nach den Angebotsveränderungen im Abstand von einem Jahr nach ihrem Verkehrsverhalten schriftlich befragt 79. Dabei bezogen sich die Fragen nach der Häufigkeit (in Klassen) von Wegen und den gewählten Verkehrsmitteln für Zweck-/Ziel-Kombinationen nicht auf einen Stichtag, sondern auf das durchschnittliche Verhalten über das ganze Jahr. Eine Kontrollgruppe wurde nicht

7 7

Golob, T.F. (1986).

7 8

Vgl. Baanders, Α., ei al. (1982) S. 6.

79

38

;Höffler, K.H., et al. (1981).

erfaßt. Auch die Vorher-Nachher-Befragung in Berlin dient der Beurteilung von Nachfragereaktionen auf Veränderungen in ÖV-Angebot. Allerdings handelt es sich bei den Maßnahmen hier im wesentlichen um die sukzessive Verlängerung einer U-Bahn-Linie, die in den Jahren 1980 und 1984 stattfand. Dadurch fallen die Befragungszeiträume mit einem Abstand von 6 Jahren (1979/1985) sehr weit auseinander. Abgefragt wurde das Verkehrsverhalten an jeweils einem vorgegebenen Stichtag bei Personen im Untersuchungsgebiet und in einem Kontrollgebiet80. Beide Studien ergänzen die schriftliche Erhebung zum Verkehrsverhalten durch eine mündliche Befragung einer anderen Stichprobe. Im Falle Erlangen jeweils vorher/nachher, um Einstellungen zum und Zufriedenheit mit dem Angebot zu erfahren. Im Falle Berlin erfolgte die mündliche Befragung zum Nachher-Zeitpunkt außerdem, um nach dem langen Zeitraum zur Ersterhebung die Verhaltensänderung ex-post mit Hilfe sogenannter "interaktiver Meßverfahren" zu erfassen. Die Darstellung intrapersoneller Verhaltensänderungen erfolgt auf Basis dieser retrospektiven Analyse, die Ergebnisse der Stichtagsbefragungen werden nur für aggregierte Vergleiche herangezogen. Beide Untersuchungen weisen Ergebnisse im Zeitvergleich aus. In Berlin wird z.B. ein leichter Anteilsgewinn des ÖPNV im Untersuchungsgebiet ausgewiesen und einem ohne die Verbesserungsmaßnahme zu erwartenden Verlust gegenübergestellt81. Gegen zweiwellige Panel sind Bedenken hervorgebracht worden82, und einige der Schwächen dieses Designs zeigen sich auch an obigen Beispielen. Ein Problem ist der zu wählende Zeitabstand beider Wellen. Im allgemeinen ist die Wirkungszeit von Maßnahmen nicht bekannt, und es ist zu vermuten, daß stets verschiedene Effekte mit unterschiedlichen Zeitläufen auftreten. Effekte können vorübergehender Natur sein und je nach Lage der zweiten Befragung gar nicht erfaßt sein oder im Mittelpunkt der Analyse stehen. Ist der Abstand der Wellen zu groß, wird es kaum möglich sein, eine ausreichende Anzahl von Befragten aus der ersten Welle am gleichen Wohnort anzutreffen, und bei denen, die man trotzdem wieder befragt, kann der Einfluß von eigentlich nicht zu untersuchenden Faktoren (Haushaltsstruktur, Motorisierung, Alterung) erdrückend sein. Bei nur zwei Wellen läßt sich die Wirkung der verschiedenen Einflüsse schlechter trennen als bei häufigeren Beobachtungen.

8 0

Socialdata (1987).

8 1

Ebenda, S. 43.

8 2

Vgl. Hensher, D.A. (1985 b) S. 87 und die dort angegebene Literatur. 39

Das Problem des Erhebungsdesigns je Welle besteht nicht allein bei Vorher-Nachher-Studien, ist hier aber besonders gravierend, Befragungen mit einem Stichtag reichen wegen der Variabilität des Verhaltens von Tag zu Tag nicht aus, und retrospektive Fragestellungen sind ungenau. Sie fordern die Befragten auf, ihr Verhalten vereinfacht zu klassifizieren, wodurch zum einen weniger häufig gewählte Verhaltensalternativen vernachlässigt werden und für die angegebenen nur geschätzte klassierte Häufigkeiten vorliegen.

40

3

Untersuchungsgebiet, Stichprobe und Daten

Empirische Daten zum Verkehrsverhalten, die sinnvoll als Längsschnitt interpretierbar sind, existieren in der Bundesrepublik Deutschland nicht. Die Suche nach derartigen Daten führte in Holland zum Erfolg. In diesem Kapitel werden das Erhebungsgebiet und die Erhebungsmethode beschrieben, es wird auf einige begleitende Informationen eingegangen, und schließlich wird die Stichprobe dargestellt und in einigen Eckgrößen mit der amtlichen Statistik der Niederlande und der Bundesrepublik Deutschland verglichen.

3.1

Untersuchungsgebiet Amsterdam

Die im folgenden dargestellten Daten einer Haushaltsbefragung wurden im Jahr 1976 in den Gemeinden Amsterdam und Amstelveen erhoben1. Die Stadt Amsterdam bildet das Zentrum der aus den Gemeinden Amsterdam, Amstelveen, Diemen und Ouder-Amstel bestehenden Agglomeration mit gut 850.000 Einwohnern zur Mitte der siebziger Jahre. In dem gesamten Großraum, zu dem weitere 30 Gemeinden gezählt werden, wohnten zu dieser Zeit rd. 1,3 Mill. Einwohner. Im Erhebungsgebiet Amsterdam und Amstelveen lebten etwa 820.000 Menschen. Die Gemeindefläche Amsterdams beträgt 210 km2, rd. zwei Drittel davon sind bebaut (vgl. Abbildung 3.1).

Die Erhebungsgebiete umfassen etwa 100 km

in Amsterdam und weitere 10 km 2 an

Amsterdam angrenzendes Gebiet der Gemeinde Amstelveen (vgl. Abbildung 3.2). Da somit ein erheblicher Teil der gesamten Räche der Wohnbebauung und auch städtebaulich völlig unterschiedlich strukturierte Gebiete abgedeckt sind, soll hier auf die städtebauliche Struktur kurz eingegangen werden. Vier wesentliche Phasen der räumlichen Entwicklung sind entscheidend für die Struktur des heutigen Bestandes2. Das ist zum ersten die mittelalterliche Stadt der Grachten, zwischen der Ij und der Singel-Gracht, die sich bis zum Ende des 17. Jahrhunderts zu dieser Ausdehnung von ca. 8 km 2 mit über 200.000 Einwohnern entwickelt hatte.

1

Die Daten der Haushaltsbefragung werden imfolgenden als SIGMO-Daten bezeichnet, vgl. Abschnitt 3.2.

2

Vgl. Amsterdam (1975) und Amsterdam (1983). 41

Eine zweite Phase der Flächenentwickluhg setzte gegen Ende· des 19; Jahrhunderts ^ ein, nachdem durch die Eröffnung des Nordseekana^s (im Jahre-1876) iind die Anfeindung an das Eisenbahnnetz mit der Eröffnung des Hauptbahnhofs (im Jahre

Infrastrukturelle

Voraussetzungen für einen neuen Aufschwung geschaffen waren. Nack meinem r^om Magistrat der Stadt 1877 genehmigten Erweiterungsplan wurde die Stadtfläche konzentrisch» von Südosten bis Nordwesten um das bereits bebaute Gebiet herum in den folgenden Jahren annähernd verdoppelt, auch die Zahl der Einwohner verdoppelte sich in diesem Zeitraum. Auf der Grundlage einer aktiven Bodenerwerbspolitik der Kommune und den fortschrittlichen Architekturideen der Amsterdamer Schule wurde die planvolle Stadterweiterung in den zwanziger Jahren dieses Jahrhunderts fortgesetzt. Randgebiete wurden ganz oder teilweise eingemeindet, im Süden, Westen und Norden entstanden großzügigere Stadtviertel als in der vorherigen Entwicklungsphase. Die vierte Entwicklungsphase nach dem 2. Weltkrieg war in wesentlichen Teilen bereits durch den Allgemeinen Erweiterungsplan von 1935 vorgezeichnet, der eine ununterbrochene Stadtregion in südlicher und westlicher Ausdehnungsrichtung vorsah und bis 1970 praktisch in seinem ganzen Umfang verwirklicht war. Gegen Ende der sechziger Jahre wurde dieser durch den Strukturplan für die Erweiterung von Amsterdam ergänzt, der die Wohnbebauung im Norden und im Südosten projektierte.

Die in diesen Phasen der Entwicklung entstandenen städtischen Strukturen sind auch von Bedeutung für die Sozialstruktur und das Mobilitätsverhalten der hier lebenden Bevölkerung. Das historische Zentrum (Centrum) und der Erweiterungsgürtel des 19. Jahrhunderts (OudWest, Oud-Zuid, Oost) sind gekennzeichnet durch eine hohe Bebauungsdichte, kleine und schlechte Wohnungen, unzureichende und unzeitgemäße Wohnfolgeeinrichtungen (Schulen, Freizeit), Vermischung von verschiedenen Nutzungsarten, schlechte Zugänglichkeit mit privaten Kraftfahrzeugen und gute Erschließung durch öffentliche Nahverkehrsmittel.

42

Die negativen Aspekte dieses städtebaulichen Zustandes führten in den zehn Jahren vor der Erhebung der SIGMO-Daten in diesen Gebieten zu einem Bevölkerungsverlust von einem Viertel; vornehmlich einkommensstärkere Gruppen und Familien mit Kindern zogen in die Neubauwohnungen am Stadtrand bzw. ins Umland. Andererseits haben die Innenstadtviertel für andere Bevölkerungsgruppen durch ihren hohen Grad an Urbanität mit zahlreichen kulturellen Einrichtungen und naher Versorgung des täglichen Bedarfs eine hohe Attraktivität Großzügige

Straßenquerschnitte,

Blockbebauung

und

verschiedenste

Einfamilien-Reihenhäuser)

Bauformen und

(drei-

vorhandene

bis viergeschossige Naherholungsflächen

kennzeichnen die Stadterweiterungen der zwanziger Jahre (Nieuw-Zuid, ähnlich Noord). Auch hier ist die Erschließung mit öffentlichen Nahverkehrsmitteln und die Nahversorgung für den täglichen Bedarf als relativ gut einzustufen.

Die weiteren Gebiete der Datenerhebung sind nach dem 2. Weltkrieg bebaut worden (Nieuwendam, Buiksloot, Geuzenfeld, Osdorp, Sloterwaart, Buitenveldert, Amstelveen und Bijlmermeer). Hier findet man fast ausschließlich eine aufgelockerte Bauweise, in der sich Mietshäuser verschiedenster Bauformen und Höhe mit Einfamilien-Reihenhäusern abwechseln. Etwa die Hälfte dieser Flächen waren zum Zeitpunkt der Datenerhebung mit Eisenbahnen, Straßenbahnen und Bussen an das städtische Verkehrsnetz angeschlossen, womit radiale Verkehrsströme gut bedient sind. Die verbleibende Hälfte der Fläche mußte sich mit Busbedienung begnügen3. In diesen Neubaugebieten sind i.d.R. an den Knoten- oder Endpunkten des öffentlichen Nahverkehrs lokale Versorgungszentren vorhanden. Durch großzügig angelegte Straßen und reichlich vorhandene Parkflächen (oftmals als Parkhäuser mit direktem Zugang zu den Wohnhäusern oder Einkaufszentren) ist die Angebotsqualität für den privaten Kraftfahrzeugverkehr hervorragend. Die Motorisierung im gesamten Amsterdam betrug gut 270 Pkw je 1000 Einwohner4. Die Verkehrsstatistik weist als Ergebnis von Straßenverkehrszählungen für das Jahr 1973 für die abendliche Spitzenstunde 19 vH öffentlichen Verkehr, 54 vH Pkw-Verkehr und 27 vH

3

Dies änderte sich später durch die Metroverbindung für Bijlmermeer und jüngst durch Straßenbahnanschluß für Buitenveldert und Amstelveen. 4

Zum Vergleich: 1976 betrug die durchschnittliche Motorisierung in der Bundesrepublik 311, in Berlin (W) 240 Pkw/1000 Einwohner. 43

Fahrradverkehr als Anteil an den Wegen aus. Dabei weist der ÖV mit 5,5 km eine höhere durchschnittliche Reiseweite auf als der Pkw-Verkehr mit 4,4 km (Fahrrad 2,7 km)5.

Amsterdam bot zur Mitte der siebziger Jahre rd. 400.000 Arbeitsplätze an. Von den befragten Berufstätigen der SIGMO-Stichprobe fanden etwa 85 vH ihren Arbeitsplatz innerhalb Amsterdams, mit einer deutlichen Konzentration in der historischen Innenstadt.

3.2

Erhebung der Stichprobe

Die Daten für die SIGMO-Studie wurden 1976 erhoben6. Das "Projectbureau for Integral Transport Studies" des niederländischen Verkehrsministeriums war Auftraggeber dieser Untersuchung, deren Ziel es war, eine Anzahl von Modellen für die Abbildung des Verkehrsaufkommens, der Verteilung und des Modal-Split zu schätzen7. Diese Modelle sollten einerseits die neueren Entwicklungen politik-sensitiver Individualdaten-Modelle aufgreifen und andererseits mit den existierenden Strukturen der aggregierten Verkehrsprognose kompatibel sein. Gleichzeitig sollte die SIGMO-Erhebung als Kontrollgruppe für eine Untersuchungsgruppe, die mit niedrig tarifierten Saisontickets für alle öffentlichen Nahverkehrsmittel ausgestattet war, dienen. Die Datenerhebung wurde dem renommierten Amsterdamer Marktforschungsunternehmen Veldkamp Marktonderzoek B.V. übertragen. Die methodischen Grundlagen der Studie wurden von Cambridge Systematics Inc. entwickelt8 und von Netherlands Economic Institute9 und Netherlands Institute of Transport 10 angewandt. Die hier zur Verfügung stehenden Daten stellen einen bezüglich des Erhebungszeitraumes zusammenhängenden Teil der SIGMO-Haushaltsbefragung dar. Die Feldzeit läuft vom 1. Mai bis zum 22. Juni 1976. Dieser Zeitraum ist frei von Schulferien u.& die Mobilität beein-

5

Vgl. Amsterdam (1976).

6

SIGMO steht für "Stadsgewestelijk Individueel Geschat MOdel", was man mit "auf Individualdaten geschätztes Stadtgebiets-Modell" übersetzen kann. 7

Vgl. Ministery of Transport (1977).

8

Vgl. Cambridge Systematics Inc. (1977) und ders. (1980).

9

Vgl. Netherlands Economic Institute (1977).

10

44

Vgl. Netherlands Institute of Transport (1977) und ders. (1978).

Aussenden Ereignissen, er enthält jedoch außer dem 1. Mai (Samstag) zwei weitere Feiertage, nämlich Christi Himmelfahrt (Donnerstag der 27. Mai) und Pfingstmontag (7. Juni). Die Stiçhprobe wurde aus der Kartei der städtischen Gas- und Elektrizitätswerke gezogen, dabei für jede erste Adresse zusätzlich zwei Reserveadressen in der unmittelbaren Nachbarschaft. Diese Dateien haben den Vorteil, die räumliche Repräsentation zu gewährleisten und stets aktuell zu sein. Personen in Studenten-und Altenwohnheimen wurden gesondert angegangen, da derartige Heime in den Kundenkarteien unter einer Nummer geführt wurden.

