Home

Dokument_1. - Bauhaus

1. 35 00 Normalwerktag Normalwerktag Normalwerktag s Normalwerktag Normalwerktag Freitag Samstag Sonntag H ioi E m 30 00 1 u F B ke i 20 i pN EJ is sS o 5 m o le 2 e j e e g es N 20 e a eig e p eii eo eio S Eia 2 LEERE ESE e zA A g 1501 o gt o gig 2 i go oi ie 8 Zr H amp a ai OTS g P 5 le 2 eenaa E i g 10 001 S be O O O o im DW EN ACH 4 4 x IX x x x IX x x x Xxix x x x x ix 5 00 20 ee Pe i S POPR oooi a 3 g Zg gig E E kig En Er EEE 3 2 EEE 2 23 a 2 amp Q Z3 8 Q E E RES Tag zu Tag Vergleich o alle F lle x Cluster 1 m Cluster 2 O Cluster 3 Cluster 4 Cluster 5 e Cluster 6 a Cluster 7 Abbildung 7 15 mittlere Sequenzabst nde je Cluster sowie aller F lle im intrapersonellen Tag zu Tag Vergleich Daten Mobilt tspanel 97 98 ungewichtet n 2247 F lle Zusammenfassend l sst sich festhalten Durch interpersonelle Segmentierung der Wege Aktivt tenmuster s gelingt implizit die Abgrenzung von Clustern S mit unterschiedlichen Formen intrapersoneller Tag zu Tag Variabilit t im Raum Zeit Verhalten Trotz eines abweichenden Vorgehens decken sich die erzielten Ergebnisse in der Tendenz mit denjenigen der aktuellen Mobidrive Studie vgl Zimme
2. B C D E gt lt X X X F 6 B D 1 L sche z B 2 L sche z C 3 Setze Z B ein 4 Setze C ein Dgeo S 4 0 1 1 1 1 1 1 0 6 Zo nImlofofwf gt Sequenz S Dbio S 4 4 Setze 2 F ein Setze 2 G ein L sche z C L sche z F ein L sche z G ein Dyeo S 2 0 1 1 1 1 1 1 0 6 zomm ooo Sequenz S Setze Z C ein Dbio S 2 6 BEBBE ANHANG C Beispiel Abbildungseigenschaften OMT C 2 1 Ablauf der Befragung mit CHASE Das Softwareprogramm CHASE Computerised Household Activity Scheduling Elictor dient der computer gest tzten Erhebung des individuellen Zeitplanungsprozesses Aufgezeichnet wird die Abfolge der Planung Anpassung und Durchf hrung von Aktivit ten und Wegen im allt glichen Verhalten Personen innerhalb eines Haushaltes treffen in Bezug auf die Aus bung von T tigkeiten bzw Wegen Entscheidungen um ihren endg ltigen Terminplan f r eine __ Woche zu sammenzustellen und in deren Verlauf auszuf hren vgl Abb 1 Zum Start sonntags vor der Erhebungswoche Login 1 beginnen die Haushaltsmitglieder mit der Eintragung vor geplanter Aktivit ten bzw Wege in den Terminplaner Ungeplante Zeiten graue Fl chen bleiben leer v
3. Transformations F aufwandswerte z Een un lt sa 1 v C N S N N N N S S E O o Nu S N x x 2 H o o Q go 8 a lco l a o oN oa 55 5 18 ralig v8 08 e 7 05 2931552 will im Soa 58 NGINE NR S8 Ss Ss SE NE ng NS 259 252 sel 32 3 32 s2 353 32 32 4 3 3258325 00100 100 Joo Joo oo Jo 00 oo IOO INX lt N lt Csuw Z 200 1 0 10 98 0 93 0 80 0 69 0 72 0 78 0 92 0 97 0 96 El El Cal 100 0 Se a 1 00 0 97 0 81 0 74 0 76 0 80 0 92 0 96 0 99 X v ind Z ER no 1 00 0 79 10 77 0 78 0 79 0 88 0 92 0 99 K v ind Z Cow Z 2 AP z 1 00 0 91 0 94 0 98 0 96 0 82 0 81 x v Cina z AP Z Cow 2 2 AP z Z 1 00 10 99 0 92 0 86 0 72 10 76 amp v Cina z 100 Cow Z 2 AP z 1 00 0 95 0 89 0 74 0 78 X v Cina Z 60 Csu z AP z 1 00 0 96 0 80 0 79 M x Cina Z 30 Cow Z 2 AP z 1 00 10 91 0 90 M x Cina z 10 Csw z 2 60 1 00 095 M RX Cra Z AP Z Csub Z 30 1 00 KX v Cna Z AP zZ Abbildung E x K x X K v v M X Zustandselement komposition Abbildung El vj M vj v M X X K v Zustandsabst nde und Abfolge hnlichkeit alle Korrelationen sind auf einem Niveau von 0 01 signifikant Im Vergleich des ersten Falls f mit zustandsabh ngigen Subkosten Csu Z sowie unabh ngigen Indelaufwa
4. Alternativ Referenz _ II e kategorie kategorie ao a c oO Cluster 4 Z s 88 33 5 l5 5 15 Sg S5 N e D N D N zE 5 J LEAS T E 2 6 x 3 S 23 D T g Br oe N 8 S gt j J 52 8 s D z 0 faa u ou gt x Unter Ober grenze grenze Konstanter Term 0 74 1 78 0 17 0 68 Alter 0 02 0 02 0 95 0 33 1 0196 0 98 1 06 DO PNV Zeitkartenbesitz 0 67 0 56 1 43 0 23 0 5141 0 17 1 53 DO keinen OPNV Zeitkartenbesitz Mann 0 03 0 47 0 01 0 94 1 0348 0 41 2 60 DO Frau F hrerschein 1 39 0 59 5 49 0 02 v 4 000 1 25 12 5 keinen F hrerschein Vollzeiterwerbst tig 2 31 1 48 2 42 0 12 10 0686 0 55 184 34 DO Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 1 56 1 64 0 91 0 34 0 2095 0 01 5 18 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 29 1 99 0 02 0 88 1 3402 0 03 65 91 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 02 1 28 2 50 0 11 7 5126 0 62 91 67 DO Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 1 86 1 51 1 51 0 22 0 1563 0 01 3 00 DO Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 29 1 99 0 02 0 88 0 7461 0 02 36 70 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 3 87 0 86 20 50 0 00 v 48 0645 8 99 257 01 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rent
5. Autor Abbildung des Aktivit ten Verkehrs verhaltens Einsatzzweck der Stich Makrozeit Gewichtungsfaktoren Art des Soft Jahr Sequenzvergleichs probe labschnitt Ma es ware Sequenzform und Merkmale y und verfahren auf Wege Pers Subauf indelauf sonstige Anzahl K der Anzahl der Aktivit tenmuster s wands wands Gewichtungs Zustandselemente z Merkmalswerte y werte werte faktoren e e 3 z S 2 g kZ 2 lg lg e 5 S 5 8558_ 2_5 5 8 S 21522528 w uo lt amp lt 8 gt 2u Wilson E E 1 Tag zu Tag Variabilit t von s 1 5 Werktage 0 0 hnlich ClustalV 1998 Keonst 19 im Zeitverlauf 7 mismatch gap keitsma 288 intrapersonell 1 At 5min 2 Abweichungen von s ver match schiedener Personen an Einzeltagen Joh et al a E E u Unterschiede simulierter und 71 48 Stunden 2 1 Gewichte der Distanz eigene 2002 Kmin 1 25 32 4 gemessener s einzelnen Merkmale ma Software Kmax 17 intrapersonell y in Bezug auf z Dana k 6 8 Jonetal m IN Unterschiede simulierter und 77 48 Stunden 2 Gewichtder Distanz leigene 2001 Kmin 8 gemessener s Reodering wight ma Software kKmax 29 18 intrapersonell Positionsabstand Dana k2 15 9 Rindsf ser W E E 1 Tag zu Tag Variabilit t von s 76 1 Tag zu Tag O 0 gap hnlich ClustalG et al Keonst 20 im Zeitverlauf CAN auf mismatch keitsma 2000 288 65 intrapersonell 39
6. Abbildung 3 4 Untersuchungsstrategien eigene Darstellung 44 BHORBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE Die a priori Bildung von Personenkategorien im Rahmen des Hybrid Ansatzes und des indirekten Vorgehens setzt sinnvollerweise das Aufgreifen eines Erkl rungshintergrundes entweder von Rolle und Status Lebensstil oder Lebens bzw Familienzyklus voraus vgl Abschnitt 2 2 2 Beim direkten Vorgehen ist dies berfl ssig b 2 Kausalprinzip Auf der Basis strukturen pr fender Verfahren erfolgt eine Identifikation relevanter Beschreibungsgr en k Zielstellung ist es die einzelnen Wege Aktivit tenmuster Typen S m glichst umfassend zu erkl ren wobei zwei unterschiedliche logische Konzepte zur Analyse bzw Modellierung der Kausalbeziehung vgl Abbildung 3 5 unterschieden werden k nnen Bei der eins zu eins Zuordnung zwischen charakteristischen individuellen Lebensumst nden M glichkeiten der Person Werthaltungen usw soziale Umwelt verkehrs infrastrukturell r umliche Umwelt usw und einem Wege Aktivit tenmuster Typ S liegt die Annahme eines deterministischen Kausalzusammenhangs zugrunde Jeweils eine Kombination kj von Merkmalsauspr gungen kj relevanter Erkl rungs gr en k kennzeichnet hierbei die Personentypen Gruppenkonzept Hingegen beruht das probabilistische Kausalprinzip zum Erkennen von entsprechenden Dependenzen auf Zuordnungswahrscheinlichkeiten Je nachd
7. Zustand yX Zustand Zustand y Handlung Y Nicht Handlung Handlung Y Messwerte P oyer 9 y Messwerte Peover Y 2 f Messwerte P oover Y Y Messwerte Povel Y Bewertung im Planungsstadium coverte Handlung Bewertung nach Realisierung overte Handlung Messmodell MI Messmodell MII Abbildung 5 3 Bewertung von Zeitplanungsvorg ngen und realisierten ortsver nderungs bzw aktivit tenbezogenen Handlungen eigene Darstellung F r die Skalenkonstruktion bot sich unter Einbeziehung der Ergebnisse einer hierf r relevanten Methodenstudie von Stadler 1985 welche die Beeinflussung der Antwortreaktionen der Befragten durch die Skala untersucht folgende L sung an erstens eine mittlere Kategorie welche die Gleichg ltigkeit der Befragten in der Bewertung zul sst trotz des Problems der Zentrierungstendenz vorzusehen zweitens die Alternative einer 5 Punkte Skala vor dem Hintergrund des Zielkonfliktes zwischen einer m glichen berforderung des Urteilsverm gens der Befragungsteilnehmer und dem notwendigen Differenzierungsangebot zu w hlen und drittens die Skalenpunkte sowohl verbal sehr wichtig bis sehr unwichtig als auch numerisch 2 bis 2 zu bezeichnen da die Mischform folgende Vorteile vereint Einerseits gelingt es durch die Zahlenwerte zu verdeutlichen dass gleiche Abst nde zwischen den Skalenpunkten vorhanden sind und dass damit einhergehend von inte
8. 7 4 3 3 Darstellungsstrategie Zur Beantwortung der Fragestellung welche charakteristischen Unterschiede zwischen den sieben Wege Aktivit tenmuster Typen S der gefundenen Clusterl sung bestehen sind die einzelnen Partitionen S zu beschreiben und gegen berzustellen Dies geschieht auf zwei Analyseebenen Erstens bilden die erstellten Wege Aktivit tsprofile vgl Abbildung 7 7 bis 7 13 die Basis zur Herausarbeitung von Unterschieden zwischen den Wege Aktivit tenmuster Typen Si Relevante Parameter sind dabei die Zeitanteile der Zust nde z Zweitens erfolgt auf einer nachgelagerten Stufe je Wege Aktivit tenmuster Typ S die wege orientierte Analyse ausgew hlter Kenngr en des Verkehrsverhaltens vgl Tabelle 7 3 die nicht urs chlich zur Abgrenzung der Cluster S beigetragen haben Abzuleiten sind diese Indikatoren aus dem Datenmaterial des MOP Innerhalb des gew hlten Makrozeitabschnittes der Woche als Basis zur interpersonellen Analyse des Aktivit ten Verkehrs verhaltens existieren untergeordnete Zeitebenen vgl Tabelle 7 3 Statt die einzelnen Cluster S getrennt zu behandeln findet eine bergreifende Vergleichsanalyse statt Eine bessere Strukturierung der Darstellung erm glicht dabei eine zweistufige Erl uterungs strategie Erstens erleichtert soweit inhaltlich vertretbar in einer ersten Phase eine Zusammenfassung mehrerer Cluster S und oder Betrachtungszeiteinheiten zu gr beren Einheiten u
9. Tabelle 6 4 Korrelationskoeffizienten r f r die Variation der Zustandsr ume Z yX konstante Parameter At 5 min Csub z 2 AP z 2 Cind z AP z Zustandsr ume X Er zy gt gt gt gt N N N N Zi y Z w u Z a 11 00 0 38 0 30 0 08 Z y Zw U Za 1 00 10 82 0 10 Za y Za w U Za 1 0 0 35 Z y c Z w x Za 1 0 alle Korrelationen sind auf einem Niveau von 0 01 signifikant 18 Ausgabe SPSS 1 i EHEOHEHE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK Grobstruktur der Zustandsr ume handlungstypspezifisch Kein linearer Zusammenhang besteht zwischen den berechneten Sequenzdistanzen Dbio S s es der Vergleichsf lle f bzw f wenn unterschiedliche handlungstypspezifische Zustandsr ume Z y zugrunde liegen vgl Tabelle 6 4 Eine Affinit t ist auch bei ungef hr identischer Anzahl der Zust nde yv beider Alternativen nicht feststellbar Daraus l sst sich schlie en Gegens tze in den Darstellungsweisen von Wege Aktivit tenmustern s schlagen sich in gro en Abweichungen zwischen den Sequenzabst nden D S S sscs nieder Auf der Suche nach Gr nden bietet sich folgender Erkl rungsansatz an Die den jeweiligen Zustandsr umen Z y beider Varianten dazugeh rigen Zust nde y liegen aus inhaltlicher Sicht sehr weit auseinander da sich jene durch eine ungleiche Anzahl von Mer
10. bei nominalen Merkmalen kj 1 Logitkoeffzient des Merkmalswertes der unabh ngigen Variablen k1 k2 bei Kategorie i i 1 2 I 1 der abh ngigen Variablen konstanter Logitkoeffizient bei Kategorie i i 12 l 1 der abh ngigen Variablen Um aussagekr ftige Ergebnisse mit dem Logit Modell zu erhalten sind Anforderungen an die Stichprobengr e der zu untersuchenden Daten zu stellen Welcher Umfang die Stichprobe haben sollte h ngt im Wesentlichen von der Anzahl der Merkmalswerte sowohl der erkl renden Variablen als auch den Pr diktoren k ab Pro Kategorie i der abh ngigen Variablen nennen Backhaus et al 2003 eine minimale Fallzahl von 25 Beobachtungen berdies formulieren Andre et al 1997 in Bezug auf die unabh ngigen Variablen folgenden berschl gigen Berechnungsansatz Die Anzahl zu sch tzender Logit Koeffizienten wird von der Fallzahl der Stichprobe subtrahiert Sie fordern dass hierbei m glichst ein Wert ber 50 besser ber 100 erzielt werden sollte 4 7 2 Vorgehensweise Die Durchf hrung einer Logit Analyse schlie t mehrere Ablaufschritte vgl Abbildung 4 8 ein wobei sich die eigene Herangehensweise am Vorgehen von Kunert 1992 orientiert A Spezifizierung des Modells Mit der Festlegung des Modells in der ersten Phase wird das Ziel verfolgt auf iterativem Wege die Anzahl der Pr diktoren k durch Verkleinerung des Umfangs des Merkmalsraumes M zu verdichten so dass das endg lt
11. A Aktivit t add Einf gen Arb Arbeiten dienstlich BMV Bundesministerium f r Verkehr BMVBW Bundesministerium f r Verkehr Bau und Wohnungswesen CHASE Computerized Household Activity Scheduling Elictor CHAID Chi squared Automatic Interaction Detector CADAC Computer assisted data collection CASI Computer assisted self interviewing del L schen E Einf sse Ek Einkaufen Service f Vergleichsf lle F zu Fu Frei Freizeit HAR Hausfrau Arbeitslose Rentner GIS Geographisches Informations System Individuum Person indel Einf gen L schen MCS Monte Carlo Simulation MNL Multinominale Logit Analyse MOP Deutsches Mobilit tspanel MIV S motorisierter Individualverkehr Selbstfahrer MIV M motorisierter Individualverkehr Mitfahrer S Situation sub Hinzuf gen P Priorit t Pk Personenkategorie V ffentlicher Verkehr OM Analysewerkzeug Optimal Matching KONTIV Kontinuierliche Befragung zum Verkehrsverhalten R Fahrrad W Weg bzw Ortsver nderung WA Weg Aktivit ts Folge U Umwelt Y aktivit ten bzw ortsver nderungsbezogene Handlung XII o00000 AUSGANGSLAGE UND L SUNGSANS TZE 1 AUSGANGSLAGE UND L SUNGSANS TZE 1 1 Problemstellung und Zielsetzung 1 1 1 Hintergrund Prozesse des gesellschaftliichen Wandels beeinflussen die individuelle Alltagsorganisation von T tigkeiten und Ortsver nderungen und damit letztendlich die Entstehung von Verkehr Zu den untereinander verwobenen Entwic
12. C Z Z konst C Z konst mit z 2 c Z iyX mit Z y 218 Fall f D s s esll mits e S Abbbildung 6 1 Untersuchungsstrategie der Sensitivit tsanalyse eigene Darstellung EEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik 121 6 2 1 Variation der Darstellungsweisen des Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster Sequenzform Erfasstes individuelles Aktivit ten Verkehrs verhalten l sst sich auf unterschiedliche Art und Weise in der Form von Wege Aktivit tenmustern s abbilden vgl Abschnitt 2 2 2 was schematisch Abbildung 6 2 veranschaulicht Von vorneherein ausgegrenzt bleiben f r die Analyse des Raum Zeit Verhaltens im Anwendungsfall die beiden Sequenzformen der Ereignis und der Dauerreihe wegen der fehlenden bzw unzureichenden Einbeziehung von Merkmalen der zeitlichen Facette des Raum Zeit Verhaltens u a zeitliche Lage der T tigkeiten A und Ortsver nderungen W Somit reduzieren sich die zur Wahl stehenden Alternativen auf die Ereignisdauer und die Intervallreihe Verzichtet wird auf die Durchf hrung eines Vergleichs zwischen den beiden letztgenannten Sequenzformen um zu berpr fen ob und inwieweit infolge dieser unterschiedlichen Darstellungsweisen bei der Anwendung der Optimal Matching Technik unterschiedliche Ergebnisse erzielt werden Die Festlegung auf die
13. Cluster S mit fast drei von vier Wegen als MIV Selbstfahrer sowie sehr geringen Quoten f r alle anderen Modi und Cluster Sy mit lediglich etwas ber jedem 10 Weg als MIV Selbstfahrer sowie gro en Anteilen f r die V Nutzung 24 7 das MIV Mitfahren 22 8 und die Fahrradnutzung 20 1 die Extreme der Typologie repr sentieren Die Struktur der Verkehrsmittelnutzung bei allen anderen Clustern S bewegt sich zwischen diesen beiden Polen 164 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS ZAAT NNANNANANANANANAAANAAAAAA AN abe alle N on abe e le oS es dd oq N 1a ow e alle ow Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle Falle Cluster 3 V Nutzung Fahrrad A MIV Selbstfahrer N MIV Mitfahrer on RE ENDEN BB EIS SS abe e le oS eS 4d oq In q on abe e le oS es 4d oq In 1a ow Cluster 2 Cluster 1 E zu Fuss 100 40 20 PN PN amp BunzynujsyiwsiysyuaA Bus ozaqga aem 0 wegebezogene Verkehrsmittelnutzung im Wochenverlauf je Cluster und f r alle F lle Daten Mobilt tspanel 97 98 ungewichtet n Abbildung 7 19 2247 F lle Gleichung 7 1 unterschreitet f r die Das ermittelte standardisierte Entropie Ma Es vgl intracluster Zustandsverteilungen der Verkehrsmittelnutzung nach Wegen mit der Ausnahm
14. Im Mittelpunkt der Forschungsarbeiten von Joh et al 2001 und Joh et al 2002 stehen jeweils methodische Weiterentwicklungen der Optimal Matching Technik Einerseits erweitern Joh et al 2002 deren eindimensionalen Grundansatz zu einer mehrdimensionalen Rechenvorschrif um m glicherweise vorhandene Interdependenzen zwischen den Merkmalen y des Aktivit ten Verkehrs verhaltens beispielsweise die Abh ngigkeit von Entscheidungen der Ziel und Verkehrsmittelwahl m glichst realit tsnah abzubilden vgl Abschnitt 2 2 2 76 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Andererseits nehmen Joh et al 2001 in einem weiteren Ansatz eine Modifikation des urspr nglichen Berechnungsalgorithmus vor um Positionsdifferenzen zwischen gemeinsamen Zustandselementen z zweier Wege Aktivit tenmuster s abzubilden sofern eine Repositionierung dieser Zustandselemente z stattfindet Anwendungszweck der Optimal Matching Technik ist die Berechnung von Distanzen D s S ses zwischen simulierten und erfassten Wege Aktivit tenmustern s als G tema zur Validierung der Ergebnisse des Verkehrsnachfragemodells ALBATROSS vgl Arentze et al 2000 Rindsf ser et al 2000 und Zimmermann et al 2001 mobidrive Studie kn pfen direkt an die methodischen Grundlagen der Sequenzvergleichsanalyse von Wilson 1998 an wohingegen sie st rker anwendungsorientiert vorgehen Im Mittelpunkt beider Publikat
15. Logik der INDIVIDUUM O Situation Wege Aktivit tenmuster M glichkeiten und Eigenschaften Einstellungen Werthaltungen usw interne Bedingungen CE E s CH 1 T T Makrozeitabschnitt Mikro Ebene HANDLUNG Abbildung 4 2 konzeptioneller Rahmen des Multimethodenansatzes a Logik der Aggregation von individuellen Wege Aktivit tenmustern zu kollektiven Wege Aktivit tenmuster Typen bzw Wege Aktivit tsprofilen Die Logik der Aggregation behandelt als formaler logischer Schritt den Mikro Makro bergang von den individuellen Handlungen in Form realisierter Wege Aktivit tenmuster s mit s e S zu den Makro zust nden der Wege Aktivit tenmuster Typen S bzw deren abgeleiteter Darstellungsform den Wege Aktivit tsprofilen wozu Transformationsregeln und bedingungen aufzugreifen sind Die Transformationsregel der empirischen Typologiebildung nat rliche Klassifikation d h f r die Zusammenfassung einzelner empirisch erfasster Wege Aktivit tenmuster s zu gr beren Einheiten S auf Makroebene basiert auf dem Grundprinzip der externen Heterogenit t der verschiedenen Wege Aktivit tenmuster Typen S und der internen Homogenit t desselben Typus S Eine hohe Komplexit t individueller Wege Aktivit tenmuster s legt eine Aggregationsstrategie zur Strukturierung nahe um trotz eines ausufernden Umfangs des aktivit ten bzw ortsver nderungsbezoge
16. die wesentlichen Auswirkungen der Festlegung der Transformationsaufwandswerte Ca anhand der Effekte auf die Sequenzdistanzen abgesch tzt werden generelle Beeinflussbarkeit Aus der Spannweite der ermittelten linearen Korrelationswerte r der Gegen berstellungen a bis i zeigt sich klar Die mit Hilfe der Optimal Matching Technik berechneten Sequenzabst nde Dpio S s es lassen sich fast ausnahmslos durch die Variation der Festlegung der Aufwandswerte C beeinflussen inhaltliche Ausrichtung Zur Beantwortung der Frage wie sich eine zustandsabh ngige Ausrichtung der Aufwandswerte Csu Z bzw Cualz im Vergleich zu einer zustandsunabh ngigen Spezifizierung jener Parameter auswirkt ohne zun chst den Aktionstyp Substituieren oder Indel zu beachten indizieren die Vergleichskonstellationen a bis f vorwiegend deutliche Abweichungen zwischen den Abstandsindizes D S 8 s s s Daraus folgt Durch eine inhaltliche Ausrichtung ergeben sich meist andere Sequenzabstandsma e Dhpio S s es inhaltliche Ausrichtung nach Aktionstyp Aus der Betrachtung der Auswirkungen unterschiedlicher Aufwandswertetypen C Z 2 bzw Cina Z je nachdem ob die Parameter zustandsabh ngig oder unabh ngig spezifiziert sind zeichnet sich Folgendes auf die berechneten Sequenzabst nde D S S ss s ab Aus den Gegen berstellungen b und e geht lediglich tendenziell ein mittleres lineares Zusammenhangsma r hervor w hrenddessen die Vergleiche c un
17. Priorit t Pooven si a 2 p Wert Bewertung SE GIR RA Sl a e Signifikanz wert abweichung 0 Aktivit t 674 0 48 1 27 1 1 Ausbildung 47 0 85 1 22 0 000 2 1 Arbeiten dienstlich 94 0 85 1 16 0 000 3 1 Freizeit 144 0 47 1 28 0 000 4 1 Einkaufen Service 144 0 37 1 25 0 000 5 1 zu Hause 245 0 25 1 27 0 000 BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 115 e Betrachtungseinheit berg nge zwischen Ortsver nderungen und ungeplanter Zeit Dargestellt in Tabelle 5 17 sind Endknoten unterschiedlicher Priorit ten PoverlS W Nachstehende Rangfolge enth lt Segmente s w 2 von Zeitplanungsvorg ngen die durch Aus pr gungen w der Trennvariablen Fortbewegungsart w gekennzeichnet sind Das Hinzuf gen oder Streichen von Ortsver nderungen W mit dem ffentlichen Verkehr erreicht deutlich abgesetzt die h chste Wichtigkeit P over S W Im Vergleich dazu liegen die Priorit ten Pcover S W der nicht motorisierten Verkehrsmittel im mittleren Bereich der Hierarchie wobei die Fahrradnutzung noch st rker als das Unterwegssein zu Fu nach unten abf llt Am unteren Ende der Rangfolge ordnen sich die Segmente s w der MIV Nutzung an wobei das MIV Selbstfahren und das MIV Mitfahren nur geringf gig voneinander abweichen Im Vergleich mit der Priorit tshierarchie realisierter Ortsver nderungen vgl Tabelle
18. Trennmerkmal o Merkmalsauspr gungen oi Zeitplanungsoperationstyp hinzuf gen ins verwerfen del modifizieren sub Trennmerkmale y Merkmalsauspr gungen y Aktivit tstyp a Arbeiten dienstlich Bildung Einkaufen Service Freizeit Zu Hause Verkehrsmittel w zu Fu Fahrrad MIV Selbstfahrer MIV Mitfahrer V Nutzung ng Erstens findet im Gegensatz zum Mobilit tspanel MOP keine Unterteilung der Heimwege in unterschiedliche Wegezweckkategorien w in Abh ngigkeit des T tigkeitstyps a der vorherigen Aktivit t statt sondern jene werden mit dem Merkmalswert w nach Hause bezeichnet Zweitens werden beim Merkmal Aktivit tstyp a im Sinne inhaltlicher Erw gungen die Auspr gungen Service und Einkaufen sowie dienstlich und Arbeiten wegen der geringen H ufigkeiten der jeweils erstgenannten Kategorien vereint Drittens subsummiiert bei den Fortbewegungsarten w die Kategorie ffentlicher Verkehr die Verkehrsmittel Bus Stra enbahn U Bahn S Bahn Zug Flugzeug usw Zus tzlich schlie t die genannte Oberkategorie die Auspr gung sonstige wegen des geringen H ufigkeitswertes ein Weiterhin bilden die Kategorien Pkw Fahrer und motorisiertes BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 105 5 4 4 Datenanalyse Die Ziel der Datenanalyse Bildung homogener Segmente s y realisierter aktivi
19. aber Ans tze sind erst vage oder gar nicht erkennbar wie der nachstehend dokumentierte Stand der Wissenschaft belegt Ohne inhaltliche Gesichtspunkte zu ber cksichtigen setzt Wilson 1998 als Aufwandswerte Ce die Standardwerte 1 f r match O f r mismatch und O f r das Einf gen einer L cke an Gleiches Vorgehen der Spezifizierung pauschaler Aufwandswerte C trifft auf die Forschungsarbeiten von Joh et al 2001 und Joh et al 2002 zu Der von Joh et al 2002 formulierte multidimensionale Berechnungsalgorithmus weist dar ber hinaus die ungel ste Schwierigkeit der Festlegungserfordernis einer Vielzahl weiterer Gewichtungsfaktoren z B Gewichte der einzelnen Merkmale y in Bezug auf y auf ohne deren Gr en bisher argumentativ bzw empirisch hinreichend begr nden zu k nnen Eine identische Strategie der Parameterfestlegung wie Joh et al 2002 verfolgt Schlich 2003 Zwar variieren Rindsf ser et al 2000 die Wertigkeiten f r das Einf gen und Erweitern von L cken gaps im Rahmen einer Sensitivit tsanalyse Dennoch setzen Rindsf ser et al 2000 und Zimmermann et al 2001 im Zuge der empirischen Analysen nicht n her spezifizierte Standardwerte als Aufwandswerte C fest Dagegen sind erste Ans tze einer inhaltlichen Ausrichtung bei Heller Kemp et al 2000 auf modelltheoretischer Basis erkennbar Je nach Erwerbsstatus der Person werden bei Aktivit tsketten f r die berg nge
20. angewandt um jeweils den Abstand D s 5 f r die paarweise Gegen berstellung von jedem Wege Aktivit tenmuster s mit jedem anderen s 5 e S zu quantifizieren Es handelt sich dabei um eine Analysemethode zur Distanzermittlung die dem Abbildungsprinzip biologischer Distanzen folgt Dadurch wird wie im Verlauf des Kapitels begr ndet eine vergleichsweise wirklichkeitsn here Abbildung von Abst nden D s 8 s s zwischen Wege Aktivit tenmustern s erreicht was bereits als Forderung formuliert wurde 2 Der zweite Analyseschritt die Anwendung eines Fusionsalgorithmus der Clusteranalyse ben tigt als Ausgangspunkt die berechnete Distanzmatrix D aller Sequenzabst nde aus der vorherigen Analysestufe Ergebnis der Fusionierung ist eine Wege Aktivit tenmuster Typologie die aus mehreren Wege Aktivit tenmuster Typen S mit S c S besteht 3 Im letzten Schritt kommt ein multinomiales Logit Modell zum Einsatz um zu ergr nden welche Ursache Wirkungs Beziehungen zwischen individuellen und kontextuellen Erkl rungsgr en repr sentiert durch das Merkmalsauspr gungsset k auf der einen Seite und der Affinit t zu EHEHEHE Multimethodenansatz 57 Wege Aktivit tenmuster Typen S auf der anderen Seite besteht Dies geschieht durch Identifikation ma gebender Trennvariablen k sowie der Analyse entsprechender Effekte das hei t die Ermittlung der Wirkungsrichtung und Wirkungsst rke der Merkmalswerte kj diskriminierender Pr diktoren k En
21. bei Organisations bzw Reorganisationsvorg ngen von Tages bzw Wochenabl ufen und die H ufigkeit der Ver nderung von Merkmalen y von Aktivit ten bzw Ortsver nderungen bei Modifikationsoperationen Es wird angenommen Zeitplanungsaktionen bzw Ver nderungen bestimmter Merkmale y von T tigkeiten A bzw Wegen W mit seltenem Vorkommen sind mit einer h heren Bedeutung Peovet ZU versehen h ufige mit niedrigerer In einer zweiten Annahme Il wird spekulativ unterstellt Zeitplanungsentscheidungen die mit weitem Abstand zum Realisierungszeitpunkt getroffen werden f hren zu einer h heren Priorit t Pcover Der Umkehrschluss lautet Spontane Vorg nge gehen eher mit einem niedrigeren Stellenwert P over einher Als dritte These Ill kann formuliert werden dass sich die Kongruenz in Planung und Ausf hrung von Handlungen Y in deren Bedeutung widerspiegelt Diejenigen Aktivit ten A bzw Ortsver nderungen W mit einer bereinstimmung von Planung und Realisierung lassen eher einen hohen Stellenwert P overr vermuten Bleibt hingegen eine geplante Handlung Y unausgef hrt l sst dies auf eine niedrige Wertigkeit Pecovert Schlie en Zur Argumentation eignen sich die empirischen Ergebnisse der Arbeiten von Doherty et al 2000 und Chen et al 2000 Art der Zeitplanungsoperation Erstens zeigt die Studie von Doherty et al 2000 folgende Resultate im Hinblick auf eine Unterscheidung der Zeitplanungsoperationstypen nach der H u
22. der Fall ist K hnel 1993 Und zweitens fehlt ein kausalanalytischer Zugang Die Parameter der linearen Diskriminanz funktion zur Sch tzung der Zuordnung der F lle zu den Merkmalswerten der abh ngigen Variablen lassen sich nach K hnel 1993 nicht zwingend als kausale Beziehungen interpretieren c Logik der Situation Einflussfaktoren des individuellen Aktivit ten Verkehrs verhaltens In der Logik der Situation geht es darum zu kl ren welche und wie externe Rahmenbedingungen der Umwelt Makroebene einerseits sowie die internen Eigenschaften und M glichkeiten Einstellungen usw der Person Mikroebene andererseits die inter und intrapersonelle Variabilit t im Raum Zeit Verhalten beeinflussen vgl Abschnitt 2 2 3 Gesucht werden demnach un abh ngige Merkmale k der Person des Haushaltes der verkehrs infrastrukturell r umlichen Umwelt usw mit denen eine Beschreibung der subjektiven Situation im Sinne einer vereinfachten Abbildung der Realit t optimal gelingt Die entsprechenden Variablen gehen dann als potenzielle Erkl rungsgr en k in die Formulierung des Logit Ansatzes zur Modellierung von individuellen Affinit ten zu Wege Aktivit tenmuster Typen S ein Ohne auf eine konkrete Datenlage mit fehlenden oder vorhandenen Erkl rungsgr en k einzugehen verbleibt im Folgenden lediglich eine Diskussion grundlegender Zusammenh nge individuelle Eigenschaften und M glichkeiten Unbestritten ist dass insbesondere di
23. in das Distanzma Dpio S ss s zwischen Wege Aktivit tenmustern s ein Recker et al 1980 legen hierf r subjektiv eine Hierarchie von Aktivit tstypen fest w hrend bei dem von Pas 1980 angewandten hnlichkeitsindex Gewichtungsfaktoren f r einzelne Merkmale y spezifiziert werden m ssen G nzlich au en vor bleibt der Aspekt einer empirischen Fundierung entsprechender Abst nde Aly y bei allen hier betrachteten Publikationen vgl Tabelle 3 3 d Einbeziehung potenzieller Erkl rungsgr en d1 d 2 d3 d4 54 individuelle Eigenschaften und M glichkeiten Variablen k die f r Charakteristika und Chancen der Personen stehen die sozio demografischen Merkmale beispielsweise Alter Erwerbsstatus usw sind bei allen herangezogenen Arbeiten in hnlicher Art und Weise als potenzielle Erkl rungsgr en ber cksichtigt individuelle Einstellungen Orientierungen Motive Stilisierungen usw Die betrachteten Forschungsarbeiten vernachl ssigen Aspekte des Erkl rungs hintergrundes des Lebensstils da das jeweils zugrunde gelegte Datenmaterial keine entsprechenden Variablen enth lt soziale Umwelt Ebenfalls durchweg beachtet werden bei allen Untersuchungen haushaltsbezogene Variablen k die Ausschnitte der sozialen Umwelt erfassen verkehrs infrastrukturell r umliche Umwelt Zur Strukturierung jenes Teils der Umwelt soll unterschieden werden auf welchen der drei r umlichen Ma stabsebenen Sta
24. und als einzige Querschnitts untersuchung behandelt Folgende Kriterien bestimmen die Auswahl und Anzahl der F lle 140 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Erstens kommen zur Analyse des Aktivit ten Verkehrs verhaltens auf Wochenbasis aus inhaltlichen Erw gungen nur F lle aus Normalwochen das hei t Wochen ohne Feiertage infrage Da sowohl das Raum Zeit Verhalten am Feiertag als auch an den angrenzenden Tagen deutlich von demjenigen der Normalwoche abweicht begr ndet dieses Vorgehen vgl Kunert 1992 Zweitens setzt die Leistungsf higkeit bzw Kapazit t der zur Verf gung stehenden Soft und Hardware Berechnungszeit Dateigr en usw Grenzen Datens tze mit Fallzahlen um ca 2200 F lle ber eine Woche sind unter den vorhandenen Randbedingungen gerade noch mit vertretbarem Aufwand zu bew ltigen Drittens findet im Gegensatz zu Lipps 2001 kein Ausschluss von F llen statt die durch besondere Umst nde wie Krankheit Urlaub usw betroffen sind Es wird die Auffassung vertreten dass es sich dabei um v llig normale Situationen des Alltagsverhaltens handelt die keinesfalls eine Weglassung rechtfertigen Im Gegenteil Eine realit tsnahe Abbildung des Aktivit ten Verkehrs verhaltens erfordert eine Einbeziehung entsprechender F lle um die intrapersonelle Variabilit t umfassender zu ber cksichtigen vgl Kunert 1992 Schlich 2003 Die erreichte Fallzahl bet
25. zu Fu 0 19 0 09 0 12 0 15 0 17 0 10 0 11 0 16 Fahrrad 0 03 0 03 0 03 0 05 0 03 0 04 0 08 0 04 MIV Selbstfahrer 0 25 1 04 0 45 1 01 0 40 0 37 0 07 0 34 MIV Mitfahrer 0 13 0 08 0 07 0 11 0 13 0 12 0 15 0 12 V Nutzung 0 08 0 03 0 16 0 06 0 17 0 11 0 29 0 12 Arbeiten dienstlich 0 10 6 55 5 37 3 35 2 17 5 12 0 09 2 15 Ausbildung 0 01 0 01 0 02 0 03 0 15 0 28 3 48 0 29 Einkaufen Service 0 48 0 20 0 25 0 30 0 33 0 26 0 14 0 35 Freizeit 1 21 1 07 1 19 1 21 1 15 1 14 1 44 1 22 Aktivit ten zu Hause 20 28 14 05 15 10 16 49 18 07 15 21 16 50 17 59 Ortsver nderungen 1 10 1 29 1 25 1 40 1 32 1 16 1 12 1 19 Aktivit ten Au er Haus 2 22 8 25 7 25 5 30 4 21 7 22 5 56 4 42 EHEHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen Tabelle G 2 Kenngr en des Verkehrsverhaltens nach Cluster und f r alle F lle Cluster Cluster S Cluster S ClusterS Cluster S Cluster S Cluster S Cluster S alle F lle Parameter Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Au er Haus Anteil je Tag und Fall alle Aktivit ten Wege 87 72 96 59 96 29 96 50 92 19 97 08 93 30 91 89 wegebezogene Verkehrsmittelnutzung Anteil je Tag und Fall zu Fu 26 9 12 1 16 6 14 8 20 6 14 0 21 0 21 0 Fahrrad 7 9 4 1 6 5 7 4 6 4 9 4 20 1 8 6 MIV Selbstfahrer 43 1 73 9 58 6 63 6 53 5 52 0 11 4 48 0
26. 1 57 0 85 dienstlich Bilden 0 00 0 28 0 34 0 42 0 34 1 11 1 17 1 31 1 46 0 85 Einkaufen 0 001 0 06 0 14 0 06 0 83 0 89 1 03 1 18 0 37 Service Freizeit 0 00 0 08 0 00 0 77 0 83 0 97 1 12 0 47 zu Hause 0 00 0 08 0 69 0 75 0 89 1 04 0 25 V Nutzung 0 00 0 77 0 83 0 97 1 12 0 43 MIV Selbstfahrer 0 00 0 06 0 20 0 35 0 39 zu Fu 0 00 0 15 0 29 0 21 Fahrrad 0 00 0 15 0 30 MIV Mitfahrer 0 00 0 40 2 0 00 HEHHEE ANHANG E Aufwandswertematrizen E 2 Tabelle E 4 Aufwandswertematrix Zu y c Za w x Za a Ausbildung Einkaufen Service x MIV Selbstfahrer MIV Mitfahrer x x x S ESE N IN EJN g oe m m lt m s 825 3e D5 Er an 7 5 ESES 5 S 5 20 x Ka c 8 c Sig Elg 2g 242818 oja d a Tje zje A SNEDE SA ASSL S Arbeiten dienstlich Freizeit x zu Fu Fahrrad 0 00 0 10 0 05 0 44 0 09 Arbeiten dienstlich Freizeit x MIV Selbstfahrer MIV Mitfahrer 0 45 0 50 0 11 0 03 Arbeiten dienstlich Freizeit x V 1 06 0 79 Ausbildung Einkaufen Service x alle Verkehrsmittel 0 05 0 14 zu Hause x zu Fu Fahrrad 0 00 0 15 zu Hause x MIV Selbstfahrer MIV Mitfahrer 0 33 zu Hause x V 0 36 2 0 00 BEBBE ANHANG E Aufwandswertematrizen E 3 _ Men Auswahl Wegeda
27. 20 Minuten Fu weg Zufriedenheit mit der Anbindung an ffentliche Verkehrsmittel ja nein im gro en und ganzen zufrieden sollte verbessert werden nominal nominal EEHEEHE Anhang H I potenzielle Erkl rungsgr en Kreuztabellenanalyse Clusterzuordnung S S2 S S4 S5 Se S7 2 5 k 50 lt 1 ou I c 2 g 2 fk er Ss 2 22 o i E o c 3 JERSE T g 2 J c 552 5 gt EE Anzahl der Merkmalswerte lt A SIXIN amp N lt a lt d Mikroebene der Person M glichkeiten und Eigenschaften der Person Geschlecht 2 2247 O M 0 327 v M Altersklassen 4 2247 O VI 0 936 M M Berufst tigkeit 4 2237 0 M 1 224 M v Schulabschluss 5 2225 1 VI 0 796 M M Pkw Verf gbarkeit 3 1711 9 5 M 0 179 M Pkw F hrerscheinbesitz 2 2247 0 M 0 547 M M verkehrsrelevante Motorisierung 1711 25 0 194 FS Pkw und Pkw Verf gbarkeit 4 PNV Zeitkartenbesitz 2 1924 0 M 0 332 V M F hrerschein Motorrad 2 2247 O M 10 198 Besitz Motorrad Mofa usw 2 2247 7 1 M 10 141 Besitz Fahrrad 2 2247 0 VI 10 182 Makroebene der Umwelt soziale Umwelt Haushaltstyp 4 2247 O M 0 624 M M Stellung im Familienzyklus 9 2247 11 1 M 10 955 M Alter Kinder im Haushalt
28. ANHANG H IV Ergebnisse der Logit Analyse Chancenverh ltnisse OOGOOOSDO V ABBILDUNGSVERZEICHNIS Abbildung 1 1 Zuwachs an Komplexit t und Heterogenit t im Aktivit ten Verkehrs 2 Verhalten Abbildung 1 2 Abbildungseigenschaften der Optimal Matching Technik Abbildung 1 3 Strukturierung der Arbeit in Analyseebenen Abbildung 1 4 Aufbau der vorliegenden Arbeit Abbildung 2 1 Schwerpunktbildung aktivit tenorientierter Forschung im Zeitverlauf 13 Abbildung 2 2 theoretisches Grundmodell zur Erkl rung des Aktivit ten Verkehrs 14 verhaltens Abbildung 2 3 Darstellungsweise eines Wege Aktivit tenmusters zustandsorientierte 22 Schreibweise Abbildung 2 4 Darstellungsweisen von Wege Aktivit tenmustern in Sequenzform 23 Abbildung 2 5 Interdependenzen und Dependenzen von Entscheidungen bei 24 aktivit ten bzw wegebezogenen Handlungen Abbildung 2 6 Modellvorstellung der individuellen Handlungsabfolge Zeitplanung 28 Realisierung und Bewertung Abbildung 2 7 Endogene und exogene Ver nderungen 30 Abbildung 2 8 angepasste und induzierte Dynamik von Prozessen aktivit ten und 31 ortsver nderungsbezogener Handlungen Abbildung 3 1 Klassifikationsschema Untersuchungsans tze des Raum Zeit 36 Verhaltens globale Systematik Abbildung 3 2 Wege Aktivit tenmustertypologie und Wege Aktivt tenmustertyp 37 Abbildung 3 3 Klassifikationsschema musterorientierter Untersuchungsans tze des 43 Raum Zeit Verhaltens s
29. Cyxt Cxxw Cxxb Cx Gesamtvarianz Coi Binnenclustervarianz w steht f r within Cxxb Zwischenclustervarianz b steht f r between Folgende Formeln beschreiben die Berechnung der einzelnen Teile der Quadrat summenzerlegung vgl Bortz 1999 Gleichung 7 3 C y IK x i j Gleichung 7 4 C yw Slx X J i j Gleichung 7 5 C y 1 yo Xy i X arithmetischer Mittelwert des Merkmals x aller F lle s der Sequenzmenge S X arithmetischer Mittelwert des Merkmals x aller F lle j des Clusters S Anzahl der Cluster S X Wert des Merkmals des j ten Falles des Clusters S EEHEHE Fallbeispiel gt 7 4 3 2 Kenngr en und Validit t der Clusterl sung Fallzahl der Cluster Wie Tabelle 7 2 zeigt weichen die Fallzahlen der Partitionen S erheblich voneinander ab Als Extreme identifizierbar sind Cluster S4 als gr te Gruppierung der Typologie mit 1005 Wege Aktivit tenmustern s 44 1 das sich deutlich von den anderen Partitionen S absetzt und Cluster S mit der geringsten Besetzung lediglich 44 Wege Aktivit tenmustern s 2 0 um fassend das ebenso einen gro en Abstand zu dem zweitkleinsten Wege Aktivit tenmuster Typ S aufweist hnlichkeiten der Cluster Unter Hinzuziehung des Dendrogramms der Clusteranalyse vgl Abbildung 7 1 das dar ber Aufschluss gibt welche Cluster S hnlicher bzw un hnlicher sind wird im betrachteten Ausschnitt deutlich Cluster S4 bleibt im
30. Die Zweckdienlichkeit der Struktur des entstandenen Segmentzustandsraumes Z s wa der erzielten Klassifikation als Basis f r die Bildung von Wege Aktivit tenmustern s ist jedoch anzuzweifeln da diese inhaltliche Widerspr che aufweist Wenig konsistent sind beispielsweise Segmentzust nde s wa die sowohl durch disponible als auch obligatorische Aktivit tstypen a gekennzeichnet sind 114 gumOnn Anwendungsvoraussetzungen Optimal Matching Technik Tabelle 5 15 Segmentzust nde der Merkmale Aktivit tstyp und Verkehrsmitteltyp INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Rang Baum Segmentzust nde Anzahl Priorit t Poven si war p Wert Bewertung stufe s wa der F lle Mittel Standard Signifikanz Nges 536 wert abweichung 0 Weg Aktivit ts Folge 536 0 22 1 19 1 1 Arbeiten dienstlich Freizeit 185 0 32 1 17 0 103 0 DAEA X OV MIV S MIV M F R 1000000000 uam a EE EEE 2 Arbeiten dienstlich Freizeit 22 1 05 1 00 0 000 x V 2 1 zu Hause x 215 0 25 1 19 0 103 0 a OV MVS EYE E RT 22 02 150 denn aa Erna ann Bnn Sun nu Ein ulE za nz u Sul Zn mn an nn 2 zu Hause X OV 22 0 91 0 97 0 002 3 1 Arbeiten dienstlich Freizeit 185 0 32 1 17 0 103 0 nl x V MIV S MIV M E R gt oo nn ae eaea aaa 2 Arbeiten dienstlich Freizeit 85 0 49 1 28 0 000 x MIV S MIV M 4 1 zu Hause x 215 0 25 1 19 0 1
31. Heft 7 S 128 157 Institut f r Verkehrsplanung und Verkehrswegebau TU Berlin Beckmann K J 1983 Untersuchung kleinr umiger Raum Zeit Verhaltensweisen als Grundlage f r Infrastrukturplanungen in Innenstadtbereichen Heft 36 Institut f r Stadtbauwesen TU Braunschweig Beckmann K J 2000 Verkehrsmodelle Forschung und Anwendung in der Praxis oder Das Dilemma von methodischen M glichkeiten und planungspraktischen Rahmenbedingungen in Schriftenreihe Stadt Region Land 69 S 9 26 Institut f r Stadtbauwesen Hrsg RWTH Aachen Beckmann K J 2001 Alltagsmobilit t und Standortentscheidungen in Schriftenreihe Stadt Region Land 71 S 11 32 Institut f r Stadtbauwesen Hrsg RWTH Aachen Ben Aktiva M Bowman J Gopinath D 1996 Travel demand model system for the information era in Transportation 23 S 241 266 Berger M 2000 Abbildung und Erkl rung von Unterschieden zwischen Aktivit tenmustern ein Multimethodenansatz unter Verwendung der Optimal Matching Technik in Schriftenreihe Stadt Region Land 69 S 145 155 Institut f r Stadtbauwesen Hrsg RWTH Aachen Berger M 2000 Formation of typologies of similar changes and differences in activity behaviour a multi method approach under application of the Optimal Matching Technique in Conference Proceedings 9 International Association for Travel Behaviour Research IATBR Conference Gold Coast Queensland Australien 2 7 J
32. Inhaltliche Ausrichtung des Sequenzvergleichsverfahrens Ber cksichtigung der Un hnlichkeiten t tigkeiten bzw ortsver nderungsbezogener Handlungen Der Anspruch lautet durch die Ber cksichtigung von Abst nden Aly y zwischen den Zust nden y aktivit ten bzw ortsver nderungsbezogener Handlungen Y eine h here Realit tsn he bei der Ermittlung der Sequenzdistanzen D s s s zu erreichen d Einbeziehung potenzieller Erkl rungsgr en Prinzipiell kommen als Erkl rungsgr en von Wege Aktivit tenmuster Typen S alle Indikatoren k infrage die M glichkeiten und Orientierungen der Person sowie Einfl sse der interpersonellen und verkehrs infrastrukturell r umlichen Umwelt erfassen Je nachdem ob Variablen k dieser Einflussfelder in Betracht gezogen werden oder nicht sagt dies etwas ber die m gliche Erkl rungskraft des induktiven Modells aus Uhnterbleibt die Einbeziehung potenzieller Erkl rungsgr en k gelingt m glicherweise die Deutung von der Variation im individuellen Raum Zeit Verhalten nur unzureichend Diskutiert wird dieser Zusammenhang im Folgenden anhand der Einflussfelder des erl uterten theoretischen Modells zur Erkl rung des Aktivit ten Verkehrs verhaltens vgl Kapitel 2 3 3 3 2 Bewertung der Untersuchungsans tze Tabelle 3 5 fasst die Ergebnisse der Bewertung zusammen Bei allen herangezogenen Forschungsbeitr gen wird anhand einer dreistufigen Rating Skala berpr ft welcher
33. M nchen Wien Sch nfelder S Axhausen K W 2000 Periodizit t im Verkehrsverhalten Erste Ergebnisse mit berlebenszeitmodellen in Schriftenreihe Stadt Region Land 69 S 131 144 Institut f r Stadtbauwesen Hrsg RWTH Aachen Schultz I 1997 Probleme der Erfassung des Verkehrsverhaltens Kritik an der KONTIV Forschungsverbund City mobil Frankfurt am Main Schulze H 1999 Lebensstil Freizeitstil und Verkehrsverhalten 18 bis 34 j hriger Verkehrs teilnehmer Berichte der Bundesanstalt f r Stra enwesen Heft M103 Bergisch Gladbach Simma A 2000 Wechselbeziehungen zwischen Lebensformen r umlichen Strukturen und Verkehrsverhalten Dissertation an der Universit t Innsbruck Innsbruck Smid M Follmer R Engelhardt K Kunert U Kloas J Kuhfeld M 2001 KONTIV 2001 Kontinuierliche Erhebung zum Verkehrsverhalten Methodenstudie Projektnummer 70 631 2000 Forschungsprogramm Stadtverkehr des Bundesministeriums f r Verkehr Bau EEHEHE iteraturverzeichnis 219 und Wohnungswesen http www kontiv2002 de pdf Methodenstudie Endbericht pdf 01 2004 Snellen D 2001 Urban form and activity travel patterns an activity based approach to travel in spatial context Technische Universiteit Eindhoven Faculteit Bouwkunde Stadler K 1985 Rating Skalen f r die praktische Sozialforschung Ein Kurzbericht in Kaase M K chler M Hrsg Herausforderungen der Empirischen Sozialfors
34. MIV Mitfahrer 16 6 8 2 9 3 11 0 12 5 15 8 22 8 14 3 V Nutzung 5 5 1 7 9 0 3 2 7 0 8 8 24 7 8 1 Wegezahl je Tag und Fall n alle Verkehrsmittel 3 26 3 45 3 79 4 49 3 92 3 79 3 55 3 57 Entfernung je Tag und Fall km alle Verkehrsmittel 28 24 58 83 48 55 51 93 58 60 42 27 26 92 38 62 Entfernung je Weg und Fall km alle Verkehrsmittel 8 67 17 06 12 80 11 55 14 96 11 15 7 59 10 83 zu Fu 1 45 1 60 1 38 1 63 1 42 1 59 1 10 1 42 Fahrrad 2 44 6 16 3 41 2 80 1 88 2 48 2 01 2 61 MIV Selbstfahrer 8 99 18 58 14 47 14 02 12 59 13 68 10 73 12 61 MIV Mitfahrer 17 44 26 94 15 08 14 39 21 03 15 25 11 37 16 37 V Nutzung 23 78 39 31 27 40 18 81 74 36 13 24 12 71 23 70 intrapersonelle Variabilit t je Tag und Fall Levensthein Distanz 7 12 18 80 17 49 15 37 15 15 19 31 12 53 12 08 EHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen Tabelle G 4 Homogenit t von Zustandsverteilungen nach Cluster und f r alle F lle Cluster S Cluster S4 Cluster S ClusterS Cluster S Cluster S Cluster Se Cluster S alle F lle Parameter Homogenit t von Zustandsverteilungen standardisierte Entropie Werte Est Wege Aktivit tsprofil 25 33 27 08 32 30 32 76 34 79 43 10 27 40 35 60 wegebezogene Verkehrsmittelnutzung 85 40 55 00 76 25 69 33 79 69 83 48 98 17 85 27 Au er Haus Anteil 53 74 21 47 22 88 21 87 39 54 19 05 35 48 40 59 Tabelle G 5 Anteile der Binnen u
35. Merkmalswerteraum Z y yya Z y Menge aller Merkmalswerte vi zur Beschreibung eines Merkmals y Zustands vektor y i p its y2 y Abk rzung f r die Kombination von i2 y3 aie Merkmalswerten y verschiedener Merkmale y y1 i1 11 te Auspr gung des Merkmals y1 Zustandsraum Z y a Zu x Z y Abk rzung f r Zustandsraum ziy2 e Z y1 Merkmalswerteraum des Merkmals y1 Zustands element Z ZN z Zustandselement der Zielssequenz 2 g Z y Zustandselement der Quellsequenz Abk rzung f r leeren Zustand leeres Zustandselement Menge der Sequenzen S s S endliche Menge aller Sequenzen s Cluster von Sequenzen Sic S Si durch Klassifizierung zusammengefasste S Su USI Sequenzen s zu einem Cluster S als Teilmenge der Menge aller Sequenzen S Sequenz S Z4 Z2 Zk ZK z Abk rzung f r Zustandsvektor vi mit Z4 Z2 Zk Zk Zustandselement z an der Position k der Sequenz Z y S mits eS Sequenzdistanz D s D s Sequenzabstand zwischen Quellsequenz s und Zielsequenz Distanzen aller Sequenzpaare Transformationsoperationen D D s s lt s Q ins del sub mitoeN D Zusammenfassung aller paarweisen Distanzen D s 5 zu einer Distanzmatrix Q Menge der Operationstypen Operation Operationsabfolgevektor o 1 Om mit m E Q Abk rzung f r Abfolgevektor von Transformationsoperationen Meng
36. N z 5 a la I3 2 5 E 3 Q Q ka O 5 2 z 3 Q a Pa O a T i9 Q D 2 gt D lt L o D fon g lt gt O fen 5 5 Fu X N 1 o 2 I5 5 2 3 2 0 lt m 02 L N X I a Beurteilung der Trennwirkung auf der Basis des LR Tests Signifikanzniveau gt 0 1 nicht signifikant auf Basis des 0 05 0 1 schwach signifikant LR Tests 0 05 0 01 signifikant lt 0 01 hoch signifikant Insgesamt l sst sich festhalten Merkmale des Raumes Raumtyp und des Haushaltes Haushaltstyp bleiben ohne substanziellen Einfluss was bedeutet Kontextbedingungen der Umwelt liefern keinen Beitrag zur Erkl rung der vorliegenden Wege Aktivit tenmuster Typologie W hrenddessen f llt die berragende Bedeutung der personenbezogenen Variablen Geschlecht F hrerscheinbesitz Stellung im Erwerbsleben usw hierf r auf 7 5 3 2 Sch tzung des Modells Der zweite Schritt umfasst die Sch tzung des endg ltigen multinomialen Logit Modells vgl Abbildung 4 8 mit den verbleibenden Erkl rungsgr en Geschlecht Alter Berufst tigkeit F hrerschein und PNV Zeitkartenbesitz 7 5 3 3 Beurteilung des Modells In Phase drei erfolgt die berpr fung sowohl der Aussagekraft des Gesamtmodells als auch einzelner Pr diktoren Zur Bewertung von Logit Modellen eignen sich verschiedene Testverfahren vgl Urban 1993 die unterschiedlichen Testlogiken folgen dem Nachweis der Anpassungsg te der Modellsch tzu
37. Service T tigkeiten wobei das Zeitbudget letzterer im Vergleich zu allen F llen weit berproportional ist Lediglich der allgemein wirksame Taktgeber Laden ffnungszeiten spielt eine Rolle vgl Abbildungen 7 3 und 7 4 148 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 100 ELILLILIILILIELTLTT 90 80 70 z E 60 D g E 3 50 d S 40 O N 30 20 10 0 Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle Cluster E Arbeiten dienstlich Ausbildung O Einkaufen Service W Freizeit E zu Hause O V Nutzung MIV Mitfahrer MIV Selbstfahrer Fahrrad Mzu Fu Abbildung 7 3 Zeitverwendung nach Clustern ber die Woche Cluster S Ausbildung Als kennzeichnend f r Cluster S erweist sich die Dominanz der Pflichtt tigkeit Ausbildung Faktor 7 7 demgegen ber nur marginale Zeitanteile f r die andere obligatorische T tigkeit Arbeiten dienstlich auftreten Somit pr gen die Uhnterrichtszeiten der Ausbildungs einrichtungen diesen Wege Aktivit tenmuster Typ Der Zeitaufwand f r au er Haus verbrachte Freizeitt tigkeiten bertrifft weit das Mittel aller F lle Dagegen nimmt zu Hause verbrachte Zeit wenig und Versorgung Service besonders wenig Zeit in Anspruch vgl Abbildung 7 5 arbeitsbezogene Cluster S2 S3 S4 S5 und Se Die meisten Wege Aktivit
38. a Zumkeller et al 1993 K hler et al 2001 Kutter 2003 Zu beachten ist Die Zweckm igkeit des Konstrukts der verhaltenshomogenen Personenkreise wird nicht im Einzelfall der Anwendung von Verkehrsnachfragemodellen explizit nachgewiesen sondern es wird bislang ungepr ft von einer r umlichen und zeitlichen bertragbarkeit ausgegangen Aus Mangel an Alternativen bildet nach wie vor die Forschungsarbeit von Schmiedel 1984 deren Personenkategorisierung auf eine bev lkerungsrepr sentative Momentaufnahme des Verkehrsverhaltens Ende der 70er Jahre zur ckgeht KONTIV 1976 eine wesentliche Orientierung bzw Ausgangsbasis f r die Erstellung von Verkehrsbildern des Status quo und der Zukunft mit Verkehrsnachfragemodellen Sinnvoll erscheint es daher neue Impulse f r die Forschungspraxis in diesem Bereich zu geben Axhausen 1998 S 319 320 merkt dazu grunds tzlich an the developers will have to develop methods to compare the joint sequences timing and duration distributions To the best of my knowledge there has been no substantial work in this area since the work of Recker and McNally 1985 Pas 1984 and Schmiedel 1984 in the early 1980 s Aus den vorher erl uterten Zusammenh ngen gesellschaftlicher Ver nderungsprozesse der Pluralisierung l sst sich folgern Sowohl die methodischen z B die Abbildung der hnlichkeit von Tagesabl ufen das zugrundegelegte Kausalprinzip usw als auch die inhaltlichen z B A
39. angenommenen Pluralit t der gesellschaftliichen Verh ltnisse besser gerecht Pluralisierungsthese Denn es ist zu vermuten dass die bislang noch anerkannten Determinismen zwischen Personenkategorien kj und typischem Raum Zeit Verhalten immer mehr an G ltigkeit verlieren Ebene Sequenzvergleichsanalyse 56 Drittens weisen die verwendeten Verfahren der einschl gigen musterorientierten Untersuchungen zur Abbildung der Un J hnlichkeit von Wege Aktivit tenmustern s auf der Basis geometrischer Distanzen Dyeo S 8 s s Abbildungsdefizite auf Sowohl die inhaltliche Struktur der Zusammensetzung beider Sequenzen s mit gemeinsamen und unterschiedlichen Zustandselementen wird nur ansatzweise erfasst als auch die Abfolge von gemeinsamen Zustandselementen beider Sequenzen bleibt unber cksichtigt Viertens ist ebenso die empirische Fundierung eines solchen Abstandma es nach inhaltlichen Gesichtspunkten ungel st Vorhandene Abst nde Aly y zwischen Zust nden y bzw y bleiben entweder unbeachtet oder gehen als Ergebnis vager Annahmen in die Distanzbestimmung ein BHOBBEE Grundlagen KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ 4 KONZEPTION EINES MUSTERORIENTIERTEN MULTI METHODENANSATZES ZUR ANALYSE DES AKTIVIT TEN VERKEHRS VERHALTENS 4 1 Einleitung Die im folgenden Kapitel erl uterte Vorgehensweise der statistischen Datenanalyse mit dem Zweck der Bildung und Erkl rung einer Wege Aktivit tenmuster Typologi
40. des MIV Selbstfahrens bei Cluster S7 und des MIV Mitfahrens bei Cluster S und S3 in hohen mittleren Reiseweiten bei Cluster S2 S3 S4 und S5 und niedrigen bei Cluster S und S7 sowie in einer hohen durchschnittlichen Wegezahl bei Cluster S4 und einer niedrigen bei Cluster S und S Verkehrsbeteiligung Au er Haus Anteil Im Analysefall betr gt die durchschnittliche tagesspezifische Au er Haus Quote die dar ber Auskunft gibt ob T tigkeiten au er Haus realisiert werden ber alle Wochentage und F lle 91 9 vgl Anhang G Tabelle G Il Die Quote von Personen die das Haus nicht verlassen weicht an den Werktagen nur geringf gig voneinander ab und erreicht einen Wert von ungef hr 95 Samstags geht die Verkehrsbeteiligungsquote auf ca 89 zur ck Den geringsten H ufigkeitswert hierf r mit 80 l sst sich f r den Sonntag feststellen vgl Abbildung 7 18 Aus der festgestellten marginalen Quote von ca 0 2 von immobilen Personen an allen 7 Tagen folgt Die prinzipiell zu erw gende Bildung eines eigenen Clusters der Immobilen macht aufgrund der u erst geringen Fallzahl n lt 5 bei einer Stichprobe von 2247 keinen Sinn 100 00 90 00 4 80 00 I I 70 00 60 00 4 50 00 4 30 00 mittlerer Au er Haus Anteil 20 00 10 00 40 00 alle Tage EEE ssssraaa geasst asa geasa galsgeasar gan gessst aaa gesessen gealscihlgaisgeasaraaa fz t fz t S t fz ti 3 t fz
41. des zeitlich vorgelagerten Weges W wird jeweils auf die leeren Sequenzabschnitte von T tigkeiten A bertragen so dass gilt z zZ Als Resultat entsteht ein Wege Aktivit tenmuster s das als Abfolge von Zust nden z z 2 2 mit Z zZ Z y in der Sequenzform der Ereignisdauerreihe dargestellt ist 2 Elementbildung Durch bergang der stetigen Wege Aktivit tenmuster s Ereignisdauerreihe in zeitdiskrete Zustandselemente z der Sequenz s entstehen Intervallreihen Zu beachten ist die hierbei gew hlte Zuordnungsregel der aktivit ten bzw wegebezogenen Information Der Zustand z des gesamten Zeitintervalls At stimmt mit dem Zustand z zum Endzeitpunkt des Zeitschrittes berein 3 Re Definition der Zust nde z Die erzeugten Zustandselemente z konstituieren sich in Abh ngigkeit des Handlungstyps Weg W Aktivit t A Weg Aktivit ts Folge WA auf Basis der vorhandenen Information aus den Merkmalswerten y einzelner oder mehrerer aktivit ten bzw ortsver nderungsbezogener Merkmale y Deren Auspr gungen y k nnen je nach Erfordernis zu gr beren Merkmalskategorien s y zusammengefasst werden Festlegung der Aufwandswerte C F r alle berg nge zwischen den definierten Zust nden die dem jeweiligen Zustandsraum Z y angeh ren erfolgt die Zuordnung der Subaufwandswerte Csub Z Falls die empirisch ausgerichteten Werte C n Z Z hierf r verwendet werden sollen k nnen diese den
