Modellierung der Stabilität bei der Verkehrsmittelwahl in einem mikroskopischen Verkehrsnachfragemodell

Die Prognose der zukünftigen Verkehrsnachfrage ist für die Verkehrsplanung unverzichtbar. Die Verkehrsnachfrage wird dabei mit Modellen prognostiziert, die unter anderem verkehrsplanerische Massnahmen berücksichtigen. Die verkehrsplanerischen Massnahmen werden modelltechnisch typischerweise durch Änderungen von Reisezeit oder Kosten berücksichtigt. Bei mikroskopischer Modellierung der Verkehrsnachfrage über eine Woche stellt sich die Frage nach der konsistenten Abbildung des Verkehrsverhaltensder einzelnen Personen im Längsschnitt. So kann man etwa die Beobachtung machen, dass eine Person, die am Montag mit dem Auto zur Arbeit fährt, mit hoher Wahrscheinlichkeit auch an den übrigen Tagen das Auto nutzt. Diese Stabilität sollte auch im Modell der Verkehrsmittelwahl berücksichtigt werden. In dieser Arbeit werden verschiedene Methoden untersucht, Stabilität in der Verkehrsmittelwahl abzubilden. Dabei werden verschiedene Ansätze untersucht. Die einzelnen Ansätze werden danach bewertet, wie gut es mit ihnen gelingt, Stabilität in der Verkehrsmittelwahl im Modell abzubilden. Hierzu werden die Ergebnisse der verschiedenen Modellierungsansätze mit den Ergebnissen einer Mobilitätserhebung verglichen. Um diesen Vergleich durchführen zu können, wurden Kennzahlen entwickelt, die die in den jeweiligen Daten beobachtbare Stabilität der Verkehrsmittelwahl beschreiben. Der Vergleich der Modellierungsansätze anhand der Stabilitätskennzahlen zeigt, dass sich die Übereinstimmung mit der Erhebung verbessert, je mehr Information über bisheriges Verhalten oder Präferenzen in das Modell eingehen. Die Ergebnisse zeigen, dass die Modellierung von Stabilität in der Verkehrsmittelwahl einen erheblichen Einfluss auf die vom Modell prognostizierten Auswirkungen verkehrsplanerischer Massnahmen hat. Dabei scheinen Modelle ohne Berücksichtigung von Stabilität, die sich aus Änderungen von Reisezeitund Kosten ergebenden Effekte zu überschätzen.