Der Fragebogen wurde im März 1976 einem Pretest unterzogen. Ein Ergebnis dieses Pretests war die Feststellung, daß die Erhebung des Verkehrsverhaltens einer gesamten Woche möglich ist. Nach der Gestaltung des endgültigen Fragebogens wurde den Hàushalten der Besuch des Interviewers angekündigt und um Kooperation gebeten. Der Interviewer besuchte den Haushalt einige Tage später, notierte die Haushaltszusammensetzung und erklärte die Fragebögen. Die Erhebungswoche begann für den Haushalt 2 Tage nach dem Besuch des Interviewers. Die Stärttage der Erhebungswoche sind damit über die Wochentage verteilt, mit Schwerpunkt auf den mittleren Wochentagen Mittwoch, Donnerstag und Freitag. Bei der Abholung des Fragebogens kontrollierte der Interviewer die Qualität der Eintragungen in die Fragebögen11. Konnte eine ausreichende Qualität nicht sichergestellt werden, wurde dieser Haushalt in die Kategorie Verweigerung eingestuft und ein Ersatzhaushalt angesprochen. Die Anzahl dieser dermaßen als Verweigerung eingestuften Interviews ist erheblich, Tabelle 3.1 stellt diese und weitere Ausfallgründe den als erfolgreich eingestuften Interviews gegenüber12.

11

Es handelt sich also um eine "Interviewer-kontrollierte schriftliche Haushaltsbefragung".

1 2

Vgl. Ministery of Transport (1977), S. 54 f. 45

Tabelle 3.1 Rücklauf der 1. Welle der SIGMO-Erhebung

Haushalte Qualität

absolut

Bruttostichprobe Fehladresse1) Angesprochen Verreist Krank Holländisch ungenügend Viermal nicht angetroffen Direkte Verweigerung Als Verweigerung eingestuft Erfolgreiche Interviews

5 735 164 5 571 371 182 87 580 1 563 493 2 295

vH

-

100 7 3 2 10 28 9 41

Leere Wohnung, Geschäft o.ä.

Von der ausgewiesenen Nettostichprobe von rd. 2 300 Haushalten wurden annähernd 500 Einheiten aussortiert, da deren Verkehrsverhalten aufgrund gegen Ende Juni einsetzenden sehr warmen Wetters als abnormal eingestuft wurde. Die Informationen von gut 1 800 Haushalten standen daher für die vorliegende Analyse zur Verfügung.

Die Befragung besteht aus einem Personenfragebogen und einem Wegetagebuch für die 7Tage Periode 13. Folgende demographische und sozioökonomische Merkmale wurden für den Haushalt und die Personen ab 12 Jahren Alter erhoben:

Art der Unterkunft, Zusammensetzung des Haushalts, Haushaltsgröße, Stellung im Haushalt, Geschlecht, Alter, Ausbildung, 13

46

Siehe auch Variablenliste im Anhang.

Berufetätigkeit, wöchentliche Anzahl der Arbeits- bzw. Ausbildungstage, Pkw-Besitz des Haushalts, Besitz anderer Verkehrsmittel, Führerscheinbesitz, persönliches Einkommen.

Der regelmäßige Hin- und Rückweg zur Arbeits- bzw. Ausbildungsstätte wurde im Personenfragebogen einmal berichtet, etwaige Abweichungen vom Normalfall vermerkt und der entsprechende Weg im Wegetagebuch eingetragen. Die erhobenen Merkmale fur den regelmäßigen Weg sind:

Entfernung, benutzte Verkehrsmittel und jeweilige Fahrtzeiten und evtl. Wartezeiten, normale Abfahrts- und Ankunftszeit, Einschätzung der ÖV-Verbindung, wahrgenommene Stauungen.

Alle anderen Wege waren in das Wegetagebuch einzutragen. Kurze Fußwege von einer Dauer unter 10 Minuten und Wege in Ausübung des Berufes brauchten nicht berücksichtigt werden. Erhoben wurden für jeden Weg: das Datum, Art des Ziels und der dortigen Aktivität, Abfahrts- und Ankunftszeit, benutzte Verkehrsmittel und jeweilige Fahrtzeiten und Wartezeiten, Anzahl begleitender Haushaltsmitglieder, Pkw-Verfügbarkeit.

Das Wegetagebuch war übersichtlich gegliedert und handlich. Die Befragten waren aufgefordert, es bei sich zu tragen und Wege möglichst zeitnah zu notieren. Für jeden Tag ohne Eintragungen von Wegen in dieses Protokoll wurden mögliche Gründe abgefragt.

47

Abbildung 3.1 Erhebungsgebiet Amsterdam und Amstelveen

48

Abbildung 3.2 Verteilung der befragten Haushalte im Stadtgebiet

ci ^ m v o r l e s e t

·-. «

n v o r - C D O ^ O - « cm m 18 214 21,0 22,3 23,4 22,8 26,7 28,7 34,0 25,2 111fllleinst. ET M ET ohne 33 28,0 25,5 33,9 31,9 26,3 40,3 51,4 32,9 112fllleinst. ET MET «it 33 24,6 28,7 23,6 22,2 25,1 28,4 35,7 26,4 121fll leinst. ET H ET ohne 69 33,9 30,4 31,0 27,2 29,2 36,6 43,0 32,3 122fll leinst. ET MET mit 24 24,8 22,6 21,9 24,6 24,1 28,8 45,1 27,0 211 M+F ET M ET ohne 76 26,8 28,5 28,8 26,7 27,7 39,3 45,4 31,3 212 M+F ET M ET mit 163 23,9 26,0 26,6 24,1 26,7 28,0 33,4 26,7 221 M+F ET H ET ohne 77 23,2 24,7 26,3 26,5 31,3 34,5 43,0 29,5 222 M+F ET M ET mit 51 19,3 26,3 26,5 24,5 24,6 30,5 38,2 26,7 231 M+F ET Η HF ohne 82 26,0 29,6 40,3 30,1 26,4 33,0 41,3 32,4 232 M+F ET M HF mit 23 23,8 26,6 28,1 27,6 23,7 30,0 34,4 27,2 311 M+F+K ET M ET ohne 53 27,0 30,9 27,8 27,3 26,9 42,4 41,0 31,3 312 M+F+K ET M ET mit 204 22,0 22,3 23,4 20,9 22,5 26,4 30,6 23,8 321 M+F+K ET M ET ohne 28 28,5 25,0 25,3 27,9 21,4 24,9 30,9 25,8 322 M+F+K ET MET mit 27 17,0 22,7 23,4 19,1 18,4 34,8 36,9 23,5 331 M+F+K ET M HF ohne 127 20,9 23,7 28,4 20,3 24,7 29,5 42,3 27,2 332 M+F+K ET M HF mit 74 15,8 19,4 20,1 16,8 20,6 28,6 34,8 21,6

Î

D

(

Tabelle 738 Wegedauer fur Personengruppen

7.2.1.6

Zusammenfassung

In diesem Abschnitt wurden einige Aspekte der Mobilität analysiert, die sich nicht auf eine abhängige Variable wie im Abschnitt 7.1 reduzieren lassen. Es ist deshalb ein exploratives Vorgehen mit a priori Abgrenzungen von Personengruppen gewählt worden. Für diese Gruppen wurden anschaulich die Verläufe der Mobilitätskomponenten Anteil mobiler Personen, Wegehäufigkeit und Mobilitätsdauer, die Varianz in diesen Mobilitätskomponenten zwischen den sowie innerhalb der Personen jeder Gruppe und der Ermüdungseffekt sowie die gruppenspezifische Vielfalt von Aktivitäten und Verkehrsmittelbenutzung gezeigt. Mit den im vorigen Abschnitt 7.1 ermittelten individuellen Einflußgrößen für einige Aspekte der wöchentlichen Mobilitätsausprägung sowie den weiteren Merkmalen Geschlecht und Art des Haushalts wäre insgesamt eine zu feine Schichtung für die Größe der Stichprobe eingetreten. Das Alter und der Ausbildungsgrad einer Person als eher nachgeordnete Gliederungsmerkmale sind daher hier vernachlässigt worden. Indirekt aufgegriffen wird das Lebensalter jedoch von den Stellungen im Erwerbsleben und den Positionen im Lebenszyklus. Da in den Analysen des vorigen Abschnitts keitie Interaktionen gefunden wurden, kann angenommen werden, daß die Mobilitätsbeteiligung, die Wegehäufigkeit und die jeweilige Variabilität in den Personengruppen mit dem Ausbildungsniveau positiv korreliert.

Die schrittweise Verfeinerung der Gruppeneinteilung begann mit wenigen Kategorien, die zwar eine gesamte Population darstellen können, aber weitgehend nicht zwischen den Geschlechtern und nicht zwischen Hausfrauen, Rentnern und sonstigen Nichterwerbspersonen unterscheiden17. Für einige Gruppen reichte die damit gegebene Detaillierung zur inhaltlichen Interpretation aus, für andere erwies sie sich als zu grob und wurde erweitert.

Zwischen den Gruppen haben sich bedeutsame Unterschiede im Verlauf und in der Variation der Mobilitätskomponenten ergeben. Dabei wird die Frage nach der Verbindlichkeit der Mobilitätsteilnahme durch die entsprechenden intra- und interpersonellen Varianzen erhellt. Die Varianzwerte für die Wegehäufigkeit besagen etwas über die Variation der Mobilitätsausprägung zwischen den Personen und über die jeweils betrachteten Tage für die Personen einer Gruppe.

17

So bei den sieben Gruppen nach Schmiedel (1984). Auch andere Analyse- und Prognoseansätze differenzieren teilweise nicht nach dem Geschlecht und sind für andere Merkmale auf die Selbsteinschätzung der befragten Personen angewiesen, vgl. Kloas, J., Kuhfeld, H. (1990) sowie Kloas, J., Kuhfeld, H. und Kunert, U. (1988). 231

Wie auch schon bei den mehrfaktoriellen Analysen im Abschnitt 7.1 wird deutlich, daß nur im Verbund mehrerer Einflußgrößen sinnvolle Erklärungen für die auftretenden Unterschiede möglich sind. Zudem ist hier auch die gemeinsame Interpretation von Mobilitätsniveau und Varianzen angebracht. Insgesamt erweisen sich die Stellung im Erwerbsleben und die PkwVerfügbarkeit als wichtige Größen, deren Kategorien mit meist eindeutigen Unterschieden in den Mobilitätskomponenten verbunden sind. So sind berufstätige Personen in fast allen Vergleichen mobiler als Hausfrauen und motorisierte mobiler als nichtmotorisierte Personen. Kein genereller Unterschied besteht zwischen den Geschlechtern, sondern verschieden ausgeprägte Unterschiede innerhalb der Kategorien anderer Merkmale. Das gilt für die Mobilitätsbeteiligung, die Wegehäufigkeit, die Verläufe dieser Mobilitätskomponenten über die Wochentage, die Varianzen und für die Ausprägungen der Aktivitätenteilnahme und der Verkehrsmittelnutzung. Insofern besteht ein Interaktionseffekt zwischen dem Geschlecht und anderen Merkmalen der Person, der in den Analysen des vorigen Abschnitts nicht aufgedeckt werden konnte.

Zu den interessantesten Befunden gehört die hohe Gleichmäßigkeit der Mobilitätsteilnahme bei Schülern durch die Verbindlichkeit des Schulbesuchs. Auch erwerbstätige Frauen, die in einem Haushalt leben, weisen sich - speziell bei Haushalten mit Kindern - durch hohe Mobilitätsbeteiligung und niedrige Varianzwerte aus. Bei ihnen wird diese Verbindlichkeit durch die Familien induziert, denn ansonsten ergeben sich für Erwerbstätige meist größere Variationen. t>ie Frauen erweisen sich speziell dann als die vergleichsweise mobileren, wenn ein jüngerer Haushalt zu versorgen ist und ein Auto zur Verfügung steht. Sie haben einen anderen Verlauf der Mobilitätskomponenten über die Wochentage, mit hohen Werten an den Tagen mit stärkerer Bedeutung der Versorgung (Di., Fr., Sa.). Der Vergleich im Haushaltszusammenhang und die Verteilung auf viele Wegezwecke weist die Frauen - und insbesondere die erwerbstätigen - als diejenigen aus, die den erhöhten Mobilitätsbedarf eines Haushalts mit Kindern tragen. Im Haushaltsverbund zeigt sich eine Annäherung der Mobilitätswerte zum Wochenende: Sie steigen für Hausfrauen, während sie für berufstätige Personen fallen. In Zweipersonenhaushalten ohne Erwerbstätigkeit sind die Männer die mobileren.

Nach der Korrektur des Ermüdungseffektes erweist sich der Samstag im Mittel über alle Personen als ein Wochentag mit überdurchschnittlichen Mobilitätswerten, unter dem Durchschnitt liegen der Montag und der Sonntag. Dabei ist für einige Personengruppen der Samstag der Tag mit der höchsten Mobilität überhaupt und der Sonntag mit weit überdurch-

232

schnittlichen Mobilitätswerten. Zum Wochenende hin führen verstärkte Einkaufsaktivitäten und der Mobilitätsverbund im Haushaltszusammenhang zu dieser Tendenz.

Bei den meisten Untersuchungen zum Mobilitätsverhalten steht der Werktag im Vordergrund, dies auch, weil die Infrastrukturplanung den durchschnittlichen Werktag zu einer maßgeblichen Bemessungsgrundlage macht. Mit der hier gewählten Blickrichtung auf das Mobilitätsverhalten von Personen zeigen sich ergänzende und neue Einsichten. So ist - zusammen mit der hohen Wegedauer bzw. -länge betrachtet - das Volumen der Wochenendmobilität nicht nur erheblich, sondern auch von einer ganz anderen Struktur und von teilweise anderen Bestimmungsgrößen beeinflußt als die Mobilität an den Werktagen. Ein kausaler Zusammenhang zwischen der Motorisierung und der ausgeprägt höheren Mobilität motorisierter Personengruppen kann hier nicht nachgewiesen werden, er ist aber zumindest teilweise begründet zu vermuten. Daraus folgt, daß in Zukunft steigende Wohlstandsindikatoren (Einkommen, Ausbildungsniveau) zum einen das Mobilitätsvolumen am Wochenende direkt erhöhen können, zum anderen vermittels gesteigerter Pkw-Verfügbarkeit speziell das Verkehrsvolumen des MIV beeinflussen können.

Obwohl die für die Gruppen ausgewiesenen Mobilitätsverläufe über die Wochentage deutliche Bewegung und Unterschiede aufweisen, geben sie nur einen geringen Anteil der Dynamik im Mobilitätsverhalten wieder. Nach dem hier gewählten Konzept der Varianzbestimmung und -aufteilung entfallen auf die systematische Varianz im Mittel nur 2 vH der Gesamtvariation. An den Werktagen liegen im Durchschnitt für die Gruppen 55 vH der Variation der Wegehäufigkeit innerhalb und 45 vH zwischen den Personen der Gruppen. Der Anteil der intrapersonellen Varianz beträgt in den Gruppen zwischen 35 und 70 vH. Für die gesamte Woche ist der durchschnittliche Anteil der intrapersonellen Varianz mit 60 vH höher, mit einer Spanne von 55 , bis 80 vH in den Gruppen. Obwohl also Gruppen definiert werden konnten, die bedeutungsvolle

Unterschiede

im Mobilitätsverhalten aufgreifen,

ist die Varianz der

Verhaltensmerkmale innerhalb der Gruppen hoch, der größere Teil wird durch die Variation von Tag zu Tag in der Mobilität der einzelnen Individuen erzeugt.