42. die weder objektiv noch nachvollziehbar sind reichen dazu nicht aus EEHEEHE Fazit und Ausblick aor 208 EHEHEHEH Fazit und Ausblick LITERATURVERZEICHNIS EEHEEHE iteraturverzeichnis 209 Abbott A Forrest J 1986 Optimal Matching Methods for Historical Sequences in Journal of Interdisciplinary History 16 S 471 494 Abbot A Hrycak A 1990 Measuring Resemblance in Sequence Data An Optimal Matching Analysis of Musicians Carrers in American Journal of Sociology 1 S 144 85 Abbott A Tsay A 2000 Sequence analysis and optimal matching methods in sociology Review and prospect in Social Methods amp Research 29 1 S 3 33 Aisenbrey Silke 2000 Optimal Matching Analyse Anwendungen in den Sozialwissenschaften Studien zur Wissenschafts und Organisationssoziologie 2 Leske und Budrich Opladen Andre H J Hagenaars J K hnel S 1997 Analyse von Tabellen und kategorialen Daten Log Lineare Modelle latente Klassenanalyse logistische Regression und GSK Ansatz Springer Verlag Berlin Heidelberg New York u a Arentze T A Timmermans H J P 2000 ALBATROSS A Learning Based Transportation Oriented Simulation System European Institute of Retailing and Service Studies EIRASS Technische Universit t Eindhoven Axhausen K W 1980 Eine ereignisorientierte Simulation von Aktivit tenketten zur Parkstands wahl Heft 40 Institut f r Verkehrswesen Universit
43. gt Signifikanzniveau ist Signifikanzniveau a Fehler Niveau Irrtumswahrscheinlichkeit die ein Untersuchungsergebnis maximal aufweisen darf damit die Alternativhypothese als best tigt gelten kann Situation Menge aller Handlungsspielr ume und Zw nge f r Personen Standardfehler Streuung von Stichprobenkennwerten um den wahren Wert des gesuchten Parameters in der gt Grundgesamtheit die aus den Stichprobendaten gesch tzt wird abh ngig von Varianz der Messwerte in der gt Grund gesamtheit und vom Umfang der Stichprobe Stichprobe Sample Auswahl aus einer gt Grundgesamtheit strukturelles Skelett identische Abfolgen von Zust nden in gt Sequenzen Abfolge hnlichkeit strukturen erkennende Verfahren Klasse von statistischen Verfahren die zur Aufdeckung von Abh ngigkeiten bzw Kausalbeziehungen von Merkmalen dienen wobei die gt Auspr gungen einer gt abh ngigen Variablen werden durch bestimmte Sets von Auspr gungen anderer gt unabh ngiger Variablen bedingt werden Dependenzanalyse strukturen pr fende Verfahren Klasse von statistischen Verfahren die zur Aufdeckung von Zusammenh ngen bzw wechselseitigen Abh ngigkeiten von Merkmalen dienen wobei Objekte bzw Merkmale so zusammenzufassen sind dass die wesentliche Information der Daten erhalten bleibt und bersichtlich vermittelt werden kann Interdependenzanalyse Tagesaktivit tskette Ereignisreihe di
44. r die jeweiligen Segmente s y si y bzw s Weiterhin ist f r jede Baumstufe durch Angabe des p Wertes und einer daraus abgeleiteten Bewertung bzw Einordnung vermerkt auf welchem Signifikanzniveau die Trennung jener Segmente erfolgt l berpr fung von Effekten des Zeitplanungsaktionstyps e Betrachtungseinheit berg nge zwischen geplanten Aktivit ten Die Analyse von Unterschieden im Hinblick auf Valenzen P over bei berg ngen zwischen T tigkeiten As gt bzw A in Abh ngigkeit der Art der Zeitplanungsaktion f hrt zu keinen a Wertebereich zur Bewertung der Signifikanz p lt 0 05 signifikant 0 05 lt p lt 0 1 schwach signifikant p gt 0 1 nicht signifikant EHHOHEH Anwendungsvoraussetzungen Optimal Matching Technik 111 signifikanten Abweichungen zwischen den gebildeten Segmenten s o beim Klassifizierungsprozess mit der CHAID Analyse vgl Tabelle 5 10 Tabelle 5 10 Segmente nach der Art des Zeitplanungsvorgangs Aktivit ten Rang Baum Segmente von Anzahl Priorit t P lt over s P Wert Bewertung stufe Aktionstypen A Mitek T sinda Signifikanz so nyes 878 Wert abweichung 1 1_____ hinzuf gen modifizieren 853 a AT e 2 L 00838 Za 2 hinzuf gen 648 0 46 1 27 0 530 2 JI d hinzuf gen modifizieren 853 __0 47 _____1 23 0 8388 Za 2 modifizieren ________ 205 _0 52 1 0
45. sentiert den Zufallscharakter des Auswahlvorgangs Trotz eines identischen Sets von Merkmalswerten k zur Beschreibung der standardisierten Situation w hlen verschiedene Personen bzw gleiche Personen im Zeitverlauf unterschiedliche Handlungsalternativen S Urban 1993 Ungeachtet der N he zum Modell der rationalen Handlungswahl gelingt dessen Integration im Hinblick auf die vorliegende Erkl rungsaufgabe nur unvollst ndig da eine wesentliche Grundannahme nicht ber cksichtigt wird Im Analysefall sind die nutzenrelevanten Eigenschaften der Wege Aktivit tenmuster Typen S unbekannt Entsprechend verbleiben zur Formulierung des Logit Modells lediglich Erkl rungsgr en k der Umwelt und der Person Daraus folgt Das Entscheidungsproblem ist zumindest zum Teil konstruiert was jedoch f r die statistische Anwendung der Logit Analyse v llig unproblematisch ist Kunert 1992 Urban 1993 Grunds tzlich stellt sich dennoch die Frage ob f r den Analysezweck m glicherweise Alternativen zum Logit Modell bestehen Bei Vorliegen einer nominalskalierten abh ngigen Variablen und metrisch skalierten unabh ngigen Merkmalen kommt als weitere M glichkeit multivariater Analyseverfahren die Diskriminanzanalyse infrage die jedoch zwei wesentliche Nachteile aufweist EHEHEH Multimethodenansatz 61 Erstens k nnen die unabh ngigen Merkmale nicht nominal skaliert sein was aber in der Regel bei vielen Variablen Erwerbsstatus Geschlecht usw
46. t Es gibt zwei Zustandsr ume Z a und Zw welche die Zust nde z enthalten Dies f hrt bei der Erzeugung der Intervallreihe zu einer Separierung in Wege Zustandselemente z und Aktivit ten Zustandselemente z Zweitens besteht die M glichkeit T tigkeiten A und Ortsver nderungen W einer Weg Aktivit ts Folge WA als Einheit aufzufassen und damit einhergehend einen Zustandsraum Z wa zu generieren dem die Wege Aktivit ten Zustandselemente z angeh ren Feinstruktur des Zustandsraumes merkmalsspezifisch Wie bereits ausf hrlich diskutiert existieren Einschr nkungen in der Verwendung von Beschreibungsgr en y vgl Abschnitt 5 3 3 und Tabelle 5 5 so dass darauf eingehend lediglich die Merkmale Aktivit tstyp a sowie Verkehrsmitteltyp w der sachlichen Facette die Basis zur Definition der Zustandsr ume Z y bilden vgl Tabelle 6 1 Tabelle 6 1 Definition verschiedener Zustandsr ume durch Auspr gungen der Merkmale Fort bewegungsart und Aktivit tstyp Variationsfall Merkmals Zustandsraum Zustandsraum Zustandsraum ua Weg Z w Aktivit t Z aX Weg Aktivit ts Folge Z wa Zuy Zi w Weg Z w u Z a KAktvi t weg zu Hause Arbeiten dienstlich Einkaufen Service Freizeit Bildung zu Fu Fahrrad MIV Selbstfahrer MIV Mitfahrer V Nutzung SE ln na le zu Hause Arbeiten dienstlich E
47. t Karlsruhe Axhausen K W 1998 Can We Ever Obtain The Data We Would Like To Have in G rling T Laitila T Westin K Hrsg Theoretical Foundations of Travel Choice Modelling S 305 323 Elsevier Amsterdam u a Axhausen K W 2000 Definition of Movement and Activity for Transport Modelling in Hensher D A Button K J Hrsg Handbook of Transport Modelling Amsterdam S 271 284 Pergamon Lausanne New York u a Axhausen K W Abay G 2000 Zeitkostenans tze im Personenverkehr Vorstudie Eidge n ssisches Departement f r Umwelt Verkehr Energie und Kommunikation Bundesamt f r Strassen Forschungsauftrag 42 00 auf Antrag der Vereinigung Schweizerischer Verkehrsingenieure SVI Arbeitsbericht Verkehrs und Raumplanung 69 Institut f r Verkehrsplanung Transporttechnik Strassen und Eisenbahnbau IVT ETH Z rich Axhausen K W G rling T 1992 Activity based approaching to travel analysis Conceptual framework models and research problems in Transport Review 12 4 S 323 341 Axhausen K W Herz R 1989 Simulating activity chains German approach in Journal of Transportation Engineering 115 3 S 316 325 Axhausen K W K nig A 2001 Mobilit tswerkzeuge und Wohnstandorte Mobiplan stated choice Experimente in Schriftenreihe Stadt Region Land 71 S 185 194 Institut f r Stadtbauwesen Hrsg RWTH Aachen Axhausen K W Zimmermann A Sch nfelder S Rinds
48. tigkeiten gepr gten Cluster S erkl rt vgl Tacken 2003 Ausbildungst tigkeiten betreffen eher J ngere die daher sehr stark zum ausbildungsorientierten Cluster S7 tendieren Den Beitrag des Merkmals PNV Zeitkartenbesitz zur Trennung der Cluster begr ndet dass f r einige Wege Aktivit tenmuster Typen Cluster S7 Cluster S hohe Zeitanteile der V Nutzung charakteristisch sind und f r andere nicht Cluster S3 Die Erkl rbarkeit des Separierungseffektes der Variable F hrerscheinbesitz folgt aus folgendem sachlogischen Zusammenhang Je nach Cluster S erreicht das MIV Selbstfahren wiederum unterschiedliche Zeitanteile Beispielsweise ist ein besonders hoher zeitlicher Umfang bei Cluster S2 und ein sehr niedriger bei Cluster S7 erkennbar Inwiefern bestimmte Merkmalswerte kj identifizierter Erkl rungsgr en k entweder f rdernd oder hemmend im Hinblick auf eine Zuordnung zu den einzelnen Wege Aktivit tenmuster Typen S wirken fasst Tabelle 7 12 auf qualitativer Aussageebene zusammen Anhand der unterschiedlichen Chance der Aus bung eines bestimmten Wege Aktivit tenmuster Typus S als Funktion von erkannten Gegensatzpaaren bestimmter Konstellationen von Auspr gungssets k personenbezogener Merkmale k zeichnen sich sinnvolle Zusammenh nge ab 188 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Tabelle 7 12 Abh ngigkeit von Merkmalswertesets der Person Zuordnungsaffinit t zu de
49. u a Heidemann 1981 L dtke 1984 Hilscher 2000 Tabelle 2 3 Einflussfelder und Indikatoren der institutionell kulturellen Umwelt Einflussfelder Indikatoren ffnungszeiten von Gelegenheiten Zeitraum Ferien Feiertage usw Zeitraum Arbeitszeiten Schulzeiten usw Zeitraum Steuern Abgaben usw Geldbetrag Zugangsbeschr nkungen spezifische Personenkreise Zeitraum U a die soziale Umwelt Diese h ngt mit der Zugeh rigkeit der einzelnen Person zu sozialen Gruppen Familie Firma Verein usw zusammen Daraus resultieren u a Status Rollen Verpflichtungen beispielsweise f r eine Mutter das Abholen ihrer Kinder vom Kindergarten die entsprechendes Raum Zeit Verhalten bestimmen L dtke 1984 Die Ber cksichtigung von Einfl ssen der sozialen Umwelt erfolgt ber die Erkl rungshintergr nde von Rolle und Status Lebens bzw Familienzyklus und Lebensstil vgl Tabelle 2 4 Individuum Zum Individuum auf der Mikroebene Die individuelle Neigung T tigkeiten zu realisieren h ngt sowohl von objektiv erfassbaren Eigenschaften und M glichkeiten der Person als auch von individuellen Einstellungen Orientierungen Motiven Pr ferenzen Stilisierungen Werthaltungen usw ab Um auf der Grundlage der genannten Faktoren einen Zugang zur Erkl rung des Aktivit ten Verkehrs verhaltens zu bekommen wird in der Verkehrsforschung vielfach auf die Erkl rungskonzepte von Rolle und Status von Lebens bzw Fami
50. u 2 Z3 3 er da D s Be do CadalZ dns Cae lZ 1 n d min dk 1 1 Csup Z 21 do k Ak 1 0 Cae Z j k 1 m dk 4 Cadqa Abbildung 4 6 iterative Matrixprozedur zur Ermittlung der Levensthein Distanz Standardisierung Die bisherigen Ausf hrungen zur Sequenzvergleichsanalyse beziehen sich darauf dass die Anzahl der Zustandselemente z der gegen bergestellten Sequenzen s und identisch ist Wenn jedoch Wege Aktivit tenmuster s mit ungleicher Anzahl von Zustandselementen z verglichen werden sollen ergibt sich die Erfordernis einer Standardisierung des Sequenzdistanzma es D s s es Ansonsten kommt es zu einer Verzerrung des Abstandsindizes D s 5 s s da bei einer Anzahldifferenz von Zustandselementen ein hoher Gesamtaufwandswert infolge vieler Indeloperationen aufl uft Aisenbrey 2000 Zur L sung des Problems dient folgender Ansatz 72 HEODBEE Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Bei differierenden Betrachtungszeitr umen der Intervallreihen vergleicht man nur Bereiche die durch beide Sequenzen s bzw abgedeckt sind so dass die Aussagen nur f r den berdeckungsbereich gelten Alternativen in der Vorgehensweise bestehen bei Ereignisdauerreihen Das berechnete Distanzma D s S s s wird durch die Anzahl der Zustandselemente z der l ngeren Sequenz dividiert vgl Aisenbrey 2000 oder durch die Summe der Zustandelementanzahl beider Seq
51. u g 5 D 5 o Oo Z o Z u Ss 5 Q 5 2 a E gt O o 2 o T a D T 3 Q 2 O 2 gt c D E 5 E E 5 E 3 g amp 2 2 gt 2 g zog E e Js 8 s s eNe 2 e T Q Oo 5 2 2 k lt gt S 2 8 Jo M Ml Ml Ml Ml Ml x Ml x x Ml MI mi X M X X MV JK Ik M IM Ik MII M x X mi X X V Ik M M Al M x X X X X V Ik M IM k All Legende MI Messmodell individuell situationsabh ngig covert MII Messmodell Il individuell situationsunabh ngig overt Al Analysemodell kollektiv situationsunabh ngig covert All Analysemodell Il kollektiv situationsunabh ngig overt 5 3 Stand der Wissenschaft Befunde zur Wichtigkeit aktivit ten bzw ortsver nderungsbezogenen Handlungen 5 3 1 Qualitative Zusammenh nge zur Wichtigkeit von realisierten Handlungen Zun chst greift die Literaturanalyse Befunde auf welche zeigen wie die Bedeutung Povert Von Aktivit ten A bzw Ortsver nderungen W von deren Merkmalen statischer Art y bzw den dazu geh rigen Auspr gungen y abh ngt sofern diese Variablen isoliert betrachtet werden Ausgangspunkt der herangezogenen Forschungsarbeiten bildet eine situationsunabh ngige Sichtweise realisierter T tigkeiten A bzw Ortsver nderungen W auf der kollektiven Betrachtungs ebene Abschnitt 5 2 Es handelt sich bei den im Folgenden aufgezeigten Erkenntnissen zum Teil um
52. vorausgehenden bzw zuk nftigen Handlungen Y als horizontale Abh ngigkeiten bezeichnet vgl Abbildung 2 5 viertens wechselseitige oder aufeinanderfolgende Verbindungen zwischen den einzelnen Merkmalen y den dazugeh rigen Merkmalswerten vi des Aktivit ten Verkehrs verhaltens auch vertikale Abh ngigkeiten genannt vgl Abbildung 2 5 oder f nftens sowohl horizontale Zusammenh nge zwischen Ereignissen Y als auch vertikale Verkn pfungen zwischen den Merkmalen y bzw den dazugeh rigen Merkmalswerten y des Aktivit ten Verkehrs verhaltens BHORBEE Grundlagen horizontale Abh ngigkeiten vertikale Abh ngigkeiten Weg Aktivit ts Folge Weg W Aktivit t A Handlung Y Handlung Y Handlung Yx sachlich sachlich r umlich r umlich zeitlich zeitlich sozial sozial Facette bzw Facette bzw Merkmale Zeit Merkmale Zeit Bm In 1 Abbildung 2 5 Interdependenzen und Dependenzen von Entscheidungen bei aktivit ten bzw 24 wegebezogenen Handlungen vertikale Abh ngigkeiten zwischen den Merkmalen y des Aktivit ten Verkehrs verhaltens Zwischen den einzelnen Merkmalen von Aktivit ten bzw Wegen als Ergebnis eines Entscheidungsprozesses sind Wechselbeziehungen vorhanden ohne dass letzten Endes genau bekannt ist welche Interdependenzen und welcher Grad gegenseitiger Abh ngigkeit besteht G rling et al 1997 Betrachtet man beispielsweise die Wahl eines Aktivit tsortes a und eines Ve
53. 0 05 0 48 0 01 0 91 1 0562 0 41 2 73 O Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 3 49 0 66 28 08 0 00 Vl 32 7878 9 02 119 22 Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 2 72 0 32 70 30 0 00 v 1 15 1720 0 03 0 12 Teilzeiterwerbst tig 0 0659 Hausfrau mann arbeitslos Rentner in 3 44 0 54 40 08 0 00 Mv 31 0437 10 72 89 92 Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 05 0 48 0 01 0 91 0 9468 0 37 2 45 O Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 6 15 0 50 150 07 0 00 v 470 9940 175 93 1260 90 Vollzeiterwerbst tig Teilzeiterwerbst tig 2 72 0 32 70 30 0 00 v 15 1720 8 03 28 65 Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 66 0 41 42 59 0 00 Al 14 3649 6 45 31 98 Vollzeiterwerbst tig EEHEHE Anhang H Ill Ergebnisse der Logit Analyse H II 2 Alternativ Referenz kategorie kategorie Cluster 57 2 5S le S g se u u ers lt S4 S4 ss 5 5 5 g 85 N Ka 2 N ON sec 5 J a je 25 sn S 5 s s 2 S2 5g 3 8 2 D o 3S j s la amp i Sx Unter Ober grenze grenze Konstanter Term 4 02 0 67 36 15 0 00 Alter 0 00 0 01 0 17 0 68 1 0043 0 98 1 02 DO PNV Zeitkartenbesitz 0 09 0 33 0
54. 08 0 78 1 0993 0 57 2 11 DO keinen OPNV Zeitkartenbesitz Mann 0 15 0 26 0 31 0 58 0 8632 0 52 1 45 DO Frau F hrerschein 0 38 0 35 1 18 0 28 1 1 4662 0 34 1 35 DO keinen F hrerschein Vollzeiterwerbst tig 4 32 0 43 100 84 0 00 v 1 75 2 0 01 0 03 Hausfrau mann arbeitslos Rentner in 0 0133 Teilzeiterwerbst tig 4 35 0 40 115 89 0 00 V 1 76 9 0 01 0 03 Hausfrau mann arbeitslos Rentner in 0 0130 Sch ler Studierende in Berufsausbildung 2 43 0 68 12 57 0 00 V 1 11 32 0 02 0 34 Hausfrau mann arbeitslos Rentner in 0 0883 Vollzeiterwerbst tig 1 89 0 53 12 63 0 00 v 1 6 6242 0 05 0 43 Sch ler Studierende in Berufsausbildung 0 1510 Teilzeiterwerbst tig 1 92 0 56 11 91 0 00 v 1 6 8065 0 05 0 44 Sch ler Studierende in Berufsausbildung 0 1469 Hausfrau mann arbeitslos Rentner in 2 43 0 68 12 57 0 00 V 11 3311 2 96 43 36 Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 03 0 29 0 01 0 92 1 0275 0 58 1 81 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 4 35 0 40 115 89 0 00 v 77 1253 34 96 170 13 Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 92 0 56 11 91 0 00 v 6 8065 2 29 20 23 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 4 32 0 43 100 84 0 00 v 75 0596 32 31 174 36 Vollzeiterwerbst tig Teilzeiterwerbst tig 0 03 0 29 0 01 0 92 0 9732 0
55. 1 1 direkt abzuleiten Zum modellimmanenten Vergleich der Effekte von Merkmalsauspr gungen k der Erkl rungsgr en k bietet sich die Berechnung des Effekt Koeffizienten exp bix auch odd ratio Chancenverh ltnis genannt an Die Er mittlung ist einfach Der Effekt Koeffizient entspricht gerade dem entlogarithmierten Logit Koeffizienten bi Urban 1993 Andre et al 1997 Backhaus et al 2003 Gleichung 7 6 oddratio e Bei metrischen Gr en besagt diese Gr e um welchen Betrag sich die Zuordnungswahrscheinlichkeit P ilS zu irgendeiner Alternativkategorie izl im Vergleich zur Referenzkategorie ver ndert wenn sich der Betrag des Merkmalswertes kj um eine empirische Einheit erh ht Urban 1993 Andre et al 1997 Neben der metrischen Erkl rungsgr e Alter enth lt das multinominale Logit Modell kategoriale Pr diktoren PNV Zeitkartenbesitz F hrerscheinbesitz und Geschlecht mit zwei Auspr gungen Die Zugrundelegung einer 0 1 Kodierung erlaubt dichotome Variablen analog zu metrischen bei Interpretation der Effekt Koeffizienten behandeln Andre et al 1997 Handelt es sich um eine kategoriale unabh ngige Variable mit mehr als drei Merkmalswerten J hier Erwerbsstatus mit vier Auspr gungen entf llt die vorher erl uterte M glichkeit einer inhaltlichen Deutung des Effekt Koeffizienten Zur Problembehandlung besteht die Erfordernis der Bildung von Kodiervariablen Designvariabl
56. 11 12 1 Minimierung des Zuwachses M Mi an Fehlerquadratsumme 2 Erreichen der Mindestfallzahl v M M n gt 25 F lle je Cluster S 3 Erkl rbarkeit der Cluster V M M M v v Mvi l sung Synthese der Kriterien Legende nicht erf llt V erf llt 143 300 Clusterzahl u g f Knick 250 E Y 200 N g u 150 g a o 100 L v IL 50 0 T T T T T T T 7 i 5 6 7 8 9 10 1 12 13 14 1 S 2 S3 S3 4S Ss Ss 7 Cluster S Anzahl der Cluster Abbildung 7 1 Dendrogramm in qualitativer Abbildung 7 2 Ausschnitt aus dem Strukto Darstellungsform ber die gramm der Clusteranalyse letzten Fusionsstufen 7 4 3 Vergleichende Beschreibung der Wege Aktivit tenmuster Typologie 7 4 3 1 Grundlagen Bevor auf die eigentliche inhaltliche Vergleichsanalyse der Wege Aktivit tenmuster Typen S ein gegangen wird befasst sich der nachfolgende Teil mit den dazu notwendigen Vorarbeiten Erstellung von Wege Aktivit tsprofilen Zur Beschreibung der Wege Aktivit tenmuster Typen S ist die Darstellungsform des Wege Aktivit tsprofils pr destiniert Die Aggregierung der Zust nde z im 1 Stunden Zeitraster At erscheint als Ergebnis einer Abw gung der gegenl ufigen Kriterien Genauigkeit und bersichtlichkeit der Wege Aktivit tsprofile f r den Anwendungsfall mit der Woche als Makro zeitabschnitt angemessen Das hei t Die Anteilswerte der einze
57. 3 Vergleich der Abbildungsprinzipien geometrischer und biologischer 74 Distanzen Tabelle 4 4 Abbildungsprinzip des Sequenzvergleichsma es bei musterorientierten 75 Analysen Tabelle 4 5 Forschungsbeitr ge zur Anwendung von Sequenzvergleichsverfahren mit 78 biologischem Abbildungsprinzip von Un J hnlichkeiten in der Verkehrsforschung Tabelle 4 6 Gegen berstellung ausgew hlter Untersuchungsans tze zur 81 Sequenzvergleichsanalyse auf Basis der Optimal Matching Technik Tabelle 5 1 Komplexit tsstufen der Priorit t Povet OZW Peoverr Von aktivit ten und 91 ortsver nderungsbezogenen Handlungen Tabelle 5 2 Literatursynthese zur Priorit t overter und coverter Handlungen 96 Identifikation bedeutsamer Merkmale und Analyse qualitativer Effekte der Merkmalsauspr gungen OOGOOOSDO IX Tabelle 5 3 Vergleich Stichprobe und Gesamtbev lkerung der Bundesrepublik 101 Deutschland in Bezug auf die Auspr gungen ausgew hlter Personenmerkmale Tabelle 5 4 Einsch tzung zur G te der Messungen 102 Tabelle 5 5 Eingrenzung und Auswahl potenzieller Merkmale zur Erkl rung der 104 Priorit t coverter bzw overter Handlungen Tabelle 5 6 Zielgr en und potenzielle Trennmerkmale mit den jeweiligen 105 Auspr gungen Tabelle 5 7 Begr ndung der Vorgehensweise zur Ableitung der 107 Transformationsaufwandswerte Tabelle 5 8 Kenngr en des Verkehrsverhaltens der eigenen Erhebung im Vergleich 109 zu anderen verhaltensbezogenen Befragun
58. 4 03 0 75 28 67 0 00 v 56 5426 12 91 247 64 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 45 1 29 1 26 0 26 4 2621 0 34 53 36 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 18 1 36 0 75 0 39 3 2475 0 23 46 46 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 2 59 1 09 5 63 0 02 FA 1 13 2664 0 01 0 64 Vollzeiterwerbst tig 0 0754 Teilzeiterwerbst tig 4 03 0 75 28 67 0 00 v 1 56 5426 0 00 0 08 Vollzeiterwerbst tig 0 0177 Sch ler Studierende in Berufsausbildung 2 86 1 14 6 27 0 01 v 1 17 4113 0 01 0 54 Vollzeiterwerbst tig 0 0574 EHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 8 Alternativ Referenz g N 2 So kategorie kategorie S J s J 2 25 25 E lt lt Cluster E ja gt f T 25 N n lo I8 22 En 5 D T oc z 53 ox 5 x o E X x g 20 2 5 gt s s 5 Ig SES 59 I 7 7 m im Ps gt x Unter Ober grenze grenze Konstanter Term 2 51 1 26 3 96 0 05 Alter 0 01 0 01 0 45 0 50 0 9914 0 97 1 02 DO PNV Zeitkartenbesitz 0 68 0 42 2 57 0 11 0 5066 0 22 1 16 O keinen OPNV Zeitkartenbesitz Mann 0 43 0 32 1 88 0 17 1 5413 0 83 2 86 DO Frau F hrerschein 0 29 0 53 0 30 0 59 1 1 335 0 26 2 13 DO keinen F hrerschein Vollzeiterwerbst tig 3 77
59. 5 7 Begr ndung der Vorgehensweise zur Ableitung der Transformationsaufwandswerte Aufwandswertetyp Subaufwandswerte Csub Z Indelaufwandswerte Cina Z Messmodell MI MII Bewertung realisierte Handlungen Bewertung Zeitplanungsvorg nge Messgr e Pover y i PeoverlY 2 PeovenlO Y i Datenquantit t X unzureichende Fallzahl Y gt Y VI ausreichende Fallzahl Y gt amp M ausreichende Fallzahl Y Datenqualit t M h here G te der Messung x niedrigere G te der Messung x Ausschlie ung des Zustandes M Einbeziehung des Zustandes amp ungeplante Zeit ungeplante Zeit Methode der Datenanalyse das CHAID Verfahren Zur Datenanalyse kommt ein Klassifikationsverfahren zur Anwendung die CHAID Analyse Deren Ergebnis ist das Klassifizierungssystem eines Entscheidungsbaumes der sich grafisch wie folgt darstellen l sst Den Ursprung des Baumes stellt der Stammknoten dar welcher alle Datens tze der Analyse einbezieht Ausgehend von diesem verzweigt sich der Baum nach unten 2Software Answer Tree Hersteller SPSS BHEEODEEM Anwendungsvoraussetzungen Optimal Matching Technik 107 ber eine oder mehrere Ebenen jeweils charakterisiert durch eine Trennvariable y in einzelne Segmentzust nde si y deren F lle sich gegenseitig ausschlie en Diese k nnen als charakteristische Kombinationen der verschmolzenen si y bzw urspr nglichen Merkmalswerte vi der ma gebenden Tre
60. 659 538 401 134 326 2363 Aktivit tsketten pro Cluster und Woche Anzahl unterschiedlicher 0 14 0 24 0 23 0 40 0 38 0 44 0 18 0 15 Aktivit tsketten pro Fall und Tag relative H ufigkeiten der h ufigsten Aktivit tsketten in Rang 7 8 3 W Arb W W Arb kumulierte relative H ufigkeiten der Aktivit tsketten in gt Rang 1 bis 3 237 3 39 1 30 2 20 1 216 6 27 8 245 2 2 26 0 Drittens spiegelt sich wie zu erwarten die typische Zeitverwendungsstruktur der Cluster S in den h ufigsten Aktivit tsketten wider Typisch sind Aktivit tsketten f r Cluster S ohne obligatorische Aktivit tstypen f r Cluster S7 mit dem Aktivit tstyp Bilden sowie f r die Cluster S2 S3 S4 und Ss mit der T tigkeitskategorie Arbeiten Des Weiteren decken sich bei Cluster S2 S und S mit abweichenden Anteilswerten die vier h ufigsten Programme wobei die Quote der gewichtigsten Kette W Arb W von 25 1 bei Cluster S gt ber 18 8 bei Cluster S zu 9 1 bei Cluster S4 abnimmt 7 4 3 7 Einordnung der Wege Aktivit tenmuster Typologie in den wissenschaftlichen Kontext Ein Vergleich der erstellten Wege Aktivit tenmuster Typologie der vorliegenden Untersuchung mit den entsprechenden Klassifikationen inhaltlich verwandter lterer Forschungsarbeiten vgl Abschnitt 3 3 2 Tabelle 3 4 deckt folgende Unterschiede und Gemeinsamke
61. 7 keinen F hrerschein Alternativ Referenz kategorie kategorie ai a Se To E Cluster z S lg 53 Ss PRO Sur pa Eu c lt amp 5 gt 5 Ds 35 N N N ON zE S 2 S 4 3 e 2 5 25 aN z 5 le J2 g 53 g D T g x x 0 Z b s 5 S 55 o zZ o fr Im Wu gt x Unter Ober grenze grenze Konstanter Term 1 79 1 26 2 00 0 16 Alter 0 01 0 01 1 16 0 28 0 9868 0 96 1 01 DO PNV Zeitkartenbesitz 0 10 0 44 0 06 0 81 0 9014 0 38 2 14 DO keinen PNV Zeitkartenbesitz Mann 0 80 0 30 7 01 0 01 Mv 2 2241 1 23 4 02 Frau F hrerschein 0 13 0 51 0 06 0 80 1 1354 0 418 3 125 DO Vollzeiterwerbst tig 2 59 1 09 5 63 0 02 v 13 2664 1 57 112 34 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 1 45 1 29 1 26 0 26 0 2346 0 02 2 94 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 27 1 60 0 03 0 86 0 7619 0 03 17 36 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 86 1 14 6 27 0 01 V 17 4113 1 86 162 93 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 1 18 1 36 0 75 0 39 0 3079 0 02 4 41 OD Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 27 1 59 0 03 0 86 1 3124 0 06 29 90 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig
62. 8 155 34 3 38 8 0 97 Priorit t Poove Y iry Peoven y j oder Pooven y i 9 Zeitplanungsvorgang Y gt Y bzw Y Anzahl 878 Weg Aktivit ts Folge 15 4 10 9 47 7 14 7 11 2 0 04 Weg 18 3 12 2 49 9 10 9 8 7 0 21 Aktivit t 10 3 10 0 25 3 32 1 22 3 0 46 realisierte Handlungen Aus der Analyse der subjektiven Einsch tzungen realisierter Handlungen Y auf der Basis des arithmetischen Mittelwertes vgl Tabelle 5 9 zeigt sich Fast alle Durchschnittswerte sind im positiven Bewertungsbereich angesiedelt Die Aus bung von T tigkeiten A ist mit der gr ten Wichtigkeit Povert a i verbunden w hrend Ortsver nderungen W vergleichsweise niedrigere Priorit ten Poven W zugemessen werden Dieser Befund stimmt mit einer fundamentalen Annahme der aktivit tenorientierten Verkehrsforschung berein Das Zur cklegen von Wegen W ist meist notwendiges Mittel mit dem Zweck der Aus bung von T tigkeiten A und somit als Aufwand zu verstehen vgl Abschnitt 2 1 Entsprechend liegt die Beurteilung der Wertigkeit der Weg Aktivit ts Folge Pover wa zwischen beiden Polen erstaunlicherweise jedoch n her beim Messwert Povel W der Ortsver nderung W Dies f hrt zum Schluss Das relative Gewicht des Stellenwertes Pover W der Handlung Weg W bei der Bewertung einer Weg Aktivit ts Folge WA bertrifft die Bedeutung Poven a i der T tigkeit A weit was prinzipiell zu hinterfragen ist S
63. Agglomerationsprozess der letzten Stufen unver ndert und fusioniert erst zum Schluss mit den bereits zusammengefassten anderen Wege Aktivit tenmuster Typen was eine gro e Verschiedenheit zu diesen anzeigt Auffallend ist dass keine weitere Unterteilung von Cluster S4 trotz dessen gro er Fallzahl gelingt Cluster S und S sowie Cluster S4 Ss und S weisen jeweils hnlichkeiten auf da diese am Anfang des Prozesses zusammengefasst werden Cluster S7 weicht relativ stark von den anderen Partitionen ab da es erst auf der drittletzten Stufe an die bereits gruppierten Wege Aktivit tenmuster Typen Sa Ss und Ss angelagert wird Interne Homogenit t und externe Heterogenit t der Clusterl sung Anteile der Binnen und der Zwischenclustervarianz an der Gesamtvarianz Die Beurteilung der internen Homogenit t und der externen Heterogenit t der gebildeten Wege Aktivit tenmuster Typologie anhand der Varianzen der berechneten Sequenzabst nde Dbio S s es vgl Gleichungen 7 2 bis 7 5 zeigt Anteile der Binnenclustervarianz Cyw von lediglich 5 5 an der Gesamtvarianz C stehen daf r dass Wege Aktivit tenmuster s desselben Typus S untereinander hnlich sind Demgegen ber indiziert der Anteil der Zwischenclustervarianz C von 94 5 an der Gesamtvarianz C eine gro e Un hnlichkeit zwischen den verschiedenen Clustern S vgl Anhang G Tabelle G 5 standardisierte Entropie Zur Beurteilung der Heterogenit t der erstellten Wege Ak
64. Ausnahme von Cluster S4 den entsprechenden Parameter aller F lle Das hei t Durch die Typologiebildung wird eine Heterogenit tsreduktion erreicht vgl Anhang G Tabelle G 4 Verkehrsmittelnutzung Hauptverkehrsmittel nach Wegen Ohne eine Differenzierung je Cluster S vorzunehmen ergibt sich folgender wegebezogener Modal Split ber alle Tage Die meisten Ortsver nderungen werden mit ca 48 als MIV Selbstfahrer ungef hr 21 zu Fu ca 14 3 als MIV Mitfahrer 8 6 mit dem Fahrrad und 8 1 mit dem ffentlichen Verkehr zur ckgelegt vgl Anhang G Tabelle G 2 Im Wochenverlauf ver ndert sich die Verkehrsmittelnutzung An den einzelnen Werktagen bleiben die Anteile relativ konstant dagegen nehmen am Wochenende besonders am Sonntag die Anteile von MIV Mitfahren und Zufu gehen zu Im Gegenzug sinken die Quoten f r die V Nutzung das MIV Selbstfahren und der Fahrradnutzung vgl Abbildung 7 19 Zwischen den Wege Aktivit tenmuster Typen S bestehen Unterschiede ob und inwieweit Tag zu Tag Anteilsverschiebungen in der Verkehrsmittelnutzung auftreten Eine hohe werkt gliche Konstanz weisen Cluster S4 S2 und S7 auf wohingegen die Variabilit t bei Cluster S3 S4 S5 und Se st rker ausgepr gt ist Auffallend ist der R ckgang der V Nutzung bei Cluster S freitags Die wegebezogenen Anteile der Hauptverkehrsmittel nach Wege Aktivit tenmuster Typ S auf Wochenbasis zeigt Abbildung 7 19 Daraus ist ersichtlich dass
65. B Chan T W 1995 Class Careers as Sequences An Optimal Matching Analysis of Work Life Histories in European Sociological Review 14 2 S 111 130 H gerstrand T 1970 What about people in regional science in Papers of Regional Science Association 24 1 S 7 21 Hanson S Huff J 1986 Classification issues in the analysis of complex travel behaviour in Transportation 13 S 271 293 Hanson S Huff J 1988 Systematic variability in repetitious travel in Transportation 15 S 111 135 H u ermann H Siebel W 1995 Dienstleistungsgesellschaften Suhrkamp Verlag Frankfurt Main HCG Accent 1999 The value of travel time on UK roads 1994 Bericht an das Department of Transport HCG Den Haag Heidemann C 1981 Spatial Behaviour Studies Concepts and Context in Stopher P R Meyburg A H Br g W Hrsg New Horizons in Travel Behaviour Research S 289 315 Lexington Books Toronto Heller Kemp A Lipps O 2000 Ein Verfahren zur Bestimmung der Skelettstruktur des individuellen Verhaltens IfV Report Nr 00 8 Arbeitsberichte des Instituts f r Verkehrswesen Universit t Karlsruhe Hielscher V 2000 Entgrenzung von Arbeit und Leben Die Flexibilisierung von Arbeitszeiten und ihre Folgewirkungen f r die Besch ftigten Eine Literaturstudie Discussion Paper FS Il 00 201 Wissenschaftszentrum Berlin f r Sozialforschung Berlin Holz Rau C 1990 Bestimmungsgr en
66. Behavior and Environment Psychological and Geographical Approaches S 270 297 Elsevier Science Publishers Amsterdam G rling T Gillholm R Romanus J Selart M 1997 Interdependent activity and travel choices behavioral principles of intergration of choice outcomes in Ettema D F Timmermans H J P Hrsg Activity based approaches to Travel Analysis S 135 149 Pergamon Oxford G rling T Kalen T Romanus J Selart M 1998 Computer simulation of household activity scheduling In Environment and Planning A H 30 S 665 679 G rling T Kwan M P Golledge R G 1994 Computational process modelling of household activity scheduling in Transportation Research B 28 S 335 364 Golob T F McNally M G 1997 A model of activity participation and travel interactions between household heads in Transportation Research B 31 S 177 194 G tz K Jahn T Schultz I 1997 Mobilit tsstile ein sozial kologischer Untersuchungsansatz Forschungsbericht Stadtvertr gliche Mobilit t 7 Forschungsverbund City mobil Frankfurt am Main 214 EEHEEHE iteraturverzeichnis Hammer A Beckmann K J Hesse M Holz Rau C Hunecke M Kasper B Schreiner J Schweer I 2003 StadtLeben Integrierte Betrachtung von Lebensstilen Wohnmilieus Raum Zeit Strukturen und Mobilit t Schriftenreihe Stadt Region Land 74 S 79 94 Institut f r Stadtbauwesen Hrsg RWTH Aachen Halpin
67. Block Distanz L1 Norm r 1 die euklidische Distanz L2 Norm r 2 usw Diese Distanzma e basieren auf einer geometrischen Anschauung und lassen sich auf eine gemeinsame Grundformel zur ckf hren vgl Gleichung 4 13 u a Backhaus et al 2003 1 r 2 numerische Werte der Merkmale y bei Zustandselement z r gt 1 Minkowski Konstante l g Gleichung 4 13 d z Z Er y i 1 Sind die Zustandselemente z bzw Z gleicher Position k qualitativer Art kommt als Vergleichs index die Hamming Distanz infrage vgl Gleichung 4 14 2 Owenn Zz Z Gleichung 4 14 d Z Z wi 1 wenn Z Z EHEHEHE Multimethodenansatz 73 Das Vorgehen zur Ermittlung der Hamming Distanz l sst sich folgenderma en beschreiben Es wird gepr ft ob die Zustandselemente z bzw Z an gleicher Position k identisch sind Trifft dies zu match dann wird der Wert d z 2 0 zugeordnet Ist dies nicht der Fall mismatch ergibt sich entsprechend ein Wert von d z Z 1 u a Backhaus et al 2003 Vergleich geometrische Distanz vs biologische Distanz Zum Vergleich der Abbildungsg te geometrischer und biologischer Distanz in Bezug auf die Ermittlung des Sequenzabstandes eignen sich die in Tabelle 4 3 genannten Kriterien Weiterhin dienen die Beispiele in Anhang C zur Veranschaulichung der Abbildungseigenschaften der unterschiedlichen Distanzma e Daraus folgt Handelt es sich um zwei Sequenzen s und die nur i
68. E I e CO O TT S E d D O A O OCO TDS S SE IN E S E I a oN C E 2400 O E 80e e ME E O E e E oq CO l e IQ 2a oN y 20 pey M SIE M 0 zu up 6 MW l C q oN BE 2420A D E Dean ae l E De ng sro O L A A e m E ME EEE OC _____ IV pr IG Bm oN E OUION obepyam alle R 1 O C ne ri e M 8 O N OC ME __ a aaa L S HE C BU ON C T 2y 00 E 0ey M lle I a e A E A DI Vi DM EEE aooo ON DE E E I eM alle O L e GER J O I N cc C E EEE BU El i oN O O O O O O O O O O O O O O S S S co O x M N u uoyay yneH anyeja aya nwny Frei W Fre W m W Arb W m Arb Frei Frei W B W W z 2 W W W Frei W W B W Frei W 5 Frei W aW m Ek W Ek W B W gt 22 ODE Abbildung G 8 Kenngr e Tagesaktivit tsketten im Wochenverlauf je Cluster und f r alle F lle kumulierte relative H ufigkeiten der Ketten Rang 1 bis 3 G 11 EHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen Einflussfelder potenzielle Merkmalswerte der Erkl rungsgr en Skalen Erkl rungsgr e niveau Mikroebene der Person M glichkeiten und Geschlecht Mann nominal Eigenschaften der Frau Person Alter Jahre metrisch Berufst tigkeit Vollzeiterwerbst tig nominal Teilzeiterwerbst tig Hausfrau arbeitslos
69. Erkl rungsgehalt Es kann angenommen werden dass die Komplexit t der Realit t mit aus zwei bzw mehreren Ebenen bestehenden Modellen besser abgebildet werden kann da das Systemverhalten auf der Makroebene aus der Aggregation der Handlungen auf einer untergeordneten Mikroebene resultiert Tiefenerkl rung Esser 2001b In Anlehnung an Esser 1996 werden f r das Theoriemodell des Raum Zeit Verhaltens deshalb zwei Ebenen formuliert vgl Abbildung 2 1 die Makroebene der Umwelt Systemebene Unter dem Begriff der Umwelt werden alle materiellen und organisatorischen Elemente des Sachsystems verstanden die auf einer kollektiven bergeordneten Ebene oberhalb der Mikroebene der einzelnen Person angeordnet sind Zumkeller 1989 die Mikroebene der Person Individualebene Diese zweite Betrachtungsebene enth lt die Elemente Person und Handlung Sie ist notwendig denn nur das einzelne Individuum kann handeln auch wenn dieses Handeln im Auftrag einer Gruppe stattfindet und ein multipersoneller Abstimmungsprozess vorausgeht Werlen 2000 2 2 2 Elemente Wie aus Abbildung 2 2 hervorgeht besteht das Grundmodell aus den Elementen Umwelt Person und Handlung Umwelt Bausteine des Systemelements Umwelt das sowohl u ere Einschr nkungen als auch M glichkeiten des Raum Zeit Verhaltens einschlie t sind die verkehrs infrastrukturell r umliche Umwelt Hierzu geh ren die r umlich lokalisierten Standorte V
70. Esser 1996 RREEM Men Resourceful Restricted Evaluating Expecting Maximizing Men Modell Das sogenannte RREEM Men Modell von Lindenberg 1985 zit aus Esser 1996 integriert die Eigenschaften des homo sociologicus und des homo oeconomicus und erweitert das Spektrum deren Charakteristika um den Aspekt der Findigkeit die kreative F higkeit von Menschen neue und abweichende L sungen aufzusp ren und zu verfolgen Auf welches dieser Handlungsmodelle zur ckgegriffen wird ist eine zentrale Problemstellung in der Verkehrsforschung ohne dass der Aspekt hier weiter vertieft wird Nach wie vor beruhen viele Modellans tze zur Abbildung des Entscheidungsverhaltens auf den Pr missen des homo oeconomicus So bilden die Nutzenmaximierungsmodelle in Form von Logit Ans tzen den mathematischen Kern vieler Verkehrsnachfragemodelle beispielsweise zur Modellierung der Ver kehrsmittelwahlentscheidung Jedoch lassen sich bereits davon abweichende wissen schaftliche Str mungen der Entwicklungen von Verkehrsnachfragemodellen erkennen deren Ent scheidungsregeln eher in Richtung des RREEM Men Modells tendieren Computational Process Models CPM die Verkehrsnachfragemodelle der neuesten Generation be r cksichtigen neben dem Prinzip der Nutzenmaximierung individuelle Entscheidungsheuristiken der Zeitplanung suboptimale L sungen usw u a Ettema 1996 G rling 1998 Arentze et al 2000 Ist eine T tigkeit A bzw
71. Godesberg EEHEEHE iteraturverzeichnis 221 222 EEHEEHE iteraturverzeichnis ANHANG A GLOSSAR EHEHEHEH Anhang A Glossar abh ngige Variable Merkmal das von einer oder mehreren unabh ngigen Variablen beeinflusst wird Aktivit t T tigkeit bedeutungsvolle Interaktion mit Menschen und oder Dingen in einem gleich bleibenden sozialen und r umlichen Umfeld Aktivit tskette Beschreibung der Abfolge von gt Aktivit ten die von einer Person innerhalb eines bestimmten gt Makrozeitabschnittes ausge bt werden in der Sequenzform der gt Ereignisreihe Auspr gung verschiedene Werte die eine Variable annehmen kann biologische Distanz Abbildungsma der gt Sequenzvergleichsanalyse darauf basierend eine Quell in eine Zielsequenz durch Repositionierungs und Austauschvorg nge der Zust nde zu transformieren und diesen Aufwand zu quantifizieren CHAID Analyse Chi squared Automatic Interaction Detector multivariates statistisches Verfahren gt exploratives Verfahren das die Menge der Objekte Zust nde usw anhand von Merkmalswertesets vorgegebener kategorialer gt unabh ngiger Variablen hierarchisch in Segmente aufteilt die sich in Bezug auf die Zielvariable gt abh ngige Variable m glichst signifikant unterscheiden graphische Darstellung der Ergebnisse Baumdiagramm CHASE Computerized Household Activity Scheduling Elictor Computergest tzte Software f r Haushalts
72. Ill Ergebnisse der Logit Analyse H I11 20 Alternativ Referenz _ pa kategorie kategorie a ia 2 E oO Cluster f T 3 3 5 l s 5 55 85 N E D N D N se S S S 2 S Sn 6 7 z x e 2 Sg 5g 5 3 E J 2 6 NE la S S D D og 3 D z 0 fa u ou gt x Unter Ober grenze grenze Konstanter Term 2 69 1 89 2 022 0 15 Alter 0 04 0 03 1 43 0 23 1 0359 0 98 1 10 DO PNV Zeitkartenbesitz 0 16 0 50 0 11 0 74 1 1790 0 44 3 17 DO keinen OPNV Zeitkartenbesitz Mann 0 66 0 48 1 93 0 16 1 9362 0 76 4 91 O Frau F hrerschein 0 20 0 56 0 13 0 71 1 1 2251 0 28 2 44 DO keinen F hrerschein Vollzeiterwerbst tig 2 40 1 40 2 93 0 09 v 11 0461 0 70 17323 E Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 3 69 1 64 5 04 0 02 V 39 9654 1 60 1000 41 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 2 55 1 63 2 45 0 12 0 0779 0 00 1 91 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 4 95 0 98 25 52 0 00 V 141 7869 20 74 969 08 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 6 24 1 36 21 00 0 00 v 512 9917 35 57 7399 01 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 2 55 1 63 2 45 0 12 12 8359 0 52 31446 0 Sch ler Studierende
73. In einer Kleinstadt einer gro en Gemeinde 5 000 20 000 Einw Auf dem Land in einer kleinen Landgemeinde Lage Wohnung Im inneren Stadtbereich einer Gro stadt nominal Am Stadtrand in einem Vorort einer Gro stadt Im inneren Stadtbereich einer mittelgro en Stadt Am Stadtrand in einem Vorort einer mittelgro en Stadt In einer Kleinstadt in einer gro en Gemeinde auf dem Land in einer kleinen Landgemeinde HEBHBHEE Anhang H I potenzielle Erkl rungsgr en H I 2 Einflussfelder potenzielle Erkl rungsgr e Merkmalswerte der Erkl rungsgr en Skalen niveau Makroebene der Umwelt verkehrs infrastrukturell r umliche Umwelt Einkaufsm glichkeit f r den t glichen Bedarf in der n heren Umgebung der Wohnung 1 2 km entfernt bzw 15 20 Minuten Fu weg ja nein nominal Einkaufsm glichkeit f r andere Dinge wie z B Kleidung in der n heren Umgebung der Wohnung 1 2 km entfernt bzw 15 20 Minuten Fu weg ja nein nominal Kneipe Cafe oder hnliches in der n heren Um gebung der Wohn ung 1 2 km entfernt bzw 15 20 Minuten Fu weg ja nein nominal Ausgehm glich keiten Kino Theater usw in der n heren Umgebung der Wohnung 1 2 km entfernt bzw 15 20 Minuten Fu weg ja nein nominal Sportst tten oder hnliches in der n heren Um gebung der Wohnung 1 2 km entfernt bzw 15
74. Intervallreihe als Untersuchungsbasis erfolgt ausschlie lich argumentativ mit folgender Begr ndung u Erstens gelingt es mit dieser Sequenzform relativ einfach implizit die Dauer yP und die zeitliche Lage y der t tigkeiten bzw ortsver nderungsbezogenen Zust nde z bei der Abbildung zu ber cksichtigen Zweitens stellt sich das Problem einer Abbildungsverzerrung vgl Aisenbrey 2000 Rindsf ser et al 2000 als Folge der Anzahldifferenz von Zustandselementen z bei der Abstandsermittlung zwischen Wege Aktivit tenmustern s nicht Aktivit ten Verkehrs verhalten erfasste Realit t Ereignisdauerreihe Intervallreihe Sequenzform der Wege Aktivit tenmuster Zustandsraum Zustandsraum Zustandsraum Weg Aktivit ts Folge Z wa Weg Z w Aktivit ten Z a Grobstruktur Zustandsraum Z wa c Z a YP x Z w Z w Z w Z a Z a z e Z wa z e Z w z e Z a Feinstruktur Zustandsraum Abbildung der erfassten Realit t in Sequenzform Abbildung 6 2 Alternativen zur Abbildung des Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster 122 EHHEOHEHE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK Grobstruktur des Zustandsraumes handlungstypspezifisch Im Hinblick auf die Grobstruktur der Zustandselemente z mit z Z y ist zu entscheiden erstens ob Wege W und Aktivit ten A getrennt betrachtet werden Das hei
75. Merkmals k1 kj Zustandsraum Z k Z k1 x Z k2 x Z k Abk rzung f r Zustandsraum Z k1 Merkmalswerteraum des Merkmals k1 EEHEHE Anhang B Notation B 3 Beispiel I Zustandselementkomposition modifiziert nach Joh et al 2001 Gegeben sind die drei Sequenzen s und amp die jeweils aus acht Zustandselementen z bzw Z bestehen Die Zustandselemente z bzw 2 sind qualitativer Art Der Zustandsraum Z y mit z 2 Z y konstituiert sich aus einem einzigen Merkmalswerteraum Z y der die Buchstaben des Alphabets umfasst W hrend die Sequenzen s und nur gemeinsame Zustandselemente z aufweisen ergibt die Gegen berstellung von s und amp f nf gemeinsame z und drei solit re z Zustandselemente Zun chst wird der Abstandsindex Dyge S 5 auf der Basis geometrischer Distanzen betrachtet Ohne Einfluss auf den Abstand bleibt die unterschiedliche Struktur der Sequenzen mit gemeinsamen und solit ren Zustandselementen da diese Distanz in beiden Betrachtungsf llen Dgeo S 1 6 und Dgeo S 82 6 gleich ist match 0 mismatch 1 Hingegen erfasst das biologische Distanzma im Hinblick auf die Zustandselementkomposition ob es sich um solit re zZ oder gemeinsame z Zustandselemente handelt Transformationsaufwandswerte Einsetzen 1 L schen 1 match 0 Substituieren 2 Zur Begr ndung Der Abstand zwischen den Sequenze
76. Multimethodenansatzes Die Theoriebildung f r den vorliegenden Untersuchungsansatz umfasst konzeptionelle Basis f r die gew hlte Analysestrategie des musterorientierten alle drei Logiken als Verbindungen zwischen den Elementen des theoretischen Grundansatzes vgl Abbildung 4 2 Im Einzelnen werden betrachtet a die Logik der Aggregation zur Behandlung wie der Mikro Makro bergang von individuellen Handlungen den Wege Aktivit tenmustern s zu den Makrozust nden den Wege Aktivit tenmuster Typen S zu bewerkstelligen ist b die Logik der Auswahl zur Ergr ndung welche Handlungsalternative hier welcher Wege Aktivit tenmuster Typ S gew hlt wird sowie 58 EHEHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ c die Logik der Situation zur Kl rung der Frage wie Elemente der Umwelt und der Person die Variabilit t individuellen Aktivit ten Verkehrs verhaltens dargestellt in aggregierter Form als Wege Aktivit tenmuster Typ S beeinflussen Makro Ebene Wege Aktivit tsprofile UMWELT U intra D personelle I H 7 anitiezel sozial yariapiltat Typ S Zeitordnungen r institutionell kulturell Typ S verkehrs infrastrukurell r umlich personelle Variabilit t gt Typ S Bedingungen l l l i externe MAKROZUST NDE l l
77. OPNV Zeitkartenbesitz Mann 0 91 0 44 4 22 0 04 V 0 4016 0 17 0 96 Frau F hrerschein 0 88 0 49 3 24 0 07 v 2 4015 0 93 6 25 Hu keinen F hrerschein Vollzeiterwerbst tig 4 59 1 09 17 71 0 00 v 0 0101 0 00 0 09 Hausfrau mann arbeitslos Rentner in 1 99 Teilzeiterwerbst tig 4 46 1 09 16 83 0 00 v 0 0116 0 00 0 10 Hausfrau mann arbeitslos Rentner in 1 86 2 Sch ler Studierende in Berufsausbildung 1 86 1 37 1 84 0 17 0 1552 0 01 2 28 o Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 73 0 80 11 71 0 00 v 0 0651 0 01 0 31 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 2 60 0 87 8 93 0 00 v 0 0746 0 01 0 41 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 1 86 1 37 1 84 0 17 6 4419 0 44 94 81 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 14 0 49 0 08 0 78 0 8735 0 33 2 30 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 4 46 1 09 16 83 0 00 v 86 3835 10 26 727 09 Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 60 0 87 8 93 0 00 v 13 4096 2 44 73 61 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 4 59 1 09 17 71 0 00 V 98 8990 11 64 840 26 Vollzeiterwerbst tig Teilzeiterwerbst tig 0 14 0 49 0 08 0 78 1 1449 0 44 3 01 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 73
78. Ortsver nderungen W mit den Zw ngen und M glichkeiten der Umwelt koppelt Esser 1996 Die Handlungstheorie geht davon aus dass individuelle Ziele Voraussetzung f r Handlungen sind Erke 2000 Werlen 2000 Erke 2000 differenziert zwischen Zielen materieller erzielter Lohn BOBBEE Grundlagen 23 eingesparte Fahrtkosten usw und gef hlsm iger bzw ideeller Art Prestige Einstellungen Motive usw die bei Handlungsintentionen sowohl getrennt als auch berlagert vorhanden sein k nnen Eine andere Unterscheidung nehmen G rling et al 1996 vor Einerseits existiert der unmittelbare Nutzen aus der Realisierung einer Aktivit t process utility der beim Einkauf beispielsweise von der Bedienungsqualit t abh ngt Und andererseits gibt es den erwarteten Nutzen ein Ziel durch die Realisierung einer T tigkeit A bzw eines Weges W zu erreichen goal utility Beispielsweise ist der zielbezogene Nutzen bei Versorgungst tigkeiten durch die Auswahlm glichkeiten an G tern repr sentiert Im Rahmen der prozesshaften Situationsdefinition findet als inneres Tun covertes Handeln auf Personenebene eine subjektive Rahmung durch Verkn pfung innerer und objektiv u erer Bedingungen statt die alle Aspekte der Organisation und Reorganisation von Aktivit ten A bzw Wegen W einschlie t Dazu sind zwei Schritte notwendig zuerst die Kognition der Umwelt und dann die Orientierung Der Vorgang der Kognition dient dabei z
79. Publikationen in der eigenen Untersuchung aufgegriffen werden die dort bereits als ma gebende Pr diktoren k identifiziert bzw a priori zugrundegelegt wurden vgl Abschnitt 3 3 2 Tabelle 3 4 Zweitens ob eine Variable k m glicherweise diskriminierende Effekte aufweist oder nicht l sst sich in einem ersten Screening mit Hilfe der Kreuztabellenanalyse berpr fen Stellt sich heraus dass kein signifikanter Zusammenhang zwischen der Clusterzugeh rigkeit und der potenziellen Erkl rungsgr e auf Basis des y Tests besteht Irrtumswahrscheinlichkeit a gt 0 05 oder jener infolge der Verletzung von Anwendungsvoraussetzungen des statistischen Verfahrens nicht feststellbar ist oder 2 Durch logische Verkn pfungen der Merkmalswerte mehrerer Erkl rungsgr en werden neue Pr diktoren mit Kategorien erzeugt z B Lebenszyklusvariable Kombinationsvariable aus F hrerscheinbesitz und Pkw Verf gbarkeit EEHEEHE Fallbeispiel dass die St rke der Abh ngigkeit basierend auf dem Ma des d Koeffizienten unter 0 3 liegt und damit trivial ist vgl Backhaus et al 2003 bleibt das Merkmal k von vornherein ausgeschlossen Anhang H Il dokumentiert das Ergebnis des Filterprozesses auf welche Variablen k des MOP die Wahl als potenzielle Erkl rungsgr e f llt Folgendes ist dabei zu beachten Trotz festgestellter statistischer Zusammenh nge im Rahmen der Kreuztabellenanalyse werden die grunds tzlich relevanten Pr diktore
80. Q ins del sub zugrunde vgl Abschnitt 4 4 1 Somit stellt sich zweitens hinsichtlich der Analogiebildung die Frage ob und inwieweit die Abst nde Aly yO bei Zustandswechseln im Rahmen von Zeitplanungsvorg ngen Yo gt Y bzw Yo coverte Handlungen auch von der Art der Zeitplanungsaktion dem Streichen Hinzuf gen und Ersetzen von Aktivit ten A bzw Ortsver nderungen W abh ngen Als Indikator f r m gliche Abst nde Ay y7 0 dient wiederum das Zielkriterium der Wichtigkeit Poovey y 0 Das hei t Aus der Betrachtung des individuellen Zeitplanungsprozesses soll die Priorit t Peover y y0 in Abh ngigkeit der Art der Aktion und den bis zu zwei beteiligten Zust nden yv und y bestimmt werden Entsprechend ergeben sich die Abst nde APcoverly y0 aus den Absolutwerten der gemessenen Priorit ten vgl Gleichung 5 3 Gleichung 5 3 _APcoverly 2 Peover y 2 APcoven 2 y Peover 2y APcovert Y 1 975 Poovey y mit y ve Z y Z y Drittens kommt als weiteres Ziel hinzu Durch Zusammenfassung ist die gro e Vielfalt potenzieller aktivit ten bzw ortsver nderungsbezogener Zust nde y notwendigerweise auf eine berschaubare Zahl zu reduzieren die zur Beschreibung der Wege Aktivit tenmuster s herangezogen werden Das gew hlte Zielkriterium f r die Klassifikationsaufgabe ist die Priorit t Pover bzw Poove Daraus resultieren Segmentzust nde si y als einfache oder multiple Zust
81. Sequenzabstand D S 8 s s s schlie t den operationsspezifischen Zustandsabstand Aly yo ein Erstens steht einer Verwendung zustandsabh ngiger Aufwandswerte Ca nichts entgegen Es ist davon auszugehen dass die operationsspezifischen Distanzen AP y y o auf der Basis EHHOHEE Anwendungsvoraussetzungen Optimal Matching Technik 187 138 des Priorit tenkonzeptes der vorgenommene empirische Absch tzung vgl Kapitel 5 ent sprechende Abst nde Aly y o bei Zustands berg ngen zwischen verschiedenen Handlungen Y wirklichkeitsn her im Vergleich zu einer Nichtber cksichtigung jener abbilden Zweitens ist die inhaltliche Ausrichtung beider Aufwandswertearten sinnvoll obwohl ein Verzicht darauf bei Indelaufwandswerten C a z nur mit geringen Auswirkungen auf die Distanzen D S s s s der Optimal Matching Technik verbunden ist Drittens zeigt die Absch tzung des Gr enverh ltnisses von Sub C n Z 2 und Indel aufwandswerten Cina Zz bei zustandsabh ngiger Ausrichtung beider dass tendenziell im Abstandsma D S ss s eher die Abbildung der Zustands un J hnlichkeit solit rer Zustands elemente z und der Abfolge hnlichkeit gemeinsamer Zustandselemente z als deren Verschiebung ber cksichtigt wird Sachlogische Erw gungen sprechen indessen eindeutig f r diese Orientierung Der Distanzindex Dyio S S sses soll durchaus ber cksichtigen falls Wege Aktivit temuster s mit nahezu gleicher Zustandselementkomposition zeit
82. Sowohl die Abfolge gemeinsamer Zustandselemente z beider Sequenzen strukturelles Skelett als auch die Zusammensetzung der Wege Aktivit tenmuster s aus gemeinsamen z und solit ren z Zustandselementen Zustandselementkomposition flie en in den Sequenzabstandsindex D i S 8 ss s ein Dass grunds tzlich sogar eine Ber cksichtigung der Positionsdifferenzen gemeinsamer Zustandselemente z bei der Distanzermittlung zwischen Sequenzen m glich ist zeigt der Ansatz von Joh et al 2001 Im Kontrast zu den Verfahren der Sequenzvergleichsanalyse auf der Basis geometrischer Distanzen Dgeo S s es die bislang bei musterorientierten Multimethodensans tzen eingesetzt werden ergeben sich deutlich erweiterte Analysepotenziale Inhaltliche Ausrichtung des Sequenzvergleichsverfahrens Ber cksichtigung der Abst nde t tigkeiten bzw ortsver nderungsbezogener Handlungen Keine der vorgestellten Studien versucht ber Annahmen hinausgehend den operationsspezifischen Abstand Aly Ly O zu quantifizieren der bei Zustands berg ngen vi gt y bzw yv lt verschiedener aktivit ten bzw orts ver nderungsbezogenen Handlungen Y vorhanden ist Grundlegendes Ziel ist jene Abst nde Aly yo bei Ermittlung des Sequenzabstandes D i S zu ber cksichtigen Zwar wird die gro e Relevanz und die darin liegende Chance einer inhaltlichen Orientierung der Distanzen D s S s s an der Realit t durchweg betont u a Wilson 1998