7.2.2

Mobilität

nach Mobilitätsstufen

In den folgenden Analyseschritten werden zwei Mobilitätsstufen herausgegriffen, um spezielle Aspekte des Verhaltens sehr mobiler Personen zu erhellen. Dabei wird die Abgrenzung von Personengruppen aus dem vorigen Abschnitt beibehalten. Die an fünf oder sechs Tagen einer

233

Woche mobilen Personen (Mobilitätsstufe 5 und 6) sind tendenziell jünger und besser ausgebildet als der Durchschnitt der Stichprobe, die Personen der Mobilitätsstufe sieben verfügen zudem über ein höheres Einkommen und häufiger über ein Auto. Diese Mobilitätsstufe umfaßt rund ein Drittel der Personen in der Stichprobe, für sie sind die Ergebnisse der Kovarianzanalyse der Wegehäufigkeiten nach Wochentagen in Tabelle 7.39 A eingetragen. Vergleichbar sind diese Werte mit denen für alle Personen der jeweiligen Gruppe in Tabelle 7.26 (Gruppen 1 und 2) sowie Tabelle 7.31 A (Gruppen 111-522).

Mit 24 Wegen je Woche liegt die Wegehäufigkeit der Personen hier um 40 vH über dem Durchschnitt für diese Gruppen insgesamt. Die höhere Mobilität ist besonders deutlich bei nichtmotorisierten Personen, bei den Hausfrauen sowie den älteren, nichterwerbstätigen Personen. Sie verteilt sich auf alle Wochentage, insgesamt etwas schwächer auf Dienstag, Freitag und Samstag, da hier auch die weniger mobilen Personen verstärkt unterwegs sind (Einkauf). Personen in dieser Mobilitätsstufe sind nicht nur an jedem Wochentag unterwegs, sie unternehmen auch an jedem Tag deutlich mehr Wege als im Durchschnitt der Stichprobe. Die Wegezahlen liegen um ein Siebentel über dem rechnerischen Ergebnis für Wege je mobiler Person je Tag (Tabelle 7.32). Über die Gruppen sind dabei die Anteile (ausgewiesen in Tabelle 7.39 A) der auf diese Stufe entfallenden Personen recht verschieden. Mit fast 60 vH ist sie bei alleinstehenden berufetätigen Frauen mit Pkw am höchsten (122), diese Personen weisen mit 30 Wegen auch die größte Mobilität auf.

Auch die folgenden Personengruppen mit über 50 vH Anteilen in dieser Mobilitätsstufe sind vornehmlich Frauen (221, 222, 322), wobei vor allem die berufetätigen Frauen mit Kind hohe Wegezahlen aufweisen. Erstaunlich ist die hohe Mobilität der motorisierten Hausfrauen, egal ob mit oder ohne Kind in der Familie (232, 332). Tabelle 7.39 Β zeigt die Aufgliederung der Varianz der Wegehäufigkeiten für die 22 Personengruppen. Im Vergleich zu den Werten für atte Personen in diesen Gruppen (Tabellen 7.26 Β und 7.31 B) fallen für die Mobilitätsstufe sieben die interpersonellen und intrapersonellen Variationskoeffizienten fast durchweg kleiner aus, die Reduktionen sind besonders deutlich bei Hausfrauen u*d Rentnern. D.h. auf dem jeweiligen Mobilitätsniveau sind die Populationssegmente homogener und die individuelle Wegehäufigkeit über die Wochentage gleichförmiger. Dennoch sind die Werte der absoluten intrapersonellen Varianz mehrheitlich größer ak im Durchschnitt aller Mobilitätsstufen 1-7. Dies gilt insbesondere für die Personen in Haushalten mit Kindern (außer nichtmotorisierte Männer), die stärk in dieser Mobilitätsstufe vertreten sind. Damit zeigt sich die Bedeutung von Kindern

234

im Haushalt für das Mobilitätsverhalten einiger Haushaltsmitglieder mit hoher Wegehäufigkeit und Dynamik. Hervorstechend ist hier wiederum die Gruppe der motorisierten erwerbstätigen Frauen (322), für die sogar die intrapersonellen Variationskoeffizienten über dem Durchschnitt aller Mobilitätsstufen liegen.

Für fast alle Personengruppen ist nun der Anteil der interpersonellen Varianz niedriger, was erwartungsgemäß zeigt, daß mit dieser Mobilitätsstufe jeweils ein einheitlicheres Populationssegment herausgetrennt wurde. Dies gilt auch für die Betrachtung über alle Gruppen der an jedem Wochentag mobilen Personen: die Varianzwerte (MQS und VC in Tabelle 7.39 A) liegen unter denen für alle Mobilitätsstufen.

An fünf oder sechs Tagen in der Woche sind etwas mehr als ein Drittel der Personen in der Stichprobe unterwegs. Dieser Anteil beträgt für die in der Tabelle 7.40 ausgewiesenen Personengruppen zwischen 24 und 54 vH, womit die Anteile näher beinander liegen als für die Mobilitätsstufe sieben. An weniger als fünf Tagen einer Woche außer Haus sind ebenfalls ein Drittel aller Personen (Mobilitätsstufen 0-4). Für einige der hier betrachteten Gruppen liegt dieser Anteil unter 10 vH (1, 2, 112, 122, 322), bei den weiteren Personen in Ausbildung oder Berufstätigkeit zwischen 10 uiid 20 vH und nur für Hausfrauen und Rentner noch darüber - bis zu über 60 vH (231, 511, 521). Mit den drei hier ausgewiesenen Mobilitätsstufen sind also 80 bis 90 vH der Personen in Ausbildung und Erwerbstätigkeit erfaßt.

Mit rd. 17 Wege pro Woche ist die Wegehäufigkeit im Mittel der Mobilitätsstufe 5/6 ebenso hoch wie im Durchschnitt der Mobilitätsstufen 1 bis 7. Jedoch sind hier die weniger mobilen Segmente der berufstätigen und lernenden Personengruppen und mobilere Segmente der anderen Gruppen vertreten. Für die erstgenannten Gruppen ist die Wegehäufigkeit vornehmlich in der zweiten Wochenhälfte niedriger, die Personen beteiligen sich also weniger am Einkaufund Freizeitverkehr und nehmen eher ausschließlich ihre Pflichtaktivitäten Arbeit und Ausbildung wahr. Dies führt zu flacheren Profilen der Wegehäufigkeit während der Werktage und deutlich geringerer Wegehäufigkeit an den Wochenendtagen. Bei den hier vertretenen Hausfrauen und Rentnern verteilt sich die höhere Mobilität einigermaßen gleichmäßig auf die Wochentage18. Die ermittelten Korrekturwerte für den Ermüdungseffekt verteilen sich in den

1 8

Geringe Fallzahlen führen teilweise zu sprunghaften Verläufen. 235

236 Ν

MO

DI

4,36

3,90

3,09

2,48 22,57 2.60 25.69 27.26

0,06

3,15 56,2

a

3.03 3.32 3,86 4,47 4,33 4,83

2.87 3,66 3.59 3,93 3,24 5,G5

3.06 3.63 4.19 4,38 4,04 5,53

2.93 3.77 3.31 4,33 3.93 4,77

0,06

2 Ο

3.80 58,3

3,35 3,48

2 1

11 0.07

2

3,12 52,9

3,34 3.62

2 16 0,09

3

3,52 52.5

3.57 3,96

0,07

1 6

3,59 52,9

3,58 3,86

0.04

1 4

3.97 61,1

3,26 3,53

-0.003 -0.129 -Ü.2Ö2 -0,393 -0.282 -0.273 -0.091

MQS TRG VC TRG

F-WERT GRUPPE F—WERT NRP

2.66 3,00 3.85 4.54 3,63 4,40

3.04 3.78 3.35 4,26 3.35 3.10

2.24 19.82 2.72 23.87 2.35 24,49 2,70 28,60 2.40 24.91 2.34 30.01

0.03

1

1,82 53.2

2.53 22.78 2,62 24.23

ohne 15 IO 2.34 3,34 3,94 3.99 2.86 3.41 2.71 22,58 mit 26 41 3,01 3,32 3,65 3,72 3,35 3,64 2.49 23,17 ohne 20 11 3,16 2,90 3,59 3,41 2,98 3.30 2.27 21.60 mit 6 35 3,01 3,46 3,21 3,02 2,79 3.21 2.60 21.29

26 43 105 49 13 43 15 54 16 13 28 36

3,15 3,15

M W W

ohne mit ohne mit ohne mit

MITTELWERT MIT NRP MITTELWERT KORRIGIERT UM NRP—EFFEKT

NRP

-M -

ET ET ET ET ET ET

M+F M+F M+F M+F

4,66

3,12 3,57

511 512 521 522

4.06

3,69 4,24

SO INSG.

M ET M ET W E T W ET W HF W HF

3,69

3,72 3,96

SR

M+F+K M+F+K M+F+K M+F+K M+F+K M+F+K

3,51

FR

311 312 321 322 331 332

47

DO

- WEGE JE PERSON -

MI

M ET mit 16 52 3,01 3,20 3,50 4,40 3,90 3,94 2,60 24.55 W ET ohne 2Θ 41 3,19 3,76 3.50 4,30 4,03 3.30 2.89 24.96 W ET mit 14 58 3,65 4.87 3,00 5,08 4,75 4.52 3.30 30.04 M ET ohne 39 50 2,42 3.28 2.86 3,70 3,20 3.03 2.61 21.09 MET mit 71 42 3,23 3.60 3.59 3.94 4.28 4.17 2.90 25.70 W E T ohne 41 52 3.03 3.43 3.44 3,54 3,66 3.16 2.70 22.95 W E T mit 27 51 3.42 3.27 3.19 3,69 3,50 3,51 2.00 23.37 W HF ohne 11 13 2.83 2.64 3.12 3.08 2,76, 2.75 2.20 19.37 W HF mit 5 21 3,41 5.48 4.26 6.30 4.12 3.47 1.48 20.51

16

2,61 3.Ü5 3,71 3,49 3,74 4,02

vH

112 R1 leinst. ET 121 R1 leinst. ET 122 R1 leinst. ET 211 M+F ET 212 M+F ET 221 M+F ET 222 M+F ET 231 M+F ET 232 M+F ET

ohne

44 00 43

Pku

116

M ET

ohne

1 Schü 1 er 2 Rusb. > 1Θ

ET

P>rs.

Haushalt

UI R1 leinst.

|R

I

B

Tabelle 739 A Ergebnisse der Kovarianz- und Meßwiederbolungsanalyse - Wegehäufigkeit fur Personengruppen, Mobilitätsstufe 7 -

237

0.80 1,95

2,14 0,67 1,90 0,96

1,12 1,56 0.56 1.16 0.38 0,50

0.94 1.60 0.84 6.20 2.60 3.80

1,30 1.02 0.84 0.28

1 2

111 112 121 122

211 212 221 222 231 232

311 312 321 322 331 332

511 512 521 522

H0S1 HO-FR

0.86 0,89 0.66 0,14

0.69 1.36 0.84 3,94 1,66 2,43

0,86 1,11 0,44 1,03 0,10 0.50

1,17 0,44 1,56 0,80

Ο p 73 1,37

HÛS2 HO-SO

34.63 29.63 28,58 17.09

33.34 36,41 24.39 57,53 42,07 39,67

34,24 33,52 21,89 31,56 21,37 15,01

36,08 22,73 36,75 22.13

26,38 35,88

VC1 HO-FR

I INTERPERSONELLE YRRIRNZ

28.70 28.43 26,27 12.42

29,24 34,16 26.24 48,59 36,17 36,35

30,72 28,75 20,29 30,37 11,43 17,36

27,79 18,98 34,99 20.84

26,47 31,30

VC2 HO-SO

1.93 1.86 1,75 1.20

0,6b 2,44 2.40 5,60 2,63 7,52

1,98 2,91 1,67 1,72 1,80 2,75

2,38 1,84 1,64 4,09

1,68 2,91

HÛS3 HO-FR

2.12 1,80 1,67 1.00

0,77 3,04 2.10 5,77 2,44 6,26

1,91 3,24 1,64 2,03 1,67 2,00

2,77 1,98 1,74 3,13

1,87 2,86

VRRIRN2 -

42.20 40.01 41,26 35.38

27,93 44,96 41.22 54,87 42,32 55,80

45.53 45,78 37,80 38,43 46,51 35,19

38,05 37,68 34,11 45,67

38,18 43,87

45,13 40.53 41.87 32,87

30,99 51,12 41,41 58,78 43.89 58,35

45,86 49,02 39,05 42,67 46,69 34,72

42,73 40,13 36,99 41,22

-12,40 46,07

1,07 1,01 1,01 0,93

1,11 1,14 1,00 1,08 1,04 1,05

1.01 1,07 1,03 1,11 1,00 0,99

1,12 1,07 1,08 0,90

1,11 1,05

0,35 0,35 0,32 0,18

0,58 0,39 0,26 0,52 0,48 0,34

0.35 0,34 0,25 0,40 0,17 0,12

0,46 0,26 0,52 0,17

0,32 0,40

0,26 0,32 0.27 0.12

0,46 0,30 0,27 0,39 0,37 0,26

0.30 0,25 0,21 0,33 0,05 0,11

0,29 0,18 0,45 0,18

Û,2? 0,32

0,507 0,035 0.050 0,083

0,008 0,034 0.019 0.133 0,138 0,018

0.067 0,072 0.038 0,041 0,064 0,980

0,094 0,096 0,096 0.521

0,058 0,017

HÛS5 HO-SO

0.360 0,069 0.080 0.083

0.027 0,089 0.154 0.300 0,406 0.593

0.072 0.118 0.066 0,037 0,082 1,860

0,113 0,106 0,193 0,450

0,111 0,119

HQS6 HO-FR

SVSTEHRTISCHE GRUPPENVRRIRNZ

VC3 VC 4 VC4/VC3 INTER/ INTER/ HO-FR HO-SO TOTRL 5 TOTRL ? HO-FR

INTERPERSONELLE RNTEIL

HÛS4 HO-SO

VRRIRNZ

Tabelle 739 B Ergebnisse der Kovarianz- und Meßwiederbolungsanalyse - Wegebaufigkeit für Personengruppen, Mobilitätsstufe 7 -

21,62 5.46 6.97 9.32

3.09 5.33 3.69 8.44 9.68 2.72

8.35 7.19 5.69 5,91 8,75 21.01

7,58 8,62 8,27 16.31

7,10 3,39

VC5 HO-SO

18.60 7.95 9.16 9,49

5.79 8.73 11.21 13.40 17.91 17.96

8.89 9.37 7.83 5,76 10,33 33.48

8,61 9,30 12,31 15.63

10,34 9,41

0,86 1.46 1.31 1.02

1.87 1,64 3.04 1.59 1.85 6.60

1.06 1.30 1.38 0,97 1,18 1.59

1,14 1,08 1,49 0,96

1,46 2,78

CC6 VC6/VC5

238

M+F M+F M+F M+F M+F M+F

M+F+K M+F+K M+F+K M+F+K M+F+K M+F+K

M+F M+F M+F M+F

311 312 321 -322 331 332

511 512 521 522

R

a

30 42 33 36 26 54

23 41 68 32 11 37 11 39 49 34 24 31

23 70 26 19 26 14

2.65 2,96

DI

DO

FR

2.60 3,15

2,91 3,38

1.34 2,61

- WEGE JE PERSON -

MI

2,46 2,73 3,04 2,84 2,05 2,96

2,31 2,73 2,45 2,30 1.85 2.73 2,62 3,16 2,34 3,32 2,31 2.94

2,82 2,70 2,94 2,31 2.36 3,69 2,18 2,82 2,64 3,59 2,54 2,88

2,52 2,70 3,26 3,06 1.88 2.04 2,80 2,87 2,81 2,09 2,99 2,66

1,94 2,67 3,19 3,37 1.91 2,98

SR

1.19 16.35 1. SO 19.05

2,35 3,04 3,36 2,86 2,91 3,60 2,18 2,88 3,22 3,20 2,76 2,98

0,06

0,06

2 5

2,40 64,7

2,39 2.67

2

2 0,06

12

2,70 69

2,38 2.65

0,06

2 12

2.82 66,5 2

2,53 2,71

9

3 0,05

3

3,27 65,9

2,74 2,92

2,21 2,00 2,15 3,31 2.26 2,39

1,39 2,13 2,32 3,08 2,63 3.10

1.32 15.53 1.42 16.97

0.08

2 4

O.Û6

1

3.36 2.42 94,4 118.2

1,94 2.17

—Ο,206 -0,278 -0,269 -O,177 -0,184 -0,230 -0.090

2,32 68,3

F-WERT GRUPPE F-WERT NRP

2.Θ9 2,78

MO

SO INSG.

14.43 17,34 19.29 17.02 15.33 20.24 l.Ol 15.46 1.48 17,94 0.55 16.75 1.03 19.38 2.14 17.05 2.14 18.95

l.lO 1,37 1.77 0,04 1.79 2. IO

ohne 42 29 2,07 2,47 2,Ü6 2,11 2,27 2,08 1,37 14.43 mit 17 28 1,75 2,69 2,39 2.86 2,88 1,90 0,98 15.45 ohne 47 24 1.86 2.16 2.25 2.47 2.35 2.16 1.40 14,65 mit 8 35 2,30 2,59 3,31 1.73 3.01 3.00 1.51 17.45

ohne mit ohne mit ohne mit

ohne mit ohne mit ohne mit

MOS TRG VC TRG

W W

MET MET W E T W ET W HF W HF

MET MET W E T W ET W HF W HF

2.69 2,67

vH

ohne 15 39 2,32 2,29 2,45 2,57 2,05 1,74 0.71 14.13 mit 15 42 2.62 2.08 3.02 2,74 3,86 2,80 1,45 18,57 ohne 28 39 2,49 3,17 2,40 2,96 2,34 2,20 1.Q6 16,62 mit 9 37 2,00 2.92 2.93 3.64 3,71 2,72 2,89 20,01

Ν

2,23 2.44

-M -M -

ET ET ET ET ET ET

ET ET ET ET ET ET

Pkw

127 47 1Û2 46

MET MET W E T W ET

ohne

Pers.

MITTELWERT MIT NRP MITTELWERT KORRIGIERT ui» NRF—EFFEKT

NRP

1Θ

R1 leinst. ET Rlleinst. ET Rlleinst. ET Rlleinst. ET

211 212 221 222 231 232

111 112 121 122

1 Schüler 2 Rusb. >

Haushalt

Tabelle 7.40 Ergebnisse der Kovarianzanalyee - Wegehäufigkeit für Personengruppen, Mobilitätsstufen 5 und 6

Analysen nach Mobilitätsstufen mit unterschiedlichem Gewicht auf die einzelnen Wochentage (Tabellen 7.31 A, 7.39 A, 7.40). So ist für die Mobilitätsstufe sieben mit der hier höheren Bedeutung des Einkaufs- und Freizeitverkehrs die Korrektur am Donnerstag, Freitag und Samstag stärker, für die Mobilitätsstufe 5/6 ist sie über die Wochentage sehr ausgeglichen.

Bei der Betrachtung der Personen mit höherer Mobilität hat sich damit insgesamt gezeigt, daß in den Mobilitätsstufen relativ homogene Segmente gefunden werden, dies aber für einzelne Bevölkerungsgruppen von sehr unterschiedlicher Bedeutung ist. So ist damit bei den Erwerbstätigen ein hoher Anteil der gesamten Personen erfaßt und das Mobilitätsverhalten dieses Teils unterscheidet sich vom Rest der Gruppe. Der bei den Hausfrauen und Rentnern auf die hohen Mobilitätsstufen entfallende Anteil ist geringer, allerdings mit drastisch verschiedenen Verhaltensausprägungen im Vergleich zum Rest dieser Gruppen. Die ermittelten Wegehäufigkeiten reichen hier bis zum Zweifachen des Gruppendurchschnitts. Dies zeigt die starke Heterogenität der Mobilität mancher Bevölkerungskreise, die in Stichtagsdaten nur unzureichend zum Ausdruck kommt. 7.3

Inter - und intrapersonelle

Varianz der Wegehäufigkeit

Im Abschnitt 7.1 sind Einflußfaktoren auf die Varianz der individuellen täglichen Wegehäufigkeit explizit untersucht worden und es sind mit varianzanalytischen Methoden Bestimmungsgrößen der gesamten wöchentlichen Wegehäufigkeit gefunden worden. Über das Gruppenkonzept und das Analyseverfahren verbunden wurden im Abschnitt 7.2 u. a. der Verlauf und die inter- und intrapersonellen Varianzen der Wegehäufigkeit analysiert, wobei die Varianzen jeweils gruppenbezogen dargestellt sind. Es wird daher hier eine kurze Übersicht der verschiedenen Varianzkomponenten gegeben, beispielhaft für die Wegehäufigkeit über die Werktage und die gesamte Woche.

Über die fünf Werktage ergeben sich für 2 850 Personen 14 250 Werte der Wegehäufigkeit, aufzuteilen ist die Summe der quadrierten Abweichungen dieser Werte vom Gesamtstichprobenmittelwert. Abbildung 7.6 stellt diese Aufteilung für Personen nach dem im Abschnitt 6.2.4 erläuterten Konzept für die Werktage und die gesamte Woche dar. Für die Werktage sind 45 vH der Varianz intraindividuell, durch den deutlichen Unterschied der Mobilitätsausprägungen zwischen Werktagen und Wochenendtagen ist dieser Anteil mit 56 vH für die gesamte Woche wesentlich höher. Das Analysekonzept im Abschnitt 7.2 erklärt einen Teil der

239

interpersonellen Varianz durch die Gruppenzugehörigkeit der Personen und zerlegt die innerhalb der Gruppen verbleibende Varianz wiederum in einen inter- und einen intrapersonellen Anteil. Der intrapersonelle Anteil besteht aus der für die Gruppe typischen Komponente des Mobilitätsverlaufs über die Wochentage und der individuell verbleibenden Varianz. Abbildung 7.7 stellt diese Betrachtung übersichtlich zusammen, wobei die Analyse für die im Abschnitt 7.2 definierten sieben Gruppen geführt wurde. Durch eine feinere Einteilung der Gruppen wird die Aufklärung der interpersonellen Varianz wenig verändert. Die Aufteilung der Varianz auf die einzelnen Wochentage ist an den MQS- und VC-Werten in der Tabelle 7.21 ersichtlich. Eine Stichtagsbefragung derselben Personen ζ. B. für den Mittwoch hätte eine Varianz von 10 300 zur Verfügung, die gänzlich als interpersonell interpretiert würde und wovon die Gruppenzugehörigkeit der Personen 9 vH erklären kann. Mit dem hier gewählten Konzept ist die gesamte Varianz in Komponenten aufgeteilt, deren Ausprägungen inhaltlich sinnvoll interpretierbar sind und die nur - je nachdem welche Wochentage einbezogen werden rd. zur Hälfte interpersonell ist.

240

Abbildung 7.6 Varianzaufteilung für die individuelle Wegehauflgkeit für Personen

Werktage

Woche

Abbildung 7.7 Varianzaufteilung fur die individuelle Wegehauflgkeit fur Gruppen und Personen

Werktage

Wodie

241

8

Zusammenfassung und Schlufifolgerungen

In der Verkehrspolitik und -planung hat sich im vergangenen Jahrzehnt angesichts knapper natürlicher und finanzieller Ressourcen eine stärkere Gewichtung gestalterischer, ordnungspolitischer Maßnahmen gegenüber der noch vorherrschenden Angebots- und Anpassungsplanung eingestellt. Zentral für die Ansätze der Verkehrsbeeinflussung ist die Vorstellung, die Verkehrsteilnehmer durch geeignete Maßnahmen zur Veränderung ihres Verhaltens zu veranlassen, ohne sie in ihrer Mobilität zu beschränken. Voraussetzung für die Akzeptanz und Wirksamkeit derartiger Anstrengungen ist ein Verständnis für die Wünsche, Zwänge und Möglichkeiten, unter denen sich Mobilität bei den einzelnen Personen ausformt. In der vorliegenden Arbeit wird dafür plädiert, Mobilität nicht nur als die Verbindungswege der Aktivitäten eines Tages anzusehen, sondern sie auch in einer längeren zeitlichen Perspektive zu begreifen, in der Personen eine ihren jeweiligen Lebensumständen entsprechende Organisation der Mobilität wählen, die sie mit dem Wandel von Rahmenbedingungen und Einstellungen immer wieder verändern.

Die im Kapitel 2 angeführten Befunde erster Panelstudien zum Verkehrsverhalten deuten darauf hin, daß die Mobilität ein Prozeß ist, der sich in Verbindung zahlreicher Einflußfaktoren und zusammenhängender Entscheidungen im Zeitablauf entwickelt. Also muß die Dimension Zeit für das dynamische Verständnis von Entscheidungs- und Veränderungsprozessen stärker als bisher berücksichtigt werden. Es scheinen verzögerte Reaktionen in vielen Verhältensaspekten eine Rolle zu spielen, wobei die Verzögerungen hin zu Zeitpunkten erfolgen, in denen sich die Lebensumstände so wandeln, daß es zu einer neuen Organisation der Wegemuster einer Person kommt. Aber auch die Antizipation von Veränderungen und darauf vorausschauend eingestelltes Verhalten kann eine Rolle spielen. Wenn Mobilitätsverhalten von der Vorgeschichte der Einflußfaktoren und des Verhaltens selbst abhängig ist, lassen sich kausale Zusammenhänge nicht sinnvoll aus der gleichzeitigen Beobachtung der Variablen ableiten. Weiterhin wird den mit Querschnittsanalysen und Elastizitäten häufig verbundenen Annahmen der Reversibilität und Symmetrie von Effekten widersprochen: Mit der Rückstellung einer Einflußgröße in einen vorherigen Zustand ist keine oder keine symmetrische Veränderung der Verhaltensgröße verbunden. Insgesamt legen die Panelanalysen nahe, daß die Einschätzung der Zukunft für den Planer unsicherer ist, als es auf der Basis von Querschnittsdaten den Anschein hat.

243

In der vorliegenden Arbeit wird entsprechend den zur Verfügung stehenden Daten der Blick auf eine kürzere Zeitspanne gerichtet und das individuelle Mobilitätsverhalten im Wochenzusammenhang und die von Tag zu Tag auftretende Variation untersucht. Aus vorhandenen Erklärungsansätzen und Befunden wird im Kapitel 5 ein konzeptioneller Hintergrund für die Analysen gebildet, der insbesondere auf dem sozialökologischen Ansatz aufbaut und vor dem eine Operationalisierung mit den gegebenen, unvollständigen Informationen entwickelt wird. In dem sozialökologischen Erklärungsrahmen steht die Stadtstruktur mit ihren Einrichtungen und dazugehörenden Regimen auf der Seite des Angebotes, die Haushalte und Personen mit ihren Budgets auf der Seite der Nachfrage. Aus der gesellschaftlichen Verbindlichkeit der Regime werden gewisse Grundmuster der Inanspruchnahme der Einrichtungen im Wochenverlauf erwartet. Deren jeweilige Ausprägungen werden auf der Seite der Personen durch ihre soziale Rolle, ihren Lebensstil und ihren Haushaltszusammenhang erklärt. Die Erwartung von Grundmustern wird außerdem begründet aus der Bedeutung habituellen Verhaltens, welches es dem Menschen abnimmt, ständig Handlungsalternativen ordnen und bewerten zu müssen, um neue Entscheidungen zu fällen. Ein etabliertes Grundmuster wird dann entsprechend wechselnden Randbedingungen und Bedürfnissen von Woche zu Woche ergänzt oder reduziert bzw. durch Verlagerungen zwischen den Tagen verändert. Für die Personen verschiedener Gruppen wird eine unterschiedlich starke Bindung an diese Muster und damit andere inter- und intrapersonelle Variabilität der Mobilitätskenngrößen erwartet.

Die Analysen sind mit zwei verschiedenen Ansätzen durchgeführt worden. Dabei wird zuerst auf Mobilitätsaspekte in der Woche als Einheit bzw. in den Tagestypen der Woche abgestellt (Abschnitt 7.1). In die Untersuchung werden alle vorliegenden Erklärungsgrößen einbezogen und für die jeweils bedeutenden werden die Effekte auf zusammenfassende Mobilitätsmaße bestimmt. Je nach dem Aspekt der wöchentlichen Mobilitätsteilnahme von Personen haben die Faktoren Stellung im Erwerbsleben, Alter, Ausbildungsgrad, Pkw-Verfügung bzw. Erreichbarkeit und das Einkommen Einfluß. Dabei sagt die Stellung im Erwerbsleben eher etwas über die grundlegende Mobilitätsbeteiligung einer Person aus, die Ausprägungsbreite der Mobilität ist über alle betrachteten Aspekte stark vom Alter, vom Ausbildungsgrad und auch von den Erreichbarkeitsverhältnissen bestimmt. Die einzelnen Faktoren haben an den verschiedenen Wochentagstypen unterschiedliches Gewicht, die Stellung im Erwerbsleben ist an den Werktagen von stärkerer Bedeutung als am Samstag und am Sonntag entbehrlich zur Erklärung der Mobilitätsteilnahme. Das Alter, der Ausbildungsgrad und die Erreichbarkeit sind hingegen an den Wochenendtagen von höherem Gewicht. Die Erreichbarkeit hat zudem einen engeren

244

positiven Zusammenhang zur Mobilität für Hausfrauen und Rentner, da diese Personen nicht ohnehin in Mobilitätszwänge eingebunden sind.

Mit der Darstellung der Verteilung für einzelne Ausprägungen der Faktoren bestätigt sich die Hypothese, daß für Personen mit größerer Wahlfreiheit auch tatsächlich eine breitere Vielfalt an Mobilitätsausprägungen zu beobachten ist. Dabei zeigen die geschätzten Effekte eine große Variationsbreite des jeweiligen Mobilitätsaspektes, die von den Faktoren abgedeckt werden kann. Jedoch deutet sich mit den eher schwachen Aufklärungswerten an, daß insbesondere an den Wochenendtagen die hier zur Verfügung stehenden Einflußgrößen nicht zur Erklärung der Mobilitätsbeteiligung ausreichen. An diesen Tagen zeigen sich Variable bedeutsam, die die Neigung zu höherer Mobilitätsbeteiligung (ζ. B. mit höherer Ausbildung) und die Möglichkeiten zur Mobilitätsteilnahme (Einkommen, Auto) anzeigen. Eventuell könnten hier Erklärungsgrößen wie die kleinräumige Erreichbarkeit von Erholungsmöglichkeiten, das Wetter u.ä. weiterhelfen.