83. Ungenutzt bleiben bei den nachfolgenden statistischen Analysen Sensitivit tsanalyse in Kapitel 6 exemplarische Anwendung des Multimethodenansatzes in Kapitel 7 die analytischen Potenziale der Paneluntersuchung wohingegen von den entsprechenden M glichkeiten der Longitudinaldaten im Rahmen der musterorientierten Datenanalyse in Kapitel 7 profitiert wird Bis zur Bereitstellung des Daten materials der KONTIV 2002 bietet der Fundus des MOP die derzeit einzige aktuelle Alternative um differenzierte Analysen zum Aktivit ten Verkehrs verhalten bewerkstelligen zu k nnen vgl Kloas et al 2001 Stichprobe und Befragungsinhalte Seit 1994 wird im Auftrag des BMV bzw des BMVBW eine nahezu bev lkerungsrepr sentative Haushaltsbefragung bezogen auf die Sozialstruktur und den Raumtyp zum Aktivit ten Verkehrs verhalten im j hrlichen Rhythmus realisiert Welle Die wiederholten schriftlichen Befragungen finden jeweils im Herbst ber den Zeitraum einer Woche statt wobei dieselben Personen mehrmals hier bis zu drei Jahren befragt werden Detailliertere Informationen zum MOP finden sich u a in den Forschungsberichten von Chlond et al 1995 Chlond et al 1996 Chlond et al 1997 Chlond et al 1998 Chlond et al 1999 Kloas et al 2001 und der zum Projekt dazugeh rigen Homepage Die genannten Quellen dokumentieren ausf hrlich die Vorgehensweise der Datenerfassung die Stichprobenentwicklung im Zeitverlauf und die Methodi
84. Unterschiede bzw Gemeinsamkeiten zu den anderen Arbeiten Erstens z hlt die vorliegende Untersuchung zu den wenigen musterorientierten intrapersonellen Analysen wie beispielsweise auch die Arbeiten von Jones et al 1983 Heller Kemp et al 2000 bzw zum Teil Zimmermann et al 2001 und Schlich et al 2000 Viele der themenbezogenen Studien betrachten als Analyseeinheit lediglich Kenngr en des Raum Zeit Verhaltens beispielsweise die Ortsver nderungszahl u a Pas et al 1986 Pas et al 1995 Zweitens unterscheidet sich die Untersuchungsstrategie grundlegend gegen ber anderen musterorientierten Multimethodenans tzen u a Zimmermann et al 2001 wie die nach stehende Abbildung 7 14 zeigt Drittens beruht die vorliegende Berechnung der Sequenzabst nde auf dem biologischen statt auf dem geometrischen Abbildungsprinzip u a Jones et al 1988 Gegen ber anderen Unter suchungen auf erstgenanntem Prinzip Zimmermann et al 2001 ist die Methode zur Sequenzdistanzbestimmung im Anwendungsfall zus tzlich empirisch am Untersuchungs gegenstand ausgerichtet Viertens beschr nkt sich der Untersuchungszeitraum lediglich auch eine Woche w hrend andere Studien u a Hanson et al 1986 Hanson et al 1988 Axhausen et al 2002 l ngere Zeitabschnitte betrachten HERHELE Fallbeispiel 159 F nftens erfolgt der induktive Analyseschritt der vorliegenden Studie mit Hilfe der Logit Analyse Teilweise fehlt in anderen A
85. Untersuchungsansatz vom deterministischen Kausalprinzip dessen logisches Konzept aufgrund fehlender Ber cksichtigung der zuf lligen und nicht erkl rbaren Verhaltens variabilit t infrage gestellt wird vgl Abschnitt 4 3 b Der vollzogene Perspektivwechsel grenzt die eigene Analysestrategie von anderen einschl gigen musterorientierten Forschungsbeitr gen vgl Tabelle 3 3 deutlich ab Angemessenheit der statistischen Methoden Im Hinblick auf die einzelnen ausgew hlten statistischen Verfahren ist ausschlie lich beim erarbeiteten musterorientierten Multimethodenansatz zu er rtern wo m glicherweise Vorbehalte gegen ber diesen Methoden bestehen welcher weitere Untersuchungsbedarf im konkreten Anwendungsfall existiert und welche alternativen statischen Verfahren sich eventuell anbieten Unbeachtet bleibt zun chst bei der nachfolgenden Diskussion die Optimal Matching Technik die gesondert ausf hrlich behandelt wird Clusteranalyse Wie bereits angesprochen vgl Abschnitt 3 2 1 bestehen grunds tzliche Einw nde gegen ber dem Verfahren der Clusteranalyse die sich im Wesentlichen auf zwei Hauptkritikpunkte konzentrieren 2 Die Behandlung dieser Fragestellung geht ber den urspr nglich aufgestellten Kriterienkatalog aus Kapitel 3 hinaus der dort f r alle musterorientierten Untersuchungsans tze des Aktivit ten Verkehrs verhaltens formuliert wurde EEHEEHE Fazit und Ausblick 199 Je nachdem welcher clustera
86. Verhaltens Abbildung des Raum Zeit ganzheitlich auf Basis von Wege Verhaltens partiell auf Basis Verhaltens Aktivit tenmustern einzelner Verhaltenskenngr en Untersuchungs strukturen strukturen strategie entdeckende entdeckende Verfahren Verfahren strukturen strukturen pr fende pr fende Verfahren Verfahren Analyseprinzip strukturen entdeckende Verfahren strukturen pr fende Verfahren der statistischen Methoden Segmentierung Repr sentation Identifikation Clusteranalyse a 1 Dist nzboslimmung y Diskriminanzanalyse ANa Regressionsanalyse Logit Analyse Abbildung 3 1 Klassifikationsschema Untersuchungsans tze des Raum Zeit Verhaltens globale Systematik eigene Darstellung b Untersuchungsstrategie Die Vorgehensweise bei der Datenanalyse ist das n chste Unterscheidungskriterium Bevor auf die Anordnung der Untersuchungsschritte n her eingegangen wird ist vorher zu kl ren welches statistische Grundprinzip den Analyseverfahren zugrunde liegt Im Hinblick auf die grunds tzliche Ausrichtung lassen sich diese Methoden in die zwei Kategorien einteilen strukturen erkennend explorativ und strukturen pr fend induktiv Deren Zweck soll zun chst beschrieben werden Anwendung strukturen erkennender Verfahren Bildung von Typologien Durch den Einsatz strukturen erkennender Methoden aus dem Bereich der multivariaten Statistik wird das Ziel verfolgt bislang unbekannte strukturelle G
87. Wochenbasis 1 At 5 min 2 Unterschiede geplanter und BRD ber eine match realisierter s Woche 2 gleiche Tage ber eine Woche Zimmer m 7 u nu Tag zu Tag Variabilit t von s 317 Tag zu Tag auf 0 Olgap 1 hnlich ClustalG mann et al Kconst 10 im Zeitverlauf Wochenbasis mismatch keitsma 2001 288 intrapersonell ber 6 Wochen 1 At 5min match Heller E E E Tag zu Tag Variabilit t von s 5596 7 Tage a a Gewichtung f r Distanz eigene Kemp et al 9 intrapersonell zur bis 21 Tage 0 75 2 12 Zeitkette und ma Software 2000 Ermittlung eines Tagesbasis Aktivit tskette zu Grundverhaltensmusters gleichen Teilen Schlich a E E EM I Abweichungen vons 361 1 Tag aus 42 2 1 Gewichte der Distanz Dana 2003 4 3 2 verschiedener Personen an Tagen einzelnen Merkmale ma Einzeltagen y in Bezug auf z Quelle Wilson 1998 Joh et al 2001 Joh et al 2002 Rindsf ser et al 2000 Zimmermann et al 2001 Heller Kemp et al 2000 Schlich 2003 78 HEODBEE Muitimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ 4 5 2 Diskussion und Bewertung der Ans tze zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern mit Hilfe der Optimal Matching Technik Alle in Tabelle 4 5 aufgef hrten Forschungsarbeiten r cken vor allem methodische Aspekte in den Vordergrund verfolgen jedoch auch hier recht unterschiedliche Ans tze Der abs
88. Z 2 AP Z 2 Cna Z AP Z 2 Zeitintervall 2 c c c l nge E E E E E E oO oO oO oO oO At O o N m x co alle Korrelationen sind auf einem Niveau von 0 01 signifikant Das Ergebnis der Variationen verdeutlicht Es liegt ein sehr starker linearer Zusammenhang zwischen den berechneten Sequenzabst nden D S 8 s s s der Berechnungsf lle f bzw f in der Gegen berstellung zum definierten Reverenzfall mit At 5 min zumindest im Bereich eines Zeitrasters At zwischen 10 r 1 00 und 30 Minuten r 0 97 vor Ein Absinken der Zusammen hangswerte r unter das Korrelationsniveau von r 0 95 zeigt sich erst bei einer Zeitintervalll nge At von ca 40 Minuten Wird der genannte Wert unterschritten indiziert dies keinen sehr starken Zusammenhang mehr Offensichtlich wirkt sich der Verlust an Genauigkeit bei der Darstellung des Raum Zeit Verhaltens als Intervallreihe bedingt durch Verzerrungen infolge der erl uterten Abbildungsvorschrift vgl Abschnitt 6 2 1 erst bei einem relativ groben Zeitraster At auf die Resultate der Optimal Matching Technik aus Zu erkl ren ist dieser geringe Effekt mit einer eher l ngeren Dauer der Zust nde z bei einem geringen Umfang des Zustandsraumes Z y Vor diesem Hintergrund ist der ermittelte Zusammenhang vorsichtig zu werten bzw zu hinterfragen da die Detailliertheit des Ausgangs datenmaterials die Anzahl potenzieller Zust nde z beschr nkt Folgende Beziehung
89. ableitbar die offenkundig geringe oder keine entsprechenden Effekte zeigen Dau Daraus folgt Auf eine Ber cksichtung jener kann in den Analysemodellen verzichtet werden Tabelle 5 5 coverter bzw overter Handlungen Eingrenzung und Auswahl potenzieller Merkmale zur Erkl rung der Priorit t Betrachtungseinheit Eingrenzung der Auswahl potenzieller Trennmerkmale Aktivit t A Weg W Weg Aktivit ts Ausschlussgr nde 5 Folge WA V GS lt fos 3 s2 a 7 5 g gt es eloo E DERS s n2 5 Fv os22 2 E820 02 ose8 Es 5 gt 2 2 73 2N 25 Sx 2 5E Selge 512 g FHERR oT s2 9522152 Sro 325 noSE S lt Facette Merkmal sachlich Aktivit tstyp Aktivit tstyp A v M M ap ap Fortbewegungs Fortbewegungs v M M M art art w w zeitlich Beginn Ende Beginn Ende Beginn Ende M M M ade y wa eit Aktivit tsdauer Wegdauer Gesamtdauer Vl M M M Dau Dau Dau a w wa r umlich Aktivit tsort Aktivit tsort M a a sozial involvierte involvierte involvierte Personen Personen Personen aes wrers ware Legende MI Merkmal vorhanden Merkmal fehlend Es verbleiben als Ergebnis eines Filterprozesses somit als Beschreibungsgr en y ausschlie lich die Merkmale Aktivit tstyp a und Fortbewegungsart w vgl Tabelle 5 5 104 EHEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICH
90. anmuten Dass gerade der Erwerbsstatus eine berragende Erkl rungskraft aufweist wird dabei klar ersichtlich Die Wege Aktivit tenmuster Typen S reflektieren am Erwerbs bzw Nicht Erwerbsleben ausgerichtete individuelle Tages und Wochenverl ufe Dies h ngt auch mit der Definition des Zustandsraumes Z a der Aktivit ten A zusammen Die Auspr gungen des Aktivit tstyps a zur Charakterisierung der Zust nde z im Analysefall orientieren sich stark an der Arbeitswelt und sind hinsichtlich Freizeit und Versorgungsaktivit ten wenig ausdifferenziert vgl Volkmar 1984 Zimmermann et al 2001 Trotz zum Teil ge ndertem Rollenverst ndnis spiegelt sich nach wie vor die geschlechter spezifische Aufgabenteilung h ufigerer Teilzeitarbeit sowie geringerer Erwerbsquote von Frauen einerseits und andererseits die h ufigere Vollerwerbst tigkeit und die h here Erwerbsquote von M nnern vgl Breckner et al 2002 in unterschiedlichen Affinit ten zu Wege Aktivit tenmuster Typen S wider Beispielweise neigen Frauen eher zum haushaltsorientierten Cluster S4 und M nner eher zu Cluster S das durch Mehrarbeit gekennzeichnet ist HERHELE Fallbeispiel 187 Das Alter als weitere Determinante bestimmt welche und in welchem zeitlichen Umfang obligatorische oder disponible T tigkeiten zum Spektrum der Zeitverwendung z hlen Der Wegfall von Pflichtaktivit ten ist typisch f r ltere Personen was eine st rkere Affinit t zum durch disponible T
91. aus Dass neben den pers nlichen Vorlieben und der Stilisierung z B der Besitz eines Autos eines bestimmten Herstellers auch soziodemographische Merkmale zur Verankerung der Lebenssituation in die Operationalisierung des Lebensstilkonzeptes eingehen sollten darauf weisen Wulfhorst et al 2000 hin Hervorzuheben im engeren Zusammenhang der vorliegenden Arbeit ist der empirische Nachweis eines signifikanten Zusammenhangs zwischen allt glicher Zeitverwendung und Lebensstil von L dtke 1995 Obwohl der Erkl rungshintergrund des Lebensstilskonzeptes zur Interpretation des Verkehrsverhaltens als sehr zeitgem erscheint insbesondere wenn man die am Anfang der Arbeit dargelegten gesellschaftlichen Ver nderungsprozesse der BOBBEE Grundlagen 1g Pluralisierung zugrunde legt so besteht in der Anwendung im fachlichen Kontext der Verkehrsforschung noch Kl rungsbedarf bzw ernst zu nehmende Vorbehalte vgl u a Bogun 1996 Kutter 2001 Probleme wirft nach Kutter 2001 das Lebensstilkonzept vor allem dann auf wenn auf dessen Basis abgegrenzte Personentypologien in Verkehrsnachfragemodelle eingehen sollen Fraglich ist beispielsweise ob und inwieweit Lebensstiltypen ber l ngere Zeitr ume eine Verhaltensstabilit t aufweisen was f r eine Verkehrsprognose grundlegende Voraussetzung ist Weiter besteht das Problem der Nichtverf gbarkeit entsprechender Daten f r die Anwendungspraxis der Verkehrsnachfragemodelle bliche Pri
92. das Fenster zum Hinzuf gen einer Aktivit t Weg Doppelklick auf Zelle Feld im pers nlichen Terminplaner gt Aktivierung des Befehls Hinzuf gen in der Men leiste Einfacher Klick auf Befehl Hinzuf gen in der Men leiste Eintrag der Beschreibungsgr en von Wegen Aktivit ten vgl Abschnitt 1 5 Ans LS NOS ER GE I JE DE ze m pa Ja Do ac m m a 1617 Abb 11 Hinzuf gen einer Aktivit t Weg EHEHEH Anhang D i Leitfaden CHASE Erhebung D I 5 1 5 Eintragungen der Attribute von Aktivit ten Wegen Attribute von Aktivit ten bzw Wegen die in die Fenster ndern einer Aktivit t bzw Hinzuf gen einer Aktivit t vgl Abb 12 mit Hinweisen einzutragen sind stellt Abbildung 13 beispielhaft als Ausschnitt eines Aktivit tenmusters dar Ein Eintrag besteht entweder a aus einer Weg Aktivit ts Folge falls ein Ortswechsel vor der Aus bung der T tigkeit notwendig ist oder b aus einer Aktivit t wenn dies nicht erforderlich ist beispielsweise Aktivit ten zu Hause Zu beachten ist beim Eintragen Tageswechsel vgl Abb 14 Aktivit ten Wegen ber Mitternacht sind zweifach einzutragen z B Schlafen von 23 00 Uhr bis 09 00 Uhr ist folgenderma en hinzuzuf gen Eintrag schlafen 23 00 bis 23 5
93. der Gesamtaufwand des Transformationsprozesses Rohwer et al 2001 Gleichung 4 1 Cla au Clo Wie Gleichung 4 2 nach Rohwer et al 2001 zeigt l sst sich die Bestimmung der Distanz zwischen den Sequenzen s und 3 o als Optimierungsproblem auffassen Gesucht wird die Abfolge von m notwendigen Operationen welche die Summe der Aufwandswerte minimiert um Sequenz s in Sequenz o zu transformieren Der ermittelte Abstand D S 8 ss s repr sentiert das Ma f r EHEHEHE Multimethodenansatz 65 die Un hnlichkeit zweier Sequenzen Je gr er die Distanz D S 8 ss s Ist desto un hnlicher sind jene Gleichung 42 De S min C z oy S s 9 yl eQ Mz 0 Diis s 5 biologische Distanz zwischen den Sequenzen s und M Anzahl der Operationen Ob es sich bei der biologischen Abbildung von Un hnlichkeiten zwischen Sequenzen mit Hilfe der Optimal Matching Technik um einen Distanzindex handelt soll anhand der Argumentation von Kruskal et al 1983 und Rohwer et al 2001 f r die hierf r einzuhaltenden Kriterien kurz dargelegt werden Das Axiom der Nichtnegativit t gilt durch die Festlegung positiver Aufwandswerte C als erf llt Die Einhaltung der Reflexivit tsbedingung ist ebenfalls gegeben Aus der Distanzbestimmung folgt bei der Gegen berstellung identischer Sequenzen ein Wert von Dyo S S sses 0 ohne eine Transformationsaktion om auszuf hren Ob der Symmetriebedingung gen
94. der Zustandsr ume handlungstypspezifisch Zur Festlegung der Grundstruktur der Wege Aktivit tenmuster s existieren zwei Alternativen der Definition von Zustandselementen z die Weg Aktivit ts Folge WA als Einheit auf der einen Seite und die Ortsver nderung W bzw T tigkeit A als getrennte Teile auf der anderen Seite vgl Tabelle 5 5 b Feinstruktur der Zustandsr ume merkmalsspezifisch Um die abh ngige Variable die Wichtigkeit Pcover Von Zeitplanungsvorg ngen YoY bzw Yo sowie die Priorit t Power von realisierten Handlungen Y anhand von unabh ngigen Merkmalen y BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 103 zu erkl ren wird von einer vereinfachten Sichtweise ausgegangen wie bereits in Abschnitt 5 2 disk utiert Erstens schlie t die Datenanalyse lediglich statische vertikale Merkmale y von Aktivit ten A bzw Wegen W als erkl rende Variablen ein Zweitens schr nken wie aus Tabelle 5 5 hervorgeht die im weiteren Verlauf der Arbeit verwendeten Daten des MOP die Auswahl heranzuziehender Erkl rungsgr en y ein Drittens impliziert au erdem die gew hlte Sequenzform der Intervallreihe bereits Merkmale der zeitlichen Facette die Dauer y und die zeitliche Lage y von wege bzw aktivit tsbezogenen Handlungen Y so dass diese nicht als Trennmerkmale y infrage kommen Viertens sind anhand der gewonnenen Erkenntnisse der Literaturauswertung vgl Abschnitt 5 3 Merkmale y
95. der beteiligten Zustandselemente z bzw Z sowie die Art der Aktion mit e Q Weitere m gliche Gesichtspunkte die bei der Aufwandswertespezifizierung eine Rolle spielen k nnten sind die Sequenzpositionen k der Zustandselemente z und horizontale Interdependenzen zwischen Zustandselementen z innerhalb der Sequenzen s Die beiden letztgenannten Aspekte bleiben in der vorliegenden Arbeit au er Acht da ber deren Einbeziehung bislang auch in anderen Anwendungsbereichen keine Ansatzpunkte vorliegen Da die Zust nde z bzw Z infolge des Skalenniveaus der konstituierenden wege bzw aktivit tenbezogenen Merkmale y sowohl qualitativer als auch quantitativer Art sein k nnen existieren unterschiedliche Ans tze zur Bestimmung vgl Tabelle 4 1 Bei ausschlie lich quantitativen Zust nden z bzw Z mit metrisch skalierten Merkmalen y steht u a die euklidische Distanz als Abstandsma zur Auswahl vgl Backhaus et al 2003 Liegen qualitative Zust nde z bzw Z vor so sind jene per Abbildung als Skala bezeichnet zu quantifizieren Hierf r eignen sich zum Beispiel folgende Skalen f r Zust nde die H ufigkeit die Wichtigkeit die hnlichkeit usw f r Zustandswechsel die H ufigkeit des Zustandswechsels der Zeitplanungsmodus des Zustandswechsels die Wichtigkeit des Zustandswechsels usw Werden lediglich die einzelnen Zust nde z Z auf einer Skala quantifiziert so ist anschlie end zwischen den beiden Messwerten eine Di
96. des Verkehrsverhaltens Heft 22 Institut f r Verkehrsplanung und Verkehrswegebau TU Berlin Holz Rau C Kutter E 1995 Verkehrsvermeidung Siedlungsstrukturelle und organisatorische Konzepte Materialien zur Raumentwicklung 73 Bonn Holz Rau C 2000 Randwanderung und Verkehr ein blinder Fleck in der Verkehrs modellierung In Schriftenreihe Stadt Region Land 69 S 205 216 Institut f r Stadtbauwesen Hrsg RWTH Aachen Holzapfel H 1980 Verkehrsbeziehungen in St dten Heft 4 Institut f r Verkehrsplanung und Verkehrswegebau TU Berlin Huinink J Wagner M 1998 Individualisierung und die Pluralisierung von Lebensformen in Friedrichs J Hrsg Die Individualisierungs These S 85 106 Leske und Budrich Opladen Infratest Burke 1997 Haushaltspanel zum Verkehrsverhalten Endbericht zum Paneljahr 1996 1997 M nchen Joh C H Arentze T A Timmermans H J P 2001 A position sensitive sequence alignment method illustrated for space time activity diary data in Environment and Planning A 33 S 313 338 EEHEEHE iteraturverzeichnis 215 Joh C H Arentze T A Hofman F Timmermans H J P 2002 Activity pattern similarity a multidimensional sequence alignment method in Transportation Research B 36 S 385 403 Jones P M 1983 The practical application of activity based approaches in transport planning an assessment in Carpenter S Jones P M Hrsg Recent
97. die Eignung der vorliegenden Messung zu werten ist Insgesamt werden 536 Weg Aktivit ts Folgen WA tats chlich realisiert H ufigkeit der Arten der Zeitplanungsoperationen 80 Prozent Art Abbildung 5 4 relative H ufigkeit von Zeitplanungsvorg ngen Anzahl n 878 drittens die nicht gegebene Identifizierbarkeit weiterer Trennindikatoren vw die den vordefinierten p Wert hier p 0 1 unterschreiten BHEEDIEEM Anwendungsvoraussetzungen Optimal Matching Technik 109 Kenngr en der Priorit tenbewertung Tabelle 5 9 enth lt die arithmetischen Mittelwerte und H ufigkeitsverteilungen der subjektiven Be wertungen sowohl der Priorit ten Povel y realisierter aktivit ten bzw ortsver nderungsbezogener Handlungen Y als auch der Priorit t Poovey y pO von Zeitplanungsvorg ngen Y gt Y bzw Y amp differenziert nach den drei Betrachtungseinheiten Ortsver nderung W T tigkeit A und Weg Aktivit ts Folge WA Tabelle 5 9 H ufigkeitsverteilung und arithmetisches Mittel der subjektiven Bewertung von realisierten Handlungen und Zeitplanungsvorg ngen relative H ufigkeiten in den Bewertungsstufen in arithmetischer Mittelwert sehr unwichtig unwichtig neutral wichtig sehr wichtig Priorit t Pover y i realisierte Handlung Y Anzahl 536 Weg Aktivit ts Folge 12 1 7 8 43 3 19 0 17 7 0 22 Weg 15 9 11 2 33 6 23 3 16 0 0 12 Aktivit t 3 5 7
98. die Einbeziehung unterschiedlicher durch institutionelle Zeitordnungen gepr gter Tageskategorien Wochenendtage Werktage usw 139 EEHEEHE Fallbeispiel viertens das Erkennen von Stabilit ten und Variabilit ten im Aktivit ten Verkehrs verhalten im intrapersonellen Kontext und f nftens die Beachtung vollst ndiger Tagesabl ufe und damit des gesamten zeitlichen Spektrums von Handlungen Y z B Nachtarbeit n chtliche Freizeit Im Rahmen des Exkurses III erfolgt zus tzlich eine Analyse der interpersonellen Variabilit t auf der Grundlage alternativer Festlegungen des Makrozeitabschnittes Tageskategorien bzw einzelne Tage Dabei besteht die Zielstellung zu untersuchen welche Erkl rungsgr en k f r entsprechende Wege Aktivit tenmuster Typologien eine signifikante Trennwirkung aufweisen Analyse von intrapersonellen Abweichungen im Aktivit ten Verkehrs verhalten auf der Grundlage der Wege Aktivit tenmuster Typen Festlegung Makrozeitabschnitt Innerhalb der definierten bergeordneten Zeitebene der Woche variiert wiederum das Aktivit ten Verkehrs verhalten einer Person von Tagestyp zu Tagestyp von Tag zu Tag von Stundengruppe zu Stundengruppe usw Wegen der zeitlichen Geschlossenheit der Einheit Tag wird im Untersuchungsfall je Cluster S die intrapersonelle Tag zu Tag Verhaltensvariabilit t analysiert Vorgehensweise In Erg nzung zum Grundkonzept des vorgestellten musterorientierten Multimetho
99. die Modellierung des folgenden komplexen Entscheidungs und Handlungsproblems der Organisation und Reorganisation von individuellen Tages Wochenabl ufen usw Welche T tigkeit wird wann und wie lange in welcher Abfolge wo mit wem ausge bt und mit welchem Verkehrsmittel wann und in welcher Zeit mit wem auf welcher Route erreicht Weiter interessieren die Vorg nge der individuellen Zeitplanung Wann wird eine Aktivit t bzw Ortsver nderung geplant wann und wie wird diese ggf modifiziert oder durch eine andere ersetzt Begr ndet wird die aktivit tenorientierte Herangehensweise damit dass traditionelle wegeorientierte Einzelwege und WVegeketten Nachfragemodelle an ihre Aussagegrenzen sto en Dies ist unter anderem dann der Fall vgl Bowman 1998 Widmer et al 2001 wenn Wechselwirkungen zwischen Aktivit ten A und Wegen W abgebildet BHOBBEE Grundlagen 3 Interdependenzen zwischen vorausgegangenen und zuk nftigen Aktivit ten A in der Modellbildung ber cksichtigt interaktion innerhalb sozialer Netzwerke Haushalte beachtet oder individuelle Verhaltens nderungen modelliert werden sollen Um beispielsweise Umschichtungsvorg nge von Aktivit ten A und Ortsver nderungen W innerhalb individueller Tagesabl ufe als Folge von Ma nahmen z B ge nderte Zeitregime Verkehrssystemmanagement usw modellhaft zu behandeln die zum Unterlassen oder der zus tzlichen Realisierung von Wegen f hren reicht die wegeorient
100. e k kategorie der ki z Erkl rungs der Erkl rungs Rang der Pr ferenz gr e grona 1 2 3 J4 5 6 7 Alter Zunahme S4 S4 S5 S3 S2 Se S7 Geschlecht Frau Mann S amp S Se S3 Ss S7 S4 PNV nicht vorhanden vorhanden Ss IS IS IS IS S amp S Zeitkartenbesitz Fahrerlaubnis nicht vorhanden vorhanden Ss Ss S S S Se Sz Erwerbsstatus HAR vollberufst tig Ss S3 Se S4 S5 Sz teilweise Se S S3 S5 S S7 S berufst tig in Ausbildung S7 S3 S4 S5 S2 Se S in Ausbildung vollberufst tig S2 Se Sa S4 Ss S Sz teilweise Se S4 S5 S S4 S3 S7 berufst tig teilweise vollberufst tig S2 S3 S7 Se S4 S4 Ss berufst tig Effekt Geschlecht Geschlechterspezifische Chancenverh ltnisse der Realisierung von Wege Aktivit tenmuster Typen S Alternativkategorie Mann zeigt die hierarchische Anordnung in Tabelle 7 8 Die Chance dass M nner gegen ber Frauen bei allen Vergleichskonstellationen mit Cluster S eher zu jenem tendieren liegt grunds tzlich h her Signifikante Effekte treten bei folgenden Gegen berstellungen auf M nner neigen eindeutig zu Wege Aktivit tenmuster Typ S2 versus Cluster S4 Faktor 2 57 versus Cluster S Faktor 2 22 sowie versus Typ S Faktor 2 00 An den n chsten Positionen der Hierarchie angeordnete Wege Aktivit tenmuster Typen S stellt Tabelle 7 8 dar Auf dem zweitletzten Rang steht Wege Aktivit tenmuster Typ S4 F r M nner
101. eine endliche zeitliche Abfolge von K Zust nden y in einem festgelegten Makrozeitabschnitt F r die Zustandsfolge soll eine abk rzende Notation verwendet werden Hierbei bezeichnet statt der Langform y nun z den Zustandsvektor aktivit ten bzw ortsver nderungsbezogener Handlungen Y Entsprechend wird die Zustandsabfolge als Z1 22 2 Zk mit Zustand Zk Z y und Position k 1 2 definiert Dabei bedeutet zk Zustand z an der Stelle k der Sequenz Zeit Makrozeitabschnitt Kombination von Merkmalswerten z v2 y2 z y1 Kir y1 x2 BEN EEER EIERN E EES E E EST z4 y1X y1 Zustand z Zustand z Zustand z 4 A 4 A A ii Muster Abfolge von Abfolge von Abfolge von Zust nden Zust nden Zust nden Z gt Z Z gt Z Z gt Z Dauer z Dauer z Dauer z Dauer z Abbildung 2 3 Darstellungsweise eines Wege Aktivit tenmusters zustandsorientierte Schreibweise eigene Darstellung In Anlehnung an Bakemann et al 1995 l sst sich das Wege Aktivit tenmuster s in verschiedene Sequenzformen unterschiedlicher Aufl sung im Hinblick auf die zeitliche Facette des 22 BHORBEE Grundlagen KONZEPTIONELLER RAHMEN Aktivit ten Verkehrs verhaltens darstellen vgl Abbildung 2 4 Ereignisreihen event sequences Dauerreihen state sequences Ereignisdauerreihen time event sequences und Intervallreihen interval sequences Zu beachten ist
102. eines neuartigen Verfahrens der Sequenzvergleichsanalyse auch Interdependenzen zwischen T tigkeiten A Wegen W im Analyseprozess zu ber cksichtigen Der charakteristischen Abfolge von Aktivit ten bzw Ortsver nderungen strukturelles Skelett soll dabei Rechnung getragen werden Des Weiteren spielen Zusammenh nge des Zeitplanungsprozesses und Gesichtspunkte der subjektiven Bewertung von Aktivit ten bzw Ortsver nderungen abgeleitete Nachfrage eine BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN gro e Rolle da diese f r die inhaltliche Ausrichtung der zur Distanzbestimmung von Wege Aktivit tenmustern angewandten Sequenzvergleichsmethode aufgegriffen werden Der Haushaltskontext und die Restriktionen unterschiedlicher Art werden im eigenen Ansatz nicht explizit betont Gleichwohl werden jene Aspekte implizit ber cksichtigt indem beispielsweise Merkmale des Haushaltes als potenzielle Variablen k zur Erkl rung der Wege Aktivit tenmuster Typologie in Betracht gezogen werden Ohne Beachtung bleibt in der vorliegenden Arbeit der R ckkopplungsprozess zwischen dem allt glichen Aktivit ten Verkehrs verhalten und Entscheidungen bergeordneter Zeit horizonte Um individuelles Aktivit ten Verkehrs verhalten im weiteren Verlauf der Arbeit beschreiben erkl ren und modellieren zu k nnen mussten zun chst dessen theoretische Grundlagen betrachtet werden Im Mittelpunkt dieser berlegungen standen geplante und re
103. genannten Gesichtspunkte werden dabei ber die Zufallskomponente ber cksichtigt BHOBRBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE c Analyseprinzip der statistischen Methoden Analyseebene Sequenzvergleichsanalyse Eine zentrale Bedeutung im Rahmen der musterorientierten Forschungsarbeiten kommt der Sequenzvergleichsanalyse zur Abbildung von Un J hnlichkeiten von Wege Aktivit tenmustern s in der paarweisen Gegen berstellung zu c1 Abbildungseigenschaften des Distanzma es Das biologische Abbildungsprinzip umfasst im Gegensatz zum geometrischen weitreichendere Abbildungseigenschaften zur Messung der Un J hnlichkeit Dpio S s es von Wege Aktivit tenmustern s aus folgenden Gr nden Beim zweitgenannten Prinzip f hren in beiden Mustern s vorkommende identische Zust nde z an falscher Position bereits zu einem Distanzzuwachs Im Gegensatz dazu gelingt beim biologischen Abbildungsprinzip erstens die Erkennung identischer T tigkeiten A bzw Ortsver nderungen W an unterschiedlichen Stellen der zu vergleichenden Muster Zweitens ber cksichtigt der biologische Distanzindex ob bei Zust nden z die Bestandteil beider Sequenzen sind deren Abfolge gleich ist oder nicht Das hei t Sowohl die inhaltliche Struktur Zustandselementkomposition als auch die Abfolge hnlichkeit strukturelles Skelett gehen in das Sequenzabstandsma ein Die eben angedeuteten Zusammenh nge greift Kapitel 4 ausf hrlich auf c2
104. gt wird h ngt von der Spezifizierung der Transformationsaufwandswerte C ab Erstens sind unabh ngig von der Richtung des Zustandswechsels die Substitutions aufwandswerte Csu einheitlich zu definieren Zweitens muss gleichwohl ob ein Zustandselement z gel scht oder hinzugef gt wird der Aufwandswert Ce identisch sein Weiterhin ist zu err rten ob ein metrischer Distanzindex D S ss s vorliegt der an folgende Eigenschaften gebunden ist vgl Kruskal et al 1983 Rohwer et al 2001 Die Dreiecksungleichung gilt als eingehalten da die Menge der Transformationsoperationen Q lediglich aus den Aktionen l schen einf gen und ersetzen besteht Ebenso wird der Identit tseigenschaft gen gt da das biologische Distanzma Dyo S s s lt s null ist genau dann wenn beide Sequenzen gleich sind s Daraus folgt Unter der Voraussetzung entsprechend angepasster Transformationsaufwandswerte C gelten f r das Verfahren der Optimal Matching Technik die Bedingungen f r das Vorliegen eines metrischen Abstandsma es als erf llt Metrische Distanzen erfordert der clusteranalytische Fusionsalgorithmus im zweiten Teilschritt der strukturen erkennenden Analysephase 4 4 2 Vorgehensweise Die Umsetzung des aufgezeigten Verfahrensansatzes erfordert generelle berlegungen und Festlegungen wie folgt aufgezeigt A Definition der Transformationsaufwandswerte Wie bereits angedeutet gilt die externe Spezifizierung der Aufwandswert
105. hung der Differenziertheit der Zust nde z ausgehend von einer gleichen Anzahl untergeordneter Zust nde z jene die gleiche Dauer aufweisen oder nicht Bei einer sehr ungleichen Verteilung des zeitlichen Umfangs der Subzust nde z stellt sich eine h here lineare Korrelation r ein Ferner begr nden im Verh ltnis zu den anderen Verkehrsmitteln hohe zeitlichen Anteile des MIV Selbstfahrens ca 43 0 34 h am Gesamtzeitbudget f r Ortsver nderungen dass die Distanzen Dyio S 8 ss s Nicht weiter auseinanderlaufen Drittens bestehen prinzipiell gro e strukturelle bereinstimmungen zwischen Wege Aktivit tenmustern s unabh ngig von Art und Umfang des Zustandsraumes Z y In der Regel weisen lange Zeitbl cke in der Nacht die gleichen Zust nde z auf so dass beim Sequenzvergleich viele gemeinsame Zustandselemente z an identischen Positionen vorhanden sind vgl Rindsf ser et al 2000 19 Daten Mobilit tspanel 1997 BHEELDIEEM Anwendungsvoraussetzungen Optimal Matching Technik 131 Effekte der Variation des Zeitrasters der Zustandselemente Wie die berechneten Distanzen der Optimal Matching Technik voneinander abweichen wenn das Zeitintervall At der Zustandselemente z der ver nderliche Parameter ist und der definierte Referenzfall die Vergleichsbasis bildet stellt Tabelle 6 5 dar Tabelle 6 5 Korrelationskoeffizienten r f r die Variation des Zeitrasters At konstante Parameter Z y Za w U Za a Csw
106. in Abh nigkeit des Verkehrsmittels die einzelnen Wege Aktivit tenmuster Typen S Dies belegen beispielsweise besonders hohe Reisezeitbugets des MIV Selbstfahrens f r Cluster S und S des Zufu gehens f r Cluster S4 des Fahrradfahrens f r Cluster S7 und S des MIV Mitfahrens f r Cluster Sy sowie der V Nutzung f r Cluster S7 Ss und S5 weit unterdurchschnittliche Zeitaufwendungen des MIV Selbstfahrens f r Cluster S4 des Zufu gehens f r Cluster S2 des Fahrradfahrens f r Cluster S4 und S des MIV Mitfahrens f r Cluster S und S sowie der V Nutzung f r Cluster S und Sz b Zeitebene Tag Zeitverwendung f r T tigkeiten und Ortsver nderungen Aus der qualitativen Analyse der Zeitverwendung im Wochenverlauf durch Sichtung der Wege Aktivit tsprofile an den einzelnen Tagen vgl Abbildung 7 6 lassen sich bei den Clustern S zun chst folgende strukturellen bereinstimmungen in den Zeitquanten f r T tigkeiten A und Orts ver nderungen W feststellen die vorweg eine Aggregierung von einzelnen Tagen zu Tagestypen erm glichen Erstens variiert bei den meisten Clustern S die Zeitverwendungsstruktur an den Werktagen Montag bis Donnerstag kaum so dass diese Tage im Weiteren vereinfacht als Einheit betrachtet werden Zweitens nimmt der Freitag bei einigen Clustern S als Br ckentag zum Wochenende hin eine Sonderstellung ein so dass eine getrennte Abhandlung notwendig ist Drittens gilt die gleiche Erfordern
107. in Berufsausbildung 4 11 0 78 27 82 0 00 v 1 61 1775 0 00 0 08 Vollzeiterwerbst tig 0 0163 EHEHEHE Anhang H Ill Ergebnisse der Logit Analyse H I111 18 Alternativ Referenz kategorie kategorie En Ea 2 Cluster e l E Q amp 8 g2 85 5 5 gt 5 35 35 S S in T n N 2 N ZE 5 6 5 J soie 5 2s F z S Z 2 e 5s g ke E g X c NE e ls s l l S 53 3 z 7 faa u ou gt x Unter Ober grenze grenze Konstanter Term 1 78 1 49 1 42 0 23 Alter 0 03 0 02 2 01 0 16 1 0284 0 99 1 07 DO PNV Zeitkartenbesitz 0 01 0 50 0 00 0 98 1 0147 0 38 2 71 DO keinen OPNV Zeitkartenbesitz Mann 0 40 0 46 0 74 0 39 0 6713 0 27 1 67 DO Frau F hrerschein 1 67 0 55 9 39 0 00 V 5 34 1 82 16 66 keinen F hrerschein Vollzeiterwerbst tig 1 46 1 13 1 69 0 19 0 2312 0 03 2 11 O Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 1 18 1 12 1 11 0 29 0 3066 0 03 2 76 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 56 1 43 0 15 0 70 1 7448 0 11 28 60 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 02 0 83 5 87 0 02 V 1 7 5464 0 03 0 68 Sch ler Studierende in Berufsausbildung 0 1325 Teilzeiterwerbst tig 1 74 0 91 3 69 0 05 V 1 5 6905 0 03 1 04 1 Sch ler Studierende in Berufsausbil
108. induktive Analyseschritte mit der Absicht Unterschiede im Aktivit ten Verkehrs verhalten zu erkl ren sind bislang eher rudiment r vorhanden Au er den Forschungsbeitr gen von Rindsf ser et al 2000 Zimmermann et al 2001 und Schlich 2003 die ansatzweise versuchen diese Beziehungen mit der Hilfe der Kreuztabellenanalyse auf bivariater Basis abzuleiten bleiben die Zusammenhangsstrukturen zwischen dem Raum Zeit Verhalten und Erkl rungsgr en k bei den anderen Forschungsbeitr gen unbeachtet Wie bereits in Berger 2000a und Berger 2000b vorgeschlagen bzw realisiert m ndet in einen vollst ndigen musterorientierten Untersuchungsansatz erst die Erg nzung des strukturen erkennenden Untersuchungsschrittes bestehend aus Sequenzvergleichsverfahren und Fusionsalgorithmus der Clusteranalyse um eine strukturen pr fende Analysephase c Analyseebene des Sequenzvergleichsverfahrens Die herangezogenen Publikationen vgl Tabelle 4 5 zeigen zun chst die vielf ltigen Einsatzfelder f r Verfahren der Sequenzvergleichsanalyse auf Basis biologischer Distanzen D i S 5 s s s In der Verkehrsforschung 80 EHEHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ c 1 c2 Umfang der Abbildungseigenschaften des Distanzma es Da s mtliche der aufgef hrten Untersuchungen dem Grundprinzip biologischer Distanzen bei der Abbildung von Sequenz un J hnlichkeiten folgen l sst dies den Schluss zu
109. je Tag Anteil Wege zu Fuss je Tag Abbildung G 2 Abweichungen des Cluster S2 im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 5 Cluster S3 Zeitverwendung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 2 Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg km S _Zeitverwendung zu Hause je Tag hh mm IR 2 50 o i Entfernung MIV Mitfahrer je Weg km T i D iD Zeitverwendung Arbeiten dienstlich je Tag hh mm 7 20 58 se EHER Entfernung MIV Selbsfahrer je Weg km Tw gt Zeitverwendung Ausbildung je Tag hh mm 1 ON l Entfernung Fahrrad je Weg km Zeitverwendung Einkaufen Service je Tag hh mm nn P t Z Entfernung zu Fuss je Weg km 1 Zeitverwendung Freizeit je Tag hh mm Entfernung je Weg km Zeitverwendung zu Fuss je Tag hh mm E N z i f ntfernung je Tag km l 7 Dos 22 Zeitverwendung Fahrrad je Tag hh mm Wegezahl je Tag n 5 ya X l Yy i N Zeitverwendung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag s l i Y EN f gt Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag 2 Zeitverwendung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 3 Abweichungen de
110. lt 194 EEHEEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN vorhandene oder fehlende Begleitpersonen bei Handlungen Y soziale Facette und Aktivit tsorte r umliche Facette b Untersuchungsstrategie Analyseebene Multimethodenansatz Die formulierten Zielsetzungen aus Kapitel 3 f r die bergeordnete Analyseebene des muster orientierten Untersuchungsansatzes betreffen folgende Aspekte b 1 b 2 b 3 Objektivit t des Vorgehens Als problemlos umsetzbar in der Vorgehensweise der musterorientierten Datenanalyse erweist sich die Alternative einer direkten Untersuchungsstrategie vgl Abschnitt 3 3 1 Das hei t Diese ist experimentell statt theoriegeleitet Es er brigt sich somit die vielfach kritisierte Vorab Festlegung von Trennvariablen k bzw deren Werte k zur Bildung der Personenkategorien Damit einhergehend wird auch das Aufgreifen eines theoretischen Erkl rungshintergrundes z B die Rollentheorie berfl ssig Angemessenheit des Kausalprinzips deterministisch vs probabilistisch Beim Nachweis von Ursache Folge Beziehungen zwischen Personencharakteristika sowie Kontextbedingungen der Umwelt einerseits und den Wege Aktivit tenmuster Typen S mit Hilfe strukturen pr fender Methoden andererseits ist grunds tzlich zu beachten Es handelt sich immer um eine modellhafte Abbildung der Wirklichkeit und somit um eine Vereinfachung komplexer Zusammenhangsstrukturen Gel st wird sich beim vorliegenden
111. me Einkaufen S Freizeit zu Hause E Verkehrsmittel EE zu Fu Fahrrad EEHEHE w Z i Pkw o O mEn n n oo Bus Stra enbahn E Aktivit tsdauer lang E Wegedauer lang Zeitliche Lage X z B nachts X a vormittags w Tagesverlauf nachmittags im Wochenverlauf z B Werktage Wochenende involvierte X z B alleine mit X Personen mehreren a we Personen Aktivit tsort X z B Arbeitsplatz X az zu Hause usw Route E Xl wroute Zeitplanungs X hinzuf gen indifferent operationstyp ndern o verwerfen Legende EE starke E mittlere keine oder unbekannte Effekte des Merkmals y lo HENHEEN BEEEB Steigerung BEN i der Priorit t Poven y i bzw Peover y y0 Verringerung Effekte der Merkmalswerte y o 96 INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK 5 4 Empirische Ausrichtung der Optimal Matching Technik am Aktivit ten Verkehrs verhalten 5 4 1 Untersuchungskonzept Die vorliegende empirische Untersuchung verfolgt das Ziel die vorgestellten qualitativen Zusammenh nge zwischen der Priorit t Pover y einer overten Handlung Y bzw dem Stellenwert Poover y y0 einer Zeitplanungsaktion Y gt Y bzw Y und Erkl rungsgr en y bzw deren Auspr gungen y i in quantitativer Hinsicht zu verdichten Erforderliche Vorannahmen der Optimal Matching Technik die Festlegung der H he der Transformationsaufwandswerte C sind f r den Zweck der Analyse des Raum Zeit Verhaltens empirisch n
112. nde y von Handlungen Y die durch unver nderte vi oder zusammengefasste Merkmalswerte s y relevanter Trennvariablen y definiert sind vgl Abbildung 5 1 Die Segmentbildung geschieht durch Verschmelzung von Merkmalsauspr gungen y zu gr beren Einheiten si y wobei jene Teilmengen des Merkmalswerteraumes Z y sind 7 Die alternative gleichwertige Schreibweise lautet A y y A y bzw A y h EHEOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Beispiel alle F lle abh ngige Variable m y11 y113 Aktivit tstyp Verkehrsmittel Mittelwert Be gt Zielkriterium Ziym Arbeit Einkaufen Freizeit verschmolzene Merkmalswerte Pover Y Zy1 2 zu Fu Fahrrad MIV Selbstfahrer syyt y2 y12 identifiziertes Trennmerkmal y1 MIV Mitfahrer ffentlicher Verkehr p Wert Zy Z y1 1 x Z y12 Arbeit Einkaufen Freizeit x gestand er SIoniikanz zu Fu Fahrrad MIV Selbstfahrer Segment s y Segment s y Dar k MIV Mitfahrer Offentlicher Verkehr y12 x y12 y1 x Fasz en Segment s y ya DIAY D yme yon ya ie Trennmerkmal Mittelwert Pfs Y Mittelwert B s y Mittelwert P s y g mehrkategorial 3 yP s y12 zu Fu Fahrrad c Z y1 multiple p Wert S X x x Ber 4 gt Beunteil nig der Signifikanz
113. nderungen W innerhalb eines Makrozeit abschnittes z B Tag Woche Monat usw die Wege Aktivit tenmuster s auf Mikrobebene sondern die verschiedenen Wege Aktivit tenmuster Typen S auf Makroebene Das hei t Statt der Blickrichtung eines handelnden Individuums mit je nach Situation unterschiedlichen Handlungsoptionen der Aus bung von Aktivit ten A und Ortsver nderungen W zu folgen werden im vorliegenden Ansatz die Handlungsalternativen nur auf der Makroebene wahrgenommen Diese repr sentieren somit mittleres Aktivit ten Verkehrs verhalten je Typus S Zur Definition der Situation ist in Hinsicht auf den statistischen Untersuchungsansatz folgendes auszuf hren Standardisierte Situationen liegen dann vor wenn subjektive Situationen bei verschiedenen Personen interpersonell gleich gesetzt oder bei einem Individuum im Zeitverlauf intrapersonell als konstant angenommen werden Voraussetzung hierf r ist dass subjektive Situationen in Abh ngigkeit der Kontextbedingungen der Umwelt sowie der Personencharakteristika mit entsprechenden Variablen k bzw deren Werte kj beschreibbar sind Wird als Folge standardisierter Situationen gleiches Raum Zeit Verhalten unterschiedlicher Personen oder stabiles Verhalten einer Person vorausgesetzt so liegt die These des Verhaltensdeterminismus zugrunde was der Realit t nicht gerecht wird vgl Werlen 2000 Unber cksichtigt bleiben dabei die nicht vorhandenen bzw nicht eruierba
114. niemand niemand Abb 13 Ausschnitt eines Wege Aktivit ten musters Tageswechsel Realit t Startzeit Startzeit Ende Zeit Aktivit Weg Aktivit t n Folge Eintrag H Ca 7 f ausgehen schlafen einkaufen Weg H Weg Eintrag in CHASE ara Startzeit Ende Weg Aktivit t Aktivi t ti Weg Aktivit ten Folge Eintrag Startzeit Aktivit t Eintrag 1 Uhr Uhr Eintrag 2 LU anne oe oer i T einkaufen l Weg Abb 14 Tageswechsel EHEHEH Anhang D i Leitfaden CHASE Erhebung D I 6 Verkehrsmittel vgl Abb 15 Wird im Laufe eines Weges das Verkehrsmittel einmal oder mehrmals gewechselt so wird das Verkehrsmittel der l ngsten Etappe das so genannte Hauptverkehrsmittel in das Feld Weg zur Aktivit t Verkehrsmittel eingetragen Ort der Aktivit t vgl Abb 16 Sollen zwei zeitlich aufeinander folgende Aktivit ten in einer Zelle realisiert werden die r umlich auseinander liegen dann lassen sich aufgrund eines Programmfehlers im Feld Hinzuf gen bzw ndern eines Eintrages keine Angaben zum Weg zur Aktivit t vornehmen Um dennoch die notwendigen Daten zur Ortsver nderung eintragen zu k nnen soll eine Nachbarzelle als Aktivit tsort gew hlt werden Wege als Selbstzweck Sind Wege der Zweck einer Aktivit t Sport mit Verkehrsmittel jemanden bringen
115. oder L schen Aktivit tstyp Gruppe Verkehrsmittel und Zeit der Aktivit t bzw des Weges sind aus dem Programm CHASE zu bertragen Die zur ckgelegte Entfernung bei der Ortsver nderung ist abzusch tzen Die Bewertung der Wichtigkeit bei Zeitplanungsvorg ngen bezieht sich auf den Zeitpunkt der Planung nicht auf den Zeitpunkt des Logins in das Programm CHASE vgl Abb 25 Kennzeichnen Sie bitte die grunds tzliche Wichtigkeit der Aktivit t bzw des Weges 1 und die Wichtigkeit des Zeitplanungs vorgangs simultan 2 bezogen auf den jeweiligen Weg die jeweilige Aktivit t und die jeweilige Wege Aktivit ts Folge Eintrag auf den Bewertungsskalen jeweils durch ein Kreuz vgl Abb 26 In den Bewertungsskalen sind nur ganze Zahlen anzukreuzen keine Zwischenwerte Noch ein Hinweis Bitte beachten Sie dass die Abst nde zwischen den Stufen gleich gro sind Fragebogen Abb 24 zeitparalleles Ausf llen Zeitpunkt des Logins l Realisierungszeitspanne der Aktivit t Zeitpunkt der Planung einer Aktivit t Abb 25 Zeitpunkt der Bewertung des Zeitplanungsvorgangs Rating Skala zur Bewertung der Wichtigkeit wichtig sehr wichtig 2 1 0 1 2 Abb 26 Rating Skala zur Bewertung der Wichtigkeit EHEHEHEH Anhang D i Leitfaden CHASE Erhebung D I 11 Pers Nr 6 3 20 Mann Auszubildender 8 5 25 Mann Jarbeitsos A 5 o
116. oder implizit ber die Sequenzform die Merkmale der zeitlichen Facette des Raum Zeit Verhaltens in die Sequenzbildung einflie en a4 Detaillierung der Merkmale des Raum Zeit Verhaltens Abbildungstiefe Inwieweit die Merkmale y des Raum Zeit Verhaltens abgestuft sind ist ein weiteres Kriterium zur Unterscheidung der herangezogenen Forschungsbeitr ge Der Abstraktionsgrad wird beispielsweise durch die Anzahl der Merkmalsauspr gungen y des Aktivit tstyps a die Anzahl der Entfernungsklassen w usw bestimmt b Untersuchungsstrategie Analyseebene musterorientierter Multimethodenansatz b1 Vorgehen Zur Ermittlung einer Wege Aktivit tenmustertypologie existieren grunds tzlich mehrere Vorgehensweisen vgl Axhausen 1990 Kulkarni et al 2000 die sich nach direkter und indirekter Untersuchungsstrategie bzw einer Kombination der beiden Hybrid Ansatz unterscheiden lassen siehe Abbildung 3 4 direktes Vorgehen BOBBEE Grundlagen as Segmentierung von Wege Aktivit tenmustern s zur Bildung einer Wege Aktivit tenmuster Typologie Identifikation ma gebender Erkl rungsgr en k und Analyse der Effekte der Auspr gungen k der diskriminierenden Pr diktoren k Hybrid Ansatz 1 Segmentierung von Personen zu Personenkategorien einer Personentypologie per Definition auf der Basis von spezifischen Kombinationen k der Merkmalswerte k ausgew hlter Erkl rungsgr en k Aufteilung der korrespondiere
117. rker ist dessen Netto Effekt Urban 1993 Bei dieser Analyse inwieweit die im Modell verbliebenen einzelnen Pr diktoren k zu einer Ver besserung der Erkl rungskraft beitragen bildet sich eindeutig eine Rangfolge heraus vgl Tabelle 7 7 An erster Stelle steht mit weitem Abstand zu den anderen Determinanten k der Erwerbsstatus Dessen induzierter Erkl rungszuwachs APseudo R betr gt 0 216 und signalisiert einen weit berragenden Effekt jener Variable zur Vorhersage der Affinit t zu den Wege Aktivit tenmuster Typen S Die Gr enordnungen der relativen Netto Effekte der weiteren Pr diktoren k des endg ltigen Modells liegen fast gleichauf An zweiter und dfritter Position in der Hierarchie reihen sich dicht aufeinander folgend der F hrerscheinbesitz und PNV Zeitkartenbesitz an W hrend das Geschlecht Rang vier einnimmt erreicht das Alter die letzte Stelle Likelihood Ratio Test LR Test Um den durch die jeweilige unabh ngige Variable k induzierten Erkl rungszuwachs zu bestimmen kann beim LR Test statt des Nullmodells ein reduziertes Modell eingesetzt werden vgl Gleichung 7 5 Dieses enth lt alle Erkl rungsgr en au er den zu testenden Pr diktor k HERHELNE Fallbeispiel 175 Auch hier kann eine berpr fung der Signifikanz mit dem y Test vorgenommen werden Urban 1993 Backhaus et al 2003 Gleichung 7 5 G 2 LL LL Die unterschiedlichen Signifikanzniveaus des LR Tests f r die einzelnen Variabl
118. sich um eine geplante Aktivit t Der Aktivit tstyp ist bekannt F r alle anderen Beschreibungs gr en der Aktivit t Ort Verkehrsmittel Tag Zeit und involvierte Personen werden falls diese ungekl rt sind Absch tzungen getroffen durchgef hrte Aktivit t Ortsver nderung Nach Beendigung einer Aktivit t ist diese eine durchgef hrte Aktivit t und alle Attribute der Aktivit t Ort Verkehrsmittel Tag Zeit und involvierte Personen sind bekannt Die Aktivit t kann schon l ngere Zeit geplant sein oder der Entschluss dazu erfolgte spontan EHEHEH Anhang D i Leitfaden CHASE Erhebung D I 1 2 Ablaufplan CHASE Wie wird mit CHASE gearbeitet Abbildung 3 zeigt ein Ablaufschema das die einzelnen Arbeitschritte w hrend eines Logins umfasst Nachdem das Programm ge ffnet und der Benutzer ausgew hlt ist wird der Terminplaner unter Beachtung der Reihenfolge L schen ndern und Hinzuf gen von Aktivit ten Wegen jeweils f r die Vergangenheit Zeitraum vor Login und Zukunft Zeitraum nach Login aktualisiert vgl Abbildung 3 1 1 Start des Programms Die Auswahl erfolgt im Fenster Benutzer ausw hlen vgl Abb 4 Zu beachten ist Nur der pers nlichen Terminplaner darf ge ffnet werden In dieser Erhebung sollen auch die Gr nde f r die Planung und nderung der Aktivit ten erfasst werden Daher ist die Frage Do you wish to disable prompts mit
119. sofern Forschungsbeitr ge zur intrapersonellen Variabilit t im Verkehrsverhalten mit einbezogen werden Um die Entwicklung und den Stand der Wissenschaft zu dokumentieren und kritisch zu diskutieren soll eine Systematik entwickelt werden die eine Klassifikation verschiedener Untersuchungsans tze in erster Linie von methodischer Seite her erlaubt Inhaltliche Gesichtspunkte stehen eher im Hintergrund Der Einordnungs und Darstellungsprozess der Methodologie empirischer Analysen des Raum Zeit Verhaltens gliedert sich in zwei Stufen Im ersten Teil wird ein bergeordnetes Ordnungsraster vorgestellt das eine Kategorisierung bisheriger empirischer Arbeiten zum Aktivit ten Verkehrs verhalten im interpersonellen Kontext erlaubt die globale Systematik vgl Abschnitt 3 2 Der zweite Teil die spezielle Systematik widmet sich in einer vertiefenden Betrachtung einer wichtigen Untergruppe den musterorientierten Analysen vgl Abschnitt 3 3 denn jene sind f r den Untersuchungsansatz der vorliegenden Arbeit von grundlegender Bedeutung 3 2 Globale Systematik 3 2 1 Kriterien zur Einordnung der Untersuchungsans tze Im Rahmen der ersten Stufe sollen f r eine grobe Unterscheidung die Kriterien a Abbildung des Raum Zeit Verhaltens b Untersuchungsstrategie und c Analyseprinzip der statistischen Methoden zugrunde gelegt werden die im Folgenden genauer erl utert werden Abbildung 3 1 zeigt ein Drei Ebenen Struktogramm das als
120. strukturen pr fender Verfahren Identifikation von Erkl rungsgr en und Analyse von Effekten der Auspr gungen bedeutsamer Pr diktoren Die Aufgabe strukturen pr fender Verfahren besteht in der Analyse von Ursache Wirkungs Beziehungen indem der Einfluss relevanter Pr diktoren k auf eine abh ngige Variable betrachtet wird In der Verkehrsforschung k nnen zwei Anwendungsfelder je nach Darstellungsweise des Raum Zeit Verhaltens unterschieden werden erstens die Erkl rung einzelner Kenngr en y des Aktivit ten Verkehrs verhaltens oder zweitens die Deutung einer ermittelten Klassifikation oder Repr sentation von Wege Aktivit tenmuster Typen S Verwendung und Anordnung der Verfahrensprinzipien Im Verlauf der Datenanalyse existieren verschiedenen M glichkeiten der Verwendung dieser Verfahrensprinzipien F r die musterorientierte Darstellungsform des Raum Zeit Verhaltens ergibt sich entweder eine Kombination aus der Abfolge explorativer und induktiver Verfahren oder die solit re Anwendung strukturen erkennender Methoden Sind einzelne Parameter des Raum Zeit Verhaltens Analysegegenstand so kommen lediglich strukturen pr fende Analyseverfahren infrage vgl Abbildung 3 1 c Analyseprinzip der statistischen Methoden Als letztes Einordnungskriterium werden die methodisch statistischen Grundprinzipien mit ihren spezifischen Verfahren betrachtet Anwendung strukturen erkennender Verfahren Repr sentation und
121. the degree of differences between sequences The result of the application of the Optimal Matching Technique is a symmetrical distance matrix in which dissimilarity scores for the travel activity patterns pairs are specified As a second step the purpose of the application of the cluster analysis is to classify the travel activity pattern based on the calculated distance matrix of the Optimal Matching Technique Description of the travel activity pattern types The identification of variables which explain the affinity to a travel activity pattern type as independent variables forms the main function of the last methodological step For this problem the use of a multinomial logit model is appropriate because this method allows a determination of influences of different explanatory variables on a dependent categorial variable The explanatory model results in statements of probability for a person with personal household and spatial characteristics to realize travel activity pattern types The multi method approach is characterised by a direct strategy which guarantees a high level of objectivity Further on a probabilistic causal relation between person type and travel activity pattern type is appropriate on the background of social change The statistical methods for cluster analysis and the logit model are state of the practice Only the new method Optimal Matching Technique will be described closer For the application of the Optima
122. ti fz t fz fl S S K IS IE IS E BA IF g IF x IF IS 5 2 5 2 5 2 5 2 5 L 5 2 5 2 5 z T z T 2 T z T z T z T z T z Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle F lle Abbildung 7 18 mittlerer Au er Haus Anteil pro Tag im Wochenverlauf je Cluster und f r alle F lle Daten Mobilt tspanel 97 98 ungewichtet n 2247 F lle HEHELNE Fallbeispiel 163 Eine Gegen berstellung der Cluster S zeigt Unterschiede in der jeweils mittleren Verkehrsbeteiligung ber alle Wochentage wobei sich drei Niveaubereiche herauskristallisieren vgl Anhang G Tabelle G 2 Die Abgrenzung der Wege Aktivit tenmuster Typen S deckt sich wiederum im Gro en und Ganzen mit derjenigen nach der Hauptaktivit t So weisen die Cluster S2 S3 S4 und Ss mit der Hauptaktivit t Arbeit mit 96 6 bis 97 1 die h chsten Verkehrsbeteilungsquoten und Cluster S ohne disponible T tigkeit mit 87 1 die niedrigste auf Zwischen diesen Extremen ordnen sich die Au er Haus Anteile von Cluster S und Sz an Eine clusterspezifische Besonderheit im Wochenverlauf ist besonders erw hnenswert Cluster Sz gt Sa S4 und S erreichen an den Werktagen beinahe oder ganz eine 100 Quote bei der Verkehrs beteiligung Das ermittelte standardisierte Entropie Ma Es vgl Gleichung 7 1 f r die intracluster Zustands verteilungen des Au er Haus Anteils mit den Zust nden Haus verlassen und Haus nicht verlassen unterschreitet mit der