Im Vergleich zu den Befunden anderer Untersuchungen der Bestimmungsgrößen von Mobilitätsaspekten fällt die hier festgestellte hohe Bedeutung des Alters und des Ausbildungsgrades sowie die geringe Bedeutung des Geschlechts auf. Dies ist zum einen in dem anderen Charakter der abhängigen Größen begründet. Das Geschlecht tritt als Unterscheidungsmerkmal in den Vordergrund, wenn die Aktivitäten nach Kategorien bzw. die Wege nach Zwecken differenziert werden oder die Verkehrsmittelwahl als abhängige Größe einbezogen wird. Für die hier untersuchten übergeordneten Aspekte der Mobilität (Beteiligung nach Tagen, Wegehäufigkeit) ist das Geschlecht als zusätzliches Merkmal entbehrlich, sofern mit der Stellung im Erwerbsleben und der Pkw-Verfügung Variable vorhanden sind, die stark mit dem Geschlecht korrelieren.

Zum anderen ist die höhere Bedeutung des Alters und des Ausbildungsgrades durch die Analyse einer gesamten Woche gegeben. Die zitierten Untersuchungen befassen sich bis auf eine Ausnahme mit dem Verhalten an einem Werktag. Die generelle und die nach Wochentagen differenzierte Mobilitätsteilnahme ist jedoch ebenso wie die wöchentliche Wegehäufigkeit und die intrapersonelle Variabilität der Wegehäufigkeit insgesamt auch stark von der mit dem Alter und dem Ausbildungsniveau verbundenen Neigung zur Mobilität und den Möglichkeiten zur Ausführung von Aktivitäten (Einkommen) abhängig.

245

Im zweiten Untersuchungsansatz werden ausgehend von den bestätigten Faktoren und den Befunden anderer Studien unterschiedlich abgegrenzte Personengruppen eingeführt (Abschnitt 7.2). Für diese werden Mobilitätsindikatoren mit dem Tag als Zeitelement der Woche abgebildet. Mit den Verläufen und den Varianzen der Mobilitätsgrößen über die Woche werden Aspekte gleichzeitig behandelt, die nicht in einer abhängigen Variablen dargestellt werden können, von verschiedenen Merkmalen beeinflußt sind und der verbundenen Interpretation bedürfen.

Die schrittweise Verfeinerung der Gruppeneinteilung beginnt mit wenigen Kategorien, die zwar eine gesamte Population darstellen können, aber weitgehend nicht zwischen den Geschlechtern und nicht zwischen Hausfrauen, Rentnern und sonstigen Nichterwerbspersonen unterscheiden. Für einige Gruppen reicht die damit gegebene Detaillierung zur inhaltlichen Interpretation aus, für andere erweist sie sich als zu grob und wird erweitert.

Zwischen den Gruppen ergeben sich bedeutsame Unterschiede im Verlauf und in der Variation der Mobilitätskomponenten. Dabei wird die Frage nach der Verbindlichkeit der Mobilitätsteilnahme durch die entsprechenden intra- und interpersonellen Varianzen erhellt. Die Varianzwerte für die Wegehäufigkeit besagen etwas über die Variation der Mobilitätsausprägung zwischen den Personen und über die jeweils betrachteten Tage für die Personen einer Gruppe.

Wie auch schon bei den mehrfaktoriellen Analysen wird deutlich, daß nur im Verbund mehrerer Einflußgrößen sinnvolle Erklärungen für die auftretenden Unterschiede möglich sind. Insgesamt erweisen sich die Stellung im Erwerbsleben und die Pkw-Verfügbarkeit als wichtige Größen, deren Kategorien mit meist eindeutigen Unterschieden in den Mobilitätskomponenten verbunden sind. So sind berufstätige Personen in fast allen Vergleichen mobiler als Hausfrauen und motorisierte mobiler als nichtmotorisierte Personen. Kein genereller Unterschied besteht zwischen den Geschlechtern, sondern verschieden ausgeprägte Unterschiede innerhalb der Kategorien anderer Merkmale. Das gilt für die Mobilitätsbeteiligung, die Wegehäufigkeit, die Verläufe dieser Mobilitätskomponenten über die Wochentage, die Varianzen und für die Ausprägungen der Aktivitätenteilnahme und der Verkehrsmittelnutzung. Λ \

Bei Schülern zeigt sich durch die Verbindlichkeit des Schulbesuchs eine hohe Gleichmäßigkeit der Mobilitätsteilnahme. Auch erwerbstätige Frauen, die in einem Haushalt leben, weisen sich - speziell bei Haushalten mit Kindern - durch hohe Mobilitätsbeteiligung und niedrige

246

Varianzwerte aus. Bei ihnen wird diese Verbindlichkeit durch die Familien induziert, denn ansonsten ergeben sich für Erwerbstätige meist größere Variationen. Die Frauen erweisen sich speziell dann als die vergleichsweise mobileren, wenn ein jüngerer Haushalt zu versorgen ist und ein Auto zur Verfügung steht. Sie haben einen anderen Verlauf der Mobilitätskomponenten über die Wochentage, mit hohen Werten an den Tagen mit stärkerer Bedeutung der Versorgung (Di., Fr., Sa.). Der Vergleich im Haushaltszusammenhang und die Verteilung auf viele Wegezwecke weist die Frauen - und insbesondere die erwerbstätigen - als diejenigen aus, die den erhöhten Mobilitätsbedarf eines Haushalts mit Kindern tragen. Im Haushaltsverbund zeigt sich eine Annäherung der Mobilitätswerte zum Wochenende: Sie steigen für Hausfrauen, während sie für berufstätige Personen fallen. Nur in Zweipersonenhaushalten ohne Erwerbstätigkeit sind die Männer die mobileren.

Nach der Korrektur des Ermüdungseffektes erweist sich der Samstag im Mittel über alle Personen als ein Wochentag mit überdurchschnittlichen Mobilitätswerten, unter dem Durchschnitt liegen der Montag und der Sonntag. Dabei ist für einige Personengruppen der Samstag der Tag mit der höchsten Mobilität überhaupt und der Sonntag mit weit überdurchschnittlichen Mobilitätswerten. Zum Wochenende hin führen verstärkte Einkaufsaktivitäten und der Mobilitätsverbund im Hatishaltszusammenhang zu dieser Tendenz.

Bei den meisten Untersuchungen zum Mobilitätsverhalten steht der Werktag im Vordergrund, dies auch, weil die Infrastrukturplanung den durchschnittlichen Werktag zu einer maßgeblichen Bemessungsgrundlage macht. Mit der hier gewählten Blickrichtung auf das Mobilitätsverhalten von Personen zeigen sich ergänzende und neue Einsichten. So ist - zusammen mit der hohen Wegedauer bzw. -länge betrachtet - das Volumen der Wochenendmobilität nicht nur erheblich, sondern auch von einer ganz anderen Struktur und von teilweise anderen Bestimmungsgrößen beeinflußt als die Mobilität an den Werktagen. Für die im Abschnitt 7.2 definierten Lebenszyklus-Personengruppen finden gut die Hälfte der Freizeitwege, ein Viertel der Einkaufswege und ein Drittel der gesamten Mobilitätsdauer am Wochenende statt. Ein kausaler Zusammenhang zwischen der Motorisierung und der ausgeprägt höheren Mobilität motorisierter Personengruppen kann hier nicht nachgewiesen werden, er ist aber zumindest teilweise begründet zu vermuten. Daraus folgt, daß in Zukunft steigende Wohlstandsindikatoren (Einkommen, Ausbildungsniveau) zum einen das Mobilitätsvolumen am Wochenende direkt erhöhen können, zum anderen vermittels gesteigerter Pkw-Verfügbarkeit

speziell das

Verkehrsvolumen des MIV beeinflussen können.

247

Obwohl die für die Gruppen ausgewiesenen Mobilitätsverläufe über die Wochentage deutliche Bewegung und Unterschiede aufweisen, geben sie nur einen geringen Anteil der Dynamik im Mobilitätsverhalten wieder. Nach dem hier gewählten Konzept der Varianzbestimmung und -aufteilung entfallen auf die systematische Varianz im Mittel nur 2 vH der Gesamtvariation. An den Werktagen liegen im Durchschnitt für die Gruppen 55 vH der Variation der Wegehäufigkeit innerhalb und 45 vH zwischen den Personen der Gruppen. Der Anteil der intrapersonellen Varianz beträgt in den Gruppen zwischen 35 und 70 vH. Für die gesamte Woche ist der durchschnittliche Anteil der intrapersonellen Varianz mit 60 vH höher, mit einer Spanne von 55 bis 80 vH in den Gruppen. Obwohl also Gruppen definiert werden konnten, die bedeutungsvolle Unterschiede im Mobilitätsverhalten aufgreifen,

ist die Varianz der

Verhaltensmerkmale innerhalb der Gruppen hoch, der größere Teil wird durch die Variation von Tag zu Tag in der Mobilität der einzelnen Individuen erzeugt.

Mit dem hier gewählten Konzept ist die gesamte Varianz - die auf der Basis von Stichtagsdaten als interpersonell behandelt würde - in Komponenten aufgeteilt, deren Ausprägungen inhaltlich sinnvoll interpretierbar sind und die - je nachdem welche Wochentage einbezogen werden - nur etwa zur Hälfte interpersonell ist. In anderen verkehrswissenschaftlichen Ansätzen wird häufig nach einfachen und übertragbaren Verhaltensausprägungen und -zusammenhängen gesucht (z.B. verhaltensähnliche Gruppen, konstante Zeitbudgets etc.). Hier wird eine ergänzende Sichtweise vorgeschlagen, welche eine Inhomogenität von Verhalten in Personengruppen an der individuellen Variabilität relativiert und Interpretationen für die Ausprägungen beider Komponenten anbietet. Damit werden nicht nur Verhaltensähnlichkeiten, sondern auch Verhaltensunterschiede zwischen Personen in eng umgrenzten Gruppen verständlich.

Bei der Betrachtung der Personen, die an fünf oder mehr Tagen in der Woche unterwegs sind, hat sich gezeigt, daß in diesen Mobilitätsstufen relativ homogene Segmente gefunden werden, dies aber für einzelne Bevölkerungsgruppen von sehr unterschiedlicher Bedeutung ist. So ist damit bei den Erwerbstätigen ein hoher Anteil der gesamten Personen erfaßt und das Mobilitätsverhalten dieses Teils unterscheidet sich durch sehr hohe Wegehäufigkeit vom Rest der Gruppe. Der bei den Hausfrauen und Rentnern auf die hohen Mobilitätsstufen entfallende Anteil ist geringer, allerdings mit drastisch verschiedenen Verhaltensausprägungen im Vergleich zum Rest dieser Gruppen. Die ermittelten Wegehäufigkeiten reichen hier bis zum Zweifachen

248

des Gruppendurchschnitts. Dies zeigt die starke Heterogenität der Mobilität mancher Bevölkerungskreise, die in Stichtagsdaten nur unzureichend zum Ausdruck kommt.

Das Konzept, nach dem die Woche als eine Einheit angesehen wird, in der die wesentlichen Bestandteile der Mobilität einer Person organisiert sind und dies zu verschiedenen Ausprägungen der Mobilitätsteilnahme, der Wegehäufigkeiten, dem Verlauf dieser Kenngrößen über die Wochentage und zu unterschiedlichen inter- und intrapersonellen Varianzen führt, kann damit als bestätigt angesehen werden. Die ermittelten Einflußfaktoren auf der Seite der Personen können für den Umfang und den Verlauf der durchgeführten Mobilität zusammenfassend mit den Begriffen Rolle und Lebenszyklus belegt werden. Auf die Mobilität am Wochenende und die Breite der Verhaltensausprägungen haben außerdem Faktoren Einfluß, die mit dem Lebensstil von Personen im Zusammenhang gesehen werden können. Die auftretenden Unterschiede in der Mobilität geben auch Hinweise auf die Wirkung zukünftig zu erwartender demographischer Veränderungen. So weisen in der Darstellung nach LebenszyklusGruppen die älteren motorisierten Personen, die nicht (mehr) erwerbstätig sind, eine sehr viel größere Wegehäufigkeit auf, als ihre nichtmotorisierten Pendants. In Zukunft wird nicht nur der Bevölkerungsanteil der Rentner steigen, besonders die motorisiert in den Ruhestand tretenden Personen werden zahlreicher und damit ist mit anwachsendem Autoverkehr zu rechnen. Bereits in der Vergangenheit stark zugenommen hat die Zahl der Singles, für die hier weit überdurchschnittliche Mobilitäten ermittelt wurden. Auch deren weiterer Bedeutungszuwachs in der Bevölkerung ist wahrscheinlich.

Nach dem hier gewählten Konzept für das Verständnis der individuellen Organisation von Mobilität ist die Frage nach der Gültigkeit der Annahmen der Stationarität und der Ergodizität für Stichtagsdaten eigentlich obsolet (vgl. Abschnitt 5.2.3). Mit der Woche als Einheit, in der Personen Mobilität organisieren und dies zu typischen Mustern über die Wochentage für Personengruppen führt, kann die Nachfrage nach Mobilität nicht an verschiedenen Tagen voneinander unabhängig sein. Die Ergebnisse der Analysen zeigen, daß selbst über die Werktage innerhalb von Personengruppen deutliche Differenzen in der Mobilität bestehen, daß für die Gruppen Verläufe in der Form von Veränderungen über die Wochentage existieren und zwischen den Personengruppen diese Verläufe recht unterschiedlich ausfallen. Die Schlußfolgerung lautet daher, daß Stationarität und Ergodizität für Stichtagsdaten im allgemeinen nicht gelten und vielmehr für die Woche als Erhebungseinheit durch den Vergleich über Wochen zu prüfen wären.

249

Bezüglich der Aussagekraft von den häufig an einem Werktag erhobenen Stichtagsdaten ist außerdem die strukturelle Wirkung von fehlenden und falschen Angaben zu bedenken. Von den für die Datengrundlage der vorliegenden Arbeit befragten Personen werden im Laufe der Berichtsperiode immer weniger Wege angegeben. Die Wirkung dieses Ermüdungseffektes vermittels der Struktur der berichteten (bzw. der nicht berichteten) Wege ist an den Wochentagen unterschiedlich stark und in ihrer Begründung gleich der für an Stichtagsdaten festgestellte Erfassungsfehler. Daher ist auch in Stichtagsdaten ein größerer Betrag fehlender Wegeangaben an den Wochentagen Donnerstag, Freitag und Samstag zu vermuten.

Auswertungen von Daten eines Stichtages können Informationen für das Verkehrsverhalten und das Verkehrsgeschehen an diesem Wochentag (z.B. "normaler Dienstag") geben. Die hier für Mobilitätskenngrößen identifizierten Verläufe und intrapersonellen Varianzen lassen es jedoch für das Verständnis der individuellen Mobilität geboten erscheinen, einen längeren Zeitraum zu betrachten. Die an einem Tag erfaßte "Mobilitätsmischung" ist unvollständig, da Personen ihre Mobilität über die Woche verteilt organisieren und somit verschiedene Tagesmuster der Wege haben. Das Stichtagsbild ist zudem für verschiedene Personengruppen zu unterschiedlichen Graden unvollständig, da die individuelle Gleichförmigkeit über die Tage, die Gruppenhomogenität und die Verteilung der Mobilität über die Woche sehr verschieden ausfallen. So ist die Mobilität erwerbstätiger, nichtmotorisierter Männer über die Werktage vergleichsweise uniform, während sich für Rentner sehr unterschiedliche Verhaltensausprägungen finden.