123. um nominalskalierte Pr diktoren k mit zwei oder mehr Auspr gungen kj vgl Anhang H I 7 5 3 Identifikation von Erkl rungsgr en und Analyse der Effekte der Merkmalsauspr gungen diskriminierender Pr diktoren 7 3 3 1 Spezifizierung des Modells Die erste Analysephase der Modellfestlegung dient dazu iterativ ber den Zwischenschritt vorl ufiger multinomialer Logit Modelle ein endg ltiges mit einem m glichst hohen Erkl rungsgehalt abzuleiten vgl Abbildung 4 8 Zur Sch tzung der vorl ufigen Logit Modelle werden alle per Vorauswahl definierten potenziellen Erkl rungsgr en k eingebracht vgl Tabelle 7 5 Es handelt sich dabei um sieben personenbezogene Merkmale eine raumbezogene und eine haushaltsbezogene Variable Lassen sich auf der Grundlage der vorl ufigen Logit Modelle signifikante Trennwirkungen der unabh ngigen Merkmale k mit Hilfe des zur Beurteilung relevanten Likelihood Ratio Test vgl Abschnitt 7 6 3 3 identifizieren so verbleiben die 172 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Variablen im Modell Andernfalls werden jene entfernt Entsprechend zeigt Tabelle 7 5 den Beitrag der Bestimmungsgr en k zur Trennung der verschiedenen Wege Aktivit tenmuster Typen Si anhand deren Signifikanzniveau Tabelle 7 5 Auswahl signifikanter Pr diktoren zur Erkl rung der Affinit t zu den Wege Aktivit tenmuster Typen Erkl rungsgr e
124. und Freizeitaktivit ten berproportional realisiert werden andererseits zum Teil auch am Wochenende gearbeitet wird 7 6 Diskussion und Fazit a Erstellung einer Wege Aktivit tenmuster Typologie auf Wochenbasis Kenngr en der internen Homogenit t und externen Abgrenzung der Cluster Ob bei der vorliegenden Wege Aktivit tenmuster Typologie f r unterschiedliche Beschreibungsgr en des Aktivit ten Verkehrs verhaltens die Vorgaben der internen Homogenit t und der externen Abgrenzung erf llt sind fasst Tabelle 7 10 zusammen Tabelle 7 10 Einhaltung der G tekriterien der Typologie Parameter zur Beschreibung der Messgr e G tekriterien der Typologie erstellten Wege Aktivit tenmuster Typologie interne En externe Homogenit t Abgrenzung der Typen der Typen Sequenzabst nde Anteil Binnenclustervarianzan Gesamtvarianz 00 Anteil Zwischenclustervarianz v an Gesamtvarianz Zustandsverteilung Entropie Index M Wege Aktivit tsprofile Zustandsverteilung Entropie Index M Au er Haus Anteil Zustandsverteilung Entropie Index M wegebezogene Verkehrsmittelnutzung Ortsver nderungszahl Anteil Binnenclustervarianz an Gesamtvarianz aaa Anteil Zwischenclustervarianz an Gesamtvarianz Reiseweite Anteil Binnenclustervarianz an Gesamtwarinz a Anteil Zwischenclustervarianz an Gesamtvarianz Legende M Kriterium erf llt Kriterium nicht erf llt Daraus ist ersi
125. und der BRD Erhebungs methoden und Ergebnisse Heft 23 S 33 60 Institut f r Verkehrsplanung und Verkehrswegebau TU Berlin Tourangau R Zimowski M Ghadliay R 1997 An Introduction to Panel Surveys in Transportation Research Federal Highway Administration Washington D C http tmip fhwa dot gov clearinghouse docs surveys panel surveys 09 2003 Tutz G 2000 Die Analyse kategorialer Daten Lehr und Handb cher der Statistik Oldenbourg Verlag M nchen Wien Urban D 1993 Logit Analyse Statistische Verfahren zur Analyse mit qualitativen Response Variablen Fischer Verlag Stuttgart Vogt W Lenz M Kalter F Dobeschinsky H Breuer P 2001 T gliches Fernpendeln und sekund r induzierter Verkehr Heft V 88 Berichte der Bundesanstalt f r Stra enwesen Bergisch Gladbach Volkmar H F 1984 R umliche und zeitliche Aktivit tschancen Kriterien f r die Beurteilung von Erreichbarkeitsverh ltnissen in der Verkehrsplanung Heft 14 Institut f r Verkehrsplanung und Verkehrswegebau der TU Berlin Wang R M 1997 An Activity Based Trip Generation Model Ph D Dissertation Institute of Transportation Studies University of California Irvine CA 22 0 EEHEEHE iteraturverzeichnis Wegner M F rst F 1999 Land Use Transport Interaction State of the Art Berichte aus dem Institut f r Raumplanung Heft 46 Institut f r Raumplanung Universit t Dortmund Werlen B 2000 Soz
126. unterlegt Nur dann wenn die Logit Koeffizienten Di mindestens ein Signifikanzniveau a von 0 1 erreichen werden jene im Nachfolgenden einer quantitativen Analyse unterzogen Das hei t Es wird die St rke der Effekt Koeffizienten exp bik betrachtet Anhang G III dokumentiert die Logit Koeffizienten Dix und Effekt Koeffizienten exp bi Weiter gehen daraus Standardfehler Werte der Wald Statistik und Irrtums wahrscheinlichkeit a hervor die zur Beurteilung der Signifikanz dienen 7 5 3 5 Darstellung der Modelleffekte Der nachstehende Abschnitt befasst sich mit den qualitativen und quantitativen Wirkungen der Auspr gungen identifizierter Erkl rungsgr en k Alter Geschlecht PNV Zeitkartenbesitz F hrerscheinbesitz und Erwerbsstatus Die Gegen berstellung jedes Wege Aktivit tenmuster Typs S mit jedem anderen zeigt zu jeweils wessen Gunsten bzw Ungunsten sich die Realisierungswahrscheinlichkeit P ilSi in Abh ngigkeit der Merkmalswerte k der Erkl rungsgr en k ver ndert vgl Anhang H IV Daraus ableitbar ist eine qualitative Hierarchie der Aus bungschance der Cluster S vgl Tabelle 7 8 Alterseffekt Modelleffekte der metrischen Variablen Alter u ern sich folgenderma en Mit zunehmendem Alter steigt die Realisierungswahrscheinlichkeit von Wege Aktivit tenmuster Typ S gegen ber allen anderen Clustern S S4 an so dass S an Position 1 der Hierarchie steht Ein Anstieg der Zuordnungswahrs
127. usw und Analyse der Effekte von Merkmalswerte kj diskriminierender Pr diktoren k zur Erkl rung der individuellen Affinit t zu den Wege Aktivit tenmuster Typen S ii exemplarische prototypische Anwendung des musterorientierten Multi methodenansatzes Analyse der Unterschiede im individuellen Aktivit ten Verkehrs verhalten auf Wochenbasis durch Ableitung und Erkl rung einer entsprechenden Wege Aktivit tenmuster Typologie Ebene Sequenzvergleichsverfahren Optimal Matching Technik jii Transfer und Erprobung eines neuen Sequenzvergleichsverfahrens der Optimal Matching Technik in der Verkehrsforschung mit der Zielsetzung Fortschritte hinsichtlich einer m glichst realit tsnahen Abbildung der Abst nde von Wege Aktivit tenmustern D s s es zu erreichen Sequenz un hnlichkeit iv inhaltliche Ausrichtung bzw Anpassung der Optimal Matching Technik durch Ber cksichtigung von Abst nden bei berg ngen unterschiedlicher aktivit ten bzw ortsver nderungsbezogener Handlungen Y Zustands un hnlichkeit welche dem definierten Zustandsraum Z y angeh ren 3 Es handelt sich streng genommen um Akteure die einer verhaltensorientierten Personenkategorie angeh ren Diese Kategorie ist durch ein Set kj von Merkwalswerten kj diskriminierender Erkl rungsg en k definiert 6 OBBBEE Einicitung AUSGANGSLAGE UND L SUNGSANS TZE Abbildung 1 3 Strukturierung der Arbeit in Analyseebenen eigene Dar
128. wandswerte Cina z festgelegt sind weist das lineare Zusammenhangsma r eine starke bis sehr starke Affinit t auf Wertebereich r 0 92 bis 0 99 Eine vergleichsweise unbedeutende Wirkung zustandsabh ngiger Indelaufwandswerte Cina z folgt daraus d F r die Gegen berstellung des Falls f mit zustandsabh ngigen Sub und Indelaufwandswerten auf der einen Seite und des Falls f mit zustandsabh ngigen Sub Csub Z und nicht empirisch ausgerichteten Indelaufwandswerte Cna auf der anderen Seite ergibt die Korrelationsbetrachtung einen starken linearen Zusammenhang Wertebereich r 0 91 bis 0 98 Folglich l sst sich konstatieren Der Effekt zustandsunabh ngiger Indelaufwandswerte Cina Z erweist sich als geringf gig e Unter der Beibehaltung zustandsabh ngiger Sub Csub Z und Indelaufwandswerte Cina Zz bei einem Fall ff und der Wahl zustandsunabh ngiger Subaufwandswerte C Z 2 und abh ngiger Indelaufwandswerte Cing beim anderen f folgt aus der Analyse eine mittlere lineare Korrelation Wertebereich r 0 81 bis 0 82 Dies indiziert einen hohen Einfluss inhaltlich nicht ausgerichteter Aufwandswerte C Z Z bei der Aktion Ersetzen BHEHELDEEM Anwendungsvoraussetzungen Optimal Matching Technik 133 Tabelle 6 6 Korrelationskoeffizienten r f r die Variation der Aufwandswerte C konstante Parameter At 5 min Z y Za w U Za a
129. werden a Abbildung des Raum Zeit Verhaltens Zun chst stellt sich die Frage wo die spezifischen St rken und Schw chen der musterorientierten im Vergleich zur kenngr enorientierten Darstellungsform liegen 40 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE Wie bereits in Kapitel 2 angedeutet geh rt die Sichtweise Aktivit ten Verkehrs verhalten in der Darstellungsform von Wege Aktivit tenmustern s zu betrachten zu den Grundprinzipien der aktivit tenorientierten Verkehrsforschung Nur dann wenn das beobachtete individuelle Aktivit ten Verkehrs verhalten auf diese ganzheitliche Art und Weise dargestellt wird gelingt eine wirklichkeitsnahe Abbildung individueller Wochen Tagesabl ufe usw Denn nur aus dieser Perspektive lassen sich die vielf ltigen Dependenzen und Interdependenzen des individuellen Raum Zeit Verhaltens angemessen ber cksichtigen Zu beachten ist allerdings Der Zuwachs an Realit tsn he geht mit einer Zunahme an Komplexit t einher ausufernde Mustervielfalt Das erschwert die statistische Analyse und erh ht die Anforderungen an das Vorgehen Werden lediglich einzelne Kenngr en des Raum Zeit Verhaltens y herausgel st betrachtet ist dies mit einem Verlust der spezifischen Musterinformation Abfolge zeitliche Lage usw verbunden Je nach Untersuchungszweck ist ein Verzicht auf diese temporalen Aspekte zweckm ig um beispielsweise gezielt Ursache Wirkungs Zusammenh nge von Ef
130. wobei dies vor allem auf Freizeitwege mit dem Flugzeug und dem Pkw zutrifft Unklar bleibt inwiefern diese positive Einsch tzung mit sekund ren Aktivit ten w hrend der Ortsver nderung W z B Lesen Radio h ren usw zusammenh ngt Die Betrachtung dar ber hinausgehender indirekter Wirkungen einer Ausdehnung der Reisezeit w dr ckt sich in folgender Argumentationsweise aus Mit einem Anstieg der Reisezeit geht in der Regel eine Ausweitung des Aktionsraumes einher wodurch die Auswahlm glichkeiten an potenziellen Gelegenheiten steigen Dies wiederum kann zu einem zus tzlichen positiv wahrgenommenen Nutzen Poet bei der Beurteilung der korrespondierenden Aktivit t A f hren Kraan 1996 zeitliche Lage innerhalb des Tages bzw der Woche Wenige Erkenntnisse gibt es bislang ber eine Bewertung Poyer von Handlungen Y in Abh ngigkeit der zeitlichen Lage y auf den unterschiedlichen Zeitebenen Tageszeit Wochentag usw Bekannt ist eine empirische Studie von Baer et al 1985 zur subjektiven Beurteilung an welchen Wochentagen und zu welchen Tageszeiten Freizeitaktivit ten optimal bzw ung nstig zeitlich positioniert sind ohne andere Kategorien des T tigkeitstyps a zu BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 93 beachten Zu deren Ergebnis Bevorzugte Tageszeiten f r die Aus bung freier T tigkeiten sind die Abendstunden mit deutlich niedrigeren Pr ferenzen Poyer im Hinblick auf die subjektive Nutz
131. zeichnet sich eine geringere Affinit t ab falls die Cluster S4 zu S Faktor 1 1 61 und S zu S Faktor 1 2 15 gegen bergestellt werden An letzter Stelle ist Wege Aktivit tenmuster Typ S4 positioniert das hei t F r M nner ist die Wahrscheinlichkeit dessen Realisierung im Vergleich zu allen anderen Clustern S niedriger Erw hnenswerte signifikante Effekte mit geringerer Realisierungschance von Cluster S4 sind der Faktor 1 1 67 gegen ber Wege Aktivit tenmuster Typ S5 der Faktor 1 1 86 gegen ber Cluster S und der Faktor 2 4 gegen ber Cluster Se Effekt PNV Zeitkartenbesitz Welches Cluster S bei Besitz einer PNV Zeitkarte mit gr erer Wahrscheinlichkeit pr feriert wird gibt nachstehende Hierarchie wieder Die Chance Wege Aktivit tenmuster Typ S auszu ben beg nstigt bei allen Vergleichsf llen der PNV Zeitkartenbesitz Dessen Vorhandensein f hrt gegen ber Wege Aktivit tenmuster Typ S2 zu einer 2 95 fachen zu Wege Aktivit tenmuster Typ S4 zu einer 2 65 fachen zu HEBBMLOE Fallbeispiel 179 Wege Aktivit tenmuster Typ S7 zu einer 1 79 fachen und zu Wege Aktivit tenmuster Typ S4 zu einer 2 41 fachen Realisierungschance von Wege Aktivit tenmuster Typ Sa ber die Rangfolge derjenigen Wege Aktivit tenmuster Typen S an den n chsten Positionen gibt Tabelle 7 8 Auskunft Hingegen folgt eine niedrigere Realisierungswahrscheinlichkeit bei Verf gbarkeit einer PNV Zeitkarte in allen Vergleichskonste
132. zwischen den berechneten biologischen Sequenzabst nden D S 8 ss s der gerade definierten Variationsf lle f bzw f existieren und damit die Stabilit t der Ergebnisse der Optimal Matching Technik gegen ber den erl uterten Festlegungen zu berpr fen sind mehrere Arbeitsschritte n tig 128 Erzeugung der Wege Aktivit tenmuster Aufgabe dieser Bearbeitungsstufe ist die Rekonstruktion von musterorientierten Daten des Aktivit ten Verkehrs verhaltens aus wegebezogenen Merkmalen w vorhandener Unter suchungen Empirische Grundlage der Sensitivit tsanalyse bilden 794 per Zufallsauswahl gezogene Datens tze zum Verkehrsverhalten auf Personenbasis eines Stichtages Mittwoch des Jahres 1997 aus dem Datenfundus des MOP Die Datens tze enthalten folgende Informationen zu realisierten Ortsver nderungen W Beginn des Weges w Ende des Weges w Hauptverkehrsmittel w Wegezweck w usw Die Erzeugung von Wege Aktivit tenmustern in der Darstellungsform der Intervallreihe aus wegebezogenen Erhebungsdaten erfordert zun chst mehrere Schritte der Datenaufbereitung die wie folgt zu bew ltigen sind 1 Rekonstruktion der Zust nde z Um eine durchg ngige Sequenz s von Zustandselementen z zu erzeugen sind die Zeitl cken zwischen den erhobenen Wegen W zu f llen Diese umfassen die Episoden der T tigkeiten A Festgelegt sind zun chst die zeitlichen Merkmale Beginn Ende der Aktivit ten A Der erfasste Zustand z
133. 0 zur Beurteilung der Signifikanz akzeptiert wird orientiert sich ebenfalls an inhaltlichen Erw gungen multinomiale Logit Analyse Weiter ist zu diskutieren ob und inwiefern die Verwendung der multinomialen Logit Analyse im Anwendungsfall angemessen ist Da die abh ngige Variable die zur Auswahl stehenden verschiedenen Wege Aktivit tenmuster Typen S als nominalskaliert betrachtet wird verbleiben als strukturen pr fende Verfahren nur wenige statistische Methoden Wie bereits in Abschnitt 4 3 diskutiert ist f r die Aufgabenstellung die multinomiale Logit Analyse pr destiniert Jedoch nutzt die bisherige Modellformulierung die Potenziale der Logit Analyse im Anwendungsfall nicht vollst ndig da der Analyse lediglich ein Haupt effektenmodell zugrunde liegt Eine inhaltlich sinnvolle Trennung von individuellen Effekten kontextuellen Effekten der Umwelt und Wechselwirkungseffekten beider Modell komponenten erscheint grunds tzlich mit entsprechend als Mehrebenenansatz formulierten Logit Modellen realisierbar vgl Engel 1998 Bislang unterblieb der Versuch Dieser ist aber f r zuk nftige Analysen anzustreben da wertvolle Einsichten in die Zusammenhangsstrukturen zu erwarten sind Analyseprinzip der statistischen Methoden Analyseebene Sequenzvergleichsanalyse Der Ansatz Verfahren der Sequenzvergleichanalyse zur Bestimmung der Un hnlichkeit zwischen Wege Aktivit tenmustern s einzusetzen ist nicht neu Bereits Pas 1980 Re
134. 0 80 11 71 0 00 v 15 3524 3 21 73 38 Vollzeiterwerbst tig EEHEEHE Anhang H Ill Ergebnisse der Logit Analyse H II1 5 Alternativ Referenz X PS De E kategorie kategorie aa ES g S Q 2x Cluster 5 J Em 8 5 5 5 15 ag 85 N Z N Sn E S S 5 3 x e 5 25 S 1 7 g l5 x z J S2 sg 5 I3 s s NE s l z Bi Sx Unter Ober grenze grenze Konstanter Term 2 38 1 29 3 40 0 07 M Alter 0 07 0 02 9 03 0 00 v 1 0749 1 03 1 13 PNV Zeitkartenbesitz 0 30 0 28 1 14 0 29 0 7391 0 42 1 29 DO keinen OPNV Zeitkartenbesitz Mann 0 25 0 27 0 87 0 35 0 7775 0 46 1 32 DO Frau F hrerschein 0 67 0 36 3 52 0 06 v 1 96 0 97 4 Hu keinen F hrerschein Vollzeiterwerbst tig 2 19 0 91 5 78 0 02 v 1 8 55 0 02 0 67 Hausfrau mann arbeitslos Rentner in 0 1117 Teilzeiterwerbst tig 0 77 1 25 0 38 0 54 0 4627 0 04 5 34 O Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 4 42 0 94 21 97 0 00 Vl 1 82 67 0 00 0 08 Hausfrau mann arbeitslos Rentner in 0 0121 Vollzeiterwerbst tig 2 22 0 68 10 74 0 00 v 9 2355 2 44 34 91 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 3 64 1 12 10 68 0 00 v 38 2555 4 30 340 40 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentne
135. 000843 1 332171 10 335271 1 J 000643 10 000851 1 332271 10 335371 1 k 000644 10 000852 1 332272 10 335671 1 000651 10 000941 1 332273 10 335672 1 J 000652 10 000942 1 332671 10 335872 1 P 2 000653 10 000943 1 333071 10 335973 1 000654 10 000944 1 2 T Tage i tus Programm Log leeren Sichere Logfile 0 0 0 Dist 0 0 Seq Dr cken Sie F1 um Hilfe zu erhalten Biel Ma AISRR SSH 78 Samen 0m2 stamm Microsoft word E Dokument Mico GEB PR 14 43 EHEHEHEH Anhang F Dokumentation Berechnungstool om F 1 Men Bildung der Zustandselemente und Spezifizierung der Transformationsaufwandswerte Arbeit_dienst Bilden Einkaufen_serv Freizeit Men Auswahl Makrozeitabschnitt und Zeitintervall At der l Zustandselemente Feel BHEBHBHEE Anhang F Dokumentation Berechnungstool om F 2 Men Festlegung der Ausgabe und Berechnung Om_2 stamm_w5_a5_t5_subz_indz omi E stamm_w5_a5_t5_subz_indz omi EHEHEHEH Anhang F Dokumentation Berechnungstool om F 3 Tabelle G 1 Zeitverwendung f r Aktivit ten und Ortsver nderungen nach Cluster und f r alle F lle Cluster Cluster S4 Cluster S ClusterS Cluster S Cluster S Cluster S Cluster S alle F lle Parameter Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Mittelwert Zeitverwendung je Tag und Fall hh mm
136. 03 0 nl AOV MIVZS MIV M F RP gt en el gt un ea lan nn Aus Ze a 2 zu Hause x MIV S MIV M 92 0 38 1 38 0 002 5 1 Ausbildung Einkaufen 136 0 04 1 20 0 103 0 Service x V MIV S MIV M F R 6 1 zu Hause 215 1 19 0 103 0 a x OV MIV S MIV M BEER 0000000 re hl ker elliin ae oa zu Hause x F R 101 0 96 0 002 7 1 Arbeiten dienstlich Freizeit 185 1 17 0 103 0 Bestimmung von Aufwandswerte Cina Z f r Indeloperationen Betrachtungseinheit berg nge zwischen Aktivit ten und ungeplanter Zeit Die Rangfolge von Wichtigkeiten Poovert Si a unterschiedlicher Segmente der Aktionen Streichen oder Hinzuf gen f r das Merkmal Aktivit tstyp a zeigt Tabelle 5 16 Auch hier ist ablesbar Die Priorit ten Poover Si a bei den genannten Zeitplanungsaktionen sind dann besonders hoch wenn obligatorische T tigkeitsarten a Umgekehrt ergeben sich bei den disponiblen Aktivit tstypen a Typ Typ I i wie Ausbildung Arbeiten usw betroffen sind deutlich von den obligatorischen Aktivit tstypen abgesetzt geringere Werte Poover si a 2 Tendenziell deckt sich die vorliegende Hierarchie sowohl mit den bisherigen Resultaten realisierter Aktivit ten vgl Tabelle 5 16 als auch den Befunden der Literaturanalyse Tabelle 5 16 Segmentzust nde des Merkmals Aktivit tstyp Rang Baum Segmentzust nde Anzahl
137. 1 07 1242 0 00 v 43 547 5 34 355 17 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 0 38 1 27 0 09 0 76 0 6832 0 06 8 29 O Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 26 1 56 0 03 0 87 0 7681 0 04 16 24 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 4 04 1 11 13 28 0 00 V 56 6931 6 46 497 21 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 0 12 1 33 0 01 0 93 0 8894 0 07 12 11 DO Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 26 1 56 0 03 0 87 1 3019 0 06 27 53 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 4 15 0 77 29 40 0 00 v 63 7402 14 19 286 22 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 38 1 27 0 09 0 76 1 4637 0 12 17 77 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 12 1 33 0 01 0 93 1 1243 0 08 15 30 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 77 1 07 1242 0 00 v 1 43 547 0 00 0 19 Vollzeiterwerbst tig 0 0230 Teilzeiterwerbst tig 4 15 0 77 29 40 0 00 v 1 63 7402 0 00 0 07 Vollzeiterwerbst tig 0 0157 Sch ler Studierende in Berufsausbildung 4 04 1 11 13 28 0 00 v 1 56 6931 0 00 0 15 Vollzeiterwerbst tig 0 0176 EHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 9
138. 1 19 0 51 5 43 0 02 M 1 3 2825 0 11 0 83 Vollzeiterwerbst tig 0 3046 Teilzeiterwerbst tig 0 12 0 32 0 14 0 71 0 8871 0 47 1 66 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 18 0 59 4 04 0 04 MI 1 3 2561 0 10 0 97 Vollzeiterwerbst tig 0 3071 EEHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 16 Alternativ Referenz e De g kategorie kategorie a E 52 2 Cluster 3 2 3 3 k ww Pre L amp z 5 f N5 35 N Ta a N ON sc S S g a e j Eg sn 4 6 g x z J S2 3 g 3 l3 8 f T S J J gi Sx Unter Ober grenze grenze Konstanter Term 1 05 1 49 0 50 0 48 Alter 0 03 0 02 2 84 0 09 v 1 0332 0 99 1 07 Hu PNV Zeitkartenbesitz 0 56 0 52 1 19 0 28 0 5703 0 21 1 57 DO keinen OPNV Zeitkartenbesitz Mann 0 77 0 46 2 77 0 10 V 0 4652 0 19 1 15 Frau 1 2 15 F hrerschein 1 26 0 53 5 75 0 02 v 3 52 1 27 10 keinen F hrerschein Vollzeiterwerbst tig 0 28 1 15 0 06 0 81 0 7590 0 08 7 18 DO Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 0 11 1 14 0 01 0 92 0 8928 0 10 8 32 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 56 1 47 0 15 0 70 1 7590 0 10 31 25 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 0 84 0 87 0 92 0 34 0 4315 0 08 2 39 DO Sch ler
139. 12 1 75 1 47 0 23 8 3720 0 27 260 39 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 2 26 1 75 1 67 0 20 0 1044 0 00 3 21 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 6 97 1 22 32 79 0 00 v 1065 1833 98 01 11576 19 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 4 38 1 68 6 82 0 01 V 80 1815 2 99 2153 35 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 2 26 1 75 1 67 0 20 9 5774 0 31 294 32 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 2 59 1 34 3 71 0 05 v 13 2847 0 96 184 59 o Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 2 12 1 75 1 47 0 23 0 1194 0 00 3 72 O Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 4 38 1 68 6 82 0 01 v 1 80 1815 0 00 0 33 Teilzeiterwerbst tig 0 0125 Hausfrau mann arbeitslos Rentner in 4 71 1 37 11 91 0 00 v 1 111 2189 0 00 0 13 Vollzeiterwerbst tig 0 0090 Teilzeiterwerbst tig 2 59 1 34 3 71 0 05 VJ 1 13 2847 0 01 1 05 Hu Vollzeiterwerbst tig 0 0753 Sch ler Studierende in Berufsausbildung 6 97 1 22 32 79 0 00 v 0 0009 0 00 0 01 Vollzeiterwerbst tig EEEEE Anhang H Ill Ergebnisse der Logit Analyse H I11 11 Alternativ Referenz kategorie k
140. 14 r sinkt 15 59 r 7 19 steigt r 0 06 sinkt 0 16 S3 S5 sinkt steigt r steigt r steigt r 20 59 steigt steigt r 7 06 0 40 r sinkt 17 57 r 2 49 sinkt r 0 06 0 14 0 05 S Se steigt sinkt r steigt r 5 7 r steigt sinkt steigt r sinkt 0 07 r sinkt 13 25 r 14 16 steigt r 0 08 steigt sinkt S3 S7 1 0592 steigt r 1 79 r 4 67 r 52 61 14 36 sinkt r 132 67 36 22 r steigt steigt r 0 03 0 07 r sinkt 0 01 0 02 S4 S5 steigt sinkt r sinkt r sinkt r 3 28 2 91 steigt r 3 26 2 89 r neutral steigt r 0 35 0 34 r sinkt 0 31 0 30 S Se 1 0332 1 2 15 r sinkt r 3 52 r sinkt sinkt steigt r sinkt sinkt r sinkt sinkt r steigt steigt r steigt steigt steigt S S7 1 0703 sinkt r sinkt r 2 87 r 8 36 35 68 0 14 r 61 18 260 39 r 7 30 sinkt r 0 00 0 03 Ir steigt 0 02 0 12 S5 Se steigt sinkt r steigt r 5 34 r sinkt sinkt steigt r 0 13 0 18 r sinkt sinkt r 5 69 steigt r steigt 7 55 steigt S5 S7 1 0653 steigt r steigt r 4 36 r steigt 12 25 0 14 r 18 79 90 15 r 7 36 sinkt r 0 01 0 08 r steigt 0 05 sinkt Ss S7 steigt steigt r steigt r sinkt r 11 05 39 97 sinkt r 141 79 512 99 r steigt sinkt r 0 00 0 03 Ir steigt 0 01 0 09 r Referenzkategorie Bei Vorzeichenwechsel im Konfidenzintervall ist der Effektkoeffizient grau markiert H IV 1 EEHEHE Anhang H IV Ergebnisse der Logit Analyse Effektkoeffizienten Chancenverh ltnisse
141. 25fFrau Student 1 6 o 13 Mann Sch ler I tl 6 0fFrau Sch ler nl 6 AOfFrau __ Jerwebst tig 1 6 650 Mann Jerwebst tig BA 29fFrau Hausfrau 1 8 31 Mam_ Jerwebst tig 1 91 27 Mann Student EEHEHE ANHANG D Il Struktur der Teilnehmer D I1 1 Schreibweise der Transformationsaufwandswertematrizen C Z N Tabelle E 1 Aufwandswertematrix Z y Zw U Zua o D Oo T S p lt 5 8 Aktivit t 0 00 0 85 0 48 Ortsver nderung 0 00 0 24 2 0 00 Tabelle E 2 Aufwandswertematrix Z y Z w u Za a 5 3 2 z o an D 03 5 lt en 8 T S D 5 en 5 N p em 5 se g k R E _ l E U u A amp A Q 8 Arbeiten dienstlich 0 00 0 11 0 39 0 45 0 53 1 23 0 85 Bilden 0 00 0 28 0 34 0 42 1 12 0 85 Einkaufen Service 0 00 0 06 0 14 0 84 0 37 Freizeit 0 00 0 08 0 78 0 47 zu Hause 0 00 0 70 0 25 Ortsver nderung 2 0 00 muammm ANHANG E Aufwandswertematrizen Tabelle E 3 Aufwandswertematrix Z Y Zulw U Zaa 5 g 2 z 3 z u ia T 09 E S Zu c O O c PA g 5 9 IS T 5 T E g lg I8 z 5 E 3 l I I3 l2 5 J I2 la lt a j j R 2 z E le J amp Arbeiten 0 00 0 11 0 39 0 45 0 53 0 45 1 22 1 28 1 42
142. 36 0 45 0 62 0 43 1 1 4263 0 29 1 69 DO keinen F hrerschein Vollzeiterwerbst tig 0 75 1 12 0 45 0 50 2 1142 0 24 18 85 DO Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 0 54 1 33 0 16 0 69 0 5829 0 04 7 97 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 1 33 1 56 0 73 0 39 0 2633 0 01 5 63 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 08 1 07 3 76 0 05 V 8 0290 0 98 65 88 Hu Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 0 79 1 32 0 36 0 55 2 2137 0 17 29 19 DO Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 1 33 1 56 0 73 0 39 3 7977 0 18 81 17 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 1 29 0 77 2 82 0 09 v 3 6270 0 81 16 31 Hu Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 54 1 33 0 16 0 69 1 7155 0 13 23 45 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 79 1 32 0 36 0 55 0 4517 0 03 5 96 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 75 1 12 0 45 0 50 0 4730 0 05 4 22 DO Vollzeiterwerbst tig Teilzeiterwerbst tig 1 29 0 77 2 82 0 09 v 1 3 6270 0 06 1 24 o Vollzeiterwerbst tig 0 2757 Sch ler Studierende in Berufsausbildung 2 08 1 07 3 76 0 05 M 1 8 0290 0 02 1 02 o Vollzeiterwerbst tig 0 1245 EEHEEHE Anhang H IIl Ergebnisse der Logit Analyse H II
143. 4 Bortz 1999 und Backhaus et al 2003 an Clusteranalytische Verfahren folgen dem Prinzip der Segmentierung Ziel ist es die Menge der Untersuchungsobjekte hier sind es Wege Aktivit tenmuster s entsprechend ihrer hnlichkeit bzw Un hnlichkeit zu homogenen Cluster Si c S mit S O amp U Si S auch Partition Typ oder Klasse genannt zusammenzufassen vgl Abschnitt 3 2 1 Die strukturen erkennenden Verfahren der Clusteranalyse haben die Aufgabe eine optimale empirische Klassifikationsl sung zu finden wobei es hierf r eine Vielzahl m glicher Methoden je nach gew hltem Fusionskriterium und algorithmus gibt Dennoch liegt allen Verfahren das gleiche bereits in Abschnitt 3 2 1 erl utere Bildungsgesetz der Segmentierung zugrunde Sinnvoll ist die Anwendung clusteranalytischer Methoden nur dann wenn Cluster S entstehen die sowohl die beiden Segmentierungskriterien der internen Homogenit t als auch der externen Heterogenit t erf llen und zudem inhaltlich interpretierbar sind 4 6 2 Vorgehensweise Der Ablauf der clusteranalytischen Analyse in der eigenen Untersuchung besteht aus einer Abfolge mehrerer Teilschritte vgl Abbildung 4 7 die im Folgenden kurz erl utert werden Festlegung eines Bestimmung des Un hnlichkeitsma es A g Optimal Matching Un hnlichkeitsma es Technik Berechnung einer Distanzmatrix amp Auswahl des Clusterprinzips B Durchf hrung der nnd des Fusions Clusteranalyse kri
144. 4 1630 2 44 82 33 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 56 1 18 1 76 0 18 0 2100 0 02 2 10 O Vollzeiterwerbst tig Teilzeiterwerbst tig 2 58 0 52 25 02 0 00 v 1 13 2520 0 03 0 21 Vollzeiterwerbst tig 0 0755 Sch ler Studierende in Berufsausbildung 0 07 0 80 0 01 0 93 1 0687 0 22 5 08 DO Vollzeiterwerbst tig EHEHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 14 Alternativ Referenz kategorie kategorie es 5 n lt Ta Cluster F s 2 2 2 gt 8 5 5 gt 5 Ns SS N zZ D N D N E S S 3 18 soe js E Sn 3 7 s 12 s Is 8 58 E s E 2 E S 28 Ne D fo D SD O Ss j z la J Su Sx Unter Ober grenze grenze Konstanter Term 1 93 1 42 1 85 0 17 Alter 0 06 0 02 5 46 0 02 v 1 0592 1 01 1 11 PNV Zeitkartenbesitz 0 58 0 32 3 33 0 07 V 1 7858 0 96 3 33 keinen OPNV Zeitkartenbesitz Mann 0 37 0 29 1 63 0 20 1 4496 0 82 2 56 DO Frau F hrerschein 1 54 0 40 14 46 0 00 v 4 665 2 13 10 0 keinen F hrerschein Vollzeiterwerbst tig 3 96 1 02 15 05 0 00 V I 52 6057 7 11 389 48 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 2 66 1 35 3 91 0 05 V 14 3624 1 02 201 69 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 93 1 09 0 72 0 40 0 3965 0 05 3 38 o Hausfr
145. 4 kennzeichnet ein leichtes Absinken der Au er Haus verbrachten Zeit um die Mittagszeit so dass in den Nachmittagsstunden eine zweite Spitze vorhanden ist Au erdem fehlen Zeitanteile f r die Aktivit t Arbeiten morgens Charakteristisch f r Cluster S7 ist ein Tagesmaximum von Au er Haus Aktivit ten erst am sp ten Nachmittag wobei hohe Zeitanteile f r Freizeitaktivit ten bis in die Nachtstunden andauern Generell ohne Bedeutung sind obligatorische Aktivit ten Cluster Sg Das samst gliche Tagesmuster von Cluster Ss vgl Abbildung 7 12 bildet im Vergleich der Cluster S die Ausnahme Sowohl tags ber als auch nachts sind Zeitquanten f r Arbeiten vorhanden Sonntag Cluster S4 S2 S3 S4 Ss und S7 Zwischen den sonnt glichen Tagesverl ufen aller Cluster S ausgenommen Cluster Ss existieren nur geringe Unterschiede vgl Abbildung 7 7 bis 7 11 und 7 13 In folgenden wesentlichen Charakteristika unterscheiden sich die einzelnen Typen W hrend bei Cluster S4 S und S in den Mittagsstunden ein leichter R ckgang der Au er Haus Aktivit ten und Ortsver nderungen deutlich wird ist dieser Effekt bei Cluster S und S nicht feststellbar EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Bei Cluster Sy sind durchg ngig Zeitanteile f r Freizeitaktivit ten in der Nacht von Samstag auf Sonntag vorhanden und das Tagesmaximum ist zeitlich auf die sp ten Nachmittags stunden verschoben C
146. 405 429 Pas E I 1984 The effect of selected sociodemographic characteristics on daily travel activity behavior in Environment and Planning A 18 S 571 581 Pas E I 1987 Intrapersonal variability and model goodness of fit in Transportation Research A 21 6 S 431 438 Pas E I 1988 Weekly travel activity behavior in Transportation 15 S 88 109 Pas E I Koppelmann F S 1986 An examination of the determinants of day to day variability in individurals urban travel behavior in Transportation 13 S 183 200 Pas E l Sundar S 1995 Intrapersonal variability in daily urban travel behaviour Some additional evidence in Transportation 22 S 135 150 Paulu en U 1992 M glichkeiten und Grenzen der monet ren Bewertung von projektbedingten Reisezeitersparnissen im nicht gewerblichen Personenverkehr und deren Ber cksichtigung bei der Planung von Verkehrswegen Wirtschafts und Sozialwissenschaftliche Fakult t Universit t K ln Pendyala R M 2000 Measuring Day to Day Variability in Travel Behaviour Using GPS Data Final Report US Department of Transportation Federal Highway Administration FHWA DTFH61 99 P 00268 http www fhwa dot gov ohim gps index html 05 2003 Pischner T Schaaf B 1998 Untersuchungen ber die Wechselwirkungen zwischen Siedlungsstruktur und Verkehrssystem Teil A Literaturanalyse und Untersuchungs konzept Forschung Stra enbau und Stra enverk
147. 47 0 44 11 38 0 00 V 4 3572 1 85 10 keinen F hrerschein Vollzeiterwerbst tig 0 94 0 96 0 95 0 33 2 5540 0 39 16 81 DO Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 2 51 1 28 3 81 0 05 v 12 2541 0 99 151 58 E Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 2 00 1 04 3 65 0 06 Mi 0 1359 0 02 1 05 m Hausfrau mann arbeitslos Rentner in 1 7 358 Vollzeiterwerbst tig 2 93 0 72 16 38 0 00 V 18 7886 4 54 77 18 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 4 50 1 15 1526 0 00 v 90 1482 9 42 862 65 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 2 00 1 04 3 65 0 06 Mv 7 3566 0 95 56 97 o Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 1 57 1 15 1 85 0 17 0 2084 0 02 2 00 OD Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 2 51 1 28 3 81 0 05 V 1 12 2541 0 01 1 01 Hu Teilzeiterwerbst tig 0 0816 Sch ler Studierende in Berufsausbildung 4 50 1 15 15 26 0 00 v 1 90 1482 0 00 0 11 Teilzeiterwerbst tig 0 0111 Hausfrau mann arbeitslos Rentner in 0 94 0 96 0 95 0 33 0 3915 0 06 2 58 DO Vollzeiterwerbst tig Teilzeiterwerbst tig 1 57 1 15 1 85 0 17 4 7980 0 50 45 97 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 93 0 72 16 38 0 00 y 1 18 7886 0 01 0 22 Vollzeiterwerbst tig 0 0532 EHEHEHE Anhang H
148. 5 17 sind nicht deutbare Unterschiede zwischen beiden Rangfolgen erkennbar wobei insbesondere der Rang des MIV Selbstfahrens differiert Ebenso stimmt die vorliegende Hierarchie nicht mit den Ergebnissen der Literaturauswertung berein Tabelle 5 17 Segmentzust nde des Merkmals Verkehrsmittels Rang Baum Segmentzust nde Anzahl Priorit t Peover Si wW 8 p Wert Bewertung i der_ Ele si Standard Signifikanz wert abweichung 0 Ortsver nderungen 661 0 24 1 13 1 1 V Nutzung 54 0 43 1 18 0 000 5 1 zu Fu 268 0 21 0 95 0 000 4 1 Fahrrad 57 0 30 1 30 0 000 3 1 MIV Selbstfahrer 225 0 39 1 19 0 000 2 1 MIV Mitfahrer 57 0 40 1 27 0 000 Betrachtungseinheit berg nge zwischen Weg Aktivit ts Folgen und ungeplanter Zeit Die Trennung in Segmente hnlicher Priorit t Poover Si aw d f r ungeplante Zeit und durch P und Verkehrsmitteltyp w gekennzeichnete Auspr gungen der Merkmale T tigkeitstyp a Zust nde wa zeigt Tabelle 5 18 Der Klassifizierungsprozess mit der CHAID Analyse verl uft gezielt ab Das Zustandekommen eines identischen Segmentzustandsraumes Z s wa analog zu demjenigen im Falle der realisierten Weg Aktivit ts Folgen WA bestimmt die Vorgehensweise Ziel ist eine konsistente Beschreibung der Wege Aktivit tenmuster s Das bedeutet Die bereits dargelegten Vorb
149. 55 1 71 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 89 0 53 12 63 0 00 TA 6 6242 2 33 18 80 Vollzeiterwerbst tig EHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 3 Alternativ Referenz kategorie kategorie Cluster F 37 ey amp 2 5 l S g E amp amp 3 ER S 1 S 5 5 5 5 S5 2E N ra o N Q N E 3 s 2 15 ES 58 Z J e Sg je l len Jg je s ge D g Ky D D Sg 3 z 7 faa u ou gt x Unter Ober grenze grenze Konstanter Term 3 30 0 63 27 21 0 00 M Alter 0 01 0 01 0 75 0 39 1 0090 0 99 1 03 O PNV Zeitkartenbesitz 0 48 0 30 2 63 0 11 0 6179 0 35 1 11 DO keinen OPNV Zeitkartenbesitz Mann 0 51 0 26 3 96 0 05 MI 0 5982 0 36 0 99 Frau 1 1 67 F hrerschein 0 80 0 36 4 84 0 03 v 1 2 2228 0 22 0 92 keinen F hrerschein Vollzeiterwerbst tig 3 13 0 37 70 62 0 00 vV 0 0437 0 02 0 09 Hausfrau mann arbeitslos Rentner in 1 22 8 Teilzeiterwerbst tig 3 28 0 35 88 75 0 00 v 0 0378 0 02 0 07 Hausfrau mann arbeitslos Rentner in 1 26 45 Sch ler Studierende in Berufsausbildung 2 42 0 57 17 83 0 00 v 0 0890 0 03 0 27 Hausfrau mann arbeitslos Rentner in 1 11 23 Vollzeiterwerbst tig 0 71 0 45 2 49 0 11 0 4915 0 20 1 19 DO Sch ler Studierende in Berufsausbildung Teilzeiterwe
150. 8 0 530 3 1 verwerfen 25 0 20 1 32 0 838 e _Betrachtungseinheit berg nge zwischen geplanten Ortsver nderungen Ebenso gehen keine signifikanten Einfl sse vom Zeitplanungsaktionstyp auf die Wichtigkeit Peover aus sofern nur Wechselvorg nge W gt W bzw W gt bei Wegen untersucht werden vgl Tabelle 5 11 Tabelle 5 11 Segmente nach der Art des Zeitplanungsvorgangs Ortsver nderungen Rang Baum Segmente von Anzahl Priorit t Pcover si p Wert Bewertung stufe Aktionstypen der IMittel Standard 1 Signifikanz s F lle rich Nges 878 abweichung 1 2 111 o 2 verwerfen 0 93 0 957 3 1 hinzuf gen 1 14 0 381 e Betrachtungseinheit berg nge zwischen geplanten Weg Aktivit ts Folgen Handelt es sich bei dem Analysegegenstand um Wechsel WAs gt W bzw WA zwischen Weg Aktivit ts Folgen WA erbringt der Versuch einer Segmentbildung s nach der Art des Zeitplanungsvorgangs ebenfalls kein Nachweis dass deren Unterschiede bezogen auf die Zielgr e der Priorit t Pcover signifikant sind vgl Tabelle 5 12 Tabelle 5 12 Segmente nach der Art des Zeitplanungsvorgangs Weg Aktivit ts Folgen Rang Baum Segmente von Anzahl Priorit t Pcover si p Wert Bewertung stufe Aktionstypen der Mitel I Si ndard Signifikanz so F lle i Nges 878 wert abwe
151. 9 Wulfhorst et al 2000 Hammer et al 2003 Charakteristisch f r das Vorgehen entsprechender Ans tze ist die a priori Bildung von Personentypologien auf der Basis von Lebensstilvariablen k z B G tz et al 1997 Was unter dem Lebensstil genau zu verstehen ist bleibt in der soziologischen Forschung relativ vage erkl rt da dar ber die fachlichen Meinungen weit auseinandergehen Umfassend definiert handelt es sich um einen komplexen Begriff der letztlich das ganze Leben einschlie en soll Spellerberg 1996 Beispielsweise fasst Spellerberg 1996 S 87 Lebensstile begrifflich folgenderma en Lebensstile werden als sichtbares Verhalten und Ausdruck von Lebenspl nen begriffen Sie dienen der bewussten sowie unbewussten Abgrenzung Andersartigkeit bzw Zusammengeh rigkeit sowie der Identit tssicherung Die Definition von L dtke 1990 S 434 lautet Lebensstile sind unverwechselbare relativ stabile Muster der Lebensf hrung und der Lebensorganisation privater Haushalte bzw der in ihm lebenden Individuen ein erprobter bew hrter und insofern sinnvoller Gesamtzusammenhang von Alltagsroutinen Symbolen Verhaltensmustern und Bezugsgruppen Entsprechend unterschiedlich f llt die Operationalisierung der Lebensstilkonzepte auf der Basis infrage kommender Verhaltensdimensionen wie Lebensziele Werte Orientierungen Pers nlichkeitsmerkmale bevorzugte Freizeitaktivit ten Medien nutzung Geschmack usw
152. 9 Uhr 1 Tag Eintrag schlafen 00 01 bis 09 00 Uhr 2 Tag Zeitraster Eintragungen sind im 5 min_Zeitraster vorzunehmen z B Eintrag 1 Aktivit t schlafen 00 01 Start Aktivit t 09 15 Uhr Ende Aktivit t 2 Aktivit t Weg 09 15 Uhr Startzeit Weg einkaufen 09 25 Start Aktivit t 10 55 Uhr Ende Aktivit t 3 Aktivit t Weg 10 55 Uhr Startzeit Weg Geben Sie Bitte Ihre Eingabe ein Aktivit tstyp 7 Aktivit tsgruppe Aktivit t auswar len Zelle willk rlich ausw hlen 7 er os wird jedoch nicht Weg zur Aktivit t Leerlassen falls unentschieden FE WE RE TER Verkehrsmittel Puswahlen 7 Ja C Nen Startzeit Weg Zeit und Tagle der Aktivit t Startzeit 17 00 4 Tag Montag a Ende 17 15 immer eintragen falls Wege realisiert grob ausw hlen eintragen r Involvierte Personen Niemand an gt peatati anklicken lto E r m Andere Personen die direkt mit mir teilnahmen DR Abbrechen Hilfe Abb 12 CHASE Fenster Hinzuf gen bzw ndern eines Eintrages EndeStartzeit Ende F Saat el Aktivit tAktivit t Aktivit t Weg Aktivit t Weg Aktivit ten Folge tivi Eintrag Eintrag Ati N ern an mn Anne Verkehrsmittel zu Fu Fahrrad Ort Zone y Zone z zu Hause Zone x involvierte Personen andere Personen allein mit Person 2
153. Advances in Travel Demand Analysis S 56 78 Gower Aldershot Jones P M Clarke M 1988 The significance and measurement of variability in travel behaviour in Transportation 15 1 S 65 87 Kalfs N Saris W E 1997 New data collection methods in travel surveys in Ettema D F Timmermans H J P Hrsg Activity based approaches to Travel Analysis Pergamon Oxford Kagermaier A 1997 Siedlungsstruktur und Verkehrsmobilit t Eine empirische Untersuchung am Beispiel von S dbayern Dortmunder Vertrieb f r Bau und Planungsliteratur Dortmund Kitamura R Chen C Pendyala R 1998 Generation of Synthetic Daily Activity Travel Pattern in Transportation Research Record 1607 S 154 162 Kitamura R Supernak J 1997 Temporal utility profiles of activities and travel some empirical evidence in Stopher P Lee Gosselin M Hrsg Understanding Travel Behaviour in an Era of Change S 339 350 Pergamon Amsterdam Lausanne New York u a Kloas J Kuhfeld H Kunert U 2001 Dynamik des Verkehrsverhaltens im Jahresvergleich Analyse des deutschen Mobilit tspanels Endbericht Projektnummer 70 557 98 Forschungsprogramm Stadtverkehr des Bundesministeriums f r Verkehr Bau und Wohnungswesen Berlin Kloas J Kunert U Kuhfeld H 1993 Vergleichende Bewertung von Haushaltsbefragungen zum Personennahverkehr KONTIV 1976 1982 1989 Forschungsprojekt im Auftrage des Bundesministers f r V
154. CH Aar z 7 fa u ou gt x Unter Ober grenze grenze Konstanter Term 0 72 0 78 0 85 0 36 Alter 0 00 0 01 0 16 0 69 1 0047 0 98 1 03 DO PNV Zeitkartenbesitz 0 58 0 36 2 63 0 11 0 5620 0 28 1 13 DO keinen OPNV Zeitkartenbesitz Mann 0 37 0 30 1 53 0 22 0 6930 0 39 1 24 DO Frau F hrerschein 0 42 0 44 0 90 0 34 1 1 5160 0 28 1 56 DO keinen F hrerschein Vollzeiterwerbst tig 1 19 0 51 5 43 0 02 v 3 2825 1 21 8 92 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 1 07 0 49 4 83 0 03 v 2 9118 1 12 7 56 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 0 01 0 78 0 00 0 99 1 0081 0 22 4 68 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 1 18 0 59 4 04 0 04 v 3 2561 1 03 10 29 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 1 06 0 62 2 96 0 09 V 2 8884 0 86 9 68 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 01 0 78 0 00 0 99 0 9920 0 21 4 60 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 12 0 32 0 14 0 71 1 1273 0 60 2 11 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 07 0 49 4 83 0 03 v 1 2 9118 0 13 0 89 Teilzeiterwerbst tig 0 3434 Sch ler Studierende in Berufsausbildung 1 06 0 62 2 96 0 09 Vl 1 2 8884 0 10 1 16 Hu Teilzeiterwerbst tig 0 3462 Hausfrau mann arbeitslos Rentner in
155. DO keinen OPNV Zeitkartenbesitz Mann 0 10 0 33 0 10 0 75 0 9008 0 47 1 71 DO Frau F hrerschein 1 06 0 45 5 58 0 02 V 2 874 1 19 7 14 keinen F hrerschein Vollzeiterwerbst tig 2 13 0 99 4 65 0 03 v 8 3835 1 21 57 94 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 3 57 1 30 7 56 0 01 v 35 6820 2 79 456 49 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 1 99 1 11 3 20 0 07 Vl 0 1370 0 02 1 21 HE Hausfrau mann arbeitslos Rentner in 1 7 3 Vollzeiterwerbst tig 4 11 0 78 27 82 0 00 V 61 1775 13 26 282 19 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 5 56 1 19 21 97 0 00 v 260 3859 25 44 2664 91 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 1 99 1 11 3 20 0 07 v 7 2974 0 83 64 48 o Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 1 45 1 15 1 59 0 21 0 2349 0 02 2 22 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 57 1 30 7 56 0 01 Mv 1 35 6820 0 00 0 36 Teilzeiterwerbst tig 0 0280 Sch ler Studierende in Berufsausbildung 5 56 1 19 21 97 0 00 v 1 260 3859 0 00 0 04 Teilzeiterwerbst tig 0 0038 Hausfrau mann arbeitslos Rentner in 2 13 0 99 4 65 0 03 l 1 8 3835 0 02 0 82 Vollzeiterwerbst tig 0 1193 Teilzeiterwerbst tig 1 45 1 15 1 59 0 21 4 2562 0 45 40 30 DO Vollzeiterwerbst tig Sch ler Studierende
156. Den Orientierungsrahmen des handlungstheoretischen Modells zum Aktivit ten Verkehrs verhalten bilden die aktuellen Modellans tze der Soziologie z B Esser 1996 Esser 2001a Esser 2001b Esser 2001c bzw Sozialgeografie z B Werlen 2000 wobei jedoch auch spezifische Eigenschaften aktivit tenorientierter Ans tze von Chapin 1974 H gerstrand 1970 Cullen et al 1975 Heidemann 1981 Beckmann 1983 und Zumkeller 1989 aufgegriffen werden umweLt U kollektive Makro Ebene verkehrs infrastrukturell Handlungsfolgen r umlich Verkehr Logik der Aggregatio INDIVIDUUM HANDLUNG Y M glichkeiten und i Logik der Eigenschaften Auswahl Aktivit ten und Einstellungen Motive Werthaltungen A Ortsver nderungen Pr ferenzen usw institutionell kulturell sozial u ere Bedingungen _ individuelle Mikro Ebene EEE Handlungsfolgen Abbildung 2 2 theoretisches Grundmodell zur Erkl rung des Aktivit ten Verkehrs verhaltens modifiziert nach Esser 1996 14 BHOBRBEE Grundlagen KONZEPTIONELLER RAHMEN Die nachfolgende Darstellung des theoretischen Modells gliedert sich in drei Teile die Beschreibung der Ebenen 2 2 1 der Elemente 2 2 2 und der Verbindungen zwischen den Elementen 2 2 3 2 2 1 Ebenen Ob das Theoriemodell aus nur einer Ebene oder mehreren aufgebaut ist hat Auswirkungen auf dessen
157. Ende der Hauptaktivit t konzentrieren Sehr stark ausgepr gt ist die Ortsver nderungsspitze bei Wege Aktivit tenmuster Typ S7 Als Besonderheit zeichnet sich w hrend den Spitzenzeiten des Verkehrs gegen ber den anderen Zeiten ein berproportionaler Stellenwert folgender Verkehrsmittel ab das MIV Selbstfahren bei Cluster S sowie die V Nutzung bei Cluster S7 Cluster S und Cluster S4 Cluster S5 Die Tagesmuster vgl Abbildung 7 11 von Cluster S erweisen sich an den Werktagen als relativ heterogen so dass ein typischer Verlauf kaum extrahierbar ist Dennoch lassen sich einige strukturelle Gemeinsamkeiten in den Tagesverl ufen erkennen Zeitbl cke f r Arbeiten und Ausbildung erstrecken sich ber den ganzen Tag wobei tendenziell die Zeitquanten morgens wesentlich h her sind als nachmittags Hohe Zeitquanten f r Freizeit und Versorgungst tigkeiten treten erst in den Nachmittagsstunden auf HEHELE Fallbeispiel 157 stand Entropie 158 Cluster Se Sehr variable Tagesverl ufe ergeben sich bei Cluster Ss an den Werktagen Diese weisen folgende bereinstimmungen auf Nachts lassen sich nennenswerte Zeitquanten f r die dominierende T tigkeit Arbeiten identifizieren was dieses Cluster von allen anderen klar abgrenzt Weiter fallen tendenziell die Zeitquanten f r Au er Haus Aktivit ten in den Vormittagsstunden im Vergleich zu den Nachmittagstunden bedingt durch die Aus bung obligatorischer T tig
158. Form des Archetypus Rentner infolge einer geringen Varianzaufkl rung des Raum Zeit Verhaltens zu grob ist Zunahme an Komplexit t Zunahme an Heterogenit t in der aggregierten Zustandsverteilung W ege Aktivit tenmuster einer W ege Aktivit tsprofile unterschiedlicher Person Personenkategorien PK 100 Zeitverwendung Zeitveiwendung RT Er z4 mehr individuelle z Gleichverteilung der Handlungsoptionen Handlungsoptionen in der Bev lkerung j z zs oO gt u gt z3 gt 3 z3 zs z3 z1 23 z1 z1 z1 z1 ii Zeit f z1 z1 gt o a WA ro 11 l F AM OAE at Gt E map eA Zeitverlauf RESI EEA RES Zeitverlauf PRAA SRRI BES Abbildung 1 1 Zuwachs an Komplexit t und Heterogenit t im Aktivit ten Verkehrs verhalten eigene Darstellung Mit Ph nomenen dieser Art sieht sich nun die Verkehrsforschung konfrontiert und stellt diese vor neue Anforderungen und Aufgaben Dies gilt f r die Erfassung und die Modellierung aber auch f r die Erkl rung des Aktivit ten Verkehrs verhaltens die im weiteren Verlauf der vorliegenden Arbeit im Mittelpunkt steht Neben zum Verstehen von Verkehrsursachen beizutragen schaffen empirische Ans tze zur Analyse des Raum Zeit Verhaltens eine Ausgangsbasis f r die Verkehrs nachfragemodellierung Bezugnehmend auf die aktuelle Anwendungspraxis der Verkehrsplanung berwiegen da
159. IVIT TSANALYSE OPTIMAL MATCHING TECHNIK 6 1 Einleitung Das folgende Kapitel behandelt die bislang ungekl rte Fragestellung inwieweit unter Anwendung der Optimal Matching Technik berechnete biologische Abst nde D S 8 s s Zwischen Wege Aktivit tenmustern s stabil bleiben wenn die notwendigerweise a priori zu spezifizierenden Vorgaben bzw Ausgangsbedingungen beim Einsatz dieses Sequenzvergleichsverfahrens ver ndert werden Hierzu findet mit der Zielsetzung entsprechende Anwendungsempfehlungen abzuleiten eine Sensitivit tsbetrachtung zur Aufdeckung vorhandener bzw fehlender linearer Zusammenh nge zwischen zu definierenden Vergleichsf llen f bzw f mit Hilfe der Korrelationsrechnung statt Als ver nderbare Parameter gelten dabei erstens die Art und Weise der Abbildung des erfassten Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster s und zweitens die Aufwandswerte C der Transformationsoperationen der Optimal Matching Technik 6 2 Untersuchungsstrategie Die Vorgehensweise der Untersuchung zeigt Abbildung 6 1 AETIE LT Vergleichs Sequenzdistanzen Lineare Korrelationsanalyse f lle der Optimal Matching Technik Zustandsraum Z y Zeitintervalll nge A t At Aat At At At At ll I I ll I Fall f mit z 2 Z y s s es 3 mitS eS Darstellungsweise der Wege Aktivit tenmuster s Transformationsaufwand C C Z Z AP z Cna z AP z 0
160. Klassifikationsschema dienen soll a Abbildung des Raum Zeit Verhaltens Wie bereits in Kapitel 2 erl utert kann Aktivit ten Verkehrs verhalten auf unterschiedliche Art und Weise betrachtet werden vgl Burnett et al 1981 BHOBBEE Grundlagen 35 Eine musterorientierte Sichtweise des Raum Zeit Verhaltens betont die Ganzheitlichkeit der Wege Aktivit tenmuster und ber cksichtigt damit die Uhnteilbarkeit des menschlichen Verhaltens Bewahrt bleibt die temporale Struktur des Abbildungsgegenstandes die zeitliche Reihung von Aktivit ten A und Ortsver nderungen W M glicherweise werden jedoch im Verlauf des Analyseprozesses die multiplen Zust nde vi der Wege Aktivit tenmuster in mehrere einfache Zust nde yv bestehend aus Auspr gungen y jeweils eines Merkmals y getrennt so dass mehrere Subsequenzen entstehen Nicht aufgegeben wird jedoch dabei das Prinzip einer musterorientierten Darstellungsweise vgl Kapitel 2 Eine weitere Ausgangsbasis f r empirische Analysen sind die Kenngr en des Raum Zeit Verhaltens Zu diesen Verhaltensparametern z hlen beispielsweise die Dauer der Ortsver nderung wP die Fortbewegungsart w usw Da jene Kenngr en y durch Extraktion entsprechender Informationen aus den Wege Aktivit tenmustern gewonnen werden repr sentieren diese das Aktivit ten Verkehrs verhalten nur noch partiell Abbildung des musterorientiert kenngr enorientiert g Raum Zeit Abbildung des Raum Zeit
161. Ko YPI zii Arbeit Einkaufen Freizeit Segment s y Segment s yX S4 s y2 x Pay B ya y1cz s y s3 y12 x Z y1 1 Mittelwert P S Mittelwert P S zu Fu Fahrrad x Arbeit Einkaufen Freizeit F Arb F Ek F Frei R Arb R Ek R Frei 1519 209 N say sw Segmentierung Zy 15 Sy 4 Abbildung 5 1 Bildung von Segmentzust nden aktivit ten bzw ortsver nderungsbezogener Handlungen Beispiel eigene Darstellung 5 2 Konzeptioneller Rahmen Varianten der Operationalisierung der Wichtigkeit von aktivit ten bzw ortsver nderungsbezogenen Handlungen Zur Kl rung des komplexen Sachverhaltes wie die Wichtigkeit Pover von T tigkeiten A bzw Ortsver nderungen W sowie die Priorit t Pcover bei Zeitplanungsvorg ngen Y gt Y bzw Y inhaltlich zu fassen ist tr gt der erl uterte theoretische Grundansatz zur Erkl rung des Aktivit ten Verkehrs verhaltens bei wie in Abschnitt 2 2 skizziert Aus der dort formulierten Modellvorstellung vgl Abbildung 2 2 wird deutlich dass die Priorit t Pover einer aktivit ten bzw wegebezogenen Handlung Y im subjektiv situativen Kontext von einer Vielzahl von Einfl ssen z B M glichkeiten und Einschr nkungen der handelnden Person subjektiv wahrgenommene Umwelt usw bestimmt wird vgl Abschnitt 2 2 3 Gleichung 2 1 s Es stellt sich die Frage wie das erl ute
162. Levensthein Algorithmus Verfahren zur berpr fung ob zwischen zwei nominalskalierten Merkmalen ein Zusammenhang besteht Darstellungsform der paarweisen H ufigkeits verteilungen von zwei nominalskalierten Merkmalen Rechenvorschrift welche die minimale gt biologische Distanz zwischen zwei Sequenzen findet Likelihood Ratio Test LR Test Testverfahren zum Vergleich von gt Logit Modellen auf der Grundlage des Maximum Likelihood Sch tzverfahrens durch Vergleich jeweils von zwei Logit Modellen ein Ausgangsmodell welches i a mehrere Modellparameter enth lt und ein Vergleichsmodell in welchem einem oder mehreren dieser Parameter Restriktionen z B alle Parameter werden auf null gesetzt ein Parameter wird auf null gesetzt auferlegt werden Lineares Struktur gleichungsmodell multivariates statistisches Verfahren gt strukturen pr fendes Verfahren um a priori formulierte Kausalhypothesen zur Erkl rung von Merkmalszusammenh ngen anhand von empirischen Daten zu berpr fen Makrozeitabschnitt definierter Zeitausschnitt Tag Woche usw innerhalb dessen Zust nde Aktivit ten Ortsver nderungen angeordnet sind Maximum Likelihood Sch tz Methode Verfahren zur Sch tzung der Parameter einer Verteilung aus Stichproben werten so dass die Wahrscheinlichkeit der Stichprobenwerte maximal ist Mehrebenenanalyse Untersuchungsansatz zur gemeinsamen Analyse von Daten unterschiedlicher Aggre
163. N5 85 N T n N ON E 3 6 5 J x 2 g 5 S g l5 x z J S2 5g Si S T E 2 S s NE o D S o s j s la amp i Sx Unter Ober grenze grenze Konstanter Term 0 76 1 50 0 26 0 61 Alter 0 02 0 02 1 40 0 24 1 0225 0 99 1 06 DO PNV Zeitkartenbesitz 0 42 0 47 0 77 0 38 1 5147 0 60 3 83 DO keinen OPNV Zeitkartenbesitz Mann 0 29 0 44 0 44 0 51 0 7487 0 32 1 76 DO Frau F hrerschein 1 74 0 50 12 08 0 00 V 5 7012 2 13 14 29 keinen F hrerschein Vollzeiterwerbst tig 1 56 1 18 1 76 0 18 4 7624 0 48 47 66 OD Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 1 02 1 19 0 74 0 39 0 3594 0 03 3 72 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 1 63 1 45 1 26 0 26 5 0898 0 30 87 52 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 0 07 0 80 0 01 0 93 0 9357 0 20 4 45 DO Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 2 65 0 90 8 71 0 00 v 1 14 1630 0 01 0 41 Sch ler Studierende in Berufsausbildung 0 0706 Hausfrau mann arbeitslos Rentner in 1 63 1 45 1 26 0 26 0 1965 0 01 3 38 O Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 2 58 0 52 25 02 0 00 v 13 2520 4 81 36 48 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 02 1 19 0 74 0 39 2 7826 0 27 28 82 o Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 65 0 90 8 71 0 00 VI 1
164. Personen im HH Anzahl Kinder unter 10 Jahre im HH 4 2247 14 3 MI 0 172 Haushaltgr e 6 2247 11 9 m 0 450 M verkehrs infrastrukturell r umliche Umwelt Raumtyp 10 2247 18 6 M 0 186 Raumtyp 5 2247 2 9 VI 10 136 M Lage Arbeitsplatz 6 1461 2 4 M 0 220 Lage Wohnung 6 2246 4 8 Mi 10 180 Ausstattung Einkaufsm glichkeit t glicher 2247 7 1 VI 0 039 Bedarf 2 Ausstattung 2212 O VI 0 049 Einkaufsm glichkeit weiterer Bedarf 2 Ausstattung Kneipe Cafe 2 2220 O VI 0 035 Ausstattung Ausgehm glichkeiten 2204 O VI 0 082 Kino Theater 2 Ausstattung Sportst tten 2 2201 O VI 0 036 Zufriedenheit mit der Anbindung an ffentliche 2247 O MI 10 115 Verkehrsmittel 2 EHEHEHEH Anhang H Il Screening relevanter Erkl rungsgr en H Il 1 Alternativ Referenz kategorie kategorie N 57 N 2 E 5 z x es Cluster D Sz F T pu S ie s 5 5 f N5 ss N Ta g N Sn E S S 5 J gt je J PE 1 2 g 3 z 2 g E 33 s z 7 m i Su Sx Unter Ober grenze grenze Konstanter Term 5 81 1 20 23 31 0 00 Alter 0 02 0 01 2 19 0 14 1 0177 0 99 1 04 DO PNV Zeitkartenbesitz 0 20 0 41 0 24 0 63 1 2196 0 55 2 72 DO keinen OPNV Zeitkartenbesitz Mann 0 95 0 29 10 87 0 00 vI 1 2 57 0 22 0 68 Frau F hrerschein 0 51 0 47 1 17 0 28 1 1 6649 0 24 1 52 O keinen F
165. Position k in beiden Sequenzen s bzw auftreten das hei t Es handelt sich um gemeinsame Zustandselemente z Joh et al 2001 Zum anderen besteht die M glichkeit dass bestimmte Zustandselemente z bzw Z entweder nur in der Ziel oder Quellsequenz vorkommen solit re Elemente z 1 Art Zu beachten ist Gemeinsame Zustandselemente z werden dann zu solit ren Zustandselementen z wenn eine ber bzw Unterzahl von gleichen Zustandselementen z zwischen beiden Mustern vorhanden ist jene werden per Definition als solit re Elemente 2 Art bezeichnet Joh et al 2001 64 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Gemeinsame Zustandselemente z in gleicher Abfolge die m glicherweise an unterschiedlicher Position angeordnet sind konstituieren das strukturelle Skelett zweier Sequenzen s und Joh et al 2001 4 4 1 Grundlagen Die formalen Grundz ge der Optimal Matching Technik behandeln Kruskal et al 1983 Dieses dort vorgestellte Grundverfahren fu t auf folgender Idee Gegeben sind die Sequenzen s und die der endlichen Menge aller Sequenzen S angeh ren s e S Aufgabe ist es eine Ausgangssequenz s Z4 Z2 Z zk mit K Zustandselementen z z Z y in eine Zielsequenz slo zu transformieren so dass im Endzustand beide Sequenzen s und identisch sind Die Optimal Matching Technik folgt dabei dem Abbildungsprinzip sogenannter biologischer Distanzen
166. Rentner HAR in Ausbildung Schule Studium Beruf Schulabschluss Volks Hauptschule ohne Lehre nominal Volks Hauptschule mit Lehre mittlerer Schulabschluss mittlere Reife Abitur FH Hochschule noch kein Abschluss Pkw Verf gbarkeit ja regelm ig nominal ja gelegentlich nach Absprache nein Pkw ja nominal F hrerscheinbesitz nein verkehrsrelevante FS Besitz und volle Pkw Verf gbarkeit nominal Motorisierung F hrerscheinbesitz und gelegentliche Pkw F hrerschein Verf gbarkeit Pkw im Haushalt Pkw Pkw kein F hrerscheinbesitz und Pkw Verf gbarkeit Verf gbarkeit generierte Variable keine Pkw Verf gbarkeit PNV ja nominal Zeitkartenbesitz nein Besitz Motorrad ja nominal Mofa usw nein Besitz Fahrrad ja nominal nein Makroebene der Umwelt soziale Umwelt Haushaltstyp Kleinhaushalt mit Berufst tigen 1 2 Pers nominal Kleinhaushalt ohne Berufst tige 1 2 Personen Rentner Haushalt mit Kindern unter 18 Jahren Haushalt ohne Kinder 3 und mehr Erw Stellung im Kind Jugendliche nominal Familienzyklus Junge Leute alleinlebend Alter Alter der Junge Leute in Familie WG Kinder im Elternteil in Familie Alleinerziehende Kinder Haushalt unter 10 Personen im Elternteil in Familie Alleinerziehende Kinder Haushalt ber 10 mittleres Lebensalter alleinlebend generierte mittleres Lebensalter zu zweit Variable ltere Person in Famili
167. STERORIENTIERTEN MULTIMETHODENANSATZES ZUR ANALYSE DES AKTIVIT TEN VERKEHRS VERHALTENS 4 1 Einleitung 4 2 Struktur des Multimethodenansatzes 4 3 Konzeptioneller Rahmen 4 4 Optimal Matching Technik 4 4 1 Grundlagen 4 4 2 Vorgehensweise 4 4 3 Definition der Transformationsaufwandswerte 4 4 4 Berechnung der Sequenzdistanzen mit der Optimal Matching Technik Exkurs Il Abbildungsprinzipien von Sequenzabst nden 4 5 Stand der Forschung Anwendung der Optimal Matching Technik zur Analyse von Wege Aktivit tenmustern 4 5 1 Beschreibung der Ans tze zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern mit Hilfe der Optimal Matching Technik 4 5 2 Diskussion und Bewertung der Ans tze zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern mit Hilfe der Optimal Matching Technik 4 5 3 Fazit 4 6 Clusteranalyse 4 6 1 Grundlagen 4 6 2 Vorgehensweise 4 7 Multinomiale Logit Analyse 4 7 1 Grundlagen 4 7 2 Vorgehensweise 57 57 58 64 65 66 67 71 73 75 76 78 82 83 83 83 84 85 85 o00000 INHALTSVERZEICHNIS BHEODHEM Anwendungsvoraussetzungen Optimal Matching Technik 5 1 5 2 5 3 5 3 1 5 3 2 5 3 3 5 4 5 4 1 5 4 2 5 4 3 5 4 4 5 4 5 5 4 5 1 5 4 5 2 5 4 6 5 5 AUSRICHTUNG DER OPTIMAL MATCHING TECHNIK AM AKTIVIT TEN VERKEHRS VERHALTEN EINE EMPIRISCHE ANN HERUNG Einleitung Konzeptioneller Rahmen Varianten der Operationalisierung der Wichtigkeit von ak
168. Segmentierung F r die Bildung von Typologien sind strukturen erkennende Verfahren geeignet die entweder dem Prinzip der Segmentierung oder der Repr sentation folgen Bei der Segmentierung werden Wege Aktivit tenmuster s zu homogenen Klassen S aufgrund von hnlichkeiten mit Hilfe der Clusteranalyse zusammengefasst Das clusteranalytische Vorgehen umfasst zwei Schritte 38 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE erstens die Distanzbestimmung zur Ermittlung einer Distanzmatrix D die f r alle Wege Aktivit tenmuster s mit s S im paarweisen Vergleich Abstandsindizes D s S lt s enth lt und zweitens darauf aufbauend die Fusionierung der Wege Aktivit tenmuster s zu Segmenten S mit S c S durch Clusteralgorithmen u a Bortz et al 1999 Backhaus et al 2003 Das Prinzip der Repr sentation zielt hingegen darauf ab Wege Aktivit tenmuster s in einem niedrig dimensionierten Raum anzuordnen Als typisches Verfahren der Repr sentation gelten beispielsweise die Faktorenanalyse und die Multidimensionale Skalierung u a Bortz et al 1999 Backhaus et al 2003 Anwendung strukturen pr fender Verfahren Identifikation Strukturen pr fende Verfahren basieren auf dem Prinzip der Identifikation Die grundlegende Frage lautet dabei welche Kombination von Erkl rungsgr en k eine abh ngige Variable erkl ren kann Dies erfolgt durch Pr fung von Dependenzen zwischen abh ngigen Variablen z B We
169. Studierende in Berufsausbildung Teilzeiterwerbst tig 0 68 0 94 0 52 0 47 0 5076 0 08 3 21 DO Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 56 1 47 0 15 0 70 0 5685 0 03 10 10 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 16 0 50 0 11 0 74 0 8501 0 32 2 24 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 11 1 14 0 01 0 92 1 1200 0 12 10 44 OD Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 68 0 94 0 52 0 47 1 9701 0 31 12 45 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 28 1 15 0 06 0 81 1 3176 0 14 12 46 DO Vollzeiterwerbst tig Teilzeiterwerbst tig 0 16 0 50 0 11 0 74 1 1764 0 45 3 11 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 84 0 87 0 92 0 34 2 3176 0 42 12 85 DO Vollzeiterwerbst tig EEHEEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 17 Alternativ Referenz kategorie kategorie fi S fe g E Cluster F s amp 58 3 s 5 15 85 85 N T Z N Sn E S S 5 g s j2 J E 4 7 Se 2 a Ig 52 53 5 3 I3 s s NE S s eii Sx Unter Ober grenze grenze Konstanter Term 1 63 1 41 1 34 0 25 Alter 0 07 0 03 7 31 0 01 M 1 0703 1 02 1 12 PNV Zeitkartenbesitz 0 40 0 38 1 12 0 29 0 6724 0 32 1 40
170. TUNG OPTIMAL MATCHING TECHNIK e Festlegung der Merkmalskategorien Die Definition der Kategorien y potenzieller Trennmerkmale y orientiert sich mit dem Ziel einer Angleichung an den Vorgaben der Referenzdaten des MOP auf dessen Datenfundus im weiteren Verlauf der Arbeit zur ckgegriffen wird Entsprechend werden die teilweise sehr differenzierten Angaben vi die aus der CHASE Befragung stammen zu gr beren Merkmalskategorien s y durch Rekodieren zusammengefasst Dar ber hinausgehend erfolgt bei einigen Variablen eine Verschmelzung der Merkmalsauspr gungen y vorab zu noch gr beren Einheiten s y welche die Aufl sung der Merkmale y des MOP unterschreiten Die Notwendigkeit besteht dann wenn bei Einzelkategorien y wenige Nennungen auftreten oder ein inhaltlicher Grund f r eine entsprechende Differenzierung fehlt Die folgende bersicht vgl Tabelle 5 6 enth lt die Zielgr en P vet bzw Peovet und die potenziellen Merkmale y bzw mit den jeweiligen Merkmalskategorien y bzw die im Rahmen des Analyseprozesses der Segmentbildung ber cksichtigt werden Tabelle 5 6 Zielgr en und potenzielle Trennmerkmale mit den jeweiligen Auspr gungen Zielgr e Merkmalsabstufungen Priorit t realisierte Handlung Y sehr wichtig 2 Pover y i wichtig 1 Priorit t Zeitplanungsvorgang Y amp e Y mittel 0 Peover Y y Peoverly Poover 2 y bzw Pcovert weniger wichtig 1 unwichtig 2
171. Transformationsaufwandswerte C vgl Tabelle 6 2 Tabelle 6 2 Festlegung von Variationsf llen durch Definition zustandsunabh ngiger Aufwandswerte Variationsf lle nn IR N 5 gt lo o Wm z 8 8 E Ea pas 0O lt lt Px oOo M 2 1 gt I TE 12 1 8 jug Te i u u m ll ll ll m N u N N u N PA N T u N BR N 2ER N u N y STINNI NR ANN Sn NE EN IN NE SN Orientierung 85 06 d6 dsl dold d6 86 8 Aufwand roM Substitution bertrifft T tendenziell Auf 12H wand Kombination L schen Einf gen 1 I K Aufwand EJIMIMIMIMIM M Substitution Ea unterschreitet aa tendenziell Auf wu E X wand Kombination i L schen Einf gen Legende M zutreffend EI ambivalent nicht zutreffend 125 HEHELDIEEM Anwendungsvoraussetzungen Optimal Matching Technik 6 2 3 Vergleichsf lle der Sensitivit tsanalyse Gegenstand der Sensitivit tsanalyse ist der Vergleich per Optimal Matching Technik berechneter biologischer Sequenzdistanzen D i S S ss s unterschiedlicher Variationsf lle fund f die durch ungleiche Sets von Eingangsdaten definiert sind Auf der Basis der erl uterten Variations m glichkeiten ergeben sich hypothetisch eine Vielzahl potenzieller Gegen berstellungen Zur Begrenzung des Vergleichsaufwandes und damit zur Wahrung der bersichtlichkeit soll im Folgenden eine Auswahl relevant
172. Typologiebildung und Erkl rung des Aktivit ten Verkehrs verhaltens ein Multimethodenansatz unter Verwendung der Optimal Matching Technik Dissertation zur Erlangung des akademischen Grades Doktor Ingenieur an der Fakult t Bauingenieurwesen der Bauhaus Universit t Weimar vorgelegt von Martin Berger aus Neustadt Weinstra e Weimar 2004 Gutachter Univ Prof Dr Ing Ulrich Brannolte Univ Prof Dr Ing Klaus J Beckmann Univ Prof Dr Ing Eckhard Kutter Tag der Disputation 04 10 2004 EL Typologiebildung und Erkl rung des Aktivit ten Verkehrs verhaltens ein Multimethodenansatz unter Verwendung der Optimal Matching Technik Martin Berger KURZFASSUNG Vor dem Hintergrund des gesellschaftlichen Wandels sieht sich die Verkehrsforschung mit neuen Anforderungen an die Konzeption Anpassung Anwendung usw von statistischen Ans tzen zur Analyse des Aktivit ten Verkehrs verhaltens konfrontiert um auf Basis empirischer Daten ad quat Zusammenh nge der Verkehrsentstehung zu erforschen Ausgehend von der musterorientierten Perspektive das hei t Untersuchungsgegenstand sind chronologische Abfolgen von Ortsver nderungen und T tigkeiten in Form von Wege Aktivit tenmustern besteht das Ziel einer m glichst realit tsnahen Abbildung und Erkl rung von individuellen Unterschieden im Raum Zeit Verhalten Neu bzw kaum etabliert sind in diesem Kontext der eigens konzipierte Multimethod
173. Unterschiede besonders stark bei Cluster S und S ausgepr gt sind und dass die entsprechenden Variabilit ten bei Cluster S gering sind 166 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 80 0 70 0 60 0 50 0 40 0 30 0 20 0 10 0 i mittlere Reiseweite pro Tag und Fall ealslels s ole less szieaelealsieisielsolel sie z else elel s eis alo o la sel aloe els slelz sio le e als oel s ale sa 2 t o a gZ A 2 At o a o2 A 2 A E o os 9 2 A t o a QZ also Z A 2 A t 0 a oZ O 2 A E 0 a Q A 2 A E 0 a D Fr IF IH Fr Fr Fr Fr Fr 2 2 2 2 E E 2 E E E Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle F lle Abbildung 7 21 mittlere Reiseweite pro Tag und Fall im Wochenverlauf je Cluster und f r alle F lle Daten Mobilt tspanel 97 98 ungewichtet n 2247 F lle Nicht erf llt sind f r den Parameter Reiseweite die Anforderungen der externen Heterogenit t und der internen Homogenit t da der Verh ltniswert der Binnencluster zu Gesamtvarianz von 0 99 sehr hoch ist Abschlie end erfolgt eine Analyse der durchschnittlichen Entfernung je Weg und Fall nach Verkehrsmitteln je Cluster S vgl Anhang G Tabelle G 2 Folgende Besonderheiten deuten sich an Bei Cluster S liegt die durchschnittlich zur ckgelegte Strecke f r Ortsver nderungen mit 9 0 km als MIV Selbstfahrer weit unter de
174. V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 1 Abweichungen des Cluster S4 im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 4 Cluster S2 Zeitverwendung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 g Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg km g c Zeitverwendung zu Hause je Tag hh mm 2 50 DL Entfernung MIV Mitfahrer je Weg km _ lt i w eitverwendung Arbeiten dienstlich je Tag hh mm E 2 u 20 2 u Entfernung MIV Selbsfahrer je Weg km g Zeitverwendung Ausbildung je Tag hh mm S f Q lt R Entfernung Fahrrad je Weg km Zeitverwendung Einkaufen Service je Tag hh mm Entfernung zu Fuss je Weg km Zeitverwendung Freizeit je Tag hh mm Entfernung je Weg km Zeitverwendung zu Fuss je Tag hh mm Entfernung je Tag km Zeitverwendung Fahrrad je Tag hh mm Wegezahl je Tag n 7 Zeitverwendung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag lt X p Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag b Zeitverwendung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad
175. Zeitverwendung auf Tagesebene die arbeitsbezogenen Cluster weiter differenzieren wobei sich folgende eindeutig beschreibaren Wege Aktivit tenmuster Typen S in Abh ngigkeit des t glichen Zeitaufwandes f r Arbeiten dienstlich herauskristallisieren Cluster S mit einem 10 Stunden Arbeitstag Mehrarbeit Cluster S4 mit einem 5 Stunden Arbeitstag Teilzeitarbeit und Cluster Ss mit einem 3 Stunden Arbeitstag sporadische Arbeit Ungef hr gleichauf mit einer 40 Stundenwoche liegen Cluster S und Cluster Sg Bei erstgenanntem konzentriert sich Arbeiten dienstlich auf die Werktage w hrend bei Cluster Ss an allen Wochentagen gearbeitet wird c Zeitebene Tagesverlauf Zeitverwendung f r T tigkeiten und Ortsver nderungen Die bereits formierten Tageskategorien Mo Do Fr Sa So aus der Analyse auf Tagesbasis bleiben indessen unver ndert bestehen so dass lediglich zu kl ren ist welche Cluster S zu Vorweg Betrachtungseinheiten zusammengefasst werden vgl Abbildungen 7 7 bis 7 13 Erstens erfolgt an den Werktagen Montag bis Donnerstag eine gemeinsame Betrachtung der Cluster S S3 S4 und S denn bei allen ist ein tagesablaufbestimmender homogener Zeitblock mit einer Pflichtaktivit t vorhanden Bei den restlichen Wege Aktivt tenmuster Typen S erscheint eine getrennte Abhandlung sinnvoll Zweitens erm glicht die gro e strukturelle hnlichkeit der Tagesmuster aller Cluster S samstags und sonntags mit der Ausn
176. Zielerreichungsgrad bei jedem Kriterium vorliegt BHOBBEE Grundlagen S1 Tabelle 3 5 Gegen berstellung ausgew hlter musterorientierter Untersuchungsans tze des Aktivit ten Verkehrs verhaltens Autor Jahr Kutter Pas Recker Becker Schmiedel Wang Kulkarni 1972 1980 et al 1981 1984 1997 et al 1980 2000 Kriterien a Abbildungsbreite und tiefe des Raum Zeit Verhaltens Vielfalt der Merkmale des E E E o Raum Zeit Verhaltens L nge und Lage des Makrozeitabschnittes Detaillierung Sequenzform E E M B E M vi Detaillierung der Merkmale o E M E TA Mi E des Raum Zeit Verhaltens b Analyseebene musterorientierter Multimethodenansatz Objektivit t des M M C Untersuchungsprozesses Angemessenheit des Kausalprinzips c Analyseebene Sequenzvergleichsanalyse Umfang der Abbildungs E E eigenschaften des Distanz ma es Abfolge hnlichkeit usw inhaltliche Ausrichtung des E E Distanzma es d Einbeziehung potenzieller Erkl rungsgr en Eigenschaften individuelle Einstellungen Orientierungen Motive Werthaltungen usw soziale Umwelt vi MI M TA M Mi verkehrs infrastrukturell M M Ti r umliche Umwelt Legende v ber cksichtigt r teilweise ber cksichtigt nicht ber cksichtigt a Abbildungsbreite und tiefe des Raum Zeit Verhaltens a 1 Vielfalt der Merkmale des Raum Zeit Verhaltens Abbildungsbreite Folgendes zeichnet sich bei den herangezogenen empirischen Ana
177. a priori Bildung von Personen kategorien nicht notwendig ist Ebenso grenzt die Ber cksichtigung der zuf lligen und nicht erkl rbaren Verhaltensvariabilit t durch das Wahrscheinlichkeitsprinzip des gew hlten Logit Modells das eigene Vorgehen von anderen Untersuchungen ab Aufgrund der weitgehend ungekl rten Anwendungsgrundlagen der Optimal Matching Technik befasst sich die vorliegende Arbeit zun chst mit dessen inhaltlicher Ausrichtung am Untersuchungsgegenstand Die Anpassung der festzulegenden Aufwandswerte welche f r die ben tigten Aktionen angesetzt werden um ein Wege Aktivit tenmuster in ein anderes zu transformieren erfolgt mit Hilfe einer empirisch Absch tzung die weit ber ein argumentatives Vorgehen hinausgeht Der ermittelte Sequenzabstand inkludiert dabei die operationsspezifische Distanz bei berg ngen zwischen den konstituierenden Zust nden der zu vergleichenden Wege Aktivit tenmuster Zustands hnlichkeit Abstandsma f r die qualitativen Zust nde ist dabei die ermittelte Priorit t von wege und t tigkeitenbezogenen Handlungen Die Relevanz einer Ausrichtung belegt auch die durchgef hrte Sensitivit tsanalyse Das Ausma der Empfindlichkeit der Optimal Matching Technik ist insbesondere gegen ber der Festlegung der Aufwandswerte betr chtlich Um die Analysepotenziale des Multimethodenansatzes zu demonstrieren werden exemplarisch interpersonelle Unterschiede im w chentlichen Aktivit ten V
178. abst nden Aly y o zu Aufwandswerten Ca zu gelangen lautet Gleichung 5 1 A y y gt Csub z Ay gt Cac lZ A y gt Caaa Z Zur Aufgabenstellung Da die multiplen Zust nde y von Handlungen Y sowohl durch Merkmale y qualitativer z B Aktivit tstyp Verkehrsmittel usw als auch quantitativer Art z B Reiseweite Aktivit tsdauer usw beschrieben werden vgl Abschnitt 2 2 2 entf llt die M glichkeit einer direkten Angabe eines Zustandsabstandes Aly Ly vgl Abschnitt 4 4 3 Gesucht wird daher erstens ein Ansatz um die Zust nde y in eine lineare Ordnung auf Intervallskalenniveau zu bringen Zur L sung des Problems bietet sich folgende Modellvorstellung an Per Definition wird als Gr enbegriff das Kriterium der Wichtigkeit Povel y i realisierter aktivit ten bzw ortsver nderungsbezogenen Handlungen Y overte Handlungen eingef hrt um deren Un hnlichkeit auszudr cken das so genannte Priorit tenkonzept Die Distanz APoverl y n y l sst sich durch die Ermittlung des Absolutwertes der Priorit tsdifferenzen der beiden Zust nde y bzw y berechnen vgl Gleichung 5 2 Gleichung 5 2 AP overly Povert y 5 Poven y mit y Vie Zy Dem Algorithmus der Optimal Matching Technik liegt ein Set potenzieller Transformationsoperationen L schen Einf gen und Ersetzen von Zustandselementen z der BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 87 Sequenzen
179. abst nden D s S s s folgt die Optimal Matching Technik dem Abbildungsprinzip so genannter biologischer Distanzen was diese von anderen Methoden geometrische Distanzen deutlich unterscheidet und mit der Erwartung verkn pft ist die bisherigen Analysepotenziale deutlich zu erweitern Um eine Vorstellung zu bekommen aus welcher Perspektive diese Methode die musterorientierte Datenanalyse vornimmt dient die folgende von Aisenbrey 2000 bereits angef hrte hier jedoch leicht abgewandelte Veranschaulichung Stellt man sich die einzelnen Ereignisse eines Tages als Bildausschnitte vor so werden diese nicht nur als einzelne Fotografien festgehalten statt dessen wird der Betrachtungshorizont zu einem kompletten Film erweitert indem die einzelnen Bilder in ihrer tats chlichen Abfolge zusammenf gt werden Die St rken der Optimal Matching Technik liegen in folgenden umfassenderen Abbildungseigenschaften vgl Abbildung 1 2 Erstens werden gleiche T tigkeiten A bzw Ortsver nderungen W erkannt die zeitlich an unterschiedlichen Stellen der zu vergleichenden Muster s bzw angeordnet sind Zustands elementkomposition Joh et al 2001 Zweitens geht in den biologischen Un J hnlichkeitsindex D s S s s mit ein ob bei T tigkeiten bzw Wegen die Bestandteil beider Sequenzen s bzw sind deren Abfolge gleich ist oder nicht Das Erkennen eines strukturellen Skelettes einer Subsequenz identischer Reihenfolgen von Zust nden z b
180. achlogisch erscheint dies kaum haltbar und ist somit als Indiz f r eine problematische Datenqualit t zu werten Zwischen den H ufigkeitsverteilungen der Betrachtungseinheiten bestehen folgende Unter schiede F r Weg Aktivit ts Folgen WA und Ortsver nderungen W ist eine Akkumulation der Nennungen der Bewertungen Pover wa bzw Poven W auf die Mittelkategorie neutral erkennbar die jedoch vergleichsweise zu den Zeitplanungsaktionen Y gt Y bzw Y amp weniger stark ausgepr gt ist Bei der Beurteilung des Stellenwertes Pover a der T tigkeiten A ergibt sich eine treppenf rmige Verteilung mit dem H chstwert bei der Stufung sehr wichtig 110 gunonn Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Zeitplanungsvorg nge Die Mittelwerte der Priorit ten Poovey yO von Zeitplanungsvorg ngen Yo gt Y bzw Yo liegen auf einem deutlich niedrigeren Beurteilungsniveau Die Rangordnung der Mittelwerte nach handlungstypspezifischen Betrachtungseinheiten deckt sich mit Bewertung der realisierten Handlungen Y und ist wiederum in sich schl ssig Aus der Betrachtung der H ufigkeitsverteilungen zeichnet sich eine sehr starke Zentrierungstendenz der Antworten mit der Angabe neutral bei den Bewertungen Peover yY yo von Weg Aktivit ts Folgen WA und Ortsver nderungen W ab Ob es sich bei diesem Ergebnis m glicherweise gar nicht um Bewertungen sondern um wei ni
181. ahme von Cluster S eine zusammenfassende Analyse HEHEMLE Fallbeispiel 153 Zeitverwendung 100 90 80 70 60 50 40 30 20 10 0 Montag Dienstag Mittwoch pune Freitag Samstag Sonntag Tag E Arbeiten dienstlich E Ausbildung Einkaufen Service Freizeit E zu Hause V Nutzung MIV Mitfahrer MIV Selbstfahrer Fahrrad IM zu Fu Entropie standardisiert Abbildung 7 7 Wege Aktivit tsprofil S4 disponible T tigkeiten Zeitverwendung 100 90 80 70 60 50 40 30 20 10 0 Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Tag EE Arbeiten dienstich EM Ausbildung Einkaufen Service Freizeit E zu Hause V Nutzung MIV Mitfahrer MIV Selbstfahrer Fahrrad MI zu Fu Entropie standardisiert Abbildung 7 8 Wege Aktivit tsprofil S2 Mehrarbeit stand Entropie stand Entropie 154 EHEHEHEH Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 100 0 80 70 60 50 40 Zeitverwendung 30 20 10 0 Eu Arbeiten dienstlich E zu Hause Fahrad EEE Ausbildung DI V Nutzaung mm zu Fu Einkaufen Service MV Mitfahrer Entropie standardisiert Freizeit MV Selbstfahrer Abbildung 7 9 Wege Aktiv
182. ahren die als m gliche Teile eines musterorientierten Untersuchungsansatzes infrage kommen zum Standardrepertoire statistischer Methoden z hlen c1 c2 Abbildungseigenschaften des Distanzma es Sind Wege Aktivit tenmuster s Analysegegenstand eines Verfahrens der Segmentierung so besteht zun chst das analytische Grundproblem deren Un J hnlichkeit D s S s ses m glichst realit tsnah durch Sequenzvergleichsverfahren abzubilden ohne die musterorientierte Darstellungsform aufzul sen Erst dann ist eine Gruppierung auf statistischem Wege m glich F r die Abstandsmessung haben sich eine Vielzahl unterschiedlicher Methoden etabliert Die entsprechenden Verfahren pr sentieren sich im Wesentlichen in zwei Varianten das geometrische und das biologische Abbildungsprinzip von Sequenzdistanzen Um ein geometrisches Abstandsma Dgeo S s cs handelt es sich dann wenn nur berpr ft wird ob Aktivit ten A bzw Wege W an gleicher Position k bzw gegebenenfalls dar ber hinausgehend auch unter Ber cksichtigung benachbarter Stellen in beiden Sequenzen s bzw bereinstimmen Beruht dagegen die Abbildung des Sequenzabstandes auf biologischem Distanzma Dgeo S s es folgt jene Gr e aus dem gesamtem Transformationsaufwand um eine Quellsequenz s in eine Zielsequenz durch Repositionierungs sowie Austausch vorg nge der Zust nde z zu berf hren Inhaltliche Ausrichtung des Sequenzvergleichsverfahrens Ber cksi
183. alisierte aktivit ten und ortsver nderungsbezogene Handlungen Y einzelner Personen Es wurde versucht dieses komplexe Handeln m glichst differenziert jedoch modellhaft das hei t als Abbild der Wirklichkeit zum besseren Verst ndnis der Realit t nachzuvollziehen Anhand des Theorie modells vgl Abbildung 2 2 wurde dargelegt wie der individuelle Entscheidungsprozess der Organisation und Reorganisation von T tigkeiten und Ortsver nderungen verl uft und welche vielf ltigen Zusammenh nge und Einfl sse existieren Die Grundstruktur des Zwei Ebenen Modells konstituiert sich aus vier Elementen Umwelt Situation Handlung und Handlungsfolgen Die genannten Elemente sind durch drei Schritte verbunden Die Logik der Situation Makro Mikro bergang behandelt wie die Elemente der Umwelt individuelle Handlungsentscheidungen Y beeinflussen Die Logik der Auswahl Mikro Mikro bergang ergr ndet welche T tigkeit A bzw Ortsver nderung W die Person realisiert Die Logik der Aggregation Mikro Makro bergang schlie t ein wie man vom Aktivit ten Verkehrs verhalten einzelner Personen zum Ph nomen des Verkehrs gelangt Das Theoriemodell bildet einen konzeptionellen Rahmen erstens f r den zu konzipierenden musterorientierten Untersuchungsansatz zur Analyse des Aktivit ten Verkehrs verhaltens vgl Kapitel 4 um auf der Grundlage erhobener Daten Ursache Wirkungs Zusammenh nge zwischen Erkl rungsgr en k bzw deren Me
184. alts Aktivit ten Agenda der befragten Personen vgl Doherty et al 2000 Rindsf ser et al 2000 das alle Weiterentwicklungen von CHASE betreffen die Verkn pfung mit GIS gest tzten Karten CHASE GIS vgl Kreitz 2002 und die Erstellung einer Internetversion React vgl Lee et al 2000 BHERLDIEE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK diejenigen T tigkeiten A bzw Ortsver nderungen W einschlie t die in deren Alltagsverhalten eine grunds tzliche Handlungsoption darstellen Die Vereinfachungen der Erhebungsdurchf hrung zielen auf eine Reduktion des ohnehin immensen zeitlichen Erhebungsaufwandes ab ca 1 5 bis 3 5 Stunden um die Akzeptanz der Befragten zu sichern Zus tzlich wird durch das Nichterfassen der Aktivit tsorte die Option geschaffen CHASE ohne gro en Anpassungsaufwand von r umlichen Grunddaten ortsunabh ngig einzusetzen Genaue Angaben zur Erhebungsdurchf hrung enth lt Anhang D I Messmodell zur Erfassung von subjektiven Bewertungen von realisierten aktivit ten bzw ortsver nderungsbezogenen Handlungen und Zeitplanungsvorg ngen Neben einer detaillierten computergest tzten Erfassung des Zeitplanungsprozesses fand zeitgleich zur t glichen Aktualisierung durch entsprechende Eintr ge in CHASE eine Messung der subjektiven Bewertung realisierter Handlungen Y bzw Zeitplanungsvorg ngen Y gt Y bzw Y gt in Form einer schrif
185. amen Merkmale y zur Erkl rung des Stellenwertes Pover einer Handlung Y herausfiltern der Aktivit tstyp Typ Dau das Verkehrsmittel w die Aktivit tsdauer a Zeit a bzw der Wegezweck w Dau w und die zeitliche Lage y die Wegedauer der T tigkeiten A bzw Ortsver nderungen W im Tages bzw Wochenverlauf Die Absch tzung des Beitrags dieser Merkmale y in Bezug auf den Nutzen Pover y ergibt dass erstens der Aktivit tstyp a bzw der Wegezweck w Verkehrsmittels w starke Effekte zeigen dass zweitens die Wirkungsst rke von Reise wP und Aktivit tsdauer a dass drittens die zeitliche Lage we eher von geringer Relevanz ist und dass viertens f r weitere infrage kommende Variablen y der r umlichen und sozialen Facette des Aktivit ten Verkehrs verhaltens keine Wirkungszusammenh nge erkennbar bzw bekannt sind Typ Typ und die Art des benutzten Dau hoch ist Welche qualitativen Wirkungen die Auspr gungen y der genannten Merkmale y auf die Nutzenbewertung Povet der Handlung Y zeigen soll im Folgenden verdeutlicht werden Aktivit tstyp bzw Wegezweck Unumstritten ist dass der Stellenwert Pover einer Aktivit t A von deren Art und Zweck dem Merkmal Aktivit tstyp are abh ngt Viele Forschungsarbeiten behandeln diesen Aspekt und entwickeln dabei argumentativ Rangfolgen entsprechender Merkmalswerte a Zum Beispiel legt Holz Rau 1990 folgende Rangordnung in absteigende
186. amten Logit Modells zu testen werden die Log Likelinood Werte des gesch tzten vollst ndigen Modells LL und des Null Modells LL gegen ber gestellt Beim Null Modell sind alle Logit Koeffizienten bij null mit einer Ausnahme dem konstanten Logit Koeffizienten biko Pseudo R Der Pseudo R Wert zeigt als Ma f r die G te des Gesamtmodells die prozentuale Verbesserung der Erkl rungskraft des Modells durch die unabh ngigen Variablen an Urban 1993 Backhaus et al 2003 Gleichung 7 2 Pseudo R 1 LE LL LL Log Likelikelihood Wert vollst ndiges Modell LL Log Likelihood Wert Null Modell Die im Analysefall erzielte Gesamterkl rungskraft Pseudo R des endg ltigen multinomialen Logit Modells von 0 5577 vgl Tabelle 7 7 indiziert eine herausragende Qualit t da nach Urban 1993 bzw Andre et al 1997 bereits Werte ber 0 2 auf eine gute Trennwirkung des Modells hinweisen gt F r einen Prognosewert erfolgt die Zuordnung zu einer Kategorie i i 1 2 l 1 der abh ngigen Variablen S folgenderma en Es wird diejenige Kategorie i mit der gr ten Wahrscheinlichkeit P4 ilS ausgew hlt Urban 1993 Backhaus et al 2000 174 EEHEHE Falibeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Likelihood Ratio Test LR Test Auf der Grundlage des LR Tests wird die Signifikanz des Gesamtmodells getestet Je gr er der Unterschied zwischen beiden Log Likelihood Werten ist als G Wert beze
187. analyse in einer Gegen berstellung der verschiedenen Stellschrauben zusammen Tabelle 6 7 Sensitivit t der berechneten Distanzen der Optimal Matching Technik gegen ber den Ver nderungen der Vorannahmen Basis lineares Korrelationsma Variationen Variationseffekt auf die Distanzen D S 8 s s s der Optimal Matching Technik Zustandsraum Z y Grobstruktur HEEE handlungstypspezifisch _ Feinstruktur merkmalsspezifisch EE Zeitintervalll nge At O Subaufwandswerte Csub Z HEN Indelaufwandswerte Cina Z EE Legende O sehr W W schwach gm Mittel HEB stark EHHE seh schwach stark Zum Schluss stellt sich die Frage welche Konsequenzen daraus f r die Anwendung folgen Nachstehende Schlussfolgerungen die gleichzeitig Empfehlungen f r den Einsatz der Optimal Matching Technik im konkreten Anwendungsbezug enthalten gehen auf Ergebnisse der vor genommenen Korrelationsbetrachtungen innerhalb der einzelnen Variationen ein Darstellungsweise der Wege Aktivit tenmuster Grobstruktur des Zustandsraumes Starke strukturelle Unterschiede der Zustandsr ume Z y f hren offensichtlich zu v llig anderen Ergebnissen der Optimal Matching Technik Es stellt sich die Frage welche der 136 EHHEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK beiden handlungstypspezifischen Alternativen die Basis f r die Definition der Zus
188. ass kein Nachweis m glich ist Neu in den Vordergrund als Erkl rungsgr e k gegen ber den bisherigen empirischen Analysen r ckt das erste Mal der PNV Zeitkartenbesitz W hrend das Pendant zur Variablen PNV Zeitkartenbesitz der Pr diktor Pkw Verf gbarkeit der h ufig in einschl gigen Untersuchungen zu den Determinanten k z hlt sich aus nicht nachvollziehbaren Gr nden als nicht diskriminierend erweist kommt stattdessen dem Merkmal F hrerscheinbesitz eine Trennwirkung zu Exkurs Ill Identifikation signifikanter Trennmerkmale f r Wege Aktivit ten muster Typologien unterschiedlicher Makrozeitabschnitte Welche Merkmale k der Person des Haushaltes usw zur Erkl rung von Wege Aktivit tenmuster Typologien beitragen sofern der betrachtete Makozeitabschnitt als ver nderbare Gr e behandelt wird zeigt Tabelle 7 9 im berblick Vorgehensweise sowie Randbedingungen Datenbasis Aufwandswerte usw bleiben bei der Anwendung des musterorientierten Multimethodenansatzes unver ndert Ohne eine tiefergehende Analyse Beschreibung der Wege Aktivit tenmuster Typologien Ermittlung der Modelleffekte usw vorzunehmen beschr nkt sich die Untersuchung ausschlie lich auf die Identifikation signifikanter Trennmerkmale k der ma gebenden Clusterl sung mit Hilfe des LR Tests Obwohl sich die Clusterzahl der erstellten Typologien lediglich auf einen Korridor von f nf bis zehn beschr nkt vgl Tabelle 7 9 bleibt dennoch ungekl r
189. ategorie Se Fa Ea Cluster R 5 e g E amp 2 g2 85 5 5 f S5 5 S S N lt n N 2 N E 3 4 5 E eS E Z 13 J e 5g g ke E g X x NE e Is s l l 58 S 3 z 7 faa u ou gt x Unter Ober grenze grenze Konstanter Term 0 29 0 81 0 13 0 72 Alter 0 01 0 01 0 99 0 32 0 9896 0 97 1 01 DO PNV Zeitkartenbesitz 0 98 0 32 9 08 0 00 v 2 6560 1 41 5 01 keinen OPNV Zeitkartenbesitz Mann 0 48 0 25 3 66 0 06 v 1 6092 0 99 2 62 Hu Frau F hrerschein 0 48 0 39 1 49 0 22 1 6194 0 75 3 57 DO keinen F hrerschein Vollzeiterwerbst tig 1 84 0 61 9 12 0 00 vV 6 2749 1 91 20 67 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 0 91 0 64 2 04 0 15 0 4025 0 12 1 40 DO Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 1 06 0 83 1 62 0 20 2 8936 0 56 14 84 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 0 77 0 55 2 00 0 16 2 1685 0 74 6 33 DO Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 1 97 0 61 10 47 0 00 v 1 7 1889 0 04 0 46 Sch ler Studierende in Berufsausbildung 0 1391 Hausfrau mann arbeitslos Rentner in 1 06 0 83 1 62 0 20 0 3456 0 07 1 77 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 2 75 0 33 71 42 0 00 v 15 5895 8 24 29 48 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 91 0 64 2 04 0 15 2 4844 0 71 8 66 DO Teil
190. ativit t Repr sentativit t Berichtsgenauigkeit Falschangaben der Teilnehmer infolge unreflektierter zuf lliger Angaben durch Erm dungseffekte fehlende Motivation usw Verminderung des Berichts Abnahme der Berichts Abnahme der Berichts umfangs z B Aktivit ten genauigkeit im Wochen genauigkeit im Wochen zahl usw im Wochen verlauf ist als kritisch verlauf ist als kritisch verlauf ist folgenlos hin einzustufen einzustufen sichtlich der Untersuch ungsintension Reliabilit t Realit tsn he der Messwerte hinsichtlich dem Untersuchungszweck Verzerrungen der Ergebnisse infolge subjektive Auffassungsspielr ume berforderung usw Verbesserung der Realit ts berforderung der Be berforderung der Be n he durch Ber ck fragten ist m glich fragten ist wahrscheinlich sichtigung der Spezifika des x Bei der Bewertung der Erstens ist bei der individuellen Zeitplanungs generellen Wichtigkeit Povert Bewertung der situativen prozesses statt retrospektiv einer Handlung Y Los Wichtigkeit Pcover einer chronologischer Erfassung l sen von der aktuellen Handlung Ye bzw realisierter Wege z B Situation ist eine hoch Ye eine hochkomplexe KONTIV Design komplexe abstrakte Ab abstrakte Abgrenzung Befragungskonzept grenzung zwischen zu zwischen Zu ber ck Erleichterung der Eingabe ber cksichtigenden und sichtigenden und auszu und Vermeidung
191. au mann arbeitslos Rentner in Vollzeiterwerbst tig 4 89 0 69 50 04 0 00 v 132 6664 34 25 513 92 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 3 59 1 16 9 64 0 00 V 36 2204 3 76 349 00 Sch ler Studierende in Berufsausbildung Hausfrau mann arbeitslos Rentner in 0 93 1 09 0 72 0 40 2 5219 0 30 21 47 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 1 30 1 16 1 26 0 26 3 6628 0 38 35 31 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 2 66 1 35 3 91 0 05 V 1 14 3624 0 00 0 98 Teilzeiterwerbst tig 0 0696 Sch ler Studierende in Berufsausbildung 3 59 1 16 9 64 0 00 v 1 36 2204 0 00 0 27 Teilzeiterwerbst tig 0 0276 Hausfrau mann arbeitslos Rentner in 3 96 1 02 15 05 0 00 v 1 52 6057 0 00 0 14 Vollzeiterwerbst tig 0 0190 Teilzeiterwerbst tig 1 30 1 16 1 26 0 26 0 2730 0 03 2 63 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 4 89 0 69 50 04 0 00 v 1 132 6664 0 00 0 03 Vollzeiterwerbst tig 0 0075 EEEEE Anhang H Ill Ergebnisse der Logit Analyse H I11 15 Alternativ Referenz kategorie kategorie 2 57 n lt Ta Cluster F s 58 5 2 2 2 gt 8 5 5 gt 5 si S5 N zZ D N D N E S4 S5 3 J 5 2 l 3 E g 5 g g J Se 55 g 2 ja g lt 2 lt NE S S S E D E
192. aufwandswerte C Offene Aspekte der vorliegenden Sensitivit tsuntersuchung die damit implizit Aussagegrenzen setzen und einer weiterf hrenden Kl rung bed rfen betreffen erstens die Einschr nkung der Variationsbreite der Zustandsr ume Zy zur Beschreibung der Wege Aktivit tenmuster infolge der geringen Abbildungsbreite und tiefe der Daten des MOP zum Aktivit ten Verkehrs verhalten zweitens die nicht durchgef hrte berpr fung ob m glicherweise nichtlineare Korrelations zusammenh nge zwischen den Sequenzdistanzen D S 8 ss s unterschiedlicher F lle f bzw f vorliegen und drittens fehlende Information in Hinblick auf die Anzahl der durchgef hrten Transformationsoperationen bei Sequenzvergleichen differenziert nach Aktionstypen f r die einzelnen Berechnungsf lle f bzw f zur Unterst tzung der Argumentation bei der Wirkungs analyse der Aufwandswertefestlegung Co Dennoch l sst sich als Quintessenz festhalten Die Empfindlichkeit der Optimal Matching Technik gegen ber den Vorgaben nimmt teilweise betr chtliche Ausma e ein Andere Transformationskosten Ce andere Zeitintervalll ngen At und andere Strukturen aktivit ten bzw ortsver nderungsbezogener Zustandsr ume Z y f hren in der Regel zu anderen Sequenzabst nden D io S 8 ss s Zwischen Wege Aktivit tenmustern s die untereinander nicht unbedingt auf hohem Niveau linear korrelieren Tabelle 6 7 fasst im berblick die Ergebnisse der Sensitivit ts
193. barkeit werden die Tageszeiten morgens nachts und nachmittags eingestuft Des Weiteren zeichnen sich geringe Werte Poyer f r Werktage im Vergleich zum Wochenende in einer Unterscheidung der Zeitbewertung von Freizeitaktivit ten in Abh ngigkeit des Wochentages ab Hingegen kommt eine aktuelle britische Studie Present Uk Study 1994 zur Zeitbewertung von Fahrten ohne die nachfolgende Aktivit t zu betrachten zum Ergebnis dass weder wochentags noch tageszeitspezifische Effekte von Relevanz feststellbar sind HCG et al 1999 5 3 2 Qualitative Zusammenh nge zur Wichtigkeit von Zeitplanungsvorg ngen Um Aufwandswerte C der Optimal Matching Technik am Aktivit ten Verkehrs verhalten inhaltlich auszurichten interessiert ob und wie die Art der Zeitplanungsaktion das Streichen Ver ndern Hinzuf gen von Aktivit ten A bzw Ortsver nderungen W die Bewertung jener Aktionen beeinflusst Hierzu ist es notwendig die Betrachtungsebene realisierter Handlungen Y zu verlassen und sich den Zeitplanungsvorg ngen Y lt gt Y bzw Y gt 2 zuzuwenden Da keine direkten empirischen Zusammenh nge zwischen der Priorit t P over von Zeitplanungsaktionen YoY bzw Y gt und Erkl rungsgr en aus empirischen Untersuchungen hervorgehen sind indirekte Indizien durch argumentative Ableitung plausibler Annahmen aufzugreifen Die erste Hypothese l bezieht sich auf die H ufigkeit des Auftretens unterschiedlicher Zeit planungsoperationstypen
194. befragungen zur Erfassung des Zeitplanungsverhaltens Chi Quadrat Testverfahren Klasse statistischer Testverfahren zur Analyse von H ufigkeitsverteilungen bei denen die empirischen mit den erwarteten H ufigkeitsverteilungen verglichen werden um beispielsweise die Signifikanz des Zusammenhangs von zwei gt nominal skalierten Variablen mit Hilfe einer gt Kreuztabellenanalyse oder einzelner Parameter oder gesamter Parametergruppen im Rahmen von HMaximum Likelihood Sch tzungen mit Hilfe von gt Likelihood Verh ltnistests zu berpr fen CSAQ Computerized Self Administered Questionnaire Computergest tzte Erhebungsmethoden ohne Anwesenheit eines Befragers beim Interview Clusteranalyse multivariates statistisches Verfahren gt strukturen erkennend das Objekte einer gegebenen Objektmenge systematisch klassifiziert Segmentierung Dauerreihen Darstellungsweise einer temporalen Abfolge von Ereignissen Zust nden Episoden deren Dauer als beschreibende Gr e angegeben ist Dendrogramm graphische Darstellung des Ergebnisses einer hierarchischen Clusteranalyse die ber die Anzahl der bedeutsamen Cluster Klassen usw informiert Diskriminanzanalyse multivariates statistisches Verfahren gt strukturen pr fend das aufgrund der linearen Gewichtung eines Merkmalswertesets unabh ngiger Variablen zu einer maximalen Trennung der untersuchten Kategorien abh ngige Variable
195. bei Verkehrsnachfragemodelle die auf Wegeketten statt auf Einzelwegen basieren Die Arbeitsweise dieser Modelle erfordert eine Differenzierung von Eingangsdaten nach so genannten verhaltenshomogenen Personenkategorien Notwendig ist eine persononenkategoriespezifische Unterscheidung des Modellinputs der Wegeketten f r die Abbildung der Verkehrsentstehung und der verhaltensbezogenen Parameter f r die Modellierung des Ziel und des Verkehrsmittel wahlverhaltens u a Fellendorf et al 1997 K hler et al 2001 Widmer et al 2001 Es stellt sich nun die Frage was unter den verhaltenshomogenen Personenkategorien zu verstehen ist bzw welchem logischen Konzept dabei gefolgt wird Hierzu lautet eine grundlegende Definition von Schmiedel 1984 S 19 Werden Personen mit gleichartigen Grundmustern von Alltagsaktivit ten bedingt durch hnliche individuelle Merkmalsauspr gungen zu verhaltens hnlichen Personenkreisen zusammengefasst so lassen sich charakteristische 2 OBBBEE Einleitung AUSGANGSLAGE UND L SUNGSANS TZE Verhaltensweisen abstrahierend vom komplexen Einzelverhalten des Individuums spezifizieren Zugrundegelegt wird dabei ein direkter Zusammenhang zwischen Personenkategorien und typischem Aktivit ten Verkehrs verhalten Determinismen wobei die Typisierung von Individuen mit hnlichen Tagesabl ufen auf empirischer Basis mit Hilfe statistischer Klassifikationsverfahren vorgenommen wird u
196. bei der letztgenannten In Abh ngigkeit einer zu definierenden Regel kann je Zeitschritt At nur ein Zustand z zugeordnet Zeit Und Dauer y der abgebildeten werden wodurch eine Abbildungsverzerrung entsteht Lage y Ereignisse z weichen mehr oder weniger von der Realit t ab Je k rzer diese Zeitabschnitte At sind desto geringer wird die Ungenauigkeit der Abbildung Ereignisreihen Dauerreihen Ereignisdauerreihen Intervallreihen Dauer x Dauer Pr u 5 EN _ u 8 N 2 Ag 2 5 yPau x E ee BE g At amp G 2 i i i g g g HE F S ypa 4 E 2 8 9 8 s S yPau 3 R R N At 3 3 3 g x xX x G GH 2 m amna At amp m steigende Abbildungsgenauigkeit des beobachteten Aktivit ten Verkehrs verhaltens N Abbildung 2 4 Darstellungsweisen von Wege Aktivit tenmustern in Sequenzform Als weiterer Gesichtspunkt der Beschreibung aktivit ten bzw ortsver nderungsbezogener Handlungen Y kommt die Erl uterung der Zusammenh nge bei den Entscheidungsvorg ngen des Aktivit ten Verkehrs verhaltens hinzu wobei folgende Konstellationen denkbar sind Es bestehen erstens keine Zusammenh nge zwischen den Merkmalen y bzw den dazugeh rigen Merkmalswerten vi des Aktivit ten Verkehrs verhaltens Zweitens keine Interdependenzen bzw Dependenzen zwischen den Ereignissen Y drittens wechselseitige oder aufeinanderfolgende Beziehungen zwischen aktuellen und
197. beiten Arbeiten 8h ungeplante Zeit h e zu Fu Sa Arbeiten Freizeit 8h 8h ungeplante Zeit Fahhrad PE Bedeutung sehr wichtig sehr Bedeutung sehr wichtig sehr Bedeutung sehr wichtig sehr unwichtig unwichtig unwichtig f ungeplante Zeit Arbeiten f Arbeiten 8 h zu Fu f Arbeiten 8 h zu Fu Freizeit 8 h 8 h zu Fu ungeplante Zeit Fahrrad Abb 22 Beispiel entscheidungsrelevante Faktoren bei Zeitplanungs vorg ngen Operation und Attribute der Aktivit ten Wege Wie wichtig ist Ihnen grunds tzlich die Aus bung dieser Aktivit t a Ortsver nderung b Weg Aktivit ts Folge c Wie wichtig ist war Ihnen das Hinzuf gen ndern oder L schen dieser Aktivit t a Ortsver nderung b Weg Aktivit ts Folge c im Augenblick der Planung Abb 23 Fragen zur Erfassung der Wichtigkeit von realisierten Wegen Aktivit ten und Zeitplanungs vorg ngen EHEHEHEH Anhang D i Leitfaden CHASE Erhebung Die Bewertung erfolgt mit Hilfe einer schriftlichen Befragung auf der Grundlage einer Rating Skala von sehr wichtig bis sehr unwichtig vgl Abb 24 Unterschieden wird bei der Bewertung einerseits zwischen der Aktivit t a und dem Weg zur Aktivit t b und anderseits der Weg Aktivit ts Folge c vgl Abb 23 Beispiel realisierte Aktivit t Weg Wie wichtig ist ein Leben
198. bene Makro Ebene I INDIVIDUELLE I HANDLUNGS I Mikro Ebene Mikro Ebene endogene Ver nderung exogene Ver nderung Abbildung 2 7 Endogene und exogene Ver nderungen eigene Darstellung 30 BHOBRBEE Grundlagen KONZEPTIONELLER RAHMEN Exogen induzierte Ver nderungen ereignen sich hingegen auf der Makroebene der Umwelt Sie sind somit f r den Einzelnen kaum beeinflussbar und betreffen viele Personen Wenn sich die Bausteine der Umwelt ndern z B Bau einer neuen U Bahn Ver nderung der Laden ffnungszeiten Erh hung der Benzinpreise Absenkung des Rentenalters usw so wirkt sich dies m glicherweise auf individuelles Raum Zeit Verhalten aus Betrachtet man hier den f r die Verkehrsplanung relevanten Ausschnitt auf der Systemebene die verkehrs infra strukturelle Umwelt so wird einerseits gezielt versucht diese zu beeinflussen um einen als unbefriedigt wahrgenommenen Ausgangszustand zu verbessern Andererseits wandeln sich Rahmenbedingungen z B Wirtschaftsverh ltnisse au erhalb eines engeren Gestaltungs bereiches der Verkehrsplanung als Folge vieler individueller Handlungen und deren kollektiven Handlungsfolgen Diese tragen als externe Gr en ebenso zur Definition der Umwelt bei und sind demnach grunds tzlich nicht vernachl ssigbar Zumkeller 1989 Kunert 1992 2 2 5 Dynamisierung von Prozessen des Aktivit ten Verkehrs verhaltens Ausgehend vom erl uterten Grundmodell vgl Abbildung 2 2
199. bew hrte Variablen vgl Abschnitt 3 3 2 Tabelle 3 4 Dies indiziert aus einer retrospektiven Sichtweise eine substanzielle Eignung der genannten Pr diktoren k f r Prognosezwecke des Raum Zeit Verhaltens da offenkundig eine l ngerfristige zeitliche Stabilit t jener Leitvariablen vorliegt Weiter untermauern die identifizierten Determinanten k die nach wie vor g ltige Relevanz des Erkl rungshintergrundes der Rollentheorie die anderen theoriegeleiteten Arbeiten aus dem Themenfeld h ufig zur Vorauswahl potenzieller Erkl rungsgr en k zugrunde liegt Als weitere ma gebende Trennvariablen der Wege Aktivit tenmuster Typologie die eher mit den Verkehrsverhalten besonders der Verkehrsmittelnutzung in Beziehung stehen gelingt die Identifikation der Pr diktoren F hrerschein und PNV Zeitkartenbesitz wobei letztere das erste Mal im Vergleich zu einschl gigen Forschungsbeitr gen als Determinante k bet tigt werden konnte Ohne Wirkung bleiben demnach die Kontextvariablen des Raumes und des Haushaltes Ferner folgt aus Exkurs IIl Die Variablen Erwerbsstatus Alter und Geschlecht erweisen sich im Gro en und Ganzen als Erkl rungskonstanten unabh ngig vom gew hlten Makrozeitabschnitt der Analyse innerhalb der Woche Um Kausalzusammenh nge differenzierter herauszuarbeiten bestand die Aufgabe zu kl ren wie sich die Zuordnungswahrscheinlichkeiten zu den verschiedenen Wege Aktivit tenmuster Typen S als Funktion untersch
200. bh ngigen Variablen S ermittelt sofern eine spezifische Kombination k von Merkmalswerten kj der unabh ngigen Variablen k vorliegt Das hei t Ver ndern sich die Merkmalsauspr gungen kj der Pr diktoren k so ver ndert sich auch die Zugeh rigkeitswahrscheinlichkeit zu einer bestimmten Kategorie i der abh ngigen Variablen S Bei einer abh ngigen Variablen mit Kategorien sind die Logit Koeffizienten von nur l 4 Kategorien nichtredundant was aus statistischer Sicht bedeutet dass ein unteridentifiziertes Modell vorliegt Aus diesem Grund wird die Kategorie als Referenzkategorie genommen und deren Logit Koeffizienten bii bzw bio auf null 84 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ fixiert K hnel 1993 Dieser Zusammenhang l sst f r sich jeden Fall k Person der Population mit folgender Formel polytomer Fall bei Ausschluss der Referenzkategorie darstellen Gleichung 4 15 P ilS P IS Vi exp V 1 1 1 X expV i 1 Wahrscheinlichkeit der Zuordnung zu einer Kategorie i keine Referenzkategorie der abh ngigen Variablen S Linearkombination der Merkmalswerte k der unabh ngigen Variablen k1 k2 der Kategorie i der abh ngigen Variablen S Die Formel f r die Linearkombination der Auspr gungen der unabh ngigen Variablen lautet Gleichung 4 16 V by t2 k bei metrischen Merkmalen Merkmalswert k der unabh ngigen Variablen k1 k2
201. ch Einsch tzungen die nachfolgend diskutiert und begr ndet werden und die in Tabelle 8 1 zusammenfassend dokumentiert sind Die nachfolgende Synthese soll verdeutlichen welcher Stand erreicht wurde in welchen Aspekten durch die vorliegende Arbeit Erkenntnisfortschritte erzielt wurden wo weiterhin Forschungs bzw Informationsbedarf existieren und welche Auswirkungen m glicherweise die derzeitigen aber auch die zuk nftigen Randbedingungen insbesondere des Datenmaterials auf das erzielte bzw hypothetische Ergebnis der Anwendung des musterorientierten Multimethodenansatzes haben bzw haben k nnte Abbildungsbreite und tiefe des Raum Zeit Verhaltens a1 Vielfalt der Merkmale des Raum Zeit Verhaltens Abbildungsbreite Au er der implizit vorhandenen zeitlichen Facette beschr nkt sich die vorgenommene Datenanalyse ausschlie lich auf eine Beachtung der inhaltlichen Facette M a wy des Raum Zeit Verhaltens ohne dessn Vielschichtigkeit umfassend zu ber cksichtigen Unbeachtet bleiben so Variablen y der sozialen und der r umlichen Facette Gegen ber dem Abbildungsumfang anderer themenbezogener Untersuchungen vgl Tabelle 3 3 und Tabelle 4 5 zeigt sich In der Nichtbeachtung der sozialen Facette existiert kein Unterschied jedoch beziehen andere zitierte Beitr ge z B Recker et al 1980 teilweise Merkmale y der r umlichen Facette ein a2 L nge und Lage des Makrozeitabschnittes Abbildungsbreite Hingegen
202. ch Oladen Lee M S McNally M G 2000 Experimenting with a computerized self administrative activity Survey Evaluating a Pilot Study Arbeitspapier Institute of Transportation Studies University of California Irvine http krypton its uci edu its Nresearch html 01 2004 Leutzbach W 2000 Das Problem mit der Zukunft Wie sicher sind Voraussagen Alba Fach verlag D sseldorf Levine J H 2000 But what have you done for us lately Commentary on Abbott and Tsay in Social Methods amp Research 29 1 S 34 40 Lipps O 2001 Modellierung der individuellen Verhaltensvariation bei der Verkehrsentstehung Heft 58 Institut f r Verkehrswesen Universit t Karlsruhe L dtke H 1984 Gleichf rmigkeit im allt glichen Freizeitverhalten Eine Analyse von Zeitbudgetdaten aus zwei norddeutschen Gro st dten In Zeitschrift f r Soziologie 13 10 S 346 362 L dtke H 1990 Lebensstile als Dimension handlungsproduziertert Ungleichheit in Berger P A Hradil S Hrsg Lebenslage Lebensl ufe Lebensstile Soziale Welt Sonderband 7 S 433 454 Otto Schwartz amp Co G ttingen L dtke H 1995 Zeitverwendung und Lebensstile empirische Analysen zu Freizeitverhalten expressiver Ungleichheit und Lebensqualit t in Westdeutschland Marburger Beitr ge zur sozialwissenschaftlichen Forschung Heft 5 Marburg Mackensen R 1994 Mobilit tsmuster Kommunikations und Mobilit tsbedarf in alters un
203. che Kontext und _infrastrukturell r umliche Gelegenheiten die Durchf hrung von T tigkeiten A bestimmen W hrend bislang in der Regel der Aspekt dominiert Ortsver nderungen W ausschlie lich im Sinne einer abgeleiteten Nachfrage nach Aktivit ten A in Verbindung mit einem negativen Nutzen zu behandeln u a Supernak 1992 Kraan 1996 Kitamura et al 1997 greifen Mokhtarian et al 2001 eine andere erweiterte Sichtweise auf In einem aktuellen Forschungsbeitrag untermauern Mokhtarian et al 2001 empirisch folgenden Sachverhalt Fortbewegung aufgrund intrinsischer Motive Joggen gehen und die zeitparallele Realisierung anderer Aktivit ten A so genannte Sekund raktivit ten w hrend Ortsver nderungen W z B das Zeitungslesen im Bus sind Konstellationen die auch zu einem positiv wahrgenommenen Nutzen von Wegen W f hren k nnen musterorientierte Sichtweise Wege Aktivit tenmuster als Analyse bzw Modellierungsobjekt Die Betrachtungsweise des individuellen Raum Zeit Verhaltens als Wege Aktivit tenmuster s stellt dessen Ganzheit in den Vordergrund Das Muster s als zeitliche Abfolge von Aktivit ten A und Ortsver nderungen W bleibt also in der Datenform eines L ngsschnitts erhalten Von H gerstrand 1970 stammt die grundlegende Darstellungsform von individuellen Tagesabl ufen als Sequenz von T tigkeiten und Ortsver nderungen in der Form von Pfaden im zwei bzw dreidimensionalen Raum Zeit System Wesentliche m
204. cheinlichkeit von Cluster S4 gegen ber Cluster S pro Lebensjahr um das 1 0376 fache und Cluster S7 um das 1 0754 fache erweisen sich als signifikante Zusammenh nge Die an den n chsten Stellen der Affinit tsrangfolge angeordneten Cluster S in Abh ngigkeit einer Alterszunahme zeigt Tabelle 7 8 Beim Wege Aktivit tenmuster Typ S7 sinkt dagegen die Realisierungschance mit einem Anstieg des Alters im Vergleich zu allen anderen Partitionen Signifikante Befunde zeichnen bei fast allen Gegen berstellungen zu anderen Typen S mit einer Ausnahme Cluster S ab Mit zunehmenden Alter steigt pro Lebensjahr die Wahrscheinlichkeit der Realisierung von jenen Wege Aktivit tenmuster Typen im Vergleich zu Typ Sz Die vergleichsweise st rkste Affinit t ergibt sich zu Wege Aktivit tenmuster Typ S4 mit einer Erh hung der Realisierungs wahrscheinlichkeit um den Faktor 1 0754 an zweiter Stelle folgt Typ S Faktor 1 0703 den 178 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS dritten Rang nimmt Typ S Faktor 1 0653 an vierter Position steht Typ S Faktor 1 0592 und das untere Ende der Rangfolge mit der geringsten Zunahme bildet Typ S Faktor 1 0562 Tabelle 7 8 Zuordnungshierarchie der Wege Aktivit tenmuster Typen in Abh ngigkeit der Alternativkategorie identifizierter Erkl rungsgr en Erkl rungs Referenz Alternativkategorie Wege Aktivit tenmuster Typ S gr