Bedingt durch die Art der zur Verfügung stehenden Daten liegt der Erkenntnisgewinn der Studie bei der Bedeutung der Merkmale der Personen und ihren Erreichbarkeitsverhältnissen im städtischen Raum für ihr Mobilitätsverhalten im Wochenverlauf. Wünschenswert wäre eine Erweiterung des Ansatzes unter Identifizierung der im Zeitverlauf wirksamen Regime und Budgets, hinter denen sich die Eingriffsmöglichkeiten der Planung verbergen. Dann könnten beobachtete Mobilitätsformen im Spannungsfeld von Mobilitätserfordernissen und -wünschen des Haushalts und den wechselnden Zwängen und Gelegenheiten durch gesellschaftliche und familiäre Randbedingungen interpretiert werden. Letztlich werden aber alle Spielarten von Erklärungsansätzen zum Mobilitätsverhalten nur Annäherungen an ein tieferes Verständnis sein. Das menschliche Verhalten ist ein zu komplexes Phänomen und die an die Verkehrsforschung und -planung gerichteten Fragestellungen sind zu vielseitig, als daß eine theoretische Grundlage,

250

eine Modellvorstellung und eine Datenbasis für die Klärung der Probleme dienen könnten. Dies hat die hohe Variabilität einfacher Verhaltensindikatoren für Personen und zwischen den Personen eng umgrenzten Gruppen gezeigt. Ratsam erscheint daher, für den jeweils gestellten Problemzusammenhang möglichst einfache Erklärungsstrukturen zu suchen, die man zum Zwecke aussagekräftiger Analysen und Prognosen nutzen kann.

The less we understand: something, the more variables we require to explain it. Russell L. Ackoff, The Art of Problem Solving.

251

Anhang

253

Literatur

Algers, S. (1986) Stockholmer Verkehrsbefragung 1985, in: Schriftenreihe der DVWG, Band Β 85, Bergisch Gladbach. Amsterdam (1975) Amsterdam - Städtebauliche Entwicklung, Bauamt der Stadt Amsterdam. Amsterdam (1976) Verkeerscirculatieplân Amsterdam, Dienst der Publieke Werken. Amsterdam (1983) Amsterdam, Planning and Development, Department of Physical Planning. Arminger, G·, Küsters, U. (1986) Statistische Verfahren zur Analyse qualitativer Variablen, Forschungsbericht der Bundesanstalt für Straßenwesen, Bereich Unfallforschung, Bergisch Gladbach. Baanders, Α., Garden, J.M., Brög, W. (19S2) Panels: Attractions and Pitfalls, PTRC Summer Annual Meeting, Warwick. Baanders, A·, Slootman, K.C.P. (1983) A Panel for Longitudinal Research into Travel Behaviour, in: Carpenter, S. Joares, P. (Hrsg.) Recent Advances in Travel Demand Analysis, Aldershot. Barnard, P.O. (1985) Evidence of Trip Under-Reporting in Australian Transportation Study Home Interview Surveys and its Implications for Data Utilisation, in: Ampt, E.S., Richardson, A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Barnard, P.O. (1986) Use of an activity diary survey to examine travel and activity reporting in a home interview survey: An example using data from Adelaide, Australia, in: Transportation, S. 329-357. Ben-Akiva, M., Lerman, S.R. (1985) Discrete Choice Analysis - Theory and Application to Travel Demand, Cambridge, Mass. Bergmann, W. (1981) Die Zeitstrukturen sozialer Systeme, Berlin. Binder, J., Sieber, M«, Angst, J. (1979) Verzerrungen bei postalischen Befragungen: das Problem der Nichtantworter, in: Zeitschrift für experimentelle und angewandte Psychologie, Heft 1. Bortz, J. (1985) Lehrbuch der Statistik für Sozialwissenschaftler, Berlin. Bracher, T., Holz-Rau, Ch., Klemt, W.-D., Schmidt, H. (1988) Verkehrserhebung Berlin '86 - Grundlage für die integrierte ÖPNV-Planung, in: Verkehr und Technik, Heft 9. Brög, W. (1985) Verkehrsbeteiligung im Zeitverlauf - Verhaltensänderungen zwischen 1976 und 1982 -, in: Zeitschrift für Verkehrswissenschaft, Heft 1.

255

Brög, W., Erl, E. (1983) Application of a model of individual behaviour (situational approach) to explain household activity patterns in an urban area and to forecast behavioral changes, in: Carpenter, S., Jones, P.M. (Hrsg.) Recent Advances in Travel Demand Analysis, Aldershot. Brög, W., Erl, E., Meyburg, A.H. (1982) Problems of Non-Reported Trips in Surveys of NonHome Activity Patterns, Vortrag vor dem 61st Annual Meeting of the Transportation Research Board, Washington, D.C. Brög, W., Herry, M. (1984) Die (Un)vergleichbarkeit von Verhaltenserhebungen zu unterschiedlichen Zeitpunkten, PTRC Summer Annual Meeting, Warwick. Brög, W., Meyburg, A.H. (1980) The Non-Response Problem in Travel Surveys - An Empirical Investigation, Vortrag vor dem 59th Annual Meeting of the Transportation Research Board, Washington, D.C. Brög, W., Meyburg, A.H. (1982) Influence of Survey Methods on the Results of Representative Travel Surveys, Vortrag vor dem 61st Annual Meeting of the Transportation Research Board, Washington, D.C. Brög, W., Meyburg, A.H., Stopher, P.R., Wermuth, M. (1985) Collection of Household Travel and Activity Data: Development of a Survey Instrument, in: Ampt, E.S., Richardson, AJ., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Bundesanstalt fur Straßenwesen (Hrsg.), Quartalsauswertungen Langzeitzählstellen, in: Schriftenreihe "Straßenverkehrszählungen", Köln, verschiedene Jahrgänge. Bundesanstalt für Straßenwesen (Hrsg.), Jahresauswertung Langzeitzählstellen, in: Schriftenreihe "Straßenverkehrszählungen", Köln, verschiedene Jahrgänge. Bundesanstalt für Straßenwesen (Hrsg.), Jahresganglinien Langzeitzählstellen, in: Schriftenreihe "Straßenverkehrszählungen", Köln, verschiedene Jahrgänge. Bundesferschiiiigsanstalt für Landeskunde und Raumordnung (1984) Laufende Räumbeobachtung - Aktuelle Daten zur Entwicklung der Städte, Kreise und Gemeinden, Bonn. Bundesminister für Verkehr (Hrsg.) Verkehr in Zahlen, Bearbeiter: H. Enderlein, DIW, verschiedene Jahrgänge. Bundesminister für Verkehr (Hrsg.) (1984) Sachgebiet Modal-Split, Forschung Stadtverkehr, Reihe Auswertungen, Heft Al, Bonn. Bundesminister für Verkehr (Hrsg.) (1988) Sachgebiet Ermittlung der Verkehrsnachfrage, Forschung Stadtverkehr, Reihe Auswertungen, Heft A4, Bonn. Burnett, P., Hanson, S. (1982) The Analysis of Travel as an Example of Complex Human Behavior in Spatially - Constrained Situations: Definition and Measurement Issues, in: Transportation Research A, S. 87-102. Cambridge Systematics Inc. (1977) The SIGMO Study - Part 2 - Methodology, Cambridge, Mass. 256

Cambridge Systematics Inc. (1980) The SIGMO Study - Part 7 - SIGMO Analysis Technique, Cambridge, Mass. Centraal Bureau voor de Statistlek (1983 a) The National Travel Survey in the Netherlands, Heerlen. Centraal Bureau voor de Statistiek (1983 b) De Mobiliteli van de nederlandse bevolking in 1982, Heerlen. Cerwenka, P. (1975) Langfristige Pkw-Motorisierungsprognosen, gezeigt am Beispiel der Bundesrepublik Deutschland, Straßenbau und Straßenverkehrstechnik, Heft 179. Clarke, M., Dix, M. (1983) Stage in lifecycle - a classificatory variable with dynamic properties, in: Carpenter, S., Jones, P.M. (Hrsg.) Recent Advances in Travel Demand Analysis, Aldershot. Clarke, M., Dix, M., Jones, P. (1981) Error and Uncertainty in Travel Surveys, in: Transportation, S. 105-126. Clarke, M., Dix, M., Goodwin, P. (1982) Some Issues of Dynamics in Forecasting Travel Behaviour - A Discussion Paper, in: Transportation, S. 153-172. Daganzo, C.F., Sheffi, Y. (1982) Multinomial probit with time-series data: unifying state dependence and serial correlation models, in: Environment and Planning A, S. 1377-1388. Damm, D. (1980) Interdependences in Activity Behavior, in: Transportation Research Record 750, Washington, D.C. Davies, R.B. (1984) A generalised beta-logistic model for longitudinal data with an application to residential mobility, in: Environment and Planning A, S. 1375-1386. Davies, R.B., Pickles, A.R. (1985) Longitudinal versus cross-sectional methods for behavioural research: afirst-round knockout, in: Environment and Planning A, S. 1315-1329. Davies, R.B., Pickles, A.R. (1987) A joint trip timing store type choice model for grocery shopping, including inventory effects and nonparametric control for omitted variables, in: Transportation Research A, Nr. 4/5. Dix, M.C., Layzell, A.D. (1986) Behaviour Changes in Changing Populations: problems and proposals for policy-directed longitudinal studies, in: Behavioural Research for Transport Policy, Utrecht. Doormann J. (1972) Die Bedeutung der Länge von Meßintervallen bei der Erhebung von Verkehrsabläufen, in: Veröffentlichungen des Instituts für Stadtbauwesen der Technischen Universität Braunschweig, Heft 8. Duncan, G.J., Juster, F.T., Morgan, J.N. (1987) The role of panel studies in research on economic behavior, in: Transportation Research A, No. 4/5.

257

Dunn, R., Reader, St., Wrigley, N. (1987) A nonparametric approach to the incorporation of heterogeneity into repeated polytomous choice models of urban shopping behaviour, in: Transportation Research A, No. 4/5. Fahrmeir, L., Hamerle, A. (Hrsg.) (1984) Multivariate statistische Verfahren, Berlin. Foos, G., Gaudry, M. (1986) Ein Straßenverkehrsnachfragemodell für die Bundesrepublik Deutschland, Discussion Paper 1/86 des Instituts für Wirtschaftspolitik und Wirtschaftsforschung, Universität Karlsruhe. Fuller, C.H. (1974) Weighting to Adjust for Survey Nonresponse, in: The Public Opinion Quartly, S. 239-246. Gololt, T.F. (1986) A Nonlinear Canonical Correlation Analysis of Weekly Trip Chaining Behaviour, in: Transportation Research-Α, Heft 5, S. 385-399. Golob, T.F., Meurs, H. (1986) Biases in response over time in a seven-day travel diary, in: Transportation, S. 163-181. Gelob, T.F., Meurs, H. (1987) A Structural Model of Temporal Change in Multi-Modal Travel Demand, in: Transportation Research-Α, Heft 6, S. 391-400. Golob, T.F., Meurs, H. (1988) Modeling the dynamics of passenger travel demand by using structural equations, in: Environment and Planning A, S. 1197-1218. Golob, T.F., Van Wissen, L., Meurs, H. (1986) A Dynamic Analysis of Travel Demand, in: Transportation Research-Α, Heft 5, S. 401-414. Goodwin, P.B. (1989) Family changes and public transport use 1984-1987: A dynamic analysis using panel data, in: Transportation, S. 121-154. Goodwin, P.B., Dix, M.C., Layzell, A.D. (1987) The case for heterodoxy in logitudinal analysis, in: Transportation Research A, No. 4/5. Hagerstrand, T. (1970) What about People in Regional Science? In: Papers and Proceeding of the Regional Science Association 24, S. 7-24. Hägerstrand, T. (1973) The Impact of Transport on the Quality of Life, Vortrag vor dem Fifth International Symposium on Theory and Practice in Transport Economics, Greece. Hanson, S., Hanson, P. (1981) The travel activity patterns of urban residents: Dimensions and relationships to sociodemographic characteristics, in: Economic Geography, S. 332-347. Hanson, S., HufT, J.O. (1982) Assessing day to day variability in complex travel patterns, in: Transportation Research Record No. 891, S. 18-24. Hanson, S., Huff, J. (1986) Classification issues in the analysis of complex travel behavior, in: Transportation, S. 271-293. Hanson, S., Huff, J.O. (1988) Systematic variability in repetitous travel, in: Transportation, S. 111-136. 258

Hanson, S·, Schwab, Ν. (1987) Accessibility and intraurban travel, in: Environment and Planning A, S. 735-748. Hanushek, EA., Jackson, J.E. (1977) Statistical Methods for Social Scientists, New York. Hautzinger, H·, Kessel, P. (1977) Mobilität im Personenverkehr, Forschung Straßenbau und Straßenverkehrstechnik, Heft 231, Bonn. Hautzinger, H., Kessel, P., Baur, R. (1980) Mobilitätschancen unterschiedlicher Bevölkerungsgruppen im Personenverkehr, Forschung Straßenbau und Straßenverkehrstechnik, Heft 310, Bonn-Bad Godesberg. Havens, J.J. (1981) New Approaches to Understanding Travel Behavior: Role, Life-Style and Adaptation, in: Stopher, P.R., Meyburg, A.H., Brög, W. (Hrsg.) New Horizons in TravelBehavior Research, Lexington. Heidemann, C. (1967) Gesetzmäßigkeiten städtischen Fußgängerverkehrs, Bad Godesberg. Heidemann, C. (1981) Spatial Behavior Studies: Concepts and Contexts, in: Stopher, P.R., Meyburg, A.H., Brög, W. (Hrsg.) New Horizons in Travel-Behavior Research, Lexington. Heidemann, D., Wimber, P. (1983) Typisierung von Verkehrsstärkeganglinien - Methodik und Ergebnisse -, in: Zeitschrift für Verkehrswissenschaft, Heft 4. Heinemann, K., Ludes, P. (1978) Zeitbewußtsein und Kontrolle der Zeit, in: Kölner Zeitschrift für Soziologie und Sozialpsychologie, Sonderheft 20. Hendrikx, F.W.M. (1979) Methodische Ergebnisse im Ablauf einer landesweiten kontinuierlichen Erhebung zum Verkehrsverhalten in den Niederlanden, Central Bureau voor de Statistiek, Herleen. Hendrikx, F.W.M. (1988) Measurring mobility, in: Quarterly Journal of the Central Bureau of Statistics (Netherlands Official Statistics), No. 1, S. 5-25. Hensher, DA. (1985 a) An Overview of the Theoretical, Methodological, Empirical and Policy Bases of the Dimensions of Automobile Demand Project, Dimensions of Automobile Demand Project, Working Paper No. 12A, Macquarie University. Hensher, D.A. (1985 b) Longitudinal Surveys in Transport: An Assessment, in: Ampt, E.S., Richardson, A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Hensher, DA. (1987) Issues in the Pre-Analysis of Panel Data, in: Transportation Research A, Nr. 4/5. Hensher, DA., Johnson, L.W. (1981) Applied Discrete Choice Modelling, New York. Hensher, D.A., Wrigley, N. (1984) Statistical Modelling of Discrete Choices with Panai Data, Dimensions of Automobile Demand Project, Working Paper Nr. 16, Macquarie University, Herry, M. (1986) Gewichtung der KONTIV '82, in: Schriftenreihe der DVWG, Band Β 85, Bergisch Gladbach. 259

Herz, R. (1983) Stability, variability andflexibility in everyday behavior, in: Carpenter, S., Jones, P. (Hrsg.) Recent Advances in Travel Demand Analysis, Aldershot. Herz, R. (1986) Verkehrsverhalten im zeitlichen und räumlichen Vergleich - Befunde aus KONTIV 76 und *82, in: Schriftenreihe der DVWG, Band Β 85, Bergisch Gladbach. Hirsb, M., Prashker, J.N., Ben-Akiva, M.E. (1986) Dynamic Model of Weekly Activity Pattern, in: Transportation Science 20, S. 24-36. Höftler, K.H., Hüttmann, R., Pasquay, F., Sente, J., Baur, R., Keller, M., Rommerskirchen, St. (1981) Reaktion der ÖPNV-Benutzer auf unterschiedliche Angebotsstandards und Ableitung von Maßnahmen für eine bedarsgerechte Angebotsgestaltung im ÖPNV. Hamburg-Consult und Prognos, Basel und Hamburg. Holz-Rau, H.-C. (1990) Bestimmungsgrößen des Verkehrsverhaltens - Analyse bundesweiter Haushaltsbefragungen und modellierende Hochrechnung, Schriftenreihe des Instituts für Verkehrswegeplanung und Verkehrswegebau, Technische Universität Berlin, Heft 22. Hopf, R., Rieke, H., Voigt, U. (1982) Analyse und Projektion der Personenverkehrsnachfrage in der Bundesrepublik Deutschland bis zum Jahr 2000, DIW-Beiträge zur Strukturforschung, Heft 70, Berlin. Huff, J.O., Hanson, S. (1986) Repetition and Variability in Urban Travel, in: Geographical Analysis, Heft 2, S. 97-113. Jones^ P.M. (1980) Experience with Household Activity-Travel Simulator (HATS), in: Transportation Research Record 765, Washington, D.C. Jones, P.M., Clarke, M. (1986) The Significance and Measurement of Variability in Travel Behaviour, PTRC Summer Annual Meeting, Warwick. Kam, B.H. (1982) Role situations and activity scheduling: an empirical analysis, Los Angeles. Kassoff, H., Deutschman, H.D. (1969) Trip Generation: A Critical Appraisal, Highway Research Record 297, Washington, D.C. Kersten, H.M.P., Moning, HJ. (1985) Differences in Estimates Due to Changes in Methods of Data Collection, Netherlands Central Bureau of Statistics, Voorburg. Kitamura, R. (1989 a) Guest editorial, in: Transportation, S. 97-99. Kitamura, R. (1989 b) A causal analysis of car ownership and transit use, in: Transportation, S. 155-174. Kitamura, R., Bovy, P.H.L. (1987) Analysis of Attrition Biases and Trip Reporting Errors for Panel Data, in: Transportation Research A, Nr. 4/5. Kitamura, R., Van der Hoorn, T. (1987) Regularity and irreversibility of weekly travel behavior, in: Transportation, S. 227-251.