205. chen Routinen bzw Gewohnheiten im Aktivit ten Verkehrs verhalten und Erkl rung dieser dynamischen Verhaltensprozesse anhand von Merkmalswerten k der Determinanten k der Personen des Haushaltes usw Interdependenzen im Zeitverlauf zwischen aktivit ten und ortsver nderungsbezogenem Handeln Zwischen aktuellen und zeitlich vorausgehenden bzw zuk nftigen Aktivit ten und Ortsver nderungen die als einzelne Ereignisse aufzufassen sind bestehen vielf ltige zu beachtende Wechselbeziehungen u a aufgrund folgender Faktoren Restriktionen begrenzte Zeitbudgets begrenzte Kostenbudgets zeitliche Rhythmen usw Entsprechende Zusammenh nge behandeln eine Vielzahl aktueller Publikationen u a Djist et al 2000 Sch nfelder 2000 Dollase 2000 und Djist et al 2002 Restriktionen verschiedenster Art limitieren individuelles Raum Zeit Verhalten Arbeitszeiten Laden ffnungszeiten Betriebszeiten der ffentlichen Verkehrsmittel Zugangs beschr nkungen Reisegeschwindigkeiten der Verkehrsmittel usw setzen Grenzen constraints in der Aus bung von Aktivit ten Diese Argumentationsweise geht auf den zeitgeographischen Ansatz von H gerstrand 1970 zur ck Raum Zeit K fig Effekte sozialer Strukturen Haushalt usw Andere Personen beeinflussen das individuelle Raum Zeit Verhalten Die Absprache von Entscheidungen zwischen Haushaltsmitgliedern die Verteilung von Aufgaben innerhalb des Haushaltes Kinder in der Fa
206. chieden 3 4 Verkehrsmittel gt polse der die Cisa Nein Einfacher Klick auf entsprechende ge A B Aktivit t gt Aktivieru ng des Befehls j Zeit und Tagfe der Aktivit t j laoi Startzeit 19 45 4 Tag Montag lt Correct Error gt in der Men leiste es Bra Einfacher Klick auf Befehl lt Correct En Pr Involvierte Personen Error gt in der Men leiste E MET na n ur 2 Klick auf Ja gt man gelangt zum Fenster ndern der Attribute einer 17 Andere Personen ggg direkt mi mir Aktivit t ok Hite Klick auf Abbrechen gt der Abb 19 CHASE Fenster ndern einer Eingabefehler ist in der Access Aktivit t Datenbank chase mdb registriert E Datei Bearbeiten Ansicht Einf gen Format Datens tze Extras Fenster 2 TEIL TER INELN TER Start End Deseription BackColour pr nr 07 45 08 00 studienbegleitende Arbeiten Diplomarbeit Weimar E k Offnen der Access Daten bank 08 00 14 00 studienbegleitende Arbeiten Diplomarbeit Weimar E 14 00 19 00 Sportaktvit t ohne Verkehrsmittel Tennis Weimar 1 ein 19 30 23 55 Feier Fest im Umkreis 10 20 km Zone U1020 mit h d b 23 45 23 59 Schlafen Weimar 5 Zone 6 mit niemandem cnase m 19 30 29 20 Feier Fest im Umkreis 10 20 km Zone U1020 mit 20 30 22 00 Essen und Trinken Weimar 6 Zone 6 mit niemandem 20 30 22 00 Essen und Trinken Weimar B Zone 6 mit niemanderr ffnen von Tabe
207. chlie ende Abschnitt nimmt in einer Gegen berstellung der relevanten Beitr ge zur Optimal Matching eine Bewertung anhand der bereits f r die musterorientierten Multimethodenans tze formulierten Kriterien und Zielstellungen vor vgl Abschnitt 3 3 3 1 Die berlagerung der Schlussfolgerungen der Literatursynthese zu den Multimethodenans tzen vgl Abschnitt 3 3 3 2 mit der Quintessenz der gerade vorgestellten Publikationen mit dem Schwerpunkt der Anwendung der Optimal Matching Technik auf Wege Aktivit tenmuster s Ebene Sequenzvergleichsanalyse vgl Abschnitt 4 5 1 dient folgendem Zweck einen Bezug zum vorliegenden Untersuchungsansatz herzustellen Erkenntnisdefizite zu erkennen und die bereits formulierten Forschungsfragen weiter zu konkretisieren vgl Tabelle 4 6 a Abbildungsbreite und tiefe des Raum Zeit Verhaltens a1 Vielfalt der Merkmale des Raum Zeit Verhaltens Mit den Ausnahmen der Forschungsarbeiten von Joh et al 2002 und Schlich 2003 bleibt bei den anderen Untersuchungen die Analyse auf die sachliche Facette des Raum Zeit Verhaltens meist nur der Aktivit tstyp a Wilson 1998 Heller Kemp et al 2000 Joh et al 2001 Rindsf ser et al 2000 manchmal erweitert um die Fortbewegungsart w Zimmermann et al 2001 beschr nkt ohne r umliche Verhaltensaspekte wie z B den Aktivit tsort a aufzugreifen Ebenso vernachl ssigen alle genannten Publikationen die soziale Facette Tendenziell decken sich die zugrun
208. chr nkung auf einen einzigen Wege Aktivit tenmuster Typ S im Rahmen der Typologiebildung eine starke Uniformierung durch disponible T tigkeiten gepr gter Wege Aktivit tenmuster s vorgenommen wird Unterschiedliche allt gliche Verhaltensweisen des Freizeit und Einkaufsverhaltens die beispielsweise eine aktuelle Untersuchung von Tacken 2003 zeigt werden dabei nicht deutlich Zusammenfassend l sst sich konstatieren Die aktuelle Wege Aktivit tenmuster Typologie spiegelt den Trend ver nderter Organisationsformen der Arbeit gut wider wohingegen die zunehmende Differenziertheit anderer Facetten des Alltagsverhaltens der Ausbildung der Freizeit und der Versorgung eher unzureichend zum Ausdruck kommt 170 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 7 5 Induktive Analysestufe Erkl rung der Wege Aktivit tenmuster Typologie 7 5 1 Vorbereitung der induktiven Datenanalyse Die Fragestellung welche Merkmale k der Person des Haushaltes usw die Zuordnung zu den sieben Wege Aktivit tenmuster Typen S vorhersagen und welche Effekte die Auspr gungen kj diskriminierender Erkl rungsgr en k auf die Wahrscheinlichkeit der Realisierung eines Wege Aktivit tenmuster Typus S zeigen versucht die induktive Datenanalyse zu ergr nden Grenzen bzw M glichkeiten der Erkennung von Kausalzusammenh ngen infolge fehlender bzw vorhandener unabh ngiger Variablen k setzen hierbei die Daten des verwend
209. cht u erungen der Befragten handelt bleibt offen Zu vermuten ist dass es sich dabei um einen wesentlichen Grund f r den geringeren Level der Bewertungen handelt Hingegen konzentrieren sich die Nennungen bei der Betrachtungseinheit Aktivit t A auf die Kategorien neutral bis sehr wichtig mit einem Maximum bei wichtig 5 4 5 2 Identifikation von Segmentzust nden hnlicher Priorit t Ableitung der Trans formationsaufwandswerte Gem der erl uterten Untersuchungsstrategie der Datenanalyse vgl Abschnitt 5 4 1 geht es im n chsten Abschnitt mit Hilfe der Anwendung der CHAID Analyse um die Identifikation von Trennvariablen bzw y zur Segmentbildung mit dem Ziel _ der berpr fung von Effekten des Zeitplanungsaktionstyps I _ der Bestimmung von Aufwandswerten C Z Z f r Substitutionsaktionen Il und der Bestimmung von Aufwandswerte Cina Z f r Indeloperationen III Der Klassifikationsprozess erfolgt dabei getrennt nach den drei Betrachtungseinheiten Aktivit t A Ortsver nderung W und Weg Aktivit ts Folge WA Die nachfolgend aufgef hrten Tabellen vgl Tabelle 5 10 bis 5 18 enthalten die Ergebnisse der CHAID Analyse und zwar Informationen zu den jeweils ermittelten Endknoten bzw Segmentzust nden vgl Abbildung 5 1 des Klassifikationsbaumes Daraus sind ersichtlich die Fallzahl das arithmetische Mittel sowie die Standardabweichung der Priorit ten Povet bzw der Priorit ten Peover f
210. cht zum Teil noch ungenutzt Zur umfassenden und definitiven Beurteilung der Leistungsf higkeit des musterorientierten Multimethodenansatzes bedarf es ebenso weiterer berlegungen bzw empirischer Unter suchungen Bislang steht fest Das gew hlte Vorgehen erf llt die formulierten Anforderungen sowohl nach Analyseobjektivit t als auch nach Angemessenheit des Kausalprinzips Das neue Verfahren der Optimal Matching Technik etabliert sich zunehmend im Bereich der Verkehrsforschung da jene das bisherige Methodenrepertoire der Sequenzvergleichsanalyse um eine neue Qualit tsstufe erheblich erweitert Bereits aufgrund der Berechnungsvorschrift kann diese Methode als konkurrenzloses Analysewerkzeug f r die Berechnung von Sequenzdistanzen Dbio S betrachtet werden Ob und inwieweit die vermeintlich besseren Abbildungseigenschaften der Optimal Matching Technik bei der Bildung von Wege Aktivit tenmuster Typologien greifen bleibt offen Lage und Zusammensetzung Zustandselementkomposition mit identischen Handlungen bildet die Wege Aktivit tenmuster Typologie augenscheinlich betrachtet passabel ab Dass die Kl rung der Anwendungsvoraussetzungen insbesondere die empirische Ausrichtung der Schl sselgr e Transformationsaufwandswert aufgrund einer merklichen Sensitivit t der Optimal Matching Technik von elementarer Relevanz ist und ann hernd gelingen kann z hlt zu den hervorzuhebenden Resultaten Lediglich theoretische berlegungen
211. chtigung der Un hnlichkeiten t tigkeiten bzw ortsver nderungsbezogener Handlungen Das letzte Kriterium behandelt die Frage ob und auf welche Art und Weise bei der Ermittlung der Un J hnlichkeit der Wege Aktivit tenmuster s tiefergehende Bez ge zum Untersuchungsobjekt dem Aktivit ten Verkehrs verhalten hergestellt werden Dabei besteht die Anforderung Abst nde Ay zwischen einzelnen aktivit ten bzw ortsver nderungsbezogenen Handlungen Y bei deren Gegen berstellung zu ber cksichtigen wie Abbildung 3 6 beispielhaft veranschaulicht Mit anderen Worten gesagt In den Sequenzabstand D s geht auch der Zustandsabstand Alyy zu vergleichender Sequenzelemente ein Falls eine inhaltliche Ausrichtung vorgenommen wird besteht die M glichkeit die Zustandsabst nde Aly y i entweder empirisch oder argumentativ zu bestimmen y i Bummeln Familie City Angeln alleine See Einkaufen zu zweit Einkaufen zu zweit i Stadtrand Bummeln Familie City Y k Stadtrand A Y oy X Angeln alleine See Abbildung 3 6 Abst nde Un hnlichkeiten zwischen verschiedenen 46 t tigkeiten bzw ortsver nderungsbezogenen Handlungen BHOBRBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE 3 3 2 Beschreibung musterorientierter Multimethodenans tze Tabelle 3 3 dokumentiert den Vergleich der verschiedenen musterorientierten Unter suchungsans tze anhand der bereits erl ute
212. chtlich Diesen Anforderungen gen gen die urs chlich zur Typologiebildung beitragenden Kenngr en so dass die erstellte Wege Aktivit tenmuster Typologie eine entsprechende G te aufweist Dar ber hinausgehend wird durch die Typologiebildung zum Teil auch eine gr ere Intraclusterhomogenit t bei Kenngr en des Verkehrsverhaltens erreicht ohne dass jene als Abgrenzungskriterien fungieren HEHELNE Fallbeispiel 185 inhaltliche Interpretierbarkeit der Typen Auf den ersten Blick gelingt eine Unterscheidung inhaltlich interpretierbarer Wege Aktivit tenmuster Typen S Das Fokussieren auf jene Au er Haus Aktivit t mit dem gr ten zeitlichen Umfang die als sogenannte Hauptaktivit t das Grundger st des allt glichen Aktivit ten Verkehrs verhaltens repr sentiert reicht bereits f r deren eindeutige Unterscheidung aus ohne weitere T tigkeiten A bzw Ortsver nderungen W zu betrachten Dass sich die erstellten Cluster S relativ einfach eindeitig charakterisieren lassen illustiert Abbildung 7 23 Besonders f llt auf Anhand derjenigen Cluster S mit tagesablaufbestimmender T tigkeit Arbeiten dienstlich lassen sich verschiedene Arbeitszeitformen im Sinne deregulierter gesellschaftlicher Zeitstrukturen nachweisen Weitere typische Charakteristika der Cluster S welche die Tag zu Tag Variabilit t im Wochenverlauf und die Verkehrsverhaltensweisen betreffen zeigt Tabelle 7 12 Menge aller Cluster S Art der Hauptaktivi
213. chung S 212 21 ZUMA e V Mannheim Sparman U 1980 ORIENT Ein verhaltensorientiertes Simulationsmodell zur Verkehrsprognose Heft 20 Institut f r Verkehrswesen Universit t Karlsruhe Spellerberg A 1996 Soziale Differenzierung durch Lebensstile Eine empirische Untersuchung zur Lebensqualit t in West und Ostdeutschland Edition Sigma Berlin SPSS 1998 Answer Tree 2 0 Benutzerhandbuch SPSS Inc M nchen Stopher P Matcalf R 2000 Alloaction of time to activities and household members results from four urban areas in Conference Proceedings 9 International Association for Travel Behaviour Research IATBR Conference Gold Coast Queensland Australien 2 7 July 2000 Supernak J 1992 Temporal utility profiles of activities and travel uncertainty and decision making in Transportation Research B 26 1 S 61 76 Tacken M 2003 Temporal aspects of the out of home activities of elderly people Conference Proceedings 10 International Association for Travel Behaviour Research IATBR Conference Lucerne Switzerland 10 14 August 2003 http www ivt baum ethz ch allgemein iatbr2003 htmi 10 2003 Theobald A 2000 Das World Wide Web als Befragungsinstrument Gabler Edition Wissenschaft Interaktives Marketing Deutscher Universit ts Verlag Trauer H J 1991 Zur Genauigkeit schriftlicher Haushaltsbefragungen zum Verkehrsverhalten in Holz Rau C Kutter E Verkehrsverhalten in der DDR
214. cker 1980 Jones et 1988 usw verwenden derartige Methoden um Abst nde D s 5 s s Zwischen Weg Aktivit tenmustern s zu quantifizieren Relativ neu bzw kaum erprobt besonders im konkreten EEHEEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN Bezug der musterorientierten Analyse des Aktivit ten Verkehrs verhaltens ist aber das daf r benutzte Sequenzvergleichsverfahren der Optimal Matching Technik Neben der grundlegenden Pr fung der Analysetauglichkeit durch die exemplarische Modellanwendung war als Anwendungsvoraussetzung deren inhaltliche Ausrichtung auf empirischer Basis am Unter suchungsgegenstand vorzunehmen Bei zuk nftigen Analysen mit sehr gro en Stichproben ca n gt 5000 bietet es sich m glicherweise im Rahmen der Typologiebildung an erstens Wege Aktivit tenmuster s vorab unter Anwendung von Entscheidungsheuristiken beispielsweise nach Art und zeitlicher Umfang der Hauptaktivit t im Sinne einer konstruierten Klassifikation zu segmentieren Dies tr gt zur Reduktion des immensen Aufwandes bei der Sequenzdistanzberechnung bei Erst in einem zweiten Schritt erfolgt dann die Anwendung Optimal Matching Technik zur Feinklassifikation je a priori definierten Wege Aktivit tenmuster Typ S zu Bildung von Subclustern c1 Abbildungseigenschaften des Distanzma es Weitreichendere Abbildungseigenschaften der Optimal Matching Technik im Hinblick auf die Quantifizierung von Un J hnlichkeiten zwischen Sequenzen D
215. d geschlechtsspezifischer Differenzierung in Forschungsverbund Lebensraum Hrsg Mobilit t und Kommunikation in den Agglomerationen von heute und morgen Faktoren des EEHEHE iteraturverzeichnis 217 Verkehrshandelns Berichte aus den Teilprojekten Band IIl 1 S 360 424 Ernst amp Sohn Berlin McNally M G The Activity Based Approach in Hensher D A Button K J Hrsg Handbook of Transport Modelling S 271 284 Pergamon Amsterdam Lausanne New York u a Mentz H J 1984 Analyse von Verkehrsverhalten im Haushaltskontext Heft 11 Institut f r Verkehrsplanung und Verkehrswegebau der TU Berlin Miller E Salvini P 2000 The Integrated Land Use Transportation Environment ILUTE Microsimulation Modeling System Description and Current Status in Conference Proceedings 9 International Association for Travel Behaviour Research IATBR Conference Gold Coast Queensland Australien 2 7 July 2000 Mokhtarian P L Salomon I 2001 How derived is the demand for travel Some conceptual and measurement considerations in Transportation Research A 35 S 695 719 Pas E I 1980 Towards the understanding of urban travel behavior through the classification of daily urban activity patterns Ph D dissertation Northwestern University Evanston IL Pas E I 1983 A flexible and integrated methodology for analytical classification of travel activity behaviour in Transportation Science 17 S
216. d d eher einen starken linearen Zusammenhang indizieren Das bedeutet Wesentlich st rkere Effekte werden bei abweichenden Festlegungen von Sub Csu Z gegen ber Indelaufwandswerten Cina Z erzielt Ausrichtung der Aufwandswertetypen untereinander Je nach Gr enverh ltnis der beiden Aufwandswertearten C n Z 2 bzw Cina z beeinflusst dies bei der Sequenzdistanzermittlung die Abbildung erstens der Elementkomposition durch Verschiebung gemeinsamer Zustandselemente z unterschiedlicher Position sowie mit diametralen Effekten zweitens der Zustands un J hnlichkeit A z 2 solit rer Zustandselemente z bzw der Abfolge hnlichkeit gemeinsamer Zustandelemente z In welchem Umfang diese gegenl ufigen Effekte zum Tragen kommen l sst sich aus den linearer Korrelationswerten der untergeordneten Vergleiche g h und i mit zustandsunabh ngigen Aufwandswerten C absch tzen Relativ hohe Affinit ten bei den Variationen starker bis sehr starker Zusammenhang sprechen eher f r geringe Einfl sse 6 4 Fazit und Anwendungshinweise Die durchgef hrte Sensitivit tsanalyse beabsichtigte die berpr fung der Robustheit der Optimal Matching Technik gegen ber den Vorannahmen erstens der Art und Weise der Abbildung erfassten Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster s und zweitens der HEELDIEEM Anwendungsvoraussetzungen Optimal Matching Technik 135 Festlegungsm glichkeiten der Transformations
217. d quantitativ M glichkeiten M glichkeiten der Teilnehmer der Begleiter Die einzelnen Facetten und Indikatoren des Raum Zeit Verhaltens werden im Folgenden differenziert erl utert sachliche Facette was Art wozu Zweck warum Motiv Die sachliche Facette des Raum Zeit Verhaltens beschreibt Art und Zweck von Aktivit ten A sowie bei Ortsver nderungen W die Art der Fortbewegung bzw den Wegezweck Jede Person bt eine Vielzahl verschiedener T tigkeiten A im Alltag aus die jedoch im Rahmen einer empirischen Erhebung kaum im Einzelnen zu erfassen sind In Abh ngigkeit des Untersuchungsziels sind diese per Definition zu T tigkeitskategorien zusammenzufassen Welche einzelnen Handlungen gruppiert werden erfolgt auf vielf ltige Art und Weise je nachdem welche der infrage kommenden Kriterien wie Bed rfnisse Ziele Bindungen 20 BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN Gewohnheiten usw herangezogen werden Weiter ist zu beachten dass bei der Definition der Aktivit tstypen Art und Zweck meist vermischt werden Axhausen 2000 _ Untersuchungen in Deutschland im KONTIV Design u a Schadt et al 2001 Kloas et al 2001 orientieren die sachliche Strukturierung von Aktivit tstypen an den Daseins grundfunktionen Arbeiten Bilden Freizeit usw so dass individuelle Bed rfnisse und Ziele ausschlaggebend sind Hingegen stellen aktuelle amerikanische Untersuchungen u a Stopher et al 2000 mit eine
218. dann nicht realisiert werden Umgekehrt besteht eine berdurchschnittlich gro e Neigung der Nichtaus bung geplanter Aktivit ten wenn es sich um die freien Aktivit tstypen a wie Einkaufen Freizeit usw handelt Das l sst wiederum den Schluss eines h heren Stellenwertes Peovet Obligatorischer und eines niedrigeren disponibler Aktivit tstypen a zu 5 3 3 Zwischenfazit Die Ergebnisse der vorangegangenen Literatursynthese zu den Effekten der Merkmalswerte ma gebender Erkl rungsgr en im Hinblick auf den Stellenwert Povert bzw Peovert Von realisierten Handlungen Y sowie von Zeitplanungsvorg ngen Y lt gt Y bzw Y gt fasst Tabelle 5 2 in einer groben Absch tzung zusammen BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 95 Tabelle 5 2 Literatursynthese zur Priorit t overter und coverter Handlungen Identifikation BHERLDIEE Anwendungsvoraussetzungen Optimal Matching Technik bedeutsamer Merkmale und Analyse qualitativer Effekte der Merkmalsauspr gungen Merkmal y Identifikation relevanter Merkmalsaus qualitative Effekte der Werte y Merkmale y bzw in pr gungen y i bedeutsamer Merkmale y Bezug auf die Priorit t bzw in Bezug auf die Priorit t Poven y bzw Povel y i bzw Peovert Y pY Peoveri y n y0 Aktivit tstyp EE Arbeiten EHEHEHE a w en DD Ausbildung
219. degelegten Merkmalsr ume M mit denjenigen einschl giger musterorientierter Multimethodenans tze a2 L nge und Lage des Makrozeitabschnittes Die empirischen Daten gehen bei s mtlichen der hier vorgestellten Beitr ge ber einen Stichtag hinaus und erm glichen somit mehr Wilson 1998 Rindsf ser et al 2000 Zimmermann et al 2001 Heller Kemp et al 2000 und Schlich 2003 oder weniger Joh et al 2001 und Joh et al 2002 neben der Analyse interpersonellen Variation vor allem die Untersuchung der intrapersonellen Tag zu Tag Variabilit t des Aktivit ten Verkehrs verhaltens Au er den Werktagen schlie en die meisten Arbeiten mit den Ausnahmen von Joh et al 2001 und Joh et al 2002 auch die Wochenendtage in die Untersuchung ein In der Erweiterung des Untersuchungszeitraumes besteht ein deutlicher Gegensatz zu den musterorientierten Multimethodenans tzen deren Analysen lediglich auf Stichtagsdaten an Werktagen fu en a3 Detaillierung der Sequenzform F r die musterorientierte Darstellung des Aktivit ten Verkehrs verhaltens ergeben sich aus den herangezogenen Forschungsarbeiten drei Varianten die Intervallreihe die Ereignisreihe und die Ereignisdauerreihe Au er Heller Kemp et al 2000 Joh et al EHEHEHE Multimethodenansatz 79 2001 Joh et al 2002 und Schlich 2003 greifen alle anderen Arbeiten die erstgenannte Sequenzform auf Intervallreihen weisen dabei zwei Vorteile auf Sie beziehen e
220. denansatzes vgl Abschnitt 4 2 vgl Abbildung 4 1 schlie t das zugrundegelegte Vorgehen einen zus tzlichen explorativen Untersuchungsschritt ein Demnach erstreckt sich die Analyse mit den dazugeh rigen statistischen Verfahren ber folgende Stufen 1 Berechnung der Abst nde D s 5 s s zwischen den Wege Aktivit tenmustern s mit s S auf Wochenbasis interpersonelle Analyseebene durch Anwendung der Optimal Matching Technik 2 Klassifizierung der Sequenzen s mit s S zu Wege Aktivit tenmuster Typen S durch cluster analytische Fusionierung 3 Ermittlung von Sequenzabst nden D S4 S0 s 484284 der in Einzeltage d unterteilten Wege Aktivit tenmuster s zu s4 im Tag zu Tag Vergleich intrapersonelle Analyseebene je Cluster S mit Hilfe der Optimal Matching Technik 4 Vorhersage der Affinit t zu den gebildeten Wege Aktivit tenmuster Typen S auf Personenebene anhand von Sets k der Merkmalswerte k von Individual und Kontextvariablen k durch Verwendung der multinomialen Logit Analyse 7 3 Datenorganisation Empirische Basis der vorliegenden Arbeit bilden die Daten zum Verkehrsverhalten des MOP vgl Exkurs II Die Nutzung der Paneldaten aus den verschiedenen Wellen f r die Datenanalyse erfordert Arbeitsschritte der Datenorganisation Ein Fall entspricht einem Datensatz bestehend aus Personen Haushalts und Wegedaten einer Person und einer Welle Der Datenbestand der Wellen 1997 und 1998 wird zusammengefasst Datenpooling
221. denjenigen des Logins in CHASE beziehen Weiter wurden sie darauf hingewiesen dass sowohl die Art der Zeitplanungsoperation als auch die Zust nde yv der am Zeitplanungsvorgang beteiligten Handlungen Y bei der Wertbildung zu ber cksichtigen sind Drittens waren von den Probanden erg nzende Angaben zur zur ckgelegten Entfernung w bei einem Wechsel des Aktivit tsortes durch subjektive Absch tzung vorzunehmen Entf Zur Messung der subjektiven Bewertung der Wichtigkeit Povet von ausge bten aktivit ten bzw orts ver nderungsbezogenen Handlungen Y sowie die Priorit t Pcoverr Von Zeitplanungsoperationen YoY bzw Y gt 2 wurde als Befragungstechnik das Rating Verfahren eine praxis bliche 1 Der Einsatz von Rating Verfahren ist in der sozialwissenschaftlichen Forschung nicht unumstritten vgl Rohwer et al 2000 Dennoch z hlt es dort zu dem meist verwendeten Verfahren vgl Bortz et al 2002 BHEHEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 99 Intensit tsabfrage eingesetzt Den Untersuchungsteilnehmern stand eine entsprechende Rating Skala zur Verf gung auf der sie sich f r eine der festgelegten Merkmalsauspr gungen durch intuitives Beurteilen entscheiden mussten Zeitplanungsaktionen Y bzw Y realisierte Handlungen Y generelle Situation Hinzuf gen Verwerfen Ver ndern Nicht Handlung Handlung Y Handlung Y Handlung Y Zustand Zustand yX Zustand yX Zustand yX
222. der Befragung und dem zur Verf gung stehenden finanziellen Budget Die Wahl der HERLDEE Anwendungsvoraussetzungen Optimal Matching Technik Datengewinnungsmethode orientiert sich im Allgemeinen am Uhntersuchungsziel unter den vorhandenen Restriktionen Zu den Randbedingungen der Datengewinnung bezogen auf die vorliegende Arbeit z hlen einerseits eine hohe Komplexit t des Untersuchungsgegenstandes bedingt erstens durch den Anspruch neben dem realisierten Aktivit ten Verkehrs verhalten auch den Zeitplanungsprozess zu erfassen und zweitens sowohl Zeitplanungsvorg nge Y gt Y bzw Y gt als auch realisierte t tigkeiten bzw wegebezogene Handlungen Y zu bewerten sowie andererseits fehlende finanzielle Mittel f r eine Erhebungsdurchf hrung Vor diesem Hintergrund ist im weiteren Verlauf zu diskutieren warum bestimmte Datengewinnungsmethoden gew hlt wurden und mit welchen Folgen das Fehlen eines Finanzbudgets auf Datenqualit t und menge verbunden ist Erfassung der Zeitplanungsvorg nge mit CHASE Um sowohl Zeitplanungsvorg nge Y gt Y bzw Y gt coverte Handlungen als auch realisiertes Aktivit ten Verkehrs verhalten Y overte Handlungen zu erfassen und damit den Anforderungen der Untersuchung zu gen gen wird zur Datengewinnung das computergest tzte Erhebungsinstrument CHASE in der Basisapplikation eingesetzt Die Funktionsweise der Leistungsumfang dieser Erhebungssoftware die Erl uterung zur Erheb
223. der Zeit der 2 Aktivit t Make timing changes on screen i e drag activity borders to new start end times Andern der Zeit in der Bildfl che C Accept it because of an unusual situation Ich akzeptiere diese berschneidung denn es ist eine ungew hnliche Situation Accept it because want to enter an activity within another activity i e going for lunch at work Ich habe diese Uberschneidung so geplant z B Mittagessen auf Arbeit Abb 17 CHASE Fenster Zeitkonflikt EHEHEHEH Anhang D i Leitfaden CHASE Erhebung 1 6 Korrektur von Eingabefehlern Wann m ssen Sie die Funktion lt Correct Error gt benutzen Diese Funktion ist nur in Ausnahmef llen zu verwenden um falsche Eintragungen zu l schen die versehentlich z B durch Bedienungsfehler zustande gekommen Sind ie dass es sily um einen Eingabefehler und richt um eins echt nderung Iyer line sind Leider ist das Vorgehen sehr ie umst ndlich da Programmfehler F06 vorliegen asaj AE un Weitadend_chase Mico E Miciosot PowerPoint GicHase Aktivit tsplaner toaa Abb 18 CHASE Fenster Correct error lt Wie aktivieren Sie das Fenster zum Andern Sie die Attribute dieser Aktivit t ndern einer Aktivit t mit Hilfe dieser Bee Ren Funktion Ort Jena2 Zone z r Weg zur Aktivit t Leerlassen falls unents
224. deren inhaltliche Anpassung bzw Ausrichtung am Uhntersuchungsgegenstand im Mittelpunkt der wissenschaftlichen Auseinandersetzung vgl Abott et al 2000 Nach Meinung einiger Autoren bestehen folgende ungel ste Probleme Die subjektive Spezifizierung der Transformationsaufwandeswerte C ohne theoretisches Fundament weder argumentativ noch empirisch f hrt zu einer mangelnden Nachvollziehbarkeit Objektivit t usw der Ergebnisse der Optimal Matching Technik und er ffnet Manipulationsspielr ume vgl Wu 2000 Levine 2000 EHEHEHE Multimethodenansatz 75 Die notwendige Einhaltung der Symmetriebedingung durch Festlegung der Transformations aufwandswerte C bei Substitutions und Indelvorg ngen unabh ngig von der Richtung des Zustandswechsels ist m glicherweise inhaltlich nicht begr ndbar vgl Wu 2000 Das hei t Trotz einer Vielzahl von Untersuchungen bzw Arbeiten besteht auch auf dem Gebiet der Soziologie nach wie vor Forschungs bzw Kl rungsbedarf wie insbesondere die Transformationsaufwandswerte C festzulegen sind Der engere Wissenschaftsbereich der Verkehrsforschung bzw die thematisch angrenzende Zeitbudgetforschung nimmt die Optimal Matching Technik mit Zeitverzug aber gro er Resonanz vor allem in Deutschland vgl Rindsf ser et al 2000 Zimmermann et al 2001 Heller Kemp et al 2000 zur Kenntnis Das hei t Seit j ngster Zeit werden die Anwendungspotenziale der Optimal Matching Technik zur muste
225. die Anwendungspraxis der Verkehrsplanung zu verdeutlichen sollen im Folgenden Forschungs perspektiven aufgezeigt und dabei Ans tze grob skizziert werden bei denen ber den erarbeiteten musterorientierten Multimethodenansatz hinaus Ankn pfungspunkte gesehen werden Hierzu werden zwei Anwendungsrichtungen vorgestellt die Konzeption eines segmentorientierten Unter suchungsansatzes des Aktivit ten Verkehrs verhaltens sowie der Ansatz eines mikroskopischen Simulationsmodells der Verkehrsentstehung EEHEEHE Fazit und Ausblick an 8 2 1 Konzeption eines segmentorientierten Untersuchungsansatzes des Aktivit ten Verkehrs verhaltens Der erarbeitete musterorientierte Multimethodenansatz ist lediglich als erster Schritt in Richtung einer umfassenden Analysestrategie des Aktivit ten Verkehrs verhaltens zu betrachten wie folgende Argumentation verdeutlichen soll Bei den erstellten Wege Aktivit tenmuster Typen S die aus der Anwendung des erarbeiteten Untersuchungsansatzes resultieren handelt es um eine Sichtweise des Aktivit ten Verkehrs verhaltens als Ganzes und folgt damit eher dem Postulat der Unteilbarkeit menschlichen Verhaltens Die umfassende Abbildung betrifft vor allem die temporale Abfolge zeitliche Lage Dauer usw aber auch die inhaltliche Facette also die Grobstruktur individueller Wochen und Tagesabl ufe Weiterf hrend sind jedoch prinzipiell auch andere Beschreibungsgr en y zur Bildung von Wege Akti
226. difikation nicht aus 2 Anforderungen der Datenquantit t Die Anzahl beobachteter realisierter Handlungen Y sowie Zeitplanungsvorg nge Y gt Y bzw Y gt gt begrenzen die Auswertungsm glichkeiten der Datenanalyse Infolge einer zu geringen Zahl erfasster Zeitplanungsvorg nge Y gt Y der Modifikation ergeben sich bei der vorliegenden Untersuchung teilweise wenige bzw berhaupt keine Nennungen bei vielen Merkmalswertenpaaren y y relevanter Beschreibungsgr en y Besonders trifft dies auf die selten ver nderten Merkmale des Aktivit tstyps a sowie des Verkehrsmittels w zu Ausreichend ist dagegen der Stichprobenumfang der Zeitplanungsvorg nge Ye bei Einf ge und Verwerfenaktionen den berg ngen zwischen den Zust nden ungeplante Zeit und y 3 Anforderungen der Datenqualit t Je nachdem auf welches der beiden Messmodelle zur ckgegriffen wird unterscheidet sich die G te der Daten Zweirad eine gemeinsame Merkmalskategorie MIV Fahrer Diese Kategorie umfasst auch die Beifahrer des motorisierten Zweirades 106 EHEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Einerseits schneidet dabei die Bewertung der Zeitplanungsvorg nge Yo gt Y bzw Yo Messmodell M I gegen ber den realisierten Handlungen Y Messmodell M II schlechter ab vgl Abschnitt 5 4 2 Andererseits ber cksichtigt nur Messmodell MI die Bewert
227. dsverteilung durch Abtrag kumulierter Zeitanteile wege und aktivit tenbezogener Zust nde die in Zeitintervallen zusammengefasst sind ber der horizontalen Achse des Makrozeitabschnittes individueller Prozess der Organisation und Re organisation von gt Aktivit ten und Ortsver nderungen im Alltagsverhalten durch deren Planung Anpassung und Realisierung Zufallsstichprobe Auswahlverfahren das sicherstellt dass jedes Objekt einer gt Grund gesamtheit mit gleicher Wahrscheinlichkeit in der gt Stichprobe vertreten ist Zustandselement komposition Zusammensetzung einer gt Sequenz mit identischen und unterschiedlichen Zust nden Zuverl ssigkeit Reliabilit t Kriterium daf r dass eine Untersuchung die gleichen Resultate reproduziert wenn sie von demselben oder einem anderen Forscher wiederholt wird EHEHEHEH Anhang A Glossar ANHANG B NOTATION EHEHEH Anhang B Notation B 1 Notation Erl uterung der Notation Handlungen Aktivi t ten Verke hrs verhalten Merkmal y5 a5 W war y Handlungstyp a Aktivit t w Weg wa Weg Aktivit ts Folge x Merkmalstyp Art der Aktivit t Teilnehmer usw Merkmalsraum MS 23 M Menge aller Merkmale y zur Beschreibung von Aktivit ten Wegen oder Weg Aktivit ts Folgen FRA ea SoSo o o oSA ooi a a ae kianerraala rA Merkmalswert y y ter Wert des Merkmals y
228. dt bzw Gemeinde des Wohnstandortes kleinr umiges Wohnumfeld Quartier und Wohnung die zugrunde gelegten Variablen der Analyse zuordenbar sind W hrend Schmiedel 1984 Becker 1981 und Recker et al 1980 r umliche Pr diktoren k in ihren Arbeiten grunds tzlich beachten bleiben Erkl rungsgr en k dieses Einflussfeldes bei den Arbeiten von Kutter 1972 Pas 1980 und Kulkarni et al 2000 unber cksichtigt Jedoch konnte alleine Recker et al 1980 Trenneffekte raumbezogener Variablen im Hinblick auf die Bildung unterschiedlicher Wege Aktivit tenmuster Typen S feststellen Zur ckzuf hren ist dieser Sachverhalt wahrscheinlich auch darauf dass dieser empirischen Analyse sehr differenzierte r umliche Daten zugrunde liegen Hingegen gehen bei Schmiedel 1984 von den BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE Erkl rungsvariablen k Gemeindegr e und Raumstruktur l ndlich st dtisch keine Einfl sse aus Ob und inwieweit Variablen k des kleinr umigen Wohnumfeldes oder der Wohnung Geb udetyp Wohnungsgr e Vorhandensein eines Balkons Erschlie ungsqualit t der Verkehrsinfrastruktur usw m glicherweise Erkl rungskraft aufweisen bleibt bei allen Untersuchungen infolge fehlender Daten ungekl rt 3 4 Fazit Zun chst bezieht sich die Zusammenfassung auf die globale Systematik mit methodischer Schwerpunktsetzung von empirischen Analysen des individuellen Aktivit ten Verkehrs verhaltens im inte
229. dung 0 1757 Hausfrau mann arbeitslos Rentner in 0 56 1 43 0 15 0 70 0 5731 0 03 9 40 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 28 0 51 0 30 0 58 0 7541 0 28 2 05 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 18 1 12 1 11 0 29 3 2614 0 36 29 35 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 74 0 91 3 69 0 05 MI 5 6905 0 97 33 55 o Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 46 1 13 1 69 0 19 4 3250 0 47 39 42 DO Vollzeiterwerbst tig Teilzeiterwerbst tig 0 28 0 51 0 30 0 58 1 3261 0 49 3 61 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 02 0 83 5 87 0 02 MI 7 5464 1 47 38 72 Vollzeiterwerbst tig EEHEEHE Anhang H IIl Ergebnisse der Logit Analyse H I11 19 Alternativ Referenz kategorie kategorie a ea t ES Cluster A 5 ole E g E amp 2 g2 85 5 15 S5 35 S S N T n N 2 N Eu 5 7 5 amp x e gs F Z J e Sg g ke E L X x NE g ex y D Se 5g Aar D z 7 faa u gt x Unter Ober grenze grenze Konstanter Term 0 91 1 39 0 43 0 51 Alter 0 06 0 03 6 36 0 01 V 1 0653 1 01 1 12 PNV Zeitkartenbesitz 0 18 0 34 0 28 0 60 1 1963 0 62 2 32 DO keinen OPNV Zeitkartenbesitz Mann 0 26 0 32 0 69 0 41 1 2998 0 70 2 42 DO Frau F hrerschein 1
230. e ltere Person alleinlebend Anzahl der Kinder keine metrisch unter 10 Jahren im ein Haushalt zwei drei und mehr Haushaltgr e Einpersonenhaushalt metrisch Zweipersonenhaushalt Dreipersonenhaushalt Vierpersonenhaushalt F nfpersonenhaushalt Sechs und Mehrpersonenhaushalt EHEHEH Anhang H I potenzielle Erkl rungsgr en H 1 1 Einflussfelder potenzielle Merkmalswerte der Erkl rungsgr en Skalen Erkl rungsgr e niveau Makroebene der Umwelt verkehrs Raumtyp mehr als 100 000 Einw Lage im Kern nominal infrastrukturell grobe mehr als 100 000 Einw Lage am Rand r umliche Umwelt 8 orisierung 20 000 100 000 Einw g 9 5 000 20 000 Einw unter 5 000 Einw Raumtyp mehr als 500 000 Einw Wohnung im nominal feine Ortskern gelegen Kategorisierung mehr als 500 000 Einw Wohnung am Ortsrand 100 000 500 000 Einw Wohnung im Ortskern 100 000 500 000 Einw Wohnung am Ortsrand 50 000 100 000 Einw Wohnung im Ortskern 50 000 100 000 Einw Wohnung am Ortsrand 20 000 50 000 Einw 5 000 20 000 Einw 2 000 5 000 Einw unter 2 000 Einw Lage Arbeitsplatz Im inneren Stadtbereich einer Gro stadt nominal 100 000 und mehr Einw Am Stadtrand in einem Vorort einer Gro stadt Im inneren Stadtbereich einer mittelgro en Stadt 20 000 100 000 Einw Am Stadtrand in einem Vorort einer mittelgro en Stadt
231. e C als das Schl sselproblem bei der Anwendung der Optimal Matching Technik F r den 66 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Untersuchungsgegenstand des Aktivit ten Verkehrs verhaltens bedarf es dabei einer inhaltlichen Auseinandersetzung mit der Fragestellung wie in Abh ngigkeit erstens der Art der Transformationsoperationen und zweitens den zu transformierenden Zustandselementen z bzw Z bei allen potenziellen berg ngen zwischen Zust nden z bzw leeren Zust nden Aufwandswerte Ce festzulegen sind Festlegung Einf ge Definition der aufwandswerte i a estlegung ann A Transformations Substitutions If empirische aufwandswerte aufwandswerte Anpassung Ausrichtung Festlegung kae nie 1 L sch aufwandswerte Berechnung der Anwendung des Verfahrens A algorithmus nach Levensthein Sequenzdistanzen mit 3 zur Ermittlung der Sequenz der Optimal Matching distanzen Technik Bildung der Distanzmatrix Abbildung 4 4 Ablaufschritte der Sequenzdistanzbestimmung mit Hilfe der Optimal Matching Technik B Berechnung der Sequenzdistanzen mit der Optimal Matching Technik Als n chster Schritt folgt die Anwendung einer Rechenvorschrift zur Minimierung der Distanz Dbio S s es Zwischen zwei Sequenzen die so genannte Levensthein Distanz vgl u a Kruskal et al 1983 Aisenbrey 2000 Die paarweise berechneten Distanzen D o S 8 ss s IM Ver
232. e Sichtung der im weiteren Verlauf herangezogenen wegebasierten Daten des MOP zeigt orientieren sich die Befragten dieser Untersuchung trotz eines offenen Berichtsintervalls At vgl Infratest Burke 1997 f r die Angabe der Wegedauer augenscheinlich stark am 5 Minuten Zeitraster Eine dar ber hinausgehende weitere Verfeinerung der Zeitschritte At erscheint im Hinblick auf die Datenanalyse fragw rdig da wahrscheinlich keine entsprechende Berichtsgenauigkeit seitens der Interviewten vorhanden ist Beispielsweise weist Blass 1980 darauf hin dass ein grunds tzliches Problem der exakten subjektiven Einsch tzung des Beginns und des Endes von bestimmten Handlungen Y besteht Die L nge des zu definierenden diskreten Zeitintervalls At f r die Generierung der Intervallreihe stimmt folglich entweder genau mit dem Basiszeitschritt At von 5 Minuten berein oder ist ein Vielfaches von diesem Die obere Grenze des Zeitrasters At der Zustandselemente z ist auf 60 Minuten limitiert Zu beachten ist dabei Je l nger die Zeitintervalle At gew hlt werden desto gr ere Verzerrungen treten zwischen dem erfassten Aktivit ten Verkehrs verhalten und dessen Abbildung den zu generierenden Wege Aktivit tenmustern s auf Dies h ngt mit der definierten Zuordnungs vorschrift der Zust nde z zu den diskreten Zeitintervallen At zusammen Da einem Zeitintervall At nur jeweils ein aktivit ten bzw wegebezogener Zustand z zugeordnet werden kann ist im Falle me
233. e Situationen bei verschiedenen Personen bzw bei gleichen Individuen im Zeitverlauf ber das Wahrscheinlichkeitsprinzip die Auswahl einer Handlungsalternative eines Wege Aktivit tenmuster Typuss S auf Makroebene F r die Behandlung von Problemstellungen dieser Art erscheint vordergr ndig die Theorie der rationalen Handlungswahl ad quat vgl Urban 1993 was im Verlauf der Argumentation jedoch einzuschr nken ist Bei diesem Ansatz w hlt das Individuum aus den vorhandenen Alternativen S endlicher Anzahl I diejenige mit dem gr ten Nutzen Von Vorteil ist dass sich die Grundannahmen der Theorie der rationalen Handlungswahl formal in das statistische multinomiale Logit Modell ein Wahrscheinlichkeitsmodell transformieren lassen Dabei l sst sich die Wahl einer Handlungsalternative durch eine Nutzenfunktion modellieren die sich in zwei Komponenten zerlegen l sst einen deterministischen und einen stochastischen Anteil Urban 1993 Die deterministische Komponente Pr ferenzfunktion umfasst als Linearkombination die Merkmalswerte y der beobachtbaren Eigenschaften der Handlungsalternativen y die Auspr gungen k entscheidungsrelevanter Merkmale k aus der standardisierten individuellen Situation Merkmale der Person und Kontextbedingungen der Umwelt sowie die zu sch tzenden Logit Parameter Die dadurch spezifizierte Pr ferenzfunktion wird auf der Grundlage empirischer Daten gesch tzt Urban 1993 Die stochastische Komponente repr
234. e als chronologische Abfolge alle Aktivit ten A die durch Angabe des Aktivit tstyps gekennzeichnet sind innerhalb eines Tages umfasst und dadurch die Grobstruktur individueller Tagesabl ufe repr sentiert temporales Muster zeitliche Abfolge von T tigkeiten und gt Ortsver nderungen innerhalb eines Typologie Klassifikation Makrozeitabschnittes Theorie systematischer Versuch zu erkl ren wie zwei oder mehr Ph nomene zusammenh ngen Tranformations a priori zu definierende Gewichtungsparameter zur inhaltlichen Ausrichtung der aufwandswerte 0Optimal Matching Technik welche den Aktionen des Verfahrens zuordnet werden um eine Sequenz in eine andere umzuwandeln vollst ndige Zuordnung von Objekten zu verschiedenen sich gegenseitig ausschlie enden Typen Klassen empirische Klassifikation Zerlegung einer Grundgesamtheit als Tr ger von Merkmalen in Typen die eine interne Homogenit t und eine externe Heterogenit t aufweisen sollen nach einem gew hlten Kriterium z B Fehlerquadratsumme a priori Klassifikation konstruierte Klasen Festlegung von Typen nach theoretischen Gesichtspunkten logische berlegungen planungsspezifische Sachzw nge usw Umwelt Gegebenheiten institutionell kulturell sozialer und verkehrs infra struktureller Art auf Makroebene mit kollektivem Charakter Au enwelt unabh ngige Variable Variable unabh ngige Variablen Pr diktoren beeinflussen ei
235. e den mittleren Sequenzabstand D S4 Sa s454eS4 auf intrapersoneller Analyseebene im Vergleich aller Tage auf Wochenbasis untereinander Den Vergleichen der Wege Aktivit tenmuster Typen S liegen zur Strukturierung vier Zeitbl cke zugrunde die sich in Abbildung 7 15 grob abzeichnen Normalwerktage Mo Di Mi Do atypischer Werktag Freitag Samstag und Sonntag Erstens zeichnen sich Zeitbl cke stabilen Verhaltens mit erheblichen Abweichungen zu anderen Tageskategorien bei einigen Clustern ab bei anderen wiederum nicht Bei Cluster S2 S3 S4 und S7 indizieren die Werktag Wochenende Unterschiede entsprechende Wochenrhythmen dagegen sind jene bei Cluster S4 nicht erkennbar Ebenso weicht der Freitag je Wege Aktivit tenmuster Typ S mehr Cluster S2 Cluster Ss oder minder Cluster Ss S4 und Cluster S4 stark von den anderen Werktagen ab was eine Einstufung als Br ckentag zum Wochenende rechtfertigt Zweitens erweist sich das Niveau der intrapersonellen Tag zu Tag Variabilit t auf Clusterbasis als sehr unterschiedlich zwischen den Wege Aktivit tenmuster Typen S Zum Beispiel kennzeichnet Cluster S sehr stabiles routinisiertes Verhalten w hrenddessen insbesondere f r Cluster S eine hohe Variabilit t im Tagesvergleich und damit instabiles Raum Zeit Verhalten typisch ist 160 HEBBLOEM Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS
236. e der Trans formationsaufwandswerte Co Caad Caer Csub Co Menge aller Transformationsaufwandswerte z y2 Segmentmerkmalswerte sly c Zw s y durch Klassifi zierung zusammengefasste Merkmalswerte y j als Teilmenge des Merkmalswerteraumes Z y Segmentmerkmalswerteraum S y 7 S y Menge aller ein oder mehrwertigen s y Sa y J a Segmentmerkmalswerte s y des Merkmals y Segmentzustands vektor sy tsu y1 x syn Abk rzung f r die Kombination von s y Segmentmerkmalswerten verschiedener Merkmale y B 2 EEHEHEH Anhang B Notation Notation Erl uterung der Notation Personen und Kontextvariablen Merkmal p a ure yn i Individualmerkmale k u Kontextmerkmale u Merkmale der verkehrs infrastrukturell r umlichen Umwelt u Merkmale der sozialen Umwelt u Merkmale der institutionell kulturellen Umwelt k Abk rzung f r Personen und Kontextmerkmale Merkmalsraum K k1 K Menge aller Merkmale k zur Beschreibung von Personen und Kontextcharakteristika Merkmalswert kj kj j ter Wert Merkmals k Merkmalswerteraum Z k k ka Z k Menge aller Merkmalswerte k zur Beschreibung eines Merkmals k Zustands vektor kj m k1 j K2 j2 Abk rzung f r die Kombination von Merkmalswerten ki verschiedener Merkmale k zur Charakterisierung einer Person bzw Personenkategorie k1j1 j1 ter Wert
237. e orientiert sich an den aufgezeigten methodischen Verbesserungsm glichkeiten wie im vorherigen Kapitel 3 erl utert Zun chst sollen im Rahmen der Konzeption des musterorientierten Multimethodenansatzes nachstehende Aspekte beachtet werden erstens die Objektivit t der Untersuchungsstrategie zweitens die m glichst wirklichkeitsnahe Abbildung der Un J hnlichkeit zwischen Wege Aktivit tenmustern s und drittens die Angemessenheit des Kausalprinzips Eine weitere Forderung die inhaltliche Ausrichtung des gew hlten Verfahrens der Sequenz vergleichanalyse am Aktivit ten Verkehrs verhalten Zustands un J hnlichkeit greifen im weiteren Verlauf der vorliegenden Arbeit Kapitel 5 und 6 auf 4 2 Struktur des Multimethodenansatzes Um auf die oben genannten Anforderungen einzugehen setzt die Abbildung und Erkl rung von Un hnlichkeiten zwischen Wege Aktivit tenmustern s einen statistischen Multimethodenansatz voraus dessen strategische Ausrichtung durch eine Abfolge strukturen erkennender und strukturen pr fender Methoden gekennzeichnet ist Die dreistufige Grundstruktur der Anordnung statistischer Verfahren stellt Abbildung 4 1 schematisch dar Dabei kommt der gew hlte Ansatz einer direkten Vorgehensweise ohne eine a priori Kategorisierung von Personen aus und erf llt dadurch das aufgestellte Ziel der Analyseobjektivit t 1 Zuerst wird die Optimal Matching Technik ein Verfahren der Sequenzvergleichsanalyse
238. e personenbezogenen Merkmale k eine substanzielle Erkl rungskraft zur Deutung insbesondere der inter aber auch intrapersonellen Variabilit t des Raum Zeit Verhaltens aufweisen Wie aus den Ergebnissen einschl giger Forschungsarbeiten vgl Abschnitt 3 3 2 hervorgeht z hlen dazu in erster Linie die soziodemografischen Merkmale k wie Erwerbsstatus Alter Geschlecht F hrerscheinbesitz usw die je nach Operationalisierung eng mit den Erkl rungshintergr nden von Lebenszyklus oder Status Rolle verbunden sind vgl Abschnitt 2 2 2 Entsprechende Pr diktoren k sind daher beim vorliegenden Untersuchungsansatz soweit m glich zu ber cksichtigen individuelle Einstellungen Orientierungen Motive Stilisierungen usw Basis von Operationalisierungen zur Fassung von Einstellungen Orientierungen bildet der Erkl rungshintergrund des Lebensstils um interpersonelle Unterschiede im Aktivit ten Verkehrs verhalten zu deuten Trotz eines empirischen Nachweises von L dtke 1995 der eine Beziehung zwischen Lebensstil und Zeitverwendung konstatiert und weiterer Aufschl sse entsprechender Kausalit ten durch empirische Analysen auf kenngr enorientierter Basis u a Wulfhorst et al 2000 Hammer et al 2003 steckt die Beachtung von Lebensstilaspekten in der Verkehrsforschung erst in den Anf ngen Haupts chlich h ngt dies mit den bisherigen Datenm glichkeiten zusammen vgl Abschnitt 2 2 2 Institutionell kulturelle Umwelt Zur Erkl rung
239. e von Cluster S7 die entsprechende Kenngr e aller F lle Anhang G Tabelle G 4 Das bedeutet Es konnte f r diesen Parameter eine Heterogenit tsreduktion durch die Klassifikation der Wege Aktivit tenmuster s zu Typen S erreicht werden Zahl von Ortsver nderungen Ausgehend von einer durchschnittlichen Wegeh ufigkeit von 3 57 pro Fall und Tag ergibt sich im Wochenl ngsschnitt folgender Verlauf Die durchschnittliche tagesspezifische Wegezahl pro Fall nimmt von Montag bis Freitag von 3 72 auf 4 08 stetig zu und f llt dann am Wochenende auf 3 29 36 sonntags stark ab vgl Abbildung 7 20 samstags und 2 Die Spanne der mittleren Ortsver nderungszahl pro Tag und Fall differenziert nach Wege Typen S reicht von 4 49 dem Maximalwert f r Cluster S4 bis zu 3 26 dem Aktivit tenmuster Weiter zeigt Abbildung 7 20 eine relativ konstante Wegezahl bei Minimalwert f r Cluster S4 Cluster S4 und S7 an den Tagen Montag bis Samstag hingegen ist die entsprechende Tag zu Tag Variabilit t bei den anderen Clustern S teilweise gro Beispielsweise steigt bei den Wege Aktivit tenmuster Typen S2 und S die Ortsver nderungszahl freitags sprunghaft an 165 EEHEHE Fallbeispiel mittlere Ortsver nderungszahl pro Tag und Fall Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle F lle Abbildung 7 20 mittlere Ortsver nderungszahl pro Tag und Fall im Woch
240. eau der Tage vorher jedoch verliert das MIV Selbstfahren und die V Nutzung an Stellenwert w hrend das Zufu gehen das Fahrradfahren und das MIV Mitfahren an Bedeutung gewinnen Sonntag Mit der Ausnahme von Cluster S hier pr gt die Aktivit t Arbeiten den Tagesablauf weicht die sonnt gliche Zeitverwendung der anderen Cluster S nur geringf gig voneinander ab Im Tagesvergleich nehmen bei allen Clustern S die zu Hause verbrachte Zeit und die Zeitanteile f r Freizeit die h chsten Werte an Dagegen reduziert sich die Unterwegszeit wobei Verschiebungen in den Zeitbudgets der Verkehrsmittel deutlich werden Zuw chse von Zeitquanten verzeichnen das Zufu gehen und das MIV Mitfahren sowie R ckg nge die V Nutzung und das MIV Selbstfahren EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 100 q gen 90 80 70 60 50 4 40 30 Zeitverwendung in 20 10 0 gassclssgelasirklagesisaiaglgshsistlsleaskesegekiskikiselgesiskihslgshsikchalg s IF IF Fr IF o o o o o o o G o E o Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 alle F lle E Arbeiten dienstlich Ausbildung DEinkaufen Service W Freizeit H zu Hause O V Nutzung MIV Mitfahrer MIV Selbstfahrer 5 Fahrrad I zu Fu Abbildung 7 6 Zeitverwendung je Tag nach Clustern im Wochenverlauf Zusammenfassend lassen sich aus der Analyse der
241. ehalte hinsichtlich der inhaltlichen Schl ssigkeit der Segmentzust nde s wa treffen auch hier zu Aus der Gegen berstellung der Signifikanzwerte der beiden herangezogenen Trennmerkmale wird deutlich Bei der Variablen Verkehrsmitteltyp w ist ein signifikanter Separationseffekt erkennbar Hingegen erweist sich die Variable Aktivit tstyp a als nicht signifikant diskriminierend Aufgrund der notwendigen Angleichung der Struktur der Segmentzust nde muss dies inkauf genommen werden zumal der p Wert an der Grenze zum schwach signifikanten 18 HEBLBME Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Bereich liegt In der Rangfolge der Segmentzustande si wa nach den Mittelwerten der Priorit ten Poover Si wa bestehen zwischen diesen relativ gro e Unterschiede ohne dass sich Niveaubereiche abzeichnen Einige Abweichungen in der hierarchischen Anordnung gegen ber den Segmentzust nden s wa realisierter Wege Aktivit ts Folgen WA sind feststellbar f r die keine Erkl rung zur Verf gung steht Tabelle 5 18 Segmentzustande der Merkmale Aktivit tstyp und Verkehrsmittel Rang Baum Segmentzust nde Anzahl Priorit t p Wert Bewertung stufe s wa 2 der Peover Si wa 2 Signifikanz F lle Mittel Standard Ngs 670 wert abweichung 0 Weg Aktivit ts Folge amp 670 0 09 1 15 1 1 Arbeiten diens
242. ehrs verhaltens ein leichter Zugewinn an Detailliertheit ab Nicht nur die verwendeten MOP setzen hier Grenzen Weiter beschr nkend wirken im Untersuchungsfall die Randbedingungen der inhaltlichen Ausrichtung der Optimal Matching Technik vgl Abschnitt 5 3 3 Zusammenfassend ist festzuhalten Als relativ grob l sst sich der Abbildungsumfang des Aktivit ten Verkehrs verhaltens der vorliegenden Untersuchung insgesamt einstufen Dessen ungeachtet bewegen sich Abbildungsbreite und tiefe im entsprechenden Rahmen thematisch verwandter Forschungsarbeiten Erweiterte Optionen der Datenanalyse die mit tiefergehenden Einsichten in die Vielschichtigkeit und Differenziertheit des realisierten Raum Zeit Verhaltens verbunden sind bietet zuk nftig die KONTIV 2002 Im Einzelnen enth lt dieser Datenfundus mit seiner gro en Stichprobe folgende zus tzliche Angaben gegen ber der Vorg ngeruntersuchung KONTIV 1989 vgl Smid et al 2001 oder auch dem MOP vgl Chlond et al 1995 1996 1997 1998 erstens die Erfassung von Begleitpersonen aus dem Haushalt bei Ortsver nderungen W soziale Facette und zweitens die Vergr erung des Merkmalswerteraumes Z a des Aktivit tstyps durch Bildung von Subkategorien bei Freizeit und Einkauf nicht aber wie von Beckmann 2000 vorgeschlagen der Kategorien Arbeiten und Ausbildung Vor dem Hintergrund dieses Zugewinns an wegebezogenen Informationen soll kurz diskutiert werden mit welche Auswirkunge
243. ehrstechnik Heft 748 Bundesministerium f r Verkehr Hrsg Bonn Bad Godesberg Recker W W Root G S McNally M G 1980 Empirical Analysis of Household Activity Pattern Institute of Transportation Studies University of California Irvine Recker W W McNally M G Root G S 1985 Travel activity analysis Pattern recognition classification and interpretation in Transportation Research A 19 4 S 279 296 Richardson A J Ampt E S Meyburg A 1995 Survey Methods for Transport Planning Eucalyptus Press Melbourne 21 8 EEHEEHE iteraturverzeichnis Rindsf ser G Doherty S Konzept Module und Datenerfordernisse f r SMART Simulations modell des Aktivit ten Re Planungsprozesses in Schriftenreihe Stadt Region Land 69 S 109 129 Institut f r Stadtbauwesen Hrsg RWTH Aachen Rohwer G P tter U 2000 Methoden der Datenkonstruktion Skripte zu Methodenlehre II Fakult t f r Sozialwissenschaft Ruhr Universit t Bochum Rohwer G P tter U 2002 TDA Users s Manual Fakult t f r Sozialwissenschaft Ruhr Universit t Bochum Schadt H Funke C Rommerskirchen S V disch M 2001 Konstanz und Variabilit t des Mobilit tsverhaltens im Wochenverlauf Studie auf der Basis des deutschen Mobilit tspanels Schlussbericht Untersuchung im Auftrag des Bundesministeriums f r Verkehr Bau und Wohnungswesen Bonn Berlin Schaeper H 1999 Erwerbsverl ufe v
244. eider Muster wird durch dieses Abbildungsverfahren erm glicht Abfolge hnlichkeit Joh et al 2001 Das bedeutet Sind sonst identische Tagesabl ufe zeitlich verschoben so wird deren grunds tzliche bereinstimmung im Distanzma D s s s mit ber cksichtigt Aufgrund der relativen Neuheit der Optimal Matching Technik in der Analysepraxis der Verkehrs forschung zur Analyse von Wege Aktivit tenmustern s ist es zun chst Aufgabe der vorliegenden Arbeit deren anwendungsspezifische Anforderungen Probleme und M glichkeiten n her zu ergr nden und zu diskutieren Bereits in der Auseinandersetzung mit der Optimal Matching 4 OBBBEE Einleitung AUSGANGSLAGE UND L SUNGSANS TZE Technik esteht eine Motivation dieser Arbeit da die Kl rung wesentlicher Anwendungsgrundlagen noch in den Anf ngen steckt S D s Zustandselement X komposition Su E Abfolge hnlichkeit D s BEEBEBEBEBEBEBBEBBEBBBBBEBBBEN Abbildung 1 2 Abbildungseigenschaften der Optimal Matching Technik eigene Darstellung Au er der untergeordneten Ebene der Sequenzvergleichsanalyse existiert eine weitere bergeordnete diejenige des Multimethodenansatzes als Grundger st der musterorientierten Analyse des Raum Zeit Verhaltens Die Anwendung der Optimal Matching Technik tr gt zwar in Kombination mit einem clusteranalytischen Fusionsalgorithmus zur Bildung von Wege Aktivit tenmuster Typologien bei abe
245. ein Weg W ausgew hlt und realisiert so unterliegen deren Folgen zun chst einer individuellen Bewertung die sowohl positiv als auch negativ ausfallen kann durch die Bezugnahme auf die urspr nglich gefassten Ziele vgl Abbildung 2 6 Weiterhin ist zu beachten dass diese Auswirkungen aus Sicht der handelnden Person gewollt oder unbeabsichtigt sein k nnen Das Resultat der Handlung die Realisierung einer Aktivit t A und oder einer Ortsver nderung W kann wiederum bei derselben Person zur Entstehung einer neuen Situation beitragen so dass der Prozess eine interne Dynamik im Sinne eines Lernvorgangs aufweist Ebenso gehen von einer individuellen Handlung kollektive Handlungsfolgen aus wie im n chsten Abschnitt gezeigt wird Werlen 2000 Logik der Aggregation Der letzte Schritt die Logik der Aggregation verbindet in Form einer Mikro Makro Verkn pfung es geht also von unten nach oben individuelles Handeln mit den kollektiven Handlungsfolgen bzw BOBBEE Grundlagen Makrozust nden vgl Abbildung 2 2 Ausgangspunkt sind viele einzelne individuelle Handlungen Y unterschiedlicher Personen deren Wirkungen ber so genannte Transformationsregeln f r die Deutung kollektiver Ph nomene beispielsweise der schwankenden Verkehrsbelastung im Tagesverlauf auf einem Streckenabschnitt herangezogen werden Transformationsregeln sind im Allgemeinen logische Begr ndungen zur Verbindung individueller Effekte und Makrozust nden wobei z
246. eitplanungsprozess f r eine hohe Bedeutung Peovet des Hinzuf gens und einen geringeren Stellenwert f r die anderen beiden Aktionstypen Modifikation aktivit ten bzw ortsver nderungsbezogener Merkmale bei Zeitplanungsvorg ngen Aus der Analyse welche Merkmale y bei Modifikationsoperationen ver ndert werden zeigen sich nach Doherty et al 2000 folgende Resultate Ungef hr 75 aller nderungen betreffen die Start und Endzeiten von Handlungen Y Die restlichen Vorg nge verteilen sich auf die Anzahl der begleitenden Personen 8 den Aktivit tstyp 7 den Aktivit tsort 6 die zeitliche Lage auf Tagesebene 4 und das benutzte Verkehrsmittel 2 wobei Mehrfachmodifikationen m glich sind Wird dabei Hypothese I gefolgt so l sst sich aus der H ufigkeitsverteilung unterschiedlicher Arten von Modifikationsoperationen eine Hierarchie der Merkmale y nach ihrer Bedeutung Peovert formulieren W hrend dem Attribut Verkehrsmittel w ein sehr hoher Stellenwert P overr einger umt wird erscheint die zeitliche Anpassung der Dauer wP als weniger bedeutsam Zwischen diesen Polen kann die Valenz P overr der anderen aufgef hrten Merkmale y eingeordnet werden Modifikation von Merkmalswerten aktivit ten bzw ortsver nderungsbezogener Merkmale bei Zeitplanungsvorg ngen Die Resultate von Chen et al 2000 indizieren Es kommt sehr selten vor dass Aktivit ten A obligatorischer Art aP wie Arbeiten und Bilden vorgeplant und
247. eitstyp unterscheiden und ein zweiter Zw der sich aus f nf Zust nden w verschiedener Merkmalswerte w der Fortbewegungsart konstituiert sollen den zugrunde gelegten Zustandsraum Z y bilden Zeitraster Nicht folgenlos auf die berechneten Abst nde D io S S ss s der Optimal Matching Technik zwischen Wege Aktivit tenmustern s in Intervallreihenschreibweise bleibt eine Ausdehnung der L nge der diskreten Zeitintervalle At Trotz der erzielten sehr starken Korrelationen r bis zu einem Zeitraster At von ca 30 Minuten erscheint es ratsam bei Sequenzvergleichsanalysen auf die sichere Seite zu gehen Ein Zeitraster At bis maximal 10 Minuten stellt die obere Grenze dar Transformationskosten Wie bereits diskutiert deutet der relativ geringe lineare Zusammenhang bei der Variation der Transformationskosten C darauf hin dass deren Festsetzung Auswirkungen auf die Ergebnisse der Optimal Matching Technik haben Das hei t Die inhaltliche Auseinandersetzung mit der Fragestellung der subjektiven Beurteilung von Zustands berg ngen dem Ersetzen y y dem L schen 2 und dem Einf gen D y beim individuellen Zeitplanungsverhalten bzw der Bewertung von Zust nden vi des realisierten Aktivit ten Verkehrs verhalten er ffnet die Chance anwendungsspezifische Aspekte daraus abgeleiteter Abst nde Aly y o in die Bestimmung der Un J hnlichkeit zwischen Wege Aktivit tenmustern einflie en zu lassen Das hei t Der
248. ele Zahlen benannt die Auspr gungen des Merkmals werden intuitiv durch Worte oder Begriffe nicht aber durch Zahlen wiedergegeben nominale Merkmale ordinale Merkmale Rating Verfahren Messverfahren zur Beurteilung von Merkmalen auf einer Rating Skala mit der die Intensit t und nicht nur das Vorhandensein oder Fehlen der Auspr gung dieser Merkmale erfasst werden soll und die erzeugten Daten meist als Werte einer gt Intervallskala interpretiert werden Reise geschlossene Abfolge von gt Ortsver nderungen die an der Wohnung beginnt und zur Wohnung zur ckf hrt und zum Zwecke einer oder mehrerer Aktivit ten unternommen wird Repr sentativit t Kriterium daf r dass die Zusammensetzung einer Stichprobe mit der Zusammensetzung der gt Grundgesamtheit aus der sie stammt bereinstimmt Segmentierung Zusammenfassung von Objekten zu homogenen Klassen aufgrund von hnlichkeiten in wichtigen Merkmalsbereichen Sequenz chronologische Abfolge von Zust nden Ereignissen usw Sequenzabstand Ma f r die Un J hnlichkeit zweier gt Sequenzen Sequenzform Darstellungsweise der gt Sequenzen Sequenzvergleichsanalyse Klasse von Verfahren zur Ermittlung des paarweisen gt Sequenzabstandes EHEHEHEH Anhang A Glossar signifikantes Ergebnis Signifikanz Zugeh rigkeit zu einer Ergebnisklasse deren Wahrscheinlichkeit bei G ltigkeit der Nullhypothese kleiner als ein vorher festgelegtes
249. em welches Set kj von Merkmalsauspr gungen kj bedeutsamer Pr diktoren k eine Person Personkategorie kennzeichnet Faktorenkonzept besteht eine unterschiedliche Chance unterschiedliches Aktivit ten Verkehrs verhalten in Form von Wege Aktivit tenmuster Typen S zu realisieren deterministisches Kausalprinzip probabilistisches Kausalprinzip Wege Aktivit tenmustertypologie Wege Aktivit tenmustertypologie Wege Wege Wege Wege Wege Wege Aktivit ten Aktivit ten Aktivit ten Aktivit ten Aktivit ten Aktivit ten mustertyp S mustertyp S mustertyp S mustertyp S mustertyp S mustertyp S Personen Personen Personen Personen Personen Personen typ k typ k typ kj typ k typ k i typ kj i Personentypologie grob Personentypologie personenfein Anzahl Wege Aktivit tenmustertypen S Anzahl Wege Aktivit tenmustertypen S lt lt Anzahl J Personentypen k Anzahl J Personentypen Personen k Abbildung 3 5 Kausalprinzipien eigene Darstellung c Analyseprinzipien der statistischen Methoden Analyseebene Sequenzvergleichsverfahren Der Betrachtungsfokus auf der Ebene der statistischen Analyseverfahren richtet sich ausschlie lich auf die Methodik der Distanzermittlung zwischen Wege Aktivit tenmustern s da BHOBBEE Grundlagen a weitere Verf
250. emeinsamkeiten zwischen 36 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE Wege Aktivit tenmustern s bzw mit s S zu entdecken und darauf aufbauend jene zu kategorisieren Das hei t Zusammengefasst werden sollen diejenigen Sequenzen s mit hnlichen Zusammen setzungen Dauern Lagen und Abfolgen von T tigkeiten A und Ortsver nderungen W Zur Aufdeckung dieser Beziehungen wird auf das Konstrukt der Typologie zur ckgegriffen Dessen begriffliche Definition erfordert eine Unterscheidung in zwei Betrachtungsebenen wie Abbildung 3 2 veranschaulicht Gegenstand der Ebene der Typologie ist die Abgrenzung zwischen den einzelnen Typen Klassen Entsprechend stehen hier die Unterschiede zwischen den einzelnen Typen hier Wege Aktivit tenmuster Typen S im Vordergrund die hinreichend gro sein sollen Dar ber hinaus stellt die Ebene der Typologie aber auch eine Verbindung zwischen den einzelnen Typen S her da diese im Untersuchungsfall zu einer Wege Aktivit tenmuster Typologie zusammengefasst werden Ziel ist es dabei eine Typologie zu finden die aus einer m glichst geringen Anzahl von Typen S besteht Kluge 1999 Hingegen besteht die Ebene des Typus aus einzelnen Typen hier Wege Aktivit tenmuster Typen S in denen Wege Aktivit tenmuster s mit s S aufgrund von hnlichkeiten vereint sind Wege Aktivit tenmuster Typen S umfassen alle diejenigen Wege Aktivit tenmuster s die dieser Klasse angeh
251. en Bei der Interpretation der Effektkoeffizienten ist zu beachten dass die entsprechenden Abweichungen der Alternativkategorien j j 1 J 1 immer gegen ber dieser Referenzkategorie J der Erkl rungsgr e betrachtet werden m ssen Andre et al 1997 Die verwendete Software SPSS sieht f r die Bildung von Kodiervariablen lediglich die Verwendung der Dummy Kodierung vor Das hei t Bei einer Merkmalsauspr gung betr gt der Wert eins w hrend bei den restlichen der Wert null ist Sind J Werte des nominalskalierten unabh ngigen Merkmals vorhanden so werden nur J 1 Designvariablen erzeugt Daraus folgt dass es eine Merkmalsauspr gung die Referenzkategorie J gibt bei der s mtliche Designvariablen der Dummykodierung den Wert null haben HEHEMLE Fallbeispiel 177 Die Grundlage zur Analyse der Modelleffekte bilden nicht die Logit Koeffizienten sondern die Effekt Koeffizienten vgl Abbildung 7 22 wobei der Beurteilung folgendes Vorgehen zugrunde liegt Falls sich ein Signifikanzniveau a der Logit Koeffizienten Di auf Basis des Wald Tests von gr er 0 1 einstellt verbleibt lediglich eine qualitative Untersuchung der Wirkungsrichtung im Sinne einer tendenziellen Absch tzung Wechselt das Vorzeichen der gesch tzten Effekt Koeffizienten innerhalb des Konfidenzintervalls so sind die Aussagen hinsichtlich der Wirkungsrichtung mit einem gro en Unsicherheitsfaktor behaftet Dies wird im Text gesondert vermerkt grau
252. en die nicht bev lkerungsrepr sentative Zusammensetzung der Stichprobe Effekte der Berichtsm digkeit im Wochenverlauf eine nicht repr sentative infrastrukturell r umliche Umwelt der ausgew hlten Erhebungsorte usw verkehrs Tabelle 5 8 Kenngr en des Verkehrsverhaltens der eigenen Erhebung im Vergleich zu anderen verhaltensbezogenen Befragungen zum Personenverkehr Datenfundus eigene Erhebung Mobilit tspanel Vorstudie Jahr Befragung mit MOP KONTIV CHASE 2001 2002 1998 Kenngr e 2001 Au er Haus Anteil 81 7 91 4 88 9 Anzahl der Wege je mobiler Person am 2 9 3 9 3 7 Tag Entfernung je mobiler Person am Tag 44 43 4 40 km Wegedauer je mobiler Person am Tag 70 88 6 min Verkehrsmittelnutzung Wege nach Verkehrsmittel k A sonstige 0 2 0 3 3 8 zuFu 36 2 22 1 21 3 Fahrrad 10 3 7 8 12 9 motorisierter Individualverkehr 44 2 60 0 51 3 _ V Nutzung 9 1 9 8 10 6 Quelle 1 eigene Erhebung 2 Chlond et al 1999 3 Smid et al 2002 Kenngr en des Zeitplanungsverhaltens Die Unterscheidung der 878 bewerteten individuellen Zeitplanungsvorg nge Y gt Y bzw Y nach der Art der durchgef hrten Aktion f hrt zu der in Abbildung 5 4 dargestellten H ufig keitsverteilung Die Anteilswerte decken sich weitgehend mit den Ergebnissen einer Untersuchung mit gr erer Stichprobe von Doherty et al 2000 was als Indiz f r
253. en Variablen k w hrend f r haushaltsbezogene und raumbeschreibende Merkmale im Gegensatz zu Kutter 1972 Variable Vorhandensein von Kindern im Haushalt Pas 1984 Variable Wohndichte und Recker 1985 Variable Siedlungstyp Wohnstandort kein Nachweis von Einfl ssen gelingt EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Der substanzielle Effekt der Bestimmungsgr e Erwerbsstatus stimmt mit den Ergebnissen der Vorg ngeruntersuchungen berein vgl u a Schmiedel 1984 Pas 1980 Recker et al 1980 Trotz teilweise fehlendem induktiven Nachweis z hlt die Berufst tigkeit bei diesen Forschungsbeitr gen als einziges Merkmal durchg ngig zu den vorab definierten Erkl rungsgr en bzw fungiert als Trenngr e zur a priori Segmentierung so genannter verhaltenshomogener Personenkategorien Die G ltigkeit des Rollenkonzeptes das den aufgef hrten anderen Studien oft zugrunde liegt um theoriegeleitet Personenkategorien vorab zu definieren best tigt sich als Erkl rungs hintergrund Die identifizierten Trennvariablen k Geschlecht und Berufst tigkeit stehen im Einklang mit jenem Konstrukt Das Spektrum blicherweise wirksamer Erkl rungsgr en k erg nzt die Lebenszyklusvariable Alter Pr diktoren k die mit dem Erkl rungshintergrund des Lebensstils zusammenh ngen z B Ausbildungsniveau bleiben in der induktiven Analyse bedeutungslos oder fehlen im Datenmaterial so d
254. en best tigen die vorherige Hierarchie der Effektst rke der einzelnen Merkmale Hochsignifikante Werte und damit eine hohe Trennwirkung erzielen die Pr diktoren Erwerbsstatus F hrerscheinbesitz und PNV Zeitkartenbesitz wohingegen sich f r Alter und Geschlecht lediglich signifikante Werte ergeben vgl Tabelle 7 7 Tabelle 7 7 Ergebnisse zur Modellg te Gesamtmodell und einzelne Erkl rungsgr en Modell 2 Log G Freiheits Signifikanz Pseudo induzierter Likelihood Wert grade R Zuwachs an Pseudo R A Pseudo R Nullmodell ohne Pr diktoren 4736 3 nur konstanter Term Endg ltiges Modell alle Pr diktoren 2095 1 2641 2 42 0 0000 0 5577 reduzierte Modelle ohne Alter 2109 1 14 0 6 0 0296 0 5547 0 0030 ohne PNV 2116 7 21 7 6 0 0014 0 5531 0 0046 Zeitkartenbesitz ohne Berufst tigkeit 3119 2 1024 1 18 0 0000 0 3414 0 2162 ohne Geschlecht 2111 0 15 9 6 0 0141 0 5543 0 0034 ohne 2121 1 26 0 6 0 0002 0 5522 0 0055 F hrerscheinbesitz 7 5 3 4 Interpretation der Modelleffekte Der vierte Schritt befasst sich mit der Interpretation der Wirkungsrichtung und st rke von Merkmalsauspr gungen kj identifizierter Erkl rungsgr en k Grundlegende Zusammenh nge zwischen den Modelgr en fasst nachstehende Abbildung 7 21 zusammen Logit Koeffizienten Bei der Parametersch tzung des endg ltigen multinomialen Logit Modells werden die Log
255. en wollen Nein 45 Einfacher Klick auf Befehl L schen in az a me enen moe oae caian der Men leiste vgl Abb 8 Abb 8 L schen einer Aktivit t EHEHEHEH Anhang D i Leitfaden CHASE Erhebung D I 3 1 3 ndern Wann m ssen Sie eine Aktivit t Ortsver nderung ndern Sobald sich nderungen in der Zeitplanung bzw bei der Durchf hrung ergeben sind diese im pers nlichen Terminplaner einzuarbeiten Ge ndert werden k nnen nur geplante und realisierte Aktivit ten Wege die schon eingetragen sind Zun chst sind alle realisierten Aktivit ten Wege Vergangenheit anzupassen Anschlie end folgt die Modifikation der geplanten Aktivit ten Wichtig ist Zum Zeitpunkt der nderung m ssen die Attribute der neuen geplanten Aktivit t bekannt sein Ist dies nicht der Fall muss die Aktivit t gel scht werden ungeplante Zeit und zu einem sp teren Zeitpunkt hinzugef gt werden vgl Abb 9 Sind alle genannten M glichkeiten der nderungen von realisierten und geplanten Aktivit ten Wegen aus gesch pft d rfen berz hlige Eintr ge gel scht oder neue hinzugef gt werden Wie Abbildung 10 zeigt k nnen alle Attribute von Aktivit ten Wegen Aktivit tsgruppe Aktivit tstyp Ort Zeit und Tag etc ver ndert werden Wie aktivieren Sie das Fenster ndern einer Akt
256. enansatz sowie die Optimal Matching Technik die erweiterte Abbildungseigenschaften zur Distanzmessung zwischen Wege Aktivit tenmustern aufweist Erkannt werden durch jene Methode gleiche T tigkeiten bzw Ortsver nderungen die zeitlich an unterschiedlichen Stellen der zu vergleichenden Muster angeordnet sind Zustandselementkomposition sowie identische Sub sequenzen Abfolge hnlichkeit Zielf hrend in der Datenanalyse ist nachstehende Abfolge von Verfahren Multimethodenansatz Die Klassifikation von Wege Aktivit tenmustern zur Reduktionen deren immenser Komplexit t gelingt durch Einsatz der Optimal Matching Technik Diese quantifiziert Un J hnlichkeiten zwischen Wege Aktivit tenmustern Abstandsmessung unterschiedlicher Personen inter personell oder zu vergleichender Zeitabschnitte einer Person intrapersonell Die dadurch berechnete Distanzmatrix bildet den Ausgangspunkt des clusteranalytischen Fusions algorithmus dessen Aufgabe die Zusammenfassung der Wege Aktivit tenmuster ist explorative Stufe Die Anwendung eines multinomialen Logit Modells erm glicht auf Individualebene die Vorhersage der Affinit t zu Wege Aktivit tenmuster Typen anhand von Merkmalswerten identifizierter Erkl rungsgr en der Personen des Haushaltes usw induktive Stufe Im Gegensatz zu einschl gigen Forschungsarbeiten zeichnet sich die gew hlte Untersuchungs strategie durch die Objektivit t des Vorgehens aus da eine
257. ende alternative M glichkeiten der Spezifikation der Aufwandswerte C zur Ber cksichtigung der operationstypspezifischen Abst nde Aly yo von Zust nden z B H ufigkeit von Zustandswechseln Zeitpunkt des Zustandswechsels direkte Quantifizierung der hnlichkeiten von Zust nden usw zu anderen Ergebnissen der Optimal Matching Technik f hren Welchen Stellenwert die inhaltliche Ausrichtung der Gewichtungsparameter C der Optimal Matching Technik grunds tzlich einnimmt belegt eine durchgef hrte Sensitivit tsanalyse vgl Kapitel 6 Diese unterstreicht eine Beeinflussbarkeit der berechneten Sequenzabst nde D s S s s zwischen Wege Aktivit tenmustern s je nachdem ob die Ge wichtungsparameter C insbesondere die Subaufwandswerte C Z 2 zustands EEHEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN abh ngig ausgerichtet oder frei definiert sind Ausgehend von den empirisch bestimmten Sub Csub Z und Indelaufwandswerten Cina z ist deren Verh ltnis zu beachten Vor dem Hintergrund des Einsatzzweckes erscheint deren Orientierung g nstig vgl Abschnitt 6 4 Es l sst sich konstatieren Vordringliche zuk nftige Aufgabe ist eher die Fortentwicklung der inhaltlichen Ausrichtung der Optmal Matching Technik ber die Findung aq quater Transformationsaufwandswerte C statt deren Algorithmen weiter zu verfeinern wozu beispielsweise Joh et al 2001 und Joh et al 2002 bereits Ans tze entwickelt haben Hierbei stellt
258. enheiten verschiedenster Art zur ckzuf hren die Datenbasis die Art und Weise der Abbildung des Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster S USW BOBBEE Grundlagen a7 identifizierte Erkl rungsgr en Bei den vorgestellten musterorientierten Studien ergeben sich unterschiedliche Pr diktoren k zur Erkl rung des Raum Zeit Verhaltens Wie zu erkennen ist handelt es sich dabei durchg ngig um leicht operationalisierbare Variablen k soziodemographischer Art vgl Tabelle 3 4 Nur Recker et al 1980 und Becker 1981 gelingt ein Nachweis dass eine r umlich infrastrukturelle Variable Trenneffekte auf die Klassifizierung der Wege Aktivit tenmuster s zeigt Die Identifikation bzw Vorauswahl des Indikators Erwerbsstatus als Trennvariable bei allen Untersuchungen begr ndet dass dieser einen substanziellen Beitrag zur Erkl rung interpersoneller Unterschiede im Raum Zeit Verhalten leistet Gleiches gilt etwas abgeschw cht f r die Erkl rungsgr en Alter und Geschlecht die jedoch in der Querschnittsbetrachtung der Publikationen seltener bedeutsame Variablen k sind Anzahl der Wege Aktivit tenmuster Typen Die Spannweite der Anzahl Wege Aktivit tenmuster Typen S der verschiedenen Ans tze reicht von 5 bis 32 vgl Tabelle 3 4 Im Hinblick auf die Gruppenzahl sind zwar Unterschiede feststellbar f r die jedoch vordergr ndig keine Erkl rung m glich ist Tabelle 3 4 identifizierte bzw ber cksichtigte Er
259. enmuster 6 3 2 Effekte der Transformationsaufwandswerte 6 4 Fazit und Anwendungshinweise 121 121 122 124 126 127 128 129 130 130 133 1354 OOOODODO EEEE Fallbeispiel ANWENDUNG DES MULTIMETHODENANSATZES BILDUNG UND ERKL RUNG EINER WEGE AKTIVIT TENMUSTER TYPOLOGIE AUF WOCHENBASIS 7 1 Einleitung 139 7 2 Konzeptioneller Rahmen 139 7 3 Datenorganisation 140 7 4 Explorative Analysestufe Ableitung der Wege Aktivit tenmustertypologie f r 141 interpersonelle Unterschiede im Aktivit ten Verkehrs verhalten auf Wochenbasis 7 4 1 Vorbereitung der Datenanalyse 141 7 4 2 Durchf hrung der explorativen Datenanalyse 142 7 4 3 Vergleichende Beschreibung der Wege Aktivit tenmuster Typologie 144 7 4 3 1 Grundlagen 144 7 4 3 2 Kenngr en und Validit t der Clusterl sung 146 74 3 3 Darstellungsstrategie 147 7 4 3 4 WNege Aktivit tsprofile auf verschiedenen Zeitebenen 148 7 4 3 5 Intrapersonelle Tag zu Tag Variabilit t auf Clusterbasis 154 7 4 3 6 Kenngr en des Verkehrsverhaltens 161 7 4 3 7 Einordnung der Wege Aktivit temuster Typologie in den wissenschaftlichen 169 Kontext 7 5 Induktive Analysestufe Erkl rung der Wege Aktivit tenmuster Typologie 171 7 5 1 Vorbereitung der induktiven Datenanalyse 171 7 5 2 Durchf hrung der induktiven Datenanalyse 172 7 3 3 Identifikation von Erkl rungsgr en und Analyse der Effekte der 172 Merkmalsauspr gungen diskriminierender Pr diktoren 7 3 3 1 Spezifizieru
260. enmuster Typus S mit Hilfe der Monte Carlo Simulation MCS ein D Wegesimulation Der letzte Teilschritt umfasst die Bestimmung der Startzeit Zeitintervall At von berg ngen zweier Aktivit ten A der Aktivit tskette den Wegen W In Abh ngigkeit der vorher gezogenen Aktivit tskette vermag die Methode der Monte Carlo Simulation MCS aus den dazugeh rigen kumulierten Verteilungen der bergangswahrscheinlichkeiten der T tigkeiten A nach dem Startzeitintervall den Beginn von Ortsver nderungen W festzulegen Abschlie end l sst sich als Gesamt berblick festhalten Mittel zum Zweck also Methode n statt Inhalte stehen im Vordergrund der vorliegenden Arbeit Bedingt durch die limitierte Datenlage zeigt diese prim r einen innovativen Weg zur musterorientierten Datenanalyse des Raum Zeit Verhaltens unter Anwendung der Optimal Matching Technik auf Dem inhaltlichen Er kenntnisgewinn f llt eher eine sekund re Rolle zu Dennoch ergeben sich auf Basis der Wege Aktivit tenmuster Typologie des Fallbeispiels neue wertvolle Einsichten in das Aktivit ten Verkehrs verhaltens auf Wochenebene Eine ausreichende Tragf higkeit der Ergebnisse fehlt jedoch um diese direkt als Basis f r die Anwendungspraxis der Verkehrsnachfragemodellierung 206 EEHEEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN zu verwerten Ausgehend von weitreichenden Analysepotenzialen des Multimethodenansatzes bleiben dessen M glichkeiten aus inhaltlicher Si
261. ensspielr ume des Bearbeiters durch die subjektive Definition einer Vorab Personentypologie das Ergebnis so widerspricht dies dem gestellten Anspruch Au erdem impliziert die a priori Kategorisierung von Personen die Notwendigkeit einen Erkl rungshintergrund beispielsweise das von Konzept von Rolle und Status vgl u a Kutter 1972 Schmiedel 1984 zugrunde zu legen Insbesondere Volkmar 1984 stuft jene theoriegeleitete Vorgehensweise als problematisch ein Beispielsweise ist zweifelhaf ob das ausschlie liche Zur ckgreifen auf die Rollentheorie unter Vernachl ssigung anderer Erkl rungshintergr nde ausreicht um Raum Zeit Verhalten umfassend zu deuten Angemessenheit des Kausalprinzips deterministisch vs probabilistisch Beruht der empirische Untersuchungsansatz auf der Sichtweise einer deterministischen Ursache Wirkungs Beziehung zwischen einer bestimmten Situation und einem bestimmten Raum Zeit Verhalten so werden folgende Aspekte in der Modellbildung vernachl ssigt die unvollst ndige Information ber individuelle Entscheidungszusammenh nge nicht erkl rbare Zuf lligkeiten im individuellen Verhalten nicht erfasste Erkl rungsgr en usw Eher der Realit t entspricht demnach eine Zuordnung der durch Sets vom Merkmalswerten charakterisierten Personen zu den Wege Aktivit tenmuster Typen S in Abh ngigkeit der Auspr gungen kj diskriminierender Erkl rungsgr en k auf Basis von Realisierungs wahrscheinlichkeiten Die vorher
262. enverlauf je Cluster und f r alle F lle Daten Mobilt tspanel 97 98 ungewichtet n 2247 F lle Dass durch die Clusterbildung kein Separierungseffekt hinsichtlich der Wegezahl erreicht werden konnte l sst sich aus Tabelle G 5 in Anhang G ablesen Der durch die Binnenclustervarianz erkl rte Anteil von 0 97 an der Gesamtvarianz ist sehr hoch und demnach die Varianzaufkl rung gering Reiseweite Die durchschnittliche Reiseweite betr gt 38 7 km pro Fall und Tag Im Wochenverlauf steigt die zur ckgelegte Entfernung je Fall und Tag best ndig von Montag bis Freitag von 35 1 km auf 44 7 km f llt am Samstag auf 35 7 km und nimmt am Sonntag auf 38 6 km zu vgl Abbildung 7 21 Bemerkenswert ist die sehr gro e Spanne der durchschnittlichen Reiseweiten zwischen den Clustern S die von 26 9 bis 58 8 km je Fall und Tag reicht vgl Abbildung 7 21 Die immensen Unterschiede zwischen den Wege Aktivit tenmuster Typen S deuten auf eindeutige Distanz verhaltensweisen Teilweise sehr gro e Tag zu Tag Intraclusterabweichungen geben Anlass zu folgender Vermutung Eventuell sind hierf r auch Ausrei ereffekte bedingt durch einzelne sehr weite Reisen verantwortlich Ohne die m glichen Verzerrungen zu beachten zeigt Abbildung 7 21 dass vom erl uterten Wochenverlauf aller F lle Cluster S4 Ss und S abweichen deren Wochenmaxima der mittleren Entfernung auf Tagesbasis sonntags mittwochs und donnerstags auftreten dass die Tag zu Tag
263. enzabst nde D i S S ss s Zwischen allen 2247 erzeugten Wege Aktivit ten mustern s mit s e S auf Wochenbasis F r diesen Zweck kommt die eigens konzipierte und programmtechnisch umgesetzte Software I zum Einsatz vgl Anhang F in welcher der Berechnungsalgorithmus der Optimal Matching Technik implementiert ist Als Ergebnis folgt eine Sequenzabstandsmatrix D Durchf hrung der Clusteranalyse Der n chste Schritt umfasst die Klassifikation der Wege Aktivit tenmuster s mit Hilfe der Clusteranalyse vgl Abschnitt 4 6 Da der Fusionsalgorithmus des Ward Verfahrens hierf r g nstige Eigenschaften aufweist wie aus mehreren fachbezogenen Literaturquellen hervor geht u a Holzapfel 1980 Becker 1981 Schmiedel 1984 f llt die Wahl auf diese Methode Als Eingangsdatensatz steht die quadrierte Sequenzabstandsmatrix D aus dem vorherigen Schritt der Sequenzvergleichsanalyse zur Verf gung Als agglomerativ hierarchische Methode fasst das Ward Verfahren Schritt f r Schritt einzelne Wege Aktivit tenmuster s bzw Klassen S nach dem Zielkriterium der Minimierung eines Verschiedenheitsindizes hier der Fehlergquadratsumme AQS zusammen u a Bacher 1994 Bortz 1999 Das benutzte Programm ClustanGraphics berechnet demzufolge Wege Aktivit tenmuster Typologien mit unterschiedlicher Clusterzahl I Das hei t Als Resultat sind f r jede Fusionsstufe die Zuordnungen der einzelnen Wege Aktivit tenmuster s mit s e S zu den Wege Aktivit ten muste
264. er Handlungen auf der Basis von Segmentzust nden Abbildung 6 1 Untersuchungsstrategie der Sensitivit tsanalyse 121 Abbildung 6 2 Alternativen zur Abbildung des Aktivit ten Verkehrs verhaltens als 122 Wege Aktivit tenmuster Abbildung 6 3 Vergleichsschema der Sensitivit tsanalyse 126 Abbildung 6 4 Arbeitsschritte der Datenaufbereitung zur Erzeugung von Wege 129 Aktivit tenmustern in Intervallreihenschreibweise Abbildung 7 1 Dendrogramm der Clusteranalyse in qualitativer Darstellungsform ber 144 die letzten Fusionsstufen Abbildung 7 2 Ausschnitt aus dem Struktogramm der Clusteranalyse 144 Abbildung 7 3 Zeitverwendung nach Clustern ber die Woche 149 Abbildung 7 4 clusterspezifische Abweichungen der Zeitverwendung f r Aktivit ten 150 und Ortsver nderungen Cluster S4 und S7 Abbildung 7 5 clusterspezifische Abweichungen der Zeitverwendung f r Aktivit ten 150 und Ortsver nderungen Cluster S2 S3 S4 Ss und Se Abbildung 7 6 Zeitverwendung nach Clustern je Tag im Wochenverlauf 153 Abbildung 7 7 Wege Aktivit tsprofil S4 disponible T tigkeiten 154 Abbildung 7 8 Wege Aktivit tsprofil S2 Mehrarbeit 154 Abbildung 7 9 Wege Aktivit tsprofil S Normalarbeit 155 Abbildung 7 10 Wege Aktivit tsprofil S4 Teilzeitarbeit 155 Abbildung 7 11 Wege Aktivit tsprofil S sporadische Arbeit 156 Abbildung 7 12 Wege Aktivit tsprofil Se flexible Nacht Schicht und 156 Wochenendarbei
265. er Personenkategorien Gleichverteilung der aktivit ten und ortsver nderungsbezogener Zust nde z vgl Huinink et al 1998 Die Bedeutung der beschriebenen Prozesse belegt beispielsweise der Vergleich empirischer Ergebnisse zur allt glichen Zeitverwendung mit einem Abstand von ungef hr zwei Dekaden von L dtke 1995 Sichtbar wird beispielsweise auf der Betrachtungsebene von Tagesabl ufen unter anderem erstens eine Zunahme der Flexibilit t der Abfolgen unterschiedlicher T tigkeiten A zweitens eine Verringerung der Unterschiede in der Zeitnutzung zwischen unterschiedlichen Personenkategorien Samstagsmuster der M nner gleicht Sonntagsmuster der Frauen und drittens ein Anstieg der Abweichungen in Bezug auf die Zeitverwendung innerhalb von Personenkategorien im Tag zu Tag Vergleich 1 Begriffe die im Glossar vgl Anhang A erl utert werden sind im Text bei erstmaligem Vorkommen durch eine gr ere Laufweite der Buchstaben gekennzeichnet Die Notation ist in Anhang B beschrieben OBBBHEHE EINLEITUNG 1 Des Weiteren zeigen viertens die empirischen Ergebnisse von Tacken et al 2003 zur Relevanz interpersoneller Verhaltensunterschiede innerhalb von Personenkategorien beispielhaft Wege Aktivit tenmuster s lterer Menschen divergieren je nach Gesundheitszustand Lage des Wohnstandortes usw sehr stark Daraus l sst sich folgern dass zum Beispiel deren bislang bliche verhaltensorientierte Segmentierung in
266. er T tigkeiten S 95 102 Leske und Budrich Opladen D rnemann M 2000 Mico simulation of travel behaviour and urban transportation in Conference Proceedings 9 International Association for Travel Behaviour Research IATBR Conference Gold Coast Queensland Australien 2 7 July 2000 Eberling M 2002 Wer macht die Zeit Gesellschaftliche Zeitstrukturen im Wandel in Henckel D Eberling M Hrsg Raumzeitpolitik S 189 207 Leske und Budrich Opladen Ehling J 2001 Zeitverwendung 2001 2002 Konzeption und Ablauf der amtlichen Statistik in Ehling M Merz J u a Hrsg Zeitbudget in Deutschland Erfahrungsberichte der Wissenschaft S 214 239 Band 17 der Schriftenreihe Spektrum Bundesstatistik Statistisches Bundesamt Wiesbaden Engel U 1998 Einf hrung in die Mehrebenenanalyse Grundlagen Auswertungsverfahren und praktische Beispiele WV studium Band 182 Westdeutscher Verlag Opladen Wiesbaden EEHEHE iteraturverzeichnis 213 Erke H Erke A 2000 Mobilit t als psychologische Schl sselvariable im Mobilit tsplanungssystem MOBIPLAN in Dollase R Erke H G rling T Hrsg Expertisen ber das Projekt Mobiplan S 17 84 Arbeitspapier Forschung F8 Institut f r Stadtbauwesen RWTH Aachen Erzberger C Prein G 1997 Optimal Matching Technik Ein Analyseverfahren zur Vergleich barkeit und Ordnung individueller Lebensverl ufe in ZUMA Nachrichten 40 S 52 80 Esse
267. er Variationen getroffen werden vgl Abbildung 6 3 Ausgangspunkt des Vergleichsschemata ist ein definierter Referenzfall mit folgenden Charakteristiken Erstens bestehen die Zustandsr ume Z a und Z w aus je einem Merkmalswerteraum des Aktivit tstyps Z a bzw der Fortbewegungsart Z w die wiederum jeweils f nf Merkmalswerte a bzw w enthalten Zweitens umfassen die diskreten Zeitabschnitte At der Sequenz s in Intervall reihenschreibweise 5 Minuten Drittens weisen die Aufwandswerte C eine zustandsabh ngige Ausrichtung nach dem Priorit tenkonzept auf FIRE EEE E VA O FRE un nr A En TE A En en A ne ee ne en ae en ee nen ne ee a Variation der Zustands Variation der Zeit Variation der Aufwandswerte der I Ir ume Z y tintervalll nge At Transformationsoperationen C i I l I I I i N i 1 bergeordnete untergeordnete Variation I N I I Variation Def zustandsunabh ngiger i I i l i l Aufwandswerte i l I T M 2 l z9 z amuz a Seren seen l I l I unterschreitet tendenziell I 1 I I 1 l I c z konst A Aufwand der Kombination i I i I i L schen Einf gen i z 2emuzem i i Caga ea I I l l Cing Z konst I L nal Aufwand Substitution l l I I bertrifft tendenziell 1 Z y lt Za w x Z a P l 1 1 C n z 2 konst Aufwand der Kombi
268. er interpersonellen Komponente u a Pas 1987 Die intrapersonelle Variation l sst sich folgenderma en zerlegen Au er der systematischen intrapersonellen Variabilit t die sich in inhaltlich deutbaren charakteristischen Abfolgen Regelm igkeiten usw aufgrund horizontaler Inter dependenzen zwischen aktivit ten bzw ortsver nderungsbezogenen Handlungen Y u ern bestimmen Zuf lligkeiten im Zeitverlauf individuelle Schwankungen im Aktivit ten Verkehrs verhalten Ohne genaue Kenntnis der Handlungssituation der agierenden Person entzieht sich die zuf llige intrapersonelle Variabilit t einer inhaltlichen Erkl rung Nur durch Ausdehnung des Analysezeitraumes gelingt es Einfl sse zuf lliger nicht erkl rbarer Effekte auf das Verhalten infolge kurzfristiger Anpassungsreaktionen zu kontrollieren und die interne Dynamik des Verhaltens in Form der allt glichen Routinen systematische intrapersonelle Variabilit t zu erkennen Beispielsweise lassen sich so wochentagsspezifische Effekte aufzeigen u a Pas 1987 Kunert 1992 Lipps 2001 BOBBEE Grundlagen 2 a3 a4 Weiter ist die Lage des Makrozeitabschnittes zu beachten Denn nur durch die Einbeziehung s mtlicher Tagestypen Werktage Wochenendtage usw in die Analyse gelingt eine umfassende Betrachtung der Spezifika des Raum Zeit Verhaltens Detaillierung der Merkmale des Raum Zeit Verhaltens Abbildungstiefe Die Abbildungstiefe spiegelt sich im Genauigkeitsgrad der B
269. erkehr FE Nr 90361 92 Berlin Kluge S 1999 Empirisch begr ndete Typenbildung Zur Konstruktion von Typen und Typologien Leske und Budrich Opladen K hler U Z llner R Emig J Wermuth M 2001 Analyse der Anwendung von Verkehrs nachfragemodellen Forschung Stra enbau und Stra enverkehrstechnik Heft 804 Bundesministerium f r Verkehr Hrsg Bonn Bad Godesberg Kraan M 1996 Time to Travel A Model for the Allocation of Time and Money Ph D Thesis University of Twente Kr mer S 1992 Die Gro stadt als Wohnstandort Eine soziologische Analyse der Attraktivit t gro st dtischer Wohnstandorte f r unterschiedliche Bev lkerungsgruppen S Roderer Verlag Regensburg Kreitz M 2000 Raumbezogene Daten Erhebung und Verwendung in Verkehrsmodellen Arbeitspapier Forschung F6 Institut f r Stadtbauwesen RWTH Aachen Kreitz M J rgens C 2001 Modellierung der Wohnstandortwahl und der Aktivit tennachfrage Schriftenreihe Stadt Region Land 71 S 129 149 Institut f r Stadtbauwesen Hrsg RWTH Aachen Kreitz M 2002 CHASE GIS Ein computergest tztes Erhebungsverfahren raumbezogener Verkehrverhaltensdaten Berichte Stadt Region Land B 48 Institut f r Stadtbauwesen und Stadtverkehr RWTH Aachen 216 EEHEEHE iteraturverzeichnis K hnel S 1993 Zwischen Boykott und Kooperation Teilnahmeabsicht und Teilnahmeverhalten bei der Volksz hlung 1987 Empirische und methodolo
270. erkehrs verhaltens Datenbasis deutsches Mobilit tspanel analysiert Ergebnis der Klassifikation explorative Analysestufe ist eine auf den ersten Blick inhaltlich stichhaltige Wege Aktivit tenmuster Typologie charakteristischer Wochenabl ufe des Aktivit ten Verkehrs verhaltens Unterschiedliche Arten zeitlicher Umfang und zeitliche Lage der Haupt aktivit ten unterschiedliche Verkehrsverhaltensweisen sowie unterschiedliche clusterspezifische Tag zu Tag Rhythmen Gleichf rmigkeiten Schwankungen usw des Raum Zeit Verhaltens kennzeichnen die WVege Aktivit tenmuster Typen Die Abbildungs eigenschaften der Optimal Matching Technik zeichnen sich in den erstellten Clustern nur teilweise ab W hrend die Zustandselementkomposition augenscheinlich betrachtet passabel durch die Wege Aktivit tenmuster Typologie abgebildet wird bleibt ungewiss ob und inwieweit dies f r die Abfolge hnlichkeit gilt Aus dem induktiven Analyseschritt geht hervor Alter Geschlecht Verf gbarkeit einer PNV Zeitkarte F hrerscheinbesitz und mit herausragender Bedeutung der Erwerbsstatus signalisieren als ma gebende Erkl rungsgr en eine Trennwirkung berdies zeigt das Gesamtbild der ermittelten Wirkungsrichtungen und Effektst rken berzeugende Erkl rungszusammenh nge auf Damit ist ein Nachweis der Praktikabilit t des eigens konzipierten Multimethodenansatzes unter Verwendung der Optimal Matching Technik zur musterorientierten Analyse d
271. erkmale Haushaltsmerkmale Merkmale des Aktivit ten Verkehrs verhaltens ein die aus empirischem Datenmaterial z B KONTIV usw stammen Dem Monte Carlo Verfahren MCS obliegt die Ziehung gleichverteilter Zufallszahlen Von jener Zufallszahl h ngt ab welche Merkmals auspr gung k jeweils aus der vorliegenden kumulierten H ufigkeitsverteilung des Trennmerkmals k der Simulationseinheit der fiktiven Person zugewiesen wird Abbildung 8 3 stellt die geschachtelte Struktur des aus mehreren Stufen bestehen Modell ansatzes der Verkehrsentstehung dar der im Weiteren erl utert wird A Personensimulation Die Struktur der Bev lkerung eines Planungsraumes wird zun chst auf die Simulationsstichprobe transferiert Das hei t Von den ma gebenden Abgrenzungsvariablen k der Personen des Haushalts stimmen die diskreten H ufigkeitsverteilungen der Merkmals werte kj von Grundgesamtheit und Stichprobe berein Das Zuweisen eines Sets kj entsprechender Werte dieser Merkmale Personeneigenschaften usw zur fiktiven Person erfolgt mit Hilfe der Monte Carlo Simulation MCS auf Grundlage der empirischen Summen h ufigkeitsverteilungen B Wege Aktivit tenmuster Simulation Die zweistufige Wege Aktivit tenmuster Simulation zur Auswahl eines Wege Aktivit tenmuster Typs S aus der Typologie f r jede zu simulierende Person ist die wesentliche Neuerung des Modellansatzes Aufgegriffen wird hierzu der in der vorliegenden Arbeit konzipie
272. erkmale dieser Art sind in Sekund rstatistiken z B Daten der Volksz hlung enthalten 200 EHEHEHEH Fazit und Ausblick SCHLUSSFOLGERUNGEN Tabelle 8 1 Bewertung des eigenen musterorientierten Multimethodenansatzes Kriterien Stand Fortschritt Forschungs und Informations bedarf a Abbildungsbreite und tiefe des Raum Zeit Verhaltens Vielfalt der Merkmale des Raum Zeit Verhaltens B EEE L nge und Lage des Makrozeitabschnittes FA HEN Detaillierung Sequenzform MV HEBEN Detaillierung der Merkmale des Raum Zeit O HEBEN Verhaltens b Analyseebene musterorientierter Multimethodensansatz Objektivit t des Untersuchungsprozesses MV HEHE Angemessenheit des Kausalprinzips MV EEE c Analyseebene Sequenzvergleichsanalyse Umfang der Abbildungseigenschaften des FA HH Distanzma es Abfolge hnlichkeit usw Zustandsabst nde inhaltliche Ausrichtung des MV HH EHEHE Distanzma es d Einbeziehung potenzieller Erkl rungsgr en individuelle M glichkeiten und Eigenschaften EA individuelle Einstellungen Orientierungen Motive m Werthaltungen usw soziale Umwelt FA verkehrs infrastrukturell r umliche Umwelt E BE Legende v ber cksichtigt E teilweise nicht ber cksichtigt ber cksichtigt m gering BE mittel HEHE 30 8 2 Perspektiven f r weiterf hrende Forschungsarbeiten Um die N tzlichkeit der vorliegenden Arbeit f r die Verkehrsforschung sowie damit indirekt f r
273. erteilung der Gelegenheiten im Raum usw mit ihren spezifischen Funktionen Attraktivit ten usw Ebenso umfasst dieses Teilelement Verkehrs und Kommunikationssysteme spezifischer Eigenschaften zur Verbindung der Standorte um Austauschbeziehungen zwischen diesen durch Ortsver nderungen Telefongespr che usw zu erm glichen vgl Tabelle 2 2 u a Schmitz 2001 Tabelle 2 2 Einflussfelder und Indikatoren der verkehrs infrastrukturell r umlichen Umwelt Einflussfelder Indikatoren Gelegenheiten des Umfeldes Anzahl und Art von Gelegenheiten im Umfeld Attraktivit t der Gelegenheit Quantit t des Angebotes Qualit t des Angebotes Service Erreichbarkeit usw Zeitaufwand Reisezeit Fahrzeit Wartezeit usw Verkehrssystem Art der Verkehrsmittel Netze Kommunikationssystem Art der Kommunikationsmittel Netze Usw BHOBBEE Grundlagen 15 die institutionell kulturelle Umwelt Gesetze Regelungen und Normen definieren die institutionell kulturelle Umwelt durch formale und informelle Regeln Darunter fallen die Zeitregime wie gesetzliche Zeitordnungen Laden ffnungszeiten Schulzeiten usw oder auch die Zeitfixierung der Feste oder Feiertage im Jahresverlauf Des Weiteren z hlen Steuern Abgaben Geb hren usw zu dieser Kategorie Ebenso Bestandteil der institutionell kulturellen Umwelt sind organisatorisch wirkende Zugangsbeschr nkungen Regelungen ber das F hren von Fahrzeugen usw vgl Tabelle 2 3
274. es Raum Zeit Verhaltens erbracht ABSTRACT Social change is reflected in more and more complex individual travel activity behaviour which can be represented as travel activity patterns The analytical classification of travel activty pattern into groups and the description of the travel activty pattern types is an important issue to travel activty behaviour analysis for a long time A realistic measure between individual travel activity patterns is the basis for the analysis and the description of differences in travel activity behaviour In the centre of the multi method approach stands the practical application of the so called Optimal Matching Technique This approach is adapted tested and applied This method involves the element composition identical activities and trips in both travel activity patterns which are arranged in different positions and the element order the identical order of activities and trips in both travel activity patterns The multi method approach contains the following basic components Classification of the travel activity pattern Statistical analysis starts with the most important point the application of the Optimal Matching Technique This sequence alignment method quantifies dissimilarities between travel activity patterns in the form of distances While conventional distance measures for sequences compare only elements of the same position the Optimal Matching Technique extends the ability to measure
275. eschreibung des Raum Zeit Verhaltens wider Die Zusammenfassung der Werte y der Merkmale y des Aktivit ten Verkehrs verhaltens zu gr beren Einheiten wirkt sich auf den Erkl rungsgehalt aus da der Zustandsraum Z y kleiner wird Detaillierung der Sequenzform der Wege Aktivit tenmuster Abbildungstiefe Bei Ereignis und Dauerreihen handelt es sich um _ informationsreduzierte Sequenzformen die wesentliche Beschreibungsgr en der zeitlichen Facette von Wege Aktivit tenmustern s ignorieren Im Vergleich der beiden genannten Darstellungsweisen schneiden Dauerreihen besser ab da hier die Dauer yP der Handlungen Y abgebildet werden vgl Abschnitt 2 2 2 Abbildung 2 4 Den h chsten Informationsgehalt weisen Ereignisdauerreihen auf weil sowohl die zeitliche Lage a als auch die Dauer y Darstellung einflie en Sind die Zeitintervalle At gen gend klein so reicht die Abbildungsg te der Intervallreihe an diejenige der Ereignisdauerreihe heran Dau in die b Untersuchungsstrategie Analyseebene musterorientierter Multimethodenansatz Ein weiteres Kriterium setzt bei der Untersuchungsstrategie also der Verkn pfung und Auswahl statistischer Verfahren an b 1 b 2 50 Objektivit t Wird die Bildung und Erkl rung einer Wege Aktivit tenmustertypologie durch den Untersuchungsprozess selbst determiniert dann liegt ein objektives Vorgehen vor was grunds tzlich anzustreben ist Beeinflussen hingegen Ermess
276. etc dann wird kein Weg zur Aktivit t eingetragen Die Abfahrtszeit ist die Startzeit der Aktivit t und die Ankunftszeit am Zielort ist die Endzeit der Aktivit t Zeitkonflikte Timing Conflict Wenn zwei zeitlich berlappende Aktivit ten in den Terminplaner eingetragen werden tritt ein Zeitkonflikt auf Als L sungsm glichkeiten bieten sich an entweder die Zeiten der Aktivit ten anzupassen oder die berschneidung zu akzeptieren falls Aktivit ten parallel ausge bt werden Essen und Radio h ren Entfernung Weg Ortsver nderung Etappe 1 Etappe 2 Etappe 3 Bus Hauptverkehrsmittel zuFu zu Fu Verkehrsmittel Abb 15 Bestimmung des ma gebenden Modus Hauptverkehrsmittel Realit t Aktivit t 1 Ort 1 Aktivit t 1 Aktivit t 2 Ort2 Aktivit t 2 Ort 2x Zelle 5 Abb 16 Verlagerung des Aktivit tsortes Timing Conflict Zeit berschneidung The activity you just scheduled aktuell bearbeitete Aktivit t mit Montag from 06 15PM to 06 55PM Overlaps with the following activity Zeitliche berschneidung mit folgender Aktiv it t ssen Auf die Hand mit ndere Personen from 06 45PM to 07 00PM Wie wollen Sie dies l sen Modify the timing of the first activity above Andern der Zeit der 1 Aktivit t Modify the timing of the second activity above ndern
277. eten MOP Theoretische Grundlage bilden die Ausf hrungen ber die Logik der Situation in Abschnitt 4 3 c die im Sinne eines Hypothesenger stes darlegen welche externen und internen Einfl sse in Form von Merkmalen k bzw Merkmalswerten k auf das individuelle Aktivit ten Verkehrs verhalten existieren Im Vorgriff auf die induktive Datenanalyse ist die Reduktion der Anzahl der Merkmalswerte k bei einigen der Variablen k infolge der geringen Zahl von Stichprobenf llen in der vorliegenden Untersuchung notwendig Inhaltliche Erw gungen bestimmen dabei welche Auspr gungen kj durch Zusammenfassen zu gr beren Kategorien verdichtet werden vgl Anhang H I Aus einer Vielzahl im MOP vorhandener bzw daraus abgeleiteter Pr diktoren k die m glicherweise Erkl rungskraft im Hinblick auf die Zuordnung von Personen zu den Wege Aktivit tenmuster Typen S zeigen ist eine inhaltlich ad quate Vorauswahl aus dem Datenfundus zu treffen Hierf r wird folgende Strategie verfolgt Erstens orientiert sich die Vorab Festlegung infrage kommender Erkl rungsgr en k an thematisch verwandten Forschungsbeitr gen u a Pas 1980 Recker et al 1980 Schmiedel 1984 obwohl sich jene Untersuchungen ausschlie lich auf einen Werktag beziehen und nicht wie in der Analyse der vorliegenden Arbeit die ganze Woche im Betrachtungsfokus haben vgl Abschnitt 3 3 2 Es sollen soweit m glich zumindest diejenigen Erkl rungsgr en k der aufgef hrten
278. f ser G Haupt T 2002 Observing the rhythms of daily life A six week travel diary in Transportation 29 S 95 124 Bacher J 1996 Clusteranalyse anwendungsorientierte Einf hrung Oldenbourg Verlag M nchen Wien Backhaus K Erichson B Plinke W u a 2003 Multivariate Analysemethoden Springer Verlag Berlin Heidelberg New York u a 210 HEBBHEE iteraturverzeichnis Baer K Ernst G Nachreiner F Volger A 1985 Subjektiv bewertete Nutzbarkeit von Zeit als Hilfsmittel zur Bewertung von Schichtpl nen Zeitschrift f r Arbeitswissenschaft 39 3 S 169 173 Baltes G tz B 2001 Segmentierung und Klassifikation mit Answer Tree 2 1 Universit tsrechenzentrum Trier http www uni trier de urt urtnome shtml 01 2004 Bandilla W Hauptmanns P 1998 Internetbasierte Umfragen als Datenerhebungstechnik f r die Empirische Sozialforschung in ZUMA Nachrichten 43 S 36 54 Bakeman R Quera V 1995 Analyzing interaction Sequential analysis with SDIS amp GSEQ Cambridge University Press Cambridge Bargemann A Timmermans H J P Joh C H 2002 Vacation Behaviour Using a Sequence Alignment Method in Annals of Tourism Research 29 2 S 320 337 Beck P 1996 Pers nliche Projekte eine empirische Ann herung an komplexes Handeln Asanger Heidelberg Becker H J 1981 Die Anwendung der Clusteranalyse in der Verkehrsplanung in Beitr ge zur Verkehrswissenschaft
279. fekten der Merkmalswerte kj bedeutsamer Erkl rungsgr en k auf solit re Merkmale des Raum Zeit Verhaltens y Verkehrsmittelwahlverhalten Distanzverhalten usw herauszuarbeiten b Untersuchungsstrategie F llt die Wahl auf die musterorientierte Darstellungsweise kann gefolgert werden Eine Kombination strukturen erkennender und strukturen pr fender Verfahren ist von Vorteil Nur dieses Vorgehen erlaubt einen Erkl rungszusammenhang zwischen Wege Aktivit tenmuster Typen S und den Merkmalswertesets k m glicher Pr diktoren k der Person des Haushaltes usw zu konstruieren Bleibt die ganzheitliche Analyse von Wege Aktivit tenmustern s auf explorative Verfahren beschr nkt so l sst sich dies auf folgende Gr nde zur ckf hren Entweder fehlt die entsprechende Aufdeckung von Ursache Folge Beziehungen v llig oder diese ist bereits implizit per Definition einer a priori Personentypologie in den Untersuchungsprozess eingeflossen ohne dann entsprechende Zusammenh nge im Verlauf der Analyse nachzuweisen Unter der Voraussetzung einer kenngr enorientierten Ausrichtung der Analyse des Raum Zeit Verhaltens reicht die Anwendung strukturen pr fender Verfahren aus Hier ist die Komplexit t des Aktivit ten Verkehrs verhaltens bereits so weit reduziert dass eine explorative Datenanalyse unn tig ist c Analyseprinzip der statistischen Methoden Gegen ber Untersuchungsans tzen die den Prinzipien der Segmentierung bzw Repr senta
280. fernung M Wegekette Mvi Legende VI erl utert nicht erl utert Unterschiede zwischen den Wege Aktivit tenmuster Typen S werden erkannt indem deren Be schreibungsgr en in Relation zur gesamten Typologie das hei t zu allen F llen Menge S aller Sequenzen s gesetzt werden Zur Veranschaulichung der clusterspezifischen Abweichungen dienen Diagramme in der Darstellungsform eines Spinnenetzes vgl Anhang G Abbildung G 1 bis G 7 7 4 3 4 Wege Aktivit tsprofile auf verschiedenen Zeitebenen a Zeitebene Woche Zeitverwendung f r T tigkeiten und Ortsver nderungen Zeitverwendung f r T tigkeiten Anhand fehlender oder vorhandener Zeitbudgets f r die Pflichtaktivit ten Arbeiten dienstlich auf der einen Seite und Ausbildung auf der anderen Seite l sst sich vorweg eine grobe Abgrenzung der Cluster S in drei Grobkategorien vornehmen Je nach Wege Aktivit tenmuster Typ S zeichnet sich die Wirksamkeit unterschiedlicher gesellschaftlich institutioneller Zeitordnungen ab vgl Anhang G Tabelle G I Cluster S4 disponible T tigkeiten Bei Cluster S erreichen obligatorische Aktivit ten u erst geringe Zeitanteile Es ist diejenige Partition mit der am Abstand gr ten h uslichen Zeitbindung und im Gegenzug mit dem geringsten zeitlichen Umfang f r Au er Haus Aktivit ten sowie der niedrigsten Unterwegszeit Wird das Haus verlassen so handelt es sich fast ausschlie lich um Freizeitaktivit ten oder Einkaufs
281. fferenzbildung vorzunehmen vgl Tabelle 4 1 Bei der Betrachtung von Zustandswechseln er brigt sich dies Tabelle 4 1 Varianten zur Bestimmung des Zustandsabstandes bzw des operationsspezifischen Zustandsabstandes Betrachtungseinheit der Messung Zust nde z Zustands berg nge Z lt gt ze relevante beteiligte Zust nde z beteiligte Zust nde z Einflussgr en Art der Aktion Skalenniveau quantitativ A z 2 Iz l A z Iz l der Merkmale reele Zahlen A Z 8 Iz l z Ze IR A z I l qualitativ z gt f z gt f z gt f z Z A z If z Z l Skala A z If z f Z l 2 8 gt f z 9 A z 2 If z O l tz zo IR 8 2 gt f Z A Z Z f l Um neben den Zust nden z Z auch die Art der Transformationsaktion bei der Abstandsermittlung A Z 2 zu ber cksichtigen werden die unterschiedlichen Zustands berg nge Ersetzen z 2 L schen z und Einf gen Z zur Betrachtungseinheit der Messung vgl Abbildung 4 5 Damit letztendlich die erforderlichen Distanzen A z Z bzw A Z 2 vorliegen sind immer die Absolutwerte zugrunde zu legen wie aus Tabelle 4 1 hervorgeht S Die alternative gleichwertige Schreibweise lautet A y y A y bzw A y 68 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Operation Hinzuf gen L schen E
282. figkeit ihres Auftretens Ca 80 aller Operationen betreffen das Hinzuf gen von Aktivit ten A bzw Wegen W lediglich in etwa 17 der F lle werden Modifikationen durchgef hrt und nur ungef hr 4 der Eintr ge werden gel scht Vor diesem Hintergrund folgt die formulierte Hypothese I Dem Verwerfen von Handlungen Y wird der h chste und dem Erg nzen der niedrigste HEHRLDIEE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Stellenwert P over einger umt Dazwischen liegt die Bedeutung P over der Operation Ver ndern Zweitens zeichnen sich als Ergebnisse aus Doherty et al 2000 folgende Zusammenh nge zum Zeitpunkt der Planung im Wochenverlauf als weiteres Kriterium ab Das Hinzuf gen von Handlungen Y konzentriert auf den Beginn der Woche f llt dann stark ab und steigt zum Wochenende wieder leicht an Teilweise relativiert sich dieser Sachverhalt durch die Art und Weise der Erhebungsdurchf hrung bei CHASE Befragungen vgl Abschnitt 5 4 2 und Anhang D I Typische Routinehandlungen werden zu Beginn der Untersuchung erfasst Im Wochenverlauf kommen mit relativer Konstanz der Nennungen auch das Verwerfen und Modifizieren von T tigkeiten A bzw Ortsver nderungen W hinzu Das l sst folgenden Schluss zu Der zun chst nur grob strukturierte Terminplan wird immer weiter verfeinert Unter Zugrundelegung der vorher aufgef hrten Annahme Il sprechen die empirischen Ergebnisse zum Z