260

Kloas, J., Kuhfeld, H. (1985) Die Entwicklung des Personenverkehrs in der Bundesrepublik Deutschland bis zum Jahre 1982, in: Wochenbericht des DIW Nr. 34/85. Kloas, J., Kuhfeld, H. (1987) Verkehrsverhalten im Vergleich, DIW-Beiträge zur Strukturforschung, Heft 96. Kloas, J., Kubfeld, H. (1990) Ungebrochenes Wachstum des Pkw-Verkehrs erfordert verkehrspolitisches Handeln, Status quo-Projektion des Personenverkehrs in der Bundesrepublik Deutschland bis 2010, in: Wochenbericht des DIW Nr. 14/90, S. 175 ff. Kloas, J., Kuhfeld, H., Kunert, U. (1989) Welche Entwicklung nimmt der Personenverkehr in Berlin (West)? - Zwei verkehrspolitische Szenarien, in: Verkehr und Technik, Heft 10. König, R. (1973) Die Beobachtung, in: König, R. (Hrsg.) Handbuch der empirischen Sozialforschung, Stuttgart. Koppelman, F.S., Pas, E.I (1984) Estimation of Disaggregate Regression Models of Person Trip Generation with Multiday Data, in: Ninth International Symposium on Transportation and Traffic Theory, S. 513-531. Kostyniuk, L.P., Kitamura, R. (1982) Life Cycle and Household Time-Space Path: Empirical Investigation, Vortrag vor dem 61st Annual Meeting of the Transportation Research Board, Washington, D.C. Kostyniuk, L.P., Kitamura, R. (1984) Temporal stability of urban travel patterns, in: Transportation Policy Decision Making, Heft 2, S. 481-500. Kiihnel, S. Jagodzinski, W., Terwey, M. (1989) Teilnehmen oder Boykottieren: Ein Anwendungsbeispiel der binären logistischen Regression mit SPSSX, in: Informationen des Zentralarchivs für empirische Sozialforschung Nr. 25, Köln. Kutter, E. (1972) Demographische Determinanten städtischen Personenverkehrs, Veröffentlichungen des Instituts für Stadtbauwesen, Technische Universität Baunschweig, Heft 9, Braunschweig. Kutter, E. (1984) Integrierte Berechnung städtischen Personenverkehrs, Arbeitsberichte zur Integrierten Verkehrsplanung, Technische Universität Berlin. Kutter, E., et al. (1988) Definition der prognoserelevanten Bestimmungsgrößen (sozial und räumlich) der Verkehrsentstehung, Ermittlung der spezifischen Parameter von Mobilität und Verkehrsdurchführung und Entwicklung eines Prognosealgorithmus. Forschungsbericht im Auftrag des BMV, Bonn, TU Berlin. Landau, U., Prashker, J.N., Alpern, B. (1982) Evaluation of activity constrained choice sets to shopping destination choice modelling, in: Transportation Research A, S. 199-207. Lansing, J.B., Ginsburg, G.P., Braaten, K. (1961) An Investigation of Response Error, Studies in Consumer Savings No. 2, Urbana, 111.

261

Liidtke, H. (1984) Gleichförmigkeit im alltäglichen Freizeitverhalten: Eine Analyse von Zeitbudget-Daten aus zwei norddeutschen Großstädten, in: Zeitschrift für Soziologie, Heft 4, S. 346-362. Maddala, G.S. (1987) Recent developments in the econometrics of panel data analysis, in: Transportation Research A, 21A, No. 4/5. Mahmassani, H.S. (1989) Dynamic Models of Commuter Behavior: Experimental Investigation and Application to the Analysis of Planned Disruptions, Prepared for presentation at the International Conference on Dynamic Travel Behavior Analysis, Kyoto University. Mannering, F.L. (1989) Poisson Analysis of Commuter Flexibility in Changing Routes and Departure Times, in: Transportation Research-B, Heft 1, S. 53-60. Manski, C.F., McFadden, D. (1981) Alternative Estimators and Sample Designs for Discrete Choice Analysis, in: Manski, C.F., McFadden, D. (Hrsg.) Structural Analysis of Discrete Data with Econometric Applications, Cambridge, Mass. Martens, G. (1983) Verkehrsmittelbenutzung und Bedienungsqualitäten - Ein Modell mit Volkszählungsdaten, Schriftenreihe des Instituts für Verkehrsplanung und Verkehrswegebau, Technische Universität Berlin, Heft 9. Menashe, E., Guttman, J.M. (1986) Uncertainty, Continuous Modal Split, and the Value of Travel Time in Israel, in: Journal of Transport Economics and Policy, S. 369-375. Meurs, H., Van Wissen, L., Visser, J. (1989) Measurement biases in panel data, in Transportation, S. 175-194. Ministery of Transport (1977) The SIGMO Study - Part 1 - Introduction and Summary, Den Haag. Netherlands Economic Institute (1977) The SIGMO Study - Part 3 - Home-Based Work Trips, Rotterdam. Netherlands Institute of Transport (1977) The SIGMO Study - Part 4 - Other Home-Based Trips, Rijswijk. Netherlands Institute of Transport (1978) The SIGMO Study - Part 5 - Non Home-Based Trips, Rijswijk. Neuwerth, K.-W. (1987) Abhängigkeit des Verkehrsverhaltens von raumstrukturellem Angebot, Veröffentlichungen des Instituts für Stadtbauwesen der Technischen Universität Braunschweig, Heft 43, Braunschweig. Noelle, E. (1963) Umfragen in der Massengesellschft, Einführung in die Methoden der Demoskopie, Rheinbek. O'Murcheartaigh, C.A. (1977) Response Errors, in: O'Murcheartaigh, C.A and Payne, C. (Hrsg.) The Analysis of Survey Data Vol. 2, London.

262

Oeding, D. (1963) Verkehrsbelastung und Dimensionierung von Gehwegen und anderen Anlagen des Fußgängerverkehrs, Straßenbau und Straßenverkehrstechnik, Heft 22, Bonn. Parkes, D.N., Thrift, Ν. (1975) Timing space and spacing time, in: Environment and Planning A, S. 651-670. Farnes, H.S. (1972) Longitudinal surveys: prospects and problems, in: Monthly Labor Review, Februar. Pas, E.I. (1984) The effects of selected sociodemographic characteristics on daily travel-activity behavior, in: Environment and Planning A, S. 571-581. Pas, E.I. (1985) Sample Design, Parameter Estimation Precision and Data Collection Costs for Least Squares Reggressiön Trip Generation Models, Prepared for presentation at the 64th Annual Transportation Research Board Meeting. Pas, E.I. (1987) Intrapersonal Variability and Model Goodness-Of-Fit, in: Transportation Research-Α, Heft 6, S. 431-438. Pas, E.I. (1988) Weekly travcl-activity behavior, in: Transportation 15, S. 89-109. Pas, E.I., Koppelman, F.S. (1987) An examination of the determinants of day-to-day variability in individuals' urban travel behavior, in: Transportation 14, S. 3-20. Pickles, A.R., Davies, R.B., Crouchley, R. (1984) Individual and geographical variation in longitudinal voting data for England 1964-1970, in: Environment and Planning A, S. 12371247. Poçk, M·, Zumkeller, D. (1976) Gesamtverkehrsplan Großraum Nürnberg, München. Pölitz, Α., Simmons, W. (1949) An Attempt to Get Not-at-Homes into the Sample without Callbacks, in: Journal of the American Statistical Association, S. 9-31. Projektgruppe das Sozio-ökonomische Panel (1990) Das Sozio-ökonomische Panel für die Bundesrepublik Deutschland nach fünf Wellen, in: Vierteljahreshefte zur Wirtschaftforschung, Heft 2. Rammstedt, O. (1975) Alltagsbewußtsein von Zeit, in: Kölner Zeitschrift für Soziologie und Sozialpsychologie, Nr. 27. Rendtel, U. (1988) Panelmortalität, in: Vierteljahresheft zur Wirtschaftsforschung, Heft 1/2, 1988. Rose, G. (1986) Transit passenger response: Short and long term elasticities using time series analysis, in: Transportation 13, S. 131-141. Salomon, I., Ben-Akiva, M. (1982) The Use of Life-Style Concept irt Travel Demand Models, Vortrag vor dem 61st Annual Meeting of the Transportation Research Board, Washington D.C.

263

Sammer, G·, Fallast, Κ. (1985) Effects of various population groups and of distribution and return methods on the return of questionnaires and the quality of answers in large-scale travel surveys, in: Ampt, E.S., Richardson, AJ., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. SAS Institute Inc. (1985 a) SAS User's Guide: Basics Version 5 Edition, Cary, N.C. SAS Institute Inc. (1985 b) SAS User's Guide: Statistics Version 5 Edition, Cary, N.C. Saunders, P. (1987) Soziologie der Stadt, Frankfurt. Scheuch, E.K. (1973) Das Interview in der Sozialforschung, in: König, R. (Hrsg.) Handbuch der empirischen Sozialforschung, Stuttgart. Schmiedel, R. (1984) Bestimmung verhaltensähnlicher Personenkreise für die Verkehrsplanung, Schriftenreihe des Instituts für Städtebau und Landesplanung der Universität Karlsruhe, Heft 18, Karlsruhe. Schwerdtfeger, W., Küffner, B. (1981) Analyse der Verkehrsteilnahme, Unfall- und Sicherheitsforschung Straßenverkehr, Heft 33, Köln. Sharp, D.P. (1978) Projections of automobile ownership and use based on household lifestyle factors, Pittsburgh. Socialdata (1981) Verkehrsanalyse und -prognose Großraum Hannover, Berichtsband, München. Socialdata (1984 a) KONTIV '82-Bericht, München. Socialdata (1984 b) KONTIV '82-Tabellenband II, München. Socialdata (1987) Verkehrsuntersuchung Spandau - Endbericht - München. Sorokin, P.A., Merton, R.K. (1937) Social Time: A Methodological and Functional Analysis, in: The American Journal of Sociology, Nr. 5. Sozialforschung Brög (1977 a) KONTIV 76-Endbericht, München. Sozialforschung Brög (1977 b) KONTIV 76-Tabellen zum Endbericht, München. Spichal, M. (1989) Prognose der Verkehrsnachfrage auf der Grundlage dynamisierter, soziodemographischer Determinanten, Veröffentlichungen des Instituts für Stadtbauwesen der Universität Braunschweig, Heft 47, Braunschweig. Statistisches Bundesamt (1978) Statistisches Jahrbuch für die Bundesrepublik Deutschland, Wiesbaden. Stopher, P.R. (1985) The State of the Art in Cross-Sectional Surveys in Transportation, in: Ampt, E.S., Richardson, AJ., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Stopher, P.R., Meyburg, A.H. (1975) Urban Transportation Modeling and Planning, Lexington, Mass.

Swait, J., Ben-Akiva, M. (1987) Incorporating random constraints in discrete models of choice set generation, in: Transportation Research B, S. 91-102. Talvitie, A.P. (1981) Inaoccurate or Incomplete Data as a Source of Uncertainty in Econometric or Attitudinal Models of Travel Behavior, in: Stopher, P.R., Meyburg, A.H., Brög, W. (Hrsg.) New Horizons in Travel-Behavior Research, Lexington, Mass. Van der Hoorn, T. (1983) Experiments with an activity-based travel model, in: Transportation, S. 61-77. Van der Hoorn, T., Vogelaar, J. (1978) SIGMO: Disaggregate Models for the Amsterdam Conurbation, PTRC Summer Annual Meeting, Warwick. Van der Valk, J., Feyen, Β. (1983) The "Zuidvleugel" Study, Application of a Major Transportation Study in the Netherlands, PTRC Summer Annual Meeting, Warwick. Van Wissen, L.J.G., Meurs, HJ. (1989) The Dutch mobility panel: Experiences and evaluation, in: Transportation, S. 99-120. Verron, H. (1986) Verkehrsmittelwahl als Reaktion auf ein Angebot. Ein Beitrag der Psychologie zur Verkehrsplanung, Schriftenreihe des Instituts für Verkehrsplanung und Verkehrswegebau, Technische Universität Berlin, Heft 20. Volkmar, H.F. (1984) Räumliche und zeitliche Aktivitätschancen, Schriftenreihe des Instituts für Verkehrsplanung und Verkehrswegebau, Technische Universität Berlin, Heft 14. Wegener, M., Gnad, F., Vannahme, M. (1986) The Time Scale of Urban Change, in: Hutchinson, B., Batty, M. (Hrsg.) Advances in Urban Systems Modelling, North-Holland. Wermuth, M. (1978 a) Struktur und Effekte von Faktoren der individuellen Aktivitätennachfrage als Determinanten des Personenverkehrs, Bad Honnef. Wermuth, M. (1978 b) Structure and calibration of a behavioural and attitudinal binary mode choice model between public transport and private car, PTRC Summer Annual Meeting, Warwick. Wermuth, M. (1983) Statistische Probleme und Methoden bei Haushaltsbefragungen über das Verkehrsverhalten, in: Schriftenreihe der DVWG, Band Β 66, Köln. Wermuth, M. (1985 a) Schriftliche Haushaltsbefragungen zum Verkehrsverhalten - Stichprobenauswahl und Nonresponseproblematik, in: Schriftenreihe des DVWG, Band Β 81, Bergisch Gladbach. Wermuth, M. (1985 b) Errors Arising from Incorrect and Incomplete Information in Surveys of Non-Home Activity Patterns, in: Ampt, E.S., Richardson, A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Wermuth, M. (1985 c) Non-Sampling Errors Due to Non-Response in Written Household Travel Surveys, in: Ampt, E.S., Richardson, A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht.

265

Wermuth, M. (1986) Theoretische Anforderungen in der Stichprobenplanung, in: Schriftenreihe der DVWG, Band Β 85, Bergisch Gladbach. Wicks, J. (1983) Complex Postal Surveys in Transport Planning - Methodology and Response Rates, PTRC Summer Annual Meeting, Warwick. Wiesenthal, H. (1987) Rational Choice, Ein Überblick über Grundlinien, Theoriefelder und neuere Themenakquisition eines sozialwissenschaftlichen Paradigma, in: Zeitschrift für Soziologie, S. 434-449. Wigan, M. (1985) The Secondary Use of Transport Survey Data, in: Ampt, E.S., Richardson, A.J., Brög, W. (Hrsg.) New Survey Methods in Transport, Utrecht. Winer, B J. (1971) Statistical Principles in Experimental Design, New York. Wrigley, N., Dunn, R. (1984) Stochastic panel-data models of urban shopping behaviour: The interaction of store choice and brand choice, in: Environment and Planning A, S. 12211236. Zimmerman, C.A. (1982) The life cycle concept as a tool for travel research, in: Transportation, S. 51 - 69. Zumkeller, D. (1989) Ein sozialökologisches Verkehrsmodell zur Simulation von Maßnahmewirkungen, Veröffentlichungen des Instituts für Stadtbauwesen der Technischen Universität Braunschweig, Heft 46, Braunschweig.

266

Anhang A Variablenlisten

Varìablenlìste Personen Nr.

Variable

Bedeutung

1

HHNR

Nr. des Haushalts

3

PERSNR

Nr. der Person

4

WOHN

Art der Wohnung

7

FAMKOMP

Familienform

8

FAMGR

Familiengröße

9

KOMPLETT

Familienfragen komplett

10

NKK 11

^

11

NKK 12

2

5 6

. unvollständige Angaben Γ zu einzelnen Ι Haushaltsmitgliedern J

12

NKERW

13

NKSONST

14

HHPOS

Stellung im Haushalt

15

SEX

Geschlecht

16

GEB

Geburtsjahr

17

AUSB

Ausbildungsgrad

18

ERWERB

Stellung im Erwerbsleben

19

NRARBTAG

Anzahl wöchentlicher Arbeitstage

20

NRSTTAG

Anzahl wöchentlicher Studientage

21

MOST

Häufiger arbeiten oder studieren

22

GLEICH

Normalerweise gleicher Weg

23

ARBKM

Entfernung zum Arbeits-/Ausbildungsort

24

AVM 1

1. Verkehrsmittel

25

ATT 1

1. Reisezeitkomponente

26

AVM 2

27

ATT 2

Nr.

Variable

Bedeutung

42

A V M 10

43

ATT 10

10. Reisezeitkomponente

44

ATTT

Gesamte Reisezeit

45

ANSO

Sonntag: Weg wie üblich oder anders durchgeführt

46

ANMO

47

ANDI

48

ANMI

49

ANDO

50

ANFR

51

ANSA

Samstag: Weg wie üblich oder anders durchgeführt

52

ERSTAT

Erstattung Fahrtkosten

53

ERSTBET

Erstattungsbetrag

54

OEVEINA

Einschätzung der ÖV Verbindung zur Arbeit/Ausbildung

55

AUTOARB

Berufliche Autobenutzung

56

PARKKOST

Kosten für Parken

57

PARKSITU

Parksituation

58

PARKSUCH

Suchzeit Parken

59

PARKLAUF

Anmarschzeit vom/zum Parken

60

PARKFRUE

Wegen Parken früherer Start

61

STAU

Verkehrsstauungen Arbeitsweg

62

ZUARB

Beginn Arbeitsweg

63

STARTARB

Arbeitsbeginn

64

FUER

Führerschein

65

AUTOHH

Auto im Haushalt

66

AUTONR

Anzahl Autos im Haushalt

67

VMBES

Besitz weiterer Verkehrsmittel

68

PERSEINK

Persönliches Einkommen

268

Nr.

Variable

Bedeutung

81

STARTDAT

1. Tag der Berichtswoche

82

ENDDAT

7. Tag der Berichtswoche

83

NOTRIPS

keine Wege im Protokoll;

84

NOTRIMON

Montag: Gründe für Immobilität

85

NOTRIDIE

86

NOTRIMI

87

NOTRIDO

•

88

NOTRIFR

•

89

NOTRISA

90

NOTRISO

Sonntag: Gründe für Immobilität

91

ARBCODE

Codierung Arbeits-/Ausbildungsort

92

ARBXY

XY-Code

93

WOHNCODE

Codierung Wohnort

94

WOHNXY

XY-Code

269

Variablenliste Wegedaten Nr.

Variable

Bedeutung

1

HHNR

Nr. des Haushalts

2

PERSNR

Nr. der Person

3

TRIPNR

Nr. des Weges

4

DATUM

Datum

5

QUELLE

Quelle

6

QXY

XY-Codierung

7

QART

Art der Adresse

8

QAKT

Art der Aktivität

9

QZEIT

Startzeit

10

ZIEL

Ziel

11

ZXY

XY-Codierung

12

ZART

Art der Adresse

13

ZAKT

Art der Aktivität

14

ZZEIT

Ankunftszeit

15

KINDMIT

Begleitung durch Kind bis 12 Jahre

16

FAMMIT

Begleitung durch anderes Familienmitglied

17

VM 1

1. Verkehrsmittel

18

TT 1

1. Reisezeitkomponente

19

VM 2

32

TT 8

8. Reisezeitkomponente

33

TTT

Gesamte Reisezeit

34

PARKSITU

Parksituation am Ziel

35

PARKZAHL

Kosten für Parken

36

PARKKOST

Kosten für Parken Betrag

37

OEVZAHL

Fahrscheinart ÖV

38

OEVKOST

Kosten ÖV

39

AUTOVER

Wäre Fahrt mit Auto möglich gewesen

270

Nr.

Variable

Bedeutung

40

AUTOFAHR

Als Selbst- oder Mitfahrer

41

RUECK

Rückweg angegeben

271

Tabelle A l

MobiIitétskennwerte

nach

Wochentag

und

Berichtstag

Ursprungswerte

Gesamtstichprobe

Wochen-/Ber i ehtstag Antei1 vH

Montag

Dienstag

Mi t t w o e h

Donners tac

Frei tag

Saras t a t

Sonntag

7

272

der

aller

raobi1 Pers.

en P e r s . Index

Wege

je

Anzahl

-

mobi1er Wege

Person

Index

Wege

je

Anzahl

P e r s o nι u n d Wege

Index

65

7

1 0 0 ,. 0

2 ,• 9 7

100 .0

1 .95

1 0 0 ,, 0

68

S

104 .7

2 ,. 9 2

9S , 3

2 ,. 0 1

1 0 3 ,, 0

65

4

9 9 ι. 6

2 ,, 6 6

89 ,6

1 .74

•89,. 2

69

5

1 0 5 0

2 , 52

62 , 4

8 8 ,,3

2, 38

9 4 ,, 4

1 .. 4 9

S 3 , ,7

6 1 ., 7

8 7 ,,3

2 ,, 4 7

9 S ,, 0

1 ., 5 2

S5 , 4

62, 2

S7, 9

2 ,, 47

9 8 ,,0

1 ,, 5 4

86, 5

6 2 .,3

8 8 ,. 1

2, 40

9 5 ,,2

1 ., 4 9

S 3 ,, 7

57 , 1

SO,, 7

2 , 39

9 4 , ,S

1 ., 3 7

7 7 ,.0

5 4 ., 1

7 6 ,,5

ο ,, 4 7

9S.0

1 ., 3 4

7 5 ,.3

Tag

Tabelle A2 Mobi1itatokennwerte geglättet

-

Wochen-/Ber

ichtstag Antei Γ vH

Hontag

Dienstag

Mittwoch

Donnerstag

Freitag

1

1

1

Sonntag

Pers.

Index

und

Berichtetag

Wege

-

je

Anzahl

mobi1er Wege

Person

Index

Wege

je

Anzahl

P e r s o nι u n d Wege

Tag

Index

100 .0

2 .92

100 .0

l .95

100 .0

67

1

100 .3

2 .88

98 .7

1,. 9 3

99 .0

67 . 2

100 .6

2 .84

97 .5

1 .91

97 .9

67

4

1 0 0 ,. 8

2 .80

96 .2

1 .89

96 .9

67

6

1 0 1 ,. 1

2 .77

94 . 9

1 .04

9 8 ,. 3

2 ,. 1 9

9 7 ,, 0

71

2

9 7 ,.3

2 ,. 9 8

9 6 ,.5

2 ,. 1 3

9 4 ,, 1

70

2

9 6 ,. 0

2 ,. 9 3

9 4 ,. 8

2 ,, 0 6

9 1 ,, 1

6» .3

9 4 ,.7

2 ,. 8 8

9 3 ,. 1

1 ,99

8 8 .,2

63 .3

9 3 , >4

2 ,. 8 2

9 1 ,. 3

1 ., 9 3

8 5 ., 2

6 7 ,. 3

9 2 ,. 0

2 ,. 7 7

8 9 ,, 6

1 ,, 8 6

82. 3

74 . 7

1 0 0 ,. 0

3 ,. 2 4

1 0 0 ,,0

2 ,, 4 2

1Ò0. 0

7 3 , >3

9 8 ,.4

3 ,. 1 7

9 7 ,.8

2 ., 3 3

96. 4

7 2 ,. 3

96, 6

3 ,. 1 0

9 5 ,,6

2 ,, 2 5

92. 8

7 1 ,. 1

9 5 . >2

3 ,. 0 3

9 3 ,,5

2 ,, 1 6

89. 2

6 9 , >9

93, 6

2 ,. 9 6

9 1 ,,3

2 ,, 0 7

85. 5

6 8 ,,7

9 1 ,.9

2 ,. 8 9

8 9 ,, 1

1 ., 9 8

81. 9

6 7 ,.5

9 0 ..3

2 ,. 8 2

8 6 ,, 9

1 ., 9 0

78. 3

7 7 ,. 5

1 0 0 ,,0

3 ,. 2 8

1 0 0 ,,0

2 ., 5 3

100. 0

7 6 , >2

98, 3

3 , >22

9 8 ,,3

2 ., 4 5

96. 9

7 4 ,. 9

96, 6

3 ,, 1 7

9 6 ,,7

2 ., 3 7

93, Τ

.6

99. 0

3 ,. 1 1

9 5 .,0

2 ., 2 9

90. 6

72, 3

93. 3

3 , >06

9 3 .,3

2 ., 2 1

87. 4

7 1 ,. 0

91. 6

3 ,. 0 0

9 1 .,7

2 ., 1 4

84. 3

6 9 .,7

89. 9

2 ,, 9 5

9 0 .,0

2 ., 0 6

81. 1

100. 0

73,

Samstag

Gesamtstichprobe

mobilen

Pers.

Wochentag

Regressionsrechnung

66 . 9

l

1

der

a l 1er

nach

durch

76, 5

100. 0

2 ,, 9 9

100. 0

2. 29

7 3 ,, 1

95. 6

2 ., 9 7

99. 2

2 . 18

95.

6 9 ,,8

91 . 3

2 ., 9 5

9 8 . ,5

2. 06

90. 1

66. 5

86. 9

2 ., 9 3

9 7 . ,7

1 . 95

85. 1

63. 1

82. 5

2 ., 9 0

97. 0

1 . 34

80. 2

6

39. 9

78. 2

2. 88

96. 2

1 . 72

75. 2

7

56. 4

73. S

2, 86

95. 5

61

70. 2

1

d

i

67 . 9

100. 0

2 ., 4 6

100. 0

1 . 67

100. 0

2

65. S

96. 9

2 . 46

99. 7

1 . 62

96. 6

3

63. 6

93. 7

2 ., 4 5

99. 4

1 . 56

93 . 2

4

61 . 5

90. 5

2 ., 4 4

99. 1

1 . 50

89. S

S

59. 4

57. 4

2 . 44

98. 8

1 . 45

86. 4

6

37. 2

84 . 2

2 , 43

98. 6

1 . 39

S3 . 0

53. 1

Sl. 1

2

98. 3

1 . 33

79. 7

t

42

Tabelle A3 MobiIitätskennwerte

nach

Wochentag

und

Berichtstag

Ursprungswerte

-

Wochen-/Ber i chtstag A n t e i l vH

Montag

l

Mittwoch

l

Donnerstag

Samstag

Sonntag

1)

274

Personen,

l

1

l

l

in

deren

mobilen Pers.

a l l e r Pers.

1

Dienstag

Freitag

de r

Teilstichprobe

Index

Wege

l)

-

Je m o b i l e r

Anaahl

Wege

Person

Index

Wege

Je

Anzahl

Person Wege

und

Index

100 . 0

2 . 94

100 . 0

l ,,94

100. 0

104 .5

2 . 96

100 . 7

2 ,, 0 5

105. 7

98 .5

2 . 76

93 . 9

1 ,81

93. 3

106 . 1

2 . 95

100 .3

2 (, 0 8

107. 2

107 . 6

2 . 74

93 . 2

1,, 9 5

100. 5

101 .5

2. 91

99 . 0

1,, 9 4

100. 0

106 . 1

2 . 74

93 . 2

1,, 9 1

98. 5

100 .0

3 . 08

100 . 0

2 ,, 4 7

100. 0

85 . 0

2 . 86

93 .5

1 ,97

79. 8

87 . 5

3 . 07

99 .7

2 , , 16

87. 4

91 » 3

2. 81

91 .2

2 ,, 0 5

83. 0

88 .8

2 . 99

97 . 1

2 ,, 1 3

86. 2

90 . 0

2 . 88

93 . 5

2 ,, 0 7

83. 8

85 . 0

2 . 94

95 . 5

1 ., 9 9

80.6

100 . 0

3. 21

100 . 0

2 ,, 3 8

100. 0

102 .7

3 . OS

95 . 0

2 ,31

97. 1

87 . 8

2. 7»

86 . 9

1,. 8 0

75. 6

97 . 3

2. 89

90 . 0

2 .07

87 . 0 79. 0

93 .2

2 . 70

84 . 1

1,, 8 8

97 .3

2 . 86

89 . 1

2 .06

86. 6

91 .9

2 . 97

92 .5

2 ,. 0 3

85. 3

100 .0

3 . 34

100 . 0

2 ,. 6 1

100. 0

93 . 6

3 . 18

95 . 2

2 ,, 3 3

89. 3

93 » 6

3 . 21

96 . 1

2 ,. 3 6

90. 4

87 . 2

2 . 89

86 . 5

1,. 9 5

74. 7

93 . 6

2 . 96

88 . 6

2 ,, 1 7

83. 1

89 . Τ

2.

85 . 6

2 ,, 0 0

76. 6

92 .3

8· 2 . 95

86 . 3

2 , . 12

81. 2

100 .0

3 . 26

100 . 0

2 ,, 5 6

100. 0

101 .3

3 . 04

93 . 3

2 ,, 4 3

94. 9

94 . 9

3 . 24

99 .4

2 ,, 4 4

95. 3

9 3 ,, 7

3 . 20

98 . 2

2 ,. 3 6

92. 2

82 .3

2 . 9S

90 .5

1,, 9 1

74. 6

93 .7

3 . 07

94 .2

2 ,, 2 7

98. 7

89 .9

2 . 84

87 . 1

2 ,,