283. finition der Zustandselemente getrennt Aktivit ts Weg Zustands Zustandselemente elemente Z w Z wV Z a Z a mit z 4 ZW ZW Z w mit z3 Z3 2 e Z a Re definition der Zustandselemente gemeinsam wa wa wa zwa wa ywa 27 2 20 2 Zs 27 Weg Aktivit ts Zustandselemente Z wa Z w YP x Z wV mit zwa zwa zwa zwa zwa zwa Z wa Abbildung 6 4 Arbeitsschritte der Datenaufbereitung zur Erzeugung von Wege Aktivit tenmustern in Intervallreihenschreibweise 6 2 5 Lineare Korrelationsanalyse Nachdem f r die einzelnen Berechnungsf lle f bzw f der Variation jeweils Distanzmatrizen D bzw D f r die Abst nde Dbio S s cs Zwischen Wege Aktivit tenmustern s auf identischer Datengrundlage des MOP berechnet sind wird die lineare Korrelationsanalyse angewandt vgl Abbildung 6 1 Diese Methode berpr ft inwieweit bei der Gegen berstellung der Sequenzabst nde D S 8 s s s Zweier Berechnungsf lle fi bzw f ein linearer Zusammenhang HEREOME Anwendungsvoraussetzungen Optimal Matching Technik 129 besteht Die Wahl der statistischen Analysemethode f llt auf die Produkt Moment Korrelation da die berechneten Distanzma e D S 8 ss s metrisch skaliert sind vgl u a Bortz 1999 Auf der Basis berechneter Korrelationskoeffizienten r f r die unterschiedlichen Variationen folgt als n chster Schritt die Interpreta
284. ge Aktivit tenmuster Typ S Kenngr en des Aktivit ten Verkehrs verhaltens y und Erkl rungs gr en k z B Merkmale der Person des Haushaltes usw Liegt ein signifikanter Zusammenhang vor so k nnen bei einigen Verfahren Wirkungsrichtung und Effektst rke der Merkmalswerte k der Pr diktoren k auf die abh ngige Variable y bestimmt werden Des Weiteren erlauben manche statistische Verfahren die Einbeziehung von Wechselwirkungen zwischen den abh ngigen Variablen Zu den strukturen pr fenden Analyseverfahren z hlen die Kreuztabellenanalyse die Varianzanalyse die Regressionsanalyse die Logit Analyse die Diskriminanzanalyse usw Welches dieser Verfahren jeweils ad quat ist h ngt in erster Linie vom Skalenniveau der zu analysierenden abh ngigen und unabh ngigen Variablen aber auch den zu untersuchenden Fragestellungen ab vgl Tabelle 3 1 Backhaus et al 2003 Tabelle 3 1 Anwendunggsfelder strukturen pr fender Verfahren Backhaus et al 2003 unabh ngige Variable metrisches Skalenniveau nominales Skalenniveau abh ngige metrisches Regressionsanalyse Varianzanalyse Variable Skalenniveau nominales Diskriminanzanalyse Logit Analyse Skalenniveau Logit Analyse Kreuztabellenanalyse 3 2 2 Beschreibung der Untersuchungsans tze Anhand der erl uterten Einordnungskategorien werden in Tabelle 3 2 sowohl Forschungsbeitr ge aus dem deutschsprachigen Raum als auch wegweisende internationale Arbeiten zur in
285. gen zum Personenverkehr Tabelle 5 9 H ufigkeitsverteilung und arithmetisches Mittel der subjektiven Bewertung 110 von realisierten Handlungen und Zeitplanungsvorg ngen Tabelle 5 10 Segmente nach der Art des Zeitplanungsvorgangs Aktivit ten 112 Tabelle 5 11 Segmente nach der Art des Zeitplanungsvorgangs Ortsver nderungen 112 Tabelle 5 12 Segmente nach der Art des Zeitplanungsvorgangs Weg Aktivit ts 112 Folgen Tabelle 5 13 Segmentzust nde des Merkmals Aktivit tstyp 113 Tabelle 5 14 Segmentzust nde des Merkmals Fortbewegungsart 114 Tabelle 5 15 Segmentzust nde der Merkmale Aktivit tstyp und Verkehrsmitteltyp 115 Tabelle 5 16 Segmentzust nde des Merkmals Aktivit tstyp 115 Tabelle 5 17 Segmentzust nde des Merkmals Verkehrsmittels 116 Tabelle 5 18 Segmentzustande der Merkmale Aktivit tstyp und Verkehrsmittel 117 Tabelle 6 1 Definition verschiedener Zustandsr ume durch Auspr gungen der 123 Merkmale Fortbewegungsart und Aktivit tstyp Tabelle 6 2 Festlegung von Variationsf llen durch Definition zustandsunabh ngiger 125 Aufwandswerte Tabelle 6 3 Bewertung des linearen Zusammenhangs auf der Grundlage des 130 Korrelationskoeffizienten r Tabelle 6 4 Korrelationskoeffizienten r f r die Variation der Zustandsr ume Z y 130 Tabelle 6 5 Korrelationskoeffizienten r f r die Variation des Zeitrasters At 132 Tabelle 6 6 Korrelationskoeffizienten r f r die Variation der Transformations 134 aufwandswerte C Tabe
286. gierungsniveaus beispielsweise Daten von Individuen und der Kontexte in denen diese leben Messen Zuordnung von Zahlen den Messwerten zu bestimmten Objekten anhand bestimmter Regeln wobei das Skalenniveau angibt wie man diese Zahlen interpretieren darf und damit auch welche Operationen mit den Zahlen sinnvoll sind Methodologie Teilgebiet der Wissenschaftstheorie das die Vorgehensweise bei wissenschaftlichen Untersuchungen analysiert Monte Carlo Methode MCS Erzeugung einer gt Stichprobe mit Hilfe von Zufallszahlen wobei die Simulationsstichprobe gegen ber einer Basisstichprobe eine gro e Anzahl an Objekten enth lt und die Verteilungen der zugrundeliegenden Zufallszahlen und die Sollverteilung der Auspr gungen der Basisstichprobe bereinstimmen Multi Dimensionale Skalierung MDS multivariates statistisches Verfahren gt strukturen pr fendes Verfahren Repr sentation das zur Darstellung von hnlichkeiten zwischen Objekten in einem mehrdimensionalen Raum dient wobei eine r umliche Darstellung der Objekte gesucht wird in der die Objektdistanzen bestm glich mit den aus den Paarvergleichen ableitbaren Objektun hnlichkeiten bereinstimmen Multinomiales Logit Modell MNL Modell multivariates statistisches Verfahren gt strukturen pr fendes Verfahren das als diskretes Wahlmodell mit mehreren Auswahlalternativen die Wahr scheinlichkeit der Zugeh rigkeit zu einer Kategorie der gt abh n
287. gigen Variablen in Abh ngigkeit der Merkmalswerte diskriminierender Erkl rungsgr en stochastisch nachbildet multivariate Analyse Verfahren zur statistischen Analyse von mindestens drei Merkmalen Variablen die in gt strukturen pr fende Verfahren und strukture erkennende Verfahren zu unterscheiden sind Nettostichprobe alle Personen einer gt Stichprobe die befragt werden konnten Nominalskala Skalenniveau dessen Messwerte ausschlie lich eine klassifikatorische namengebende Funktion haben Objekte mit gleichen Merkmalsaus pr gungen haben gleiche Zahlen und mit verschiedenen Merkmalsauspr gung erhalten verschiedene Zahlen wobei eine Nominalskala nur Aussagen ber Gleichheit von Objekten erlaubt A 4 EHEHEH Anhang A Glossar Normalarbeitszeit Vollzeitbesch ftigung mit einer w chentlichen Arbeitszeit zwischen 35 und 40 Stunden die sich auf 5 Tage verteilt in der Lage nicht variiert und montags bis freitags tags ber ausge bt wird Objektivit t Kriterium daf r dass eine Unabh ngigkeit von der handelnden Person vorliegt Operationalisierung Angabe einer Anweisung wie Sachverhalte die der Begriff bezeichnet gemessen werden k nnen Optimal Matching Technik Sequenzvergleichsverfahren auf der Basis des gt Levensthein Algorithmus Orientierung Umwandlung einer objektiven gt Situation wird in eine subjektive gt Situation indem die Handlung
288. gische Beitr ge zur Sozial wissenschaft 11 Lang Frankfurt am Main Kruskal J B 1983 An Overview of Sequence Comparison in Sankoff D Kruskal J B Hrsg Time Warps String Edits and Macromolecules The Theory and Practice of Sequence Comparison S 1 44 Addison Wesley London Kulkarni A McNally M G 2000 An Activity Based Travel Pattern Generation Model Arbeitspapier Institute of Transportation Studies University of California Irvine Kunert U 1992 Individuelles Verkehrsverhalten im Wochenverlauf Beitr ge zur Strukturforschung Heft 130 Dunker und Humboldt Berlin Kutter E 1972 Demographische Determinanten des st dtischen Personenverkehrs Heft 9 Institut f r Stadtbauwesen TU Braunschweig Kutter E 2001 R umliches Verhalten Verkehrsverhalten in Schriftenreihe Stadt Region Land 71 S 33 46 Institut f r Stadtbauwesen Hrsg RWTH Aachen Kutter E 2003 Modellierung f r die Verkehrsplanung Theoretische empirische und planungspraktische Rahmenbedingungen ECTL Working Paper 21 Arbeitsbereich Verkehrssysteme und Logistik Technische Universit t Hamburg Harburg Lange H 2001 Zur Herausforderung verschiedene Typen unter einen Hut zu bringen Sozialwissenschaftliche Typenbildung als umweltpolitisches Problem in de Haan G Lantermann E D Linneweber V Reusswig F Hrsg Typenbildung in der sozialwissenschaftlichen Umweltforschung S 39 55 Leske und Budri
289. gl Abb 2 Im Verlauf der Erhebungswoche ist es erforderlich den Terminplaner t glich mindestens einmal zu aktualisieren Logn 2 bis 8 Durchgef hrte und geplante Aktivit ten werden hinzugef gt ver ndert und gel scht Am Ende der Erhebung 2 Woche montags Login 9 enth lt der Terminplaner nur noch durchgef hrte Aktivit ten Wege Insgesamt sind somit mindestens 9 Logins in CHASE notwendig So Mo Di Mi Do Fr Sa So Mo O gt gt gt 4 i i durchgef hrte Aktivit ten auege gt H i H Login Abb 1 Ablauf der Eintragungen ungeplante Zeiten 3 realisierte oder geplante Aktivit ten H Frei E Fass Vest Aktvitatsplaner TARD me Abb 2 Terminplaner von CHASE aktivit ten bzw wegebezogene Ent scheidungen Beschreibungsgr en von Aktivit ten bzw Wegen Welche Aktivit t Aktivit tstyp wird wann Zeitpunkt wie lange Aktivit tsdauer wo Aktivit tsort mit wem Teilnehmer realisiert und mit welchem Verkehrsmittel mit wem Begleiter in welcher Zeit erreicht geplante Aktivit t Ortsver nderung Wenn einer Person bewusst ist dass sie eine Aktivit t innerhalb der Befragungswoche durchf hren will handelt es
290. gleich aller Sequenzen s mit s e S untereinander lassen sich in einer quadratischen symmetrischen Distanzmatrix D zusammenfassen deren Hauptdiagonale nur Nullen enth lt Die Proximit tsmatrx D ist Ausgangspunkt f r den n chsten Analyseschritt den clusteranalytischen Fusionsprozess 4 4 3 Definition der Transformationsaufwandswerte Zun chst verlangt das Verfahren der Optimal Matching Technik eine externe Vorab Festlegung von Transformationsaufwandswerten Ca Das hei t Jedem potenziellen operationsspezifischen Zustandswechsel wird ein Gewicht C zugeordnet das entweder eine Konstante oder das Ergebnis eines funktionalen Zusammenhangs sein kann Wird jeder Operation im einfachsten Fall der Aufwandswert Ca 1 zugewiesen dann ergibt sich der Distanzindex D s 5 zweier Sequenzen aus der minimalen Anzahl M erforderlicher Transformationsoperationen m Zur Herstellung der Gleichheit Sind auch andere Gewichtsparameter C 1 zugelassen dann besteht die M glichkeit je nach Aktionstyp Abst nde A z 2 bei Wechseln zwischen Zust nden z bzw Z oder Distanzen A bzw A 2 8 zwischen leeren Zust nden amp Z y und Zust nden z ber EHEHEHE Multimethodenansatz 67 entsprechende Ma e zu ber cksichtigen Die ermittelten Distanzen A z 2 0 repr sentieren dann per Analogieschluss die Aufwandswerte C Zu den Einflussfaktoren auf den Betrag des Distanzindizes A z Z w0 z hlen demzufolge die Charakteristika
291. gnifikanten Vergleichs konstellationen zu S4 zu Ss hervorgeht Zu erg nzen ist jene dass sich gegen ber Wege Aktivit tenmuster Typ S7 f r Teilzeitbesch ftigte die Chance versus Personen in Ausbildung um das 513 fache und Hausfrauen HAR um das 40 0 fache erh ht und f r Vollberufst tige die Chance versus Personen in Ausbildung um das 141 8 fache und Hausfrauen HAR um das 11 fache steigt F r Personen die eine Ausbildung absolvieren zeichnet sich eine sehr hohe Realisierungsquote von Wege Aktivit tenmuster Typ Sy ab da in allen potenziellen Auswahlsituationen jener mit hoher Wahrscheinlichkeit gegen ber den weiteren Berufst tigkeitskategorien favorisiert wird Diese eindeutige Affinit t belegen viele bereits genannte signifikante Zusammenh nge 7 5 4 Einordnung der identifizierten Determinanten der Wege Aktivit tenmuster Typologie in den wissenschaftlichen Kontext Ausgehend von den identifizierten Pr diktoren k vgl Tabelle 7 5 der durchgef hrten empirischen Analyse zur Erkl rung von Zusammenhangsstrukturen l sst sich trotz eines unterschiedlichen Betrachtungszeitabschnittes statt eines Werktages nun die ganze Woche eine weitgehende bereinstimmung mit denjenigen Befunden einschl giger musterorientierter Publikationen konstatieren vgl Tabelle 3 4 Folgende Unterschiede bzw Gemeinsamkeiten im Vergleich zu den zitierten Studien sind erkennbar 182 Weiterhin dominieren die personenbezogen
292. h ngig von der Einteilung des Makrozeitabschnittes das Merkmal Berufst tigkeit durchweg Trennwirkung auf hochsignifikantem Niveau signalisiert dass Gleiches etwas abgeschw cht f r die Variablen Alter und Geschlecht bei nahezu allen Untersuchungszeitr umen gilt dass von verkehrsrelevanten Ausstattungsvariablen Besitz PNV Zeitkarte Pkw Verf gbarkeit usw eher an Werktagen signifikante bis hochsignifikante Einfl sse ausgehen und dass die Erkl rungsgr e Haushaltstyp nur eine schwach signifikante Wirkung f r den Zeitblock Werktage indiziert w hrend die Variable Raumtyp einen schwach signifikanten Effekt lediglich am Wochenende zeigt Das hei t Ein wesentlicher Bruch in Bezug auf die Erkl rbarkeit der Variabilit t des Aktivit ten Verkehrs verhaltens zwischen den unterschiedlichen Zeitbl cken insbesondere der Werktage und der Wochenendtage tritt nicht auf In erster Linie abh ngig davon ob eine Person berufst tig in Ausbildung ist oder zu den Nichterwerbspersonen der Hausfrauen Rentner usw z hlt existieren unterschiedliche Affinit ten zu Clustern S sowohl an Werktagen als auch am Wochenende Dies l sst schlie en dass bei den Erwerbst tigen das werkt gliche Berufsleben bis ins Wochenende hineinwirkt da vermutlich einerseits an den Wochenendtagen angesichts 184 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS knapper freier Zeitressourcen unter der Woche Einkaufs
293. h nachweisen lassen sich hier quantitative Effekte der Merkmalswerte a darstellbar als Rangfolge Es zeigt sich Aktivit ten A die durch obligatorische Aktivit tskategorien Ausbildung Arbeiten dienstlich charakterisiert sind erreichen hohe Stellenwerte Poven si a Mit betr chtlichem Abstand auf merklich niedrigerem Niveau der Priorit t Pover sila ordnen sich die disponiblen T tigkeiten A an Das Analyseergebnis stimmt in der Tendenz mit den qualitativen Erkenntnissen der Literaturanalyse vgl Abschnitt 5 3 1 berein Tabelle 5 13 Segmentzust nde des Merkmals Aktivit tstyp Rang Baum Segmentzust nde Anzahl Priorit t Poven sila p Wert Bewertung Stufe s a der F lle Mittelwert Standard Signifikanz Nges 936 abweichung 0 Aktivit t 536 0 97 1 09 1 1 Ausbildung 29 1 35 0 86 0 024 2 1 Arbeiten dienstlich 81 1 24 0 96 0 024 3 1 Freizeit 104 0 96 1 03 0 024 4 1 zu Hause 215 0 90 1 13 0 024 5 1 Einkaufen Service 107 0 82 1 16 0 024 Betrachtungseinheit realisierte Ortsver nderungen Ausgehend von der Betrachtungseinheit Weg W ergibt der Separierungsprozess f r die zu berpr fende Trennvariable Fortbewegungsart w die in Tabelle 5 14 dargestellte Rangfolge der Segmente s w Das Merkmal Verkehrsmitteltyp w erweist sich dabei als hoch signifikant Fahrten mit ffentlichen Verkehrs
294. he und Personen in Ausbildung um das 11 3 fache Im Kontrast zu Wege Aktivit tenmuster Typ S5 ergeben sich folgende Faktoren einer bevorzugten Aus bung im Vergleich zu Vollberufst tigen um das 22 9 fache zu teilweise Berufst tigen um das 26 5 fache und zu Personen in Ausbildung um das 11 2 fache Bei der Gegen berstellung zu Wege Aktivit tenmuster Typen Ss im Vergleich zu Voll berufst tigen erh ht sich die Realisierungschance um den Faktor 98 9 und zu teilweise Berufst tigen um den Faktor 86 4 Gegen ber Wege Aktivit tenmuster Typ S ergibt sich eine h here Chance in den beiden Vergleichsf llen versus Vollberufst tigen Faktor 9 0 sowie versus Personen in Ausbildung Faktor 82 7 Eine sehr starke Affinit t zu Cluster S2 in s mtlichen Vergleichsf llen mit jenem ist bei Vollzeiterwerbst tigen gegen ber den anderen Kategorien des Erwerbsstatus erkennbar Erw hnenswerte signifikante Zusammenh nge die bislang noch nicht aufgef hrt sind einer durchweg h heren Realisierungschance bei Vollerwerbst tigkeit von Wege Aktivit tenmuster Typ S sind dass sich im Vergleich zu Cluster S gegen ber Teilzeitbesch ftigten Faktor 3 6 und Personen in Ausbildung Faktor 8 0 entsprechende Verh ltnisse abzeichnen dass versus Cluster S4 im Vergleich zu Teilzeitbesch ftigten Faktor 56 5 Personen in Ausbildung Faktor 17 4 und Hausfrauen HAR Faktor 13 3 eine merklich bessere Chance besteht dass im Vergleich
295. heinbesitz kein F hrerscheinbesitz 5 he o V Zeitkartenbesitz kein V Zeitkarten Fr besitz 5 Werktag Sa So 2 O u Tao Vera eo u flexible Nacht Schicht und Teilzeiterwerbst tige HAR Wochenendarbeit Vollzeiterwerbst tige Sch ler Studierende BB geringes Alter hohes Alter A Bye Mann Frau 2 p kein F hrerscheinbesitz 2 ES o F hrerscheinbesitz Z ven ern OL Do OV Zeitkartenbesitz ee Ausbildung Personen in Vollzeiterwerbst tige E Ausbildung Teilzeiterwerbst tige 2 ne HAR x ee Ya RE geringes Alter hohes Alter 2 Wenzel Oso kein F hrerscheinbesitz 2 ee F hrerscheinbesitz i 5 OV Zeitkartenbesitz kein OV Zeitkarten besitz EEHEEHE Fallbeispiel 189 190 EEHEHE Fallbeispiel SCHLUSSFOLGERUNGEN 8 SCHLUSSFOLGERUNGEN 8 1 Untersuchungsansatz Diskussion und Ausblick Im Vorgriff auf die Er rterung von Grenzen und M glichkeiten des konzipierten mehrstufigen Untersuchungsansatzes aus methodischer Sichtweise befasst sich der nachstehende Abschnitt zun chst mit inhaltlichen Ergebnissen dessen exemplarischer Anwendung auf Daten des MOP um die Leistungsf higkeit des erarbeiteten musterorientierten Multimethodenansatzes unter Einschluss der Optimal Matching Technik aufzuzeigen Daraus ableitbare Schl sse bilden eine Argumentationsbasis f r die im Vordergrund stehende Methodendiskussion 8 1 1 Inhaltliche Aspekte a Erste
296. herungsweise abzusch tzen vgl Abschnitt 4 4 3 F r die Ableitung intervallskalierter Abst nde der Wichtigkeit AP overlY VI von Aktivit ten bzw Ortsver nderungen Y und der Valenz APoovenl y yO von Zeitplanungs operationen Y gt Y bzw Yx gt stellt Abbildung 5 2 schematisch das Vorgehen dar Datengewinnung Datenbereitung BE UCTHETEINETS y Vorauswahl CHAID Analyse Trennmerkmale Merenn y1 x1 y1 x Ri Jc M Zeitplanungsvorg nge realisierte A Eu Aktivit ten und Wege Segmentbildung nach Priorit t Definition Merkmalswerte f r Trennmerkmale AP Z y1 1 y1 y1 Z y12 y124 y 122 a Abstandsermittlung Erfassung mit CHASE Bewertung der Priorit t Merkmalswertepaare unwichtig wichtig f r Trennmerkmale Are L0 ACEA sehr neutral sehr Z 8 y1 x2 2 y1 sub Z sub unwichti x a 2 y122 x AP s y 2 gt Chalz Cina Z Matrix der Transformations sub del ins aufwandswerte z Aktionstypen Abbildung 5 2 Untersuchungsstrategie der empirischen Ausrichtung der Optimal Matching Technik eigene Darstellung 5 4 2 Datengewinnung Randbedingungen der Datengewinnung Nach Richardson et al 1995 bestehen Wechselbeziehungen zwischen der Qualit t von Daten Methode Qualit tskontrolle der Quantit t von Daten Gr e der Stichprobe Zeitdauer
297. hnittdaten ber l ngere Zeitperioden vorhanden sind oder nicht 42 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE globale Systematik spezielle Systematik Abbildung des Abbildungsbreite und tiefe Raum Zeit musteronentiert Merkmalsvielfalt Verhaltens itli i ganzheitliche Abbildung Lage und L nge Makrozeitabschnitt des Raum Zeit Verhaltens auf der Basis von Wege S r Aktivit tenmustern SIUENZION Detaillierung Vorgehen Kausalprinzi Untersuchungs Strukturen BEINZIP Verfahren Hybrid Ansatz probabilistisch indirektes Vorgehen Ebene Multimethodenansatz strukturen pr fende Verfahren hnlichkeitsma inhaltliche Ausrichtung geometrische Distanz biologische Distanz Ebene Sequenzvergleichsverfahren Analyseprinzip der statistischen Methoden Segmentierung Clusteranalyse 1 Distanzbestimmung 2 Fusionierung Abbildung 3 3 Klassifikationsschema musterorientierter Untersuchungsans tze des Raum Zeit Verhaltens spezielle Systematik eigene Darstellung a3 Sequenzform der Wege Aktivit tenmuster Abbildungstiefe Bei den verschiedenen Darstellungsweisen der temporalen Struktur der Wege Aktivit tenmuster l sst sich zwischen Ereignisreihen Dauerreihen Ereignisdauerreihen und Intervallreihen unterscheiden vgl Abschnitt 2 2 2 Abbildung 2 4 Zu beachten ist dabei inwieweit und auf welche Art und Weise explizit als Beschreibungsgr e der Zust nde y
298. hrerer konkurrierender Zust nde z bzw Z im Zeitabschnitt At per Regel zu entscheiden welcher derjenigen relevant ist Die hierf r formulierte Regel besagt Der zum Endzeitpunkt eines Intervalls At vorhandene Zustand z wird dem gesamten Zeitraum At zugewiesen Das hei t Bei gro er Zeitintervalll nge At ist einerseits die Wahrscheinlichkeit gro dass Zust nde z geringer Zeitdauer yP berhaupt nicht dargestellt werden Andererseits besteht umgekehrt eine geringe Chance der Ausdehnung kurzer Zust nde z auf die gesamte Intervalll nge At was deren zeitlichen Umfang yP abweichend von der Realit t stark vergr ert 6 2 2 Variation der Transformationsaufwandswerte Eine wichtige Grundlage f r die Auseinandersetzung mit der Frage welche Gr e die Aufwandswerte C der Transformationsoperationen der Optimal Matching Technik einnehmen sollen bilden die im vorherigen Kapitel empirisch bestimmten zustandsabh ngigen Aufwandswerte 124 HERLDIEE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK C Diese tragen im Sinne zu einer inhaltlichen Ausrichtung des Sequenzvergleichsverfahrens am Aktivit ten Verkehrs verhalten bei Je nach durchgef hrter Aktion handelt es sich um Substitutionswerte C Z Z f r das Ersetzen oder Indelaufwandswerte Cina z f r das L schen oder Hinzuf gen F r die Definition beider Parameterarten existieren jeweils zwei grunds tzliche Alternat
299. hrerschein Vollzeiterwerbst tig 6 90 1 03 44 51 0 00 v 1 100 0 00 0 01 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 2 90 1 25 5 40 0 02 V 1 18 08 0 00 0 64 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 2 16 1 51 2 03 0 15 1 8 6337 0 01 2 25 DO Hausfrau mann arbeitslos Rentner in 0 1158 Vollzeiterwerbst tig 4 75 1 08 19 24 0 00 v 1 115 3362 0 00 0 07 Sch ler Studierende in Berufsausbildung 0 0087 Teilzeiterwerbst tig 0 74 1 31 0 32 0 57 1 2 0959 0 04 6 20 DO Sch ler Studierende in Berufsausbildung 0 4771 Hausfrau mann arbeitslos Rentner in 2 16 1 51 2 03 0 15 8 6337 0 44 167 62 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 4 01 0 75 28 26 0 00 v 1 55 0282 0 00 0 08 Teilzeiterwerbst tig 0 0182 Hausfrau mann arbeitslos Rentner in 2 90 1 25 5 40 0 02 v 18 0957 1 57 208 05 Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 74 1 31 0 32 0 57 2 0959 0 16 27 22 o Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 6 90 1 03 44 51 0 00 v 995 7736 131 03 7567 24 Vollzeiterwerbst tig Teilzeiterwerbst tig 4 01 0 75 28 26 0 00 v 55 0282 12 56 241 18 Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 4 75 1 08 19 24 0 00 v 115 3362 13 82 962 46 Vollzeiterwerbst tig Legende Bewertung Signifikanz des Logit Koeffizienten
300. hrsentstehung mit Hilfe von Regressionsans tzen zu erkl ren welche die Anzahl von Ortsver nderungen bzw Fahrten in Beziehung zu ermittelten Strukturgr en u a Anzahl der Einwohner Pkw Bestand usw einer Verkehrszelle setzen Raumaggregatmodelle gewinnt infolge der dabei fehlenden Ursache Wirkungs Zusammenh nge in einem fortw hrend an dauernden Entwicklungsprozess die verhaltenswissenschaftliche Ausrichtung der Verkehrs nachfrageermittlung immer st rker an Bedeutung Individuelles Raum Zeit Verhalten synonym auch Aktivit ten Verkehrs verhalten genannt wird unter Einbeziehung von Beweggr nden und Entscheidungsvorg ngen analysiert und darauf aufbauend modellhaft in Berechnungsalgorithmen umgesetzt u a McNally 2000 Widmer et al 2001 Kutter 2003 Stand der Anwendung in der Verkehrsplanungspraxis sind derzeit Verkehrsnachfragemodelle auf der Basis von Wegeketten z B ORIENT vgl Sparmann 1980 VISEM vgl Fellendorf et al 1997 usw Neue Planungs anforderungen bei der Generierung von Verkehrsbildern z B Wirkungsanalysen f r ordnungspolitische Ma nahmen die Einf hrung neuer Verkehrssysteme usw die ber Aufgabenstellungen wie beispielsweise das Aufzeigen rtlicher Verkehrsverlagerungseffekte des Kfz Verkehrs infolge Verkehrsnetz nderungen hinausgehen erfordern Modellans tze auf mikroskopischer Basis individuellen Wahlverhaltens Verk rzt dargestellt geht es zun chst um die Erkl rung und daraus abgeleitet um
301. htung der Optimal Matching Technik als ausreichend erachtet wird Allgemein g ltige auf andere Sachverhalte bertragbare Erkenntnisse lassen sich daraus aber nicht ableiten BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 101 Tabelle 5 4 Einsch tzung zur G te der Messungen Erfassung des Zeit O M I subjektive Be C M II subjektive Be planungsprozesses wertung realisierter wertung von Zeit Handlungen planungsvorg ngen Y Pover Y YoY Peoven y y Durchf hrungs und Auswertungsobjektivit t unbeeinflusster Erhebungs unbeeinflusster Erhebungs unbeeinflusster Erhebungs ablauf ohne Anwesenheit ablauf ohne Anwesenheit ablauf ohne Anwesenheit eines Interviewers eines Interviewers eines Interviewers a vollst ndige Vermeidung Vermeidung falschen Vermeidung falschen falschen Kodierens durch Kodierens durch sorgf ltige Kodierens durch sorgf ltige S direkte Erfassung Eingabe und berpr fung Eingabe und berpr fung O bertragbarkeit der Ergebnisse auf die Gesamtbev lkerung generelle Beschr nkung der Verzicht auf Zufallsauswahl Verzicht auf Zufallsauswahl Ansprechbarkeit auf verfahren f hrt zu Nicht verfahren f hrt zu Nicht Computernutzer mit ent Repr sentativit t Repr sentativit t sprechenden Kenntnissen und Fertigkeiten Verzicht auf Zufallsauswahl verfahren f hrt zu Nicht Repr sent
302. i CS Segmentzustand S y Segmentzustand sj y Yw v0 Vi Aal y n 0 Segmentzustand S yX realisierte Handlungen Y Zeitplanungsvorg nge Yo Abbildung 5 5 quantitative Hierarchie der Priorit t aktivit ten bzw ortsver nderungsbezogener Handlungen auf der Basis von Segmentzust nden 5 5 Fazit Ziel des vorausgegangenen Kapitels war es einen Ansatz aufzuzeigen wie erforderliche Vornahmen der Optimal Matching Technik die Transformationsaufwandswerte C inhaltlich am Untersuchungsobjekt dem Aktivit ten Verkehrs verhalten ausgerichtet werden k nnen Die Umsetzung des gew hlten Priorit tenkonzeptes stellt einen ersten Schritt in Richtung einer anwendungsbezogenen Fundierung der Optimal Matching Technik dar und darf lediglich als empirische Ann herung an die beschriebene Aufgabenstellung verstanden werden Trotz etwaiger Unzul nglichkeiten Ungenauigkeiten usw die mit den schwierigen Randbedingungen der durchgef hrten Erhebung zusammenh ngen ist es gelungen Priorit tsabst nde APsovert PZW AP over als operationsspezifische Abstandsma e A Z 2 0 f r berg nge zwischen zu Segmenten verdichteten qualitativen Zust nden s y im Sinne einer Absch tzung empirisch grob zu mig EEHCOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK quantifizieren Ber cksichtigt wird dabei auch die die Ar
303. ialgeographie eine Einf hrung Verlag Paul Haupt Bern Stuttgart Wien Wermuth M 1980 Struktur und Effekte von Faktoren der individuellen Aktivit tennachfrage als Determinanten des Personenverkehrs Verlag Bock und Herchen Bad Honnef Weymann A 2001 Interaktion Sozialstruktur und Gesellschaft in Joas H Hrsg Lehrbuch der Soziologie Campus Verlag Frankfurt New York Widmer P Axhausen K W 2001 Aktivit ten orientierte Personenverkehrsmodelle Vorstudie Eidgen ssisches Departement f r Umwelt Verkehr Energie und Kommunikation Bundesamt f r Strassen Forschungsauftrag Nr 46 99 auf Antrag der Vereinigung Schweizerischer Verkehrsingenieure SVI Arbeitsbericht Verkehrs und Raumplanung 70 Institut f r Verkehrsplanung Transporttechnik Strassen und Eisenbahnbau IVT ETH Z rich Wilson C 1998 Activity pattern analysis by means of sequence alignment methods in Environment and Planning A 30 S 1017 1038 Wolf K Scholz C M 1999 Neue Zeitverwendungsstrukturen und ihre Konsequenzen f r die Raumordnung Forschungs und Sitzungsberichte Band 207 Akademie f r Raumforschung und Landesplanung ARL Verlag der ARL Hannover Wulfhorst G Hunecke M 2000 Modellkonzept und empirische Untersuchung zum Zusammenhang von Lebensstil Standortwahl und Verkehrsnachfrage Schriftenreihe Stadt Region Land 69 S 157 170 Institut f r Stadtbauwesen Hrsg RWTH Aachen Wu L L 2000 S
304. ich ein indifferentes Bild ab W hrend die Variablenstruktur des Datenfundus auf den r umlichen Ma stabsebenen Gemeinde und kleinr umiges Wohnumfeld als relativ umfassend eingestuft werden kann fehlen Angaben zur Wohnung Aus dem Vergleich der Datenlage des verwendeten MOP mit den Ausgangsbedingungen anderer Arbeiten auf gleichem Forschungsfeld vgl Abschnitt 3 3 und Abschnitt 4 5 folgt Es handelt sich um hnliche Voraussetzungen inwieweit Chancen der Ber cksichtigung potenzieller Erkl rungs gr en k f r induktive Analysezwecke bestehen Ferner ist zu vermuten Sofern die erzeugten EEHEEHE Fazit und Ausblick m Wege Aktivit tenmuster s auf dem Abbildungsniveau der vorliegenden Untersuchung analysiert werden existieren au er den identifizierten keine weiteren bedeutsamen Trennvariablen k Unter der Annahme erweiterter Datenm glichkeiten z B KONTIV 2002 stellt sich die Frage ob und inwieweit ein zus tzlicher Zuwachs an Erkl rungskraft zur Deutung der Variation im Aktivit ten Verkehrs verhalten durch Hinzuziehung weiterer bislang unber cksichtigter Variablen m glich ist Abbildung 8 2 veranschaulicht Je gr er der Zustandsraum Z y des erfassten Raum Zeit Verhaltens ist desto mehr Cluster S sollte die Wege Aktivit tenmuster Typologie umfassen und desto gr er sollte der Zustandsraum Z k potenzieller Erkl rungsgr en k der Person und der Umwelt sein Umfang des Zustandsraumes Z k Erkl rungsg
305. ichnet desto h her ist der Erkl rungswert der Pr diktoren Die Nullhypothese geht davon aus dass die spezifizierten Erkl rungsgr en k mit k Krrenn keine Effekte im Bezug auf die Trennung in Kategorien S zeigen Zur berpr fung der Signifikanz wird der x2 Test verwendet denn die Differenz der Log Likelihood Funktionen beider Modelle ist eine x2 verteilte Testgr e Urban 1993 Gleichung 7 3 G 2 LL LL G G Wert Im Anwendungsfall ergibt sich ein G Wert von G 2641 21 4736 28 2095 07 Aus dem y Test folgt ein hochsignifikanter Wert p 0 0000 was die Folgerung zul sst Die Er kl rungskraft des Modells ist als hoch einzustufen vgl Tabelle 7 7 Erkl rungskraft einzelner Pr diktoren Analog zur Beurteilung des Gesamtmodells eignen sich wiederum Pseudo R und Likelihood Ratio Test um die partielle Erkl rungskraft einzelner Bestimmungsgr en k zu untersuchen Pseudo R reduziertes Modell In einem ersten Schritt ist daf r der Pseudo R Wert des reduzierten Modells das hei t ohne den entsprechenden Pr diktor k im Modell einzuschlie en zu ermitteln Gleichung 7 4 Pseudo R 1 LL LL Log Likelihood Wert reduziertes Modell Aus der Differenz der Pseudo R Werte des vollst ndigen Modells und des reduzierten Modells resultiert der APseudo R Jener Parameter gibt Auskunft ber den relativen Netto Effekt des Pr diktors k Je gr er die Zunahme des APseudo R ausf llt desto st
306. ichtweise Interdependenzen im Zeitverlauf Restriktionen Effekte sozialer Strukturen Zeitplanungsprozess Interdendenzen zu anderen Entscheidungen bergeordneter Zeithorizonte Legende Zeit gering Forschungsintensit t stark PP HEUT Abbildung 2 1 Schwerpunktbildung aktivit tenorientierter Forschung im Zeitverlauf eigene Darstellung Tabelle 2 1 ist zu entnehmen welche Profilierung die im Folgenden vorgestellte Arbeit eines musterorientierten Multimethodenansatzes im Hinblick auf die erl uterten Grundpfeiler der aktivit tenorientierten Sichtweise aufweist BHOBRBEE Grundlagen 28 Tabelle 2 1 Einordnung der Relevanz von Aspekten der aktivit tenorientierten Perspektive f r die vorliegende Arbeit eigene Darstellung Aspekte der aktivit tenorientierten Sichtweise Bewertung der Relevanz f r die des Raum Zeit Verhaltens vorliegende Arbeit Verkehr als abgeleitete Aktivit tennachfrage LC musterorientierte Sichtweise v Interdependenzen im Zeitverlauf v Restriktionen Effekte sozialer Strukturen Zeitplanungsprozess M Interdependenzen zu anderen Entscheidungen bergeordneter Zeithorizonte Legende v stark C mittel gering gar nicht 2 2 Grundansatz eines theoretischen Modells zur Erkl rung des Aktivit ten Verkehrs verhaltens Um die komplexen Zusammenh nge des Raum Zeit Verhaltens zu verstehen soll im Folgenden ein Theoriemodell erl utert werden
307. ichung 1 1 verwerfen modifizieren 229 0 08 1 08 0 119 oo SEE ar SET er 2 1_____ verwerfen modifizieren ___ 2293 __008 0 1 08 0 119 Za 2 modifizieren 204 0 09 1 12 0 971 3 1 hinzuf gen 648 0 09 1 17 0 119 112 EHEOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Zusammenfassend l sst sich konstatieren Unabh ngig von der handlungstypspezifischen Be trachtungseinheit zeigt sich dass von der Art des Zeitplanungsvorgangs keine signifikanten Effekte auf die Wichtigkeit P over entsprechender Aktionen ausgeht Dies erm glicht im weiteren Verlauf der Datenanalyse eine beliebige Separierung bzw Zusammenfassung der vorhandenen Datens tze unabh ngig von der Art der Zeitplanungsoperation Das hei t Um Indel aufwandswerte C a Z zu ermitteln k nnen Datens tze der Zeitplanungsaktionen Streichen und Hinzuf gen vereint werden und bilden die Analysebasis Entsprechend verkleinert sich Zahl relevanter Zeitplanungsvorg nge ohne Modifikationsaktionen von 878 auf 661 F lle Il Bestimmung von Aufwandswerten f r Substitutionsaktionen e _Betrachtungseinheit realisierte Aktivit ten x Tabelle 5 13 f hrt f r Segmentzust nde s a die Betrachtungseinheit T tigkeit A an die hinsichtlich der Bewertung der Wichtigkeit Poyven a signifikant differieren sofern nur die Trennvariable Aktivit tstyp a P betrachtet wird Empirisc
308. iedlicher Merkmalswerte kj identifizierter Trennvariablen k ndern Obwohl sich die Aussagen nur zum Teil auf quantitativ beschreibbare d h signifikante Zusammenh nge st tzen und demnach auch aussageschw chere qualitative Relationen hinzugezogen werden steht das Gesamtbild der ermittelten Wirkungsrichtungen und Effektst rken der Logit Analyse f r eine ad quate Erkl rbarkeit der Wege Aktivitit tenmuster Typologie vgl Tabelle 7 12 Da die Behandlung offener inhaltlicher Fragestellungen im Rahmen k nftiger Untersuchungen in erster Linie vor dem Hintergrund methodischer Voraussetzungen Datenquantit t qualit t usw zu sehen ist wird die Forschungsperspektive zusammenfassend im folgenden Abschnitt behandelt 8 1 2 Methodische Aspekte Jedes empirische Vorgehen besonders aber der vorliegende Untersuchungsansatz sieht sich Randbedingungen Vorab Festlegungen usw ausgesetzt deren positive bzw negative Aus 192 EEHEEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN wirkungen zu diskutieren sind Zur berpr fung ob und inwieweit die urspr nglich gesteckten Ziele erreicht wurden vgl Kapitel 3 und 4 bilden die dort aufgestellten Kriterien und daraus abgeleitete Zielstellungen die Grundlage der Einordnung des vorliegenden Ansatzes in den Kontext musterorientierter Forschungsarbeiten vgl Abschnitt 3 4 sowie in den Zusammenhang von Publikationen zur Optimal Matching Technik vgl Abschnitt 4 5 Es ergeben si
309. ieren den Heterogenit tsindex Est Zust nde mit vergleichsweise geringeren H ufigkeitswerten gehen berproportional in die Ma zahl ein Dies wird durch eine Gewichtung der Anteile mit dem Logarithmus erreicht Entsprechend reagiert der Entropie Index Es sensibel auf geringe Ver nderungen bzw Unterschiede der Zeitquanten der Zust nde Coulter 1989 Franzmann et al 1999 Inhaltliche Argumente sprechen f r diese Gewichtung Die f r die Verkehrsforschung besonders relevanten verkehrsmittelspezifischen Zeitanteile f r Ortsver nderungen deren zeitlicher Umfang im Verh ltnis zu den Zeitquanten der verschiedenen T tigkeiten nach dem Aktivit tstyp klein ist werden somit in der Ma zahl berproportional ber cksichtigt Besteht die Verteilung nur aus einem einzigen Zustand ergibt der standardisierte Heterogenit tsindex Es den Wert null d h es wird die maximale Homogenit t erreicht Umgekehrt f hrt eine Gleichverteilung der Zust nde zu einem standardisierten Entropie Wert Es von eins Coulter 1989 Franzmann et al 1999 Ermittlung der Binnen und der Zwischenclustervarianz Zur Beurteilung der Klassifikation dienen zwei Ma e die Binnenclustervarianz zur Bewertung der internen Homogenit t und die Zwischenclustervarianz zur Einsch tzung der externen Heterogenit t Dabei l sst sich die Gesamtvarianz C in die Binnen C und die Zwischen clustervarianz C zerlegen vgl Gleichung 7 2 vgl Bortz 1999 Gleichung 7 2
310. ierte Cluster S Cluster S und Cluster S3 weisen jedoch auch hier gegen ber denjenigen mit flexiblen Organisationsformen der Arbeit weitaus gr ere Fallzahlen auf Zum anderen bestehen eventuell untersuchungsbedingte Ursachen Als Konsequenz der Bildung von Vorab Personenkategorien mit lediglich zwei Auspr gungen des Erwerbs status Erwerbst tig Nicht Erwerbst tig bei Schmiedel 1984 verwischen sich dort unterschiedliche Arbeitszeitformen innerhalb der Wege Aktivit tenmuster Typen S der Personenkategorien Erwerbst tige mit Pkw und Erwerbst tige ohne Pkw Die eigene Typologie umfasst nur das Cluster S7 dessen Hauptaktivit t Bilden ist Gleiches gilt auch f r die Untersuchungen von Kutter 1972 Pas 1980 und Recker et al 1980 Abweichend davon enthalten die Klassifikationen der Forschungsarbeiten von Schmiedel 1984 Wang 1997 und Kulkarni et al 2000 mehrere ausbildungsorientierte Wege Aktivit tenmuster Typen S Mit nur einem einzigen Cluster S das ausschlie lich durch nicht obligatorische Haupt t tigkeiten gepr gt ist bleiben Unterschiede zwischen freizeit und versorgungsorientierten Wege Aktivit tenmustern infolge abweichender zeitlichen Lagen Dauern usw entsprechender T tigkeiten in der vorliegenden Wege Aktivit tenmuster Typologie unber cksichtigt Bemerkenswert ist dass bei allen einschl gigen Forschungsarbeiten au er bei Wang 1997 und Kulkarni et al 2000 durch die Bes
311. ierte Perspektive nicht aus vgl Bowman 1998 Widmer et al 2001 Gleichzeitig kann an Forschungsarbeiten aus anderen Wissenschaftsbereichen wie der Sozialgeografie der Soziologie der Informatik der konomie der Sozialpsychologie usw angekn pft werden Somit besteht die M glichkeit der bertragung entsprechender methodischer und inhaltlicher Erkenntnisse auf spezifische Fragestellungen der Verkehrsforschung Der Bezugsrahmen f r die aktivit tenorientierte Perspektive d h f r theoretische Konzepte Methoden der Gewinnung verhaltensbezogener Daten Erkl rungsmodelle Prognose modelle usw wird im wesentlichen durch folgende Grundpfeiler gebildet vgl Jones 1983 Axhausen et al 1992 McNally 2000 Verkehr als abgeleitete Aktivit tennachfrage Ortsver nderungen sind Folge bzw Voraussetzung f r die Aus bung von Au er Haus Aktivit ten Da Personen eher in seltenen F llen Wege W zum Selbstweck au er manchmal im Bereich des Freizeitverkehrs zur cklegen sondern die Aus bung von T tigkeiten A au er Haus im Vordergrund steht ist dies der entscheidende Ansatzpunkt aktivit tenorientierter Ans tze Aus einer Reihe theoretischer Arbeiten u a H gerstrand 1970 Cullen et al 1975 Heidemann 1981 die sich der Fragestellung der Entstehung von Aktivit ten im Raum Zeit System widmen ist insbesondere der Beitrag von Chapin 1978 zu erw hnen Darin wird er rtert wie individuelle Neigungen der situative zeitli
312. ige Modell einen m glichst hohen Erkl rungsgehalt aufweist EHEHEHE Multimethodenansatz 85 Zun chst gehen alle a priori ausgew hlten Erkl rungsgr en k in das vorl ufige Sch tzmodell ein die eventuell Trenneffekte im Hinblick auf eine Aufteilung in die Kategorien der abh ngigen Variablen S zeigen k nnten Die Vorauswahl potenzieller Determinanten k erfolgt hypothesengeleitet Sodann besteht die Aufgabe durch statistische Testverfahren beispielsweise durch Anwendung des LR Tests vgl Urban 1993 schrittweise signifikante Erkl rungsgr en k zu identifizieren die sp ter im endg ltigen Modell aufgenommen werden Nicht signifikante Pr diktoren k werden ausgeschlossen Formulierung und Sch tzung Spezifizierung des vorl ufiger Logit Modells Logit Modelle iterative Modellanpassung Identifikation signifikanter Erkl rungsgr en B Sch tzung des Logit Sch tzung des endg ltigen Modells Logit Modell Fr berpr fung der e Beurteilung des Logit Modellg te Gesamtmodell Modells und Modell Effekte Interpretation des Logit Interpretation der Modells Modell Effekte Abbildung 4 8 Ablaufschritte der Logit Analyse eigene Darstellung B Sch tzung des Logit Modells Im zweiten Schritt erfolgt die Sch tzung des endg ltigen Logit Modells mit den verbleibenden Erkl rungsgr en k und den dazugeh rigen S tzen kj von Merkmalsauspr gungen kj mit Hilfe eines Sch tzverfahrens C Beu
313. igen Merkmalswerteraum Z y der die Buchstaben des Alphabets umfasst Es sind nur gemeinsame Zustandselemente z vorhanden Aus der Ermittlung der geometrischen Distanz Dyeo S ergeben sich f r den Sequenzvergleich mit Dgeo S 81 6 und Dygeo S 82 6 jeweils identische Distanzma e da in beiden F llen nur die gemeinsamen Zustandselemente z an korrespondierender Stelle zu einer Verminderung des Abstandes beitragen match 0 mismatch 1 Zur Ermittlung der biologischen Distanz D S 8 Um dieses Abstandsma zwecks Nachweis der Abfolge hnlichkeit berhaupt mit der geometrischen Distanz vergleichbar zu machen sind die festzulegenden Transformationsaufwandswerte C des Sequenzvergleichserfahrens f r das L schen Einf gen und Ersetzen von Zustandelementen z anzupassen Ziel ist dabei dass sich bei der Gegen berstellung der Sequenzen s und amp der gleiche Abstandswert Dbio S 2 6 analog zu den beiden geometrischen Distanzen ergibt Das hei t Die Subaufwandswerte m ssen mit Cs 2 und die Indelaufwandswerte mit Cina 1 festgelegt werden Da die Berechnung von Dy S 53 unter Zugrundelegung gleicher Transformationsaufwandswerter zu einem geringen Abstand f hrt Dpio S 1 lt Dpio S 82 l sst dies den Schluss zu Ursache ist die vorhandene Abfolge hnlichkeit gemeinsamer Zustandselemente z unterschiedlicher Position geometrische Distanz biologische Distanz Position Position 2 5 D
314. ildungsverzeichnis VI Tabellenverzeichnis IX Abk rzungsverzeichnis XII EHEHEH Einleitung AUSGANGSLAGE UND L SUNGSANS TZE 1 1 1 Problemstellung und Zielsetzung 1 1 1 1 Hintergrund 1 1 1 2 Zielstellung 3 1 2 Aufbau der Arbeit 7 OBBBE Grundlagen 2 KONZEPTIONELLER RAHMEN DES AKTIVIT TEN VERKEHRS VERHALTENS 9 2 1 Die aktivit tenorientierte Sichtweise als Fundament der Verkehrsforschung 2 2 Grundansatz eines theoretischen Modells zur Erkl rung des Aktivit ten 14 Verkehrs verhaltens 2 2 1 Ebenen 15 2 2 2 Elemente 15 2 2 3 Verbindungen zwischen den Elementen 25 2 2 4 Ver nderungen im Aktivit ten Verkehrs verhalten 30 2 2 5 Dynamisierung von Prozessen des Aktivit ten Verkehrs verhaltens 31 2 3 Fazit 32 METHODOLGIE EMPIRISCHER ANALYSEN DES AKTIVIT TEN VERKEHRS VERHALTENS SYSTEMATIK ZUM STAND DER FORSCHUNG 3 1 Einleitung 35 3 2 Globale Systematik 35 3 2 1 Kriterien zur Einordnung der Untersuchungsans tze 35 3 2 2 Beschreibung der Untersuchungsans tze 39 3 2 3 Diskussion 40 3 3 Spezielle Systematik musterorientierte Multimethodenans tze 42 3 3 1 Kriterien zur Einordnung der musterorientierten Multimethodenans tze 42 3 3 2 Beschreibung musterorientierter Multimethodenans tze 47 3 3 3 Diskussion und vergleichende Bewertung musterorientierter 48 Multimethodenans tze 3 3 3 1 Ziele 49 3 3 3 2 Bewertungen 52 3 4 Fazit 55 OOOODODO HOHHH Multimethodenansatz KONZEPTION EINES MU
315. in Berufsausbildung Vollzeiterwerbst tig 1 29 1 21 1 13 0 29 0 2764 0 03 2 96 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 69 1 64 5 04 0 02 V 1 39 9654 0 00 0 63 Teilzeiterwerbst tig 0 0250 Sch ler Studierende in Berufsausbildung 6 24 1 36 21 00 0 00 v 1 512 9917 0 00 0 03 Teilzeiterwerbst tig 0 0019 Hausfrau mann arbeitslos Rentner in 2 40 1 40 2 93 0 09 v 1 11 0461 0 01 1 42 o Vollzeiterwerbst tig 0 0905 Teilzeiterwerbst tig 1 29 1 21 1 13 0 29 3 6180 0 34 38 76 O Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 4 95 0 98 25 52 0 00 v 1 141 7869 0 00 0 05 Vollzeiterwerbst tig 0 0071 EEHEEHE Anhang H Ill Ergebnisse der Logit Analyse H II1 21 Cluster Alter Geschlecht PNV Fahr Erwerbsstatus S Zeitkarten erlaubnis besitz 2 2 I a a a a ww lade S l v 2 3 2 3 IN lz 5 5 5 1533 5 z 5 z a lglg 3 lE c p es 53J4 5 2 5 g 2 2 5 e Is sgj gjs 123 2 5 z3 J2 13 z 2 3 gt 2 3 lei I lese ee e 2 2 ale 2 223 je je 2 2 je z I lt E AAIE Ala E EJS Z e E 8 amp Jef s I S s amp S4 S2 steigt 1 2 57 r steigt r sinkt r 0 0010 0 06 sink
316. in einer Fahrerlaubnis im Vergleich zu den anderen Typen ausnahmslos niedriger aus Signifikante Effekte treten zu Cluster S4 Faktor 1 1 96 zu Cluster S Faktor 1 3 26 zu Cluster S Faktor 1 2 87 und zu Cluster S Faktor 1 4 36 auf Effekt Berufst tigkeit Weiterhin beeinflussen die Merkmalsauspr gungen des Erwerbsstatus die Realisierungs wahrscheinlichkeit P ilS der Wege Aktivit tenmuster Typen S Die entsprechenden Chancen verh ltnisse dokumentiert Anhang H IV 180 Im Gegensatz zu allen anderen Erwerbsstati tendieren Hausfrauen HAR ausnahmslos mit h herer Wahrscheinlichkeit bei allen Vergleichskonstellationen zu Cluster S Dies untermauern beispielhaft genannt folgende signifikanten Zusammenh nge in Bezug auf die Kategorie Hausfrau HAR In der Gegen berstellung zu Wege Aktivit tenmuster Typ S f llt die Realisierungs wahrscheinlichkeit im Vergleich zu Teilzeitbesch ftigen um das 18 1 fache und zu Vollerwerbst tigen um das 995 8 fache h her aus Im Vergleich zu Wege Aktivit tenmuster Typ Ss steigt die Aus bungschance zu teilweise Berufst tigen um den Faktor 31 0 zu Sch lern um den Faktor 32 8 und zu Vollerwerbst tigen um den Faktor 471 0 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Versus Vege Aktivit tenmuster Typp S steigt die Zuordnungswahrscheinlichkeit gegen ber Vollberufst tigen um das 75 1 fache Teilzeiterwerbst tigen um das 77 1 fac
317. inerseits eine wichtige Beschreibungsgr e der zeitlichen Facette die Aktivit tsdauer implizit ein Andererseits wird eine Standardisierung der Sequenzabst nde zum Ausgleich der Anzahldifferenz von Zustandselementen z vermieden Gegen ber den musterorientierten Multimethodenans tzen ist in Bezug auf die Sequenzform ein leichter Zugewinn an Abbildungsqualit t feststellbar a4 Detaillierung der Merkmale des Raum Zeit Verhaltens Bei allen betrachteten Untersuchungsans tzen umfassen die Merkmalswerter ume Z y bei den herangezogenen Beschreibungsgr en y des Aktivit ten Verkehrs verhaltens viele Auspr gungen Im R ckgriff auf eigene Spezialerhebungen vgl Rindsf ser et al 2000 Joh et al 2001 Joh et al 2002 Schlich 2003 bzw Zeitbudgeterhebungen vgl Wilson 1993 ist der Grund f r diese hohe Detailliertheit insbesondere des Merkmals T tigkeitsart a zu sehen Demgegen ber berwiegt bei den musterorientierten Multimethodenans tzen eine relativ grobe Kategorisierung der Merkmale y was wiederum mit den verwendeten Datengrundlagen hier die klassischen Verkehrserhebungen zusammenh ngt b Analyseebene des musterorientierten Multimethodenansatzes Die erl uterten Arbeiten zur Sequenzvergleichsanalyse des vorherigen Abschnittes konzentrieren sich auf die methodischen Spezifika der Bestimmung biologischer Distanzen D S S ss s zwischen Wege Aktivit tenmustern s im Sinne empirischer Teststudien Weitergehende
318. inf gen solit rer Zustandselemente z Abbildung der Zustandselement komposition gemeinsame Zustandselemente z Abbildung der Abfolge hnlichkeit gemeinsamer Zustandselemente z Abbildung der Zustandsabst nde A z solit rer Zustandselemente z 4 4 4 Berechnung der Sequenzdistanzen mit der Optimal Matching Technik Verfahrensalgorithmus Um die Ausgangssequenz S Z Z2 Zk z in die Zielsequenz s w durch eine Abfolge von Operationsschritten umzuwandeln existieren grunds tzlich viele M glichkeiten der Anordnung der Grundoperationen Mit dem Algorithmus von Levensthein steht eine Prozedur zur Verf gung die das bereits beschriebene Optimierungsproblem l st Abbildung 4 6 stellt den Berechnungs algorithmus dar vgl Beispiel im Anhang C EHEHEH Multimethodenansatz 71 T Erzeugen einer Berechnungsmatrix 2 Eintragen der vorab spezifizierten Subzellen Aufwandswerte in die Matrix Randzelle der zelle Randzeile do Position 1 Position 1 2 3 Sub zei 2 Ziel 2 2 2 A Quelle l A S 3 z 5 pa 7 ee 2 nnd 2 3 23 1 E 3 F r jede Zelle der Zelle der Subzellen Matrix Matrix Berechnung der kumulierten Sukzessives Ausf llen der Matrix durch Aufwandswerte der Randzellen Berechnung der kumulierten Aufwands werte aus den Vorg ngerzellen Position 1 2 3 Position 1 2 3 Eu gt Ziel 3 z D Quelle 0 A 2 S g 2 em 4 zy
319. influssen versucht Gleichung 2 1 im Sinne einer Modellvorstellung wiederzugeben Grunds tzlich ist dabei anzumerken dass die Priorit t P y von T tigkeiten A und Wegen W sowohl durch eine hohe Subjektivit t als auch durch eine situationsspezifische Dynamik charakterisiert ist Cullen et al 1975 Gleichung 2 1 P y f y yh i u u u 26 BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN P y Bedeutung einer aktivit ten bzw ortsver nderungsbezogenen Handlung Y y i Zustandsvektor der vertikalen Merkmalswerte der aktivit ten bzw ortsver nderungs bezogenen Handlung Y vgl Tabelle 2 6 y Zustandsvektor der horizontalen Merkmalswerte der aktivit ten bzw ortsver nderungs bezogenen Handlung Y vgl Tabelle 2 5 ij Zustandsvektor der Merkmalswerte der Eigenschaften und M glichkeiten des Individuums vgl Tabelle 2 4 un Zustandsvektor der Merkmalswerte der verkehrs infrastrukturell r umlichen Umwelt vgl Tabelle 2 2 u Zustandsvektor der Merkmalswerte der sozialen Umwelt vgl Tabelle 2 4 uni Zustandsvektor der Merkmalswerte der institutionell kulturellen Umwelt vgl Tabelle 2 3 Eine tiefgr ndigere Betrachtung des Vorgangs des Handlungsentwurfs covertes Handeln f hrt zum Prozess der Zeitplanung Je nachdem ob die letztlich durchgef hrte Handlung weit im Voraus geplant ist oder spontan umgesetzt wird variiert deren zeitlicher Horizont im Folgenden als Modus der Zeitplanung mz i be
320. ing Process Modeling and Analysis Paper presented at the 80th Annual Meeting of the Transportation Research Board Washington DC January 7 11 2001 http www wlu ca sdoherty chase index htm 01 2004 Doherty S T Axhausen K W G rling T Miller E J 2002 A conceptual model of the weekly household activity travel scheduling process in Stern E Salomon I Bovy P Hrsg Travel behaviour Spatial patterns Congestion and Modelling S 233 264 Elgar Cheltenham UK Doherty S T Miller E J 2000 A computerized household activity scheduling survey in Transportation 27 S 75 97 Dollase R 2000a Zur Relevanz des Forschungsansatzes Temporale Muster Die ideale Reihenfolge von T tigkeiten f r das Projekt Mobiplan Mobidrive in Dollase R Erke H G rling T Hrsg Expertisen ber das Projekt Mobiplan S 5 16 Arbeitspapier Forschung F8 Institut f r Stadtbauwesen RWTH Aachen Dollase R 2000b Was sind temporale Muster Zur Ph nomenologie Forschungsgeschichte und Relevanz eines vertrauten Alltagsph nomens in Dollase R Hammerich K Tokarski W Hrsg Temporale Muster die ideale Reihenfolge der T tigkeiten S 13 33 Leske und Budrich Opladen Dollase R Koch K C Schraven M 2000 Erst die Arbeit dann das Spiel die systematische Reihenfolgebewertung von T tigkeiten in Dollase R Hammerich K Tokarski W Hrsg Temporale Muster die ideale Reihenfolge d
321. inkaufen Service Freizeit Bildung Zu y Zw x Za Arbeiten dienstlich Freizeit x V zu Hause x OV Arbeiten dienstlich Freizeit x MIV S MIV M zu Hause x MIV S MIV M Ausbildung Einkaufen Service x V MIV S MIV M F R zu Hause x F R Arbeiten dienstlich Freizeit x F R HEELDIEEM Anwendungsvoraussetzungen Optimal Matching Technik 123 Die Variation beschr nkt sich auf diejenigen Konstellationen deren Zustandselemente z getrennten Zustandsr umen Z a bzw Z w entstammen Indem der Umfang der Merkmalswerter ume Z y ver ndert wird variiert die Vielfalt m glicher Zust nde z der Zustandsr ume Z y Zum Zuge kommen hierbei die in Tabelle 6 1 ausgewiesenen F lle Variation des Zeitrasters der Zustandselemente Auf der Grundlage der Darstellungsweise der Wege Aktivit tenmuster s als Intervallreihe besteht die Zielstellung im Rahmen der Sensitivit tsanalyse zu berpr fen welchen Einfluss das Zeitraster At der erzeugten zeitdiskreten Zustandselemente z der Intervallreihe auf die Ergebnisse der Annwendung der Optimal Matching Technik hat Die Ableitung der hierbei zugrunde gelegten Variationsbreite der Zeitschritte At bestimmen als Randbedingungen folgende Aspekte Als untere Grenze der Detaillierung f r die Zustandselementbildung gilt per Definition das 5 Minuten Zeitintervall als Basiszeitschritt Aty Wie di
322. ionen steht die Analyse der intrapersonellen Variation der Wege Aktivit tenmuster im Zeitverlauf im Vergleich einzelner Tage wobei auf Wochenbasis jeder Tag mit jedem anderen verglichen wird Au erdem befasst sich die Ver ffentlichung von Rindsf ser et al 2000 mit dem intrapersonellen Prozess des Zeitplanungsverhaltens von der Entscheidung bis zur Realisierung von Aktivit ten A Das hei t Es findet ein Vergleich von geplanten und realisierten Wege Aktivit tenmustern s statt Heller Kemp et al 2000 analysieren aus intrapersoneller Sichtweise Tagesabl ufe dargestellt als Aktivit tsketten und Zeitreihen Abfolge von Beginn und Dauer von Ortsver nderungen W unter Anwendung der Sequenzvergleichsanalyse mit biologischem Distanzma D S S ss s Ziel ist die Erkennung desjenigen Tages innerhalb einer Woche mit den geringsten Sequenzabst nden zu den anderen Tagen Schlich 2003 nutzt die Optimal Matching Technik mit dem Ziel der Bildung einer Typologie des Aktivit ten Verkehrs verhaltens auf interpersoneller Basis Zuf llig innerhalb eines 6 Wochen Zeitraumes ausgew hlte Wege Aktivit tenmuster s auf Tagesbasis je Person sind dabei Gegenstand der Distanzberechnung mit Hilfe der von Joh et al 2001 entwickelten Software EHEHEHE Multimethodenansatz 77 Tabelle 4 5 Forschungsbeitr ge zur Anwendung von Sequenzvergleichsverfahren mit biologischem Abbildungsprinzip von Un J hnlichkeiten in der Verkehrsforschung
323. is einer separaten Analyse sowohl f r den Samstag als auch den Sonntag Beide Tage weisen jeweils infolge des Wegfalls bzw eines starken R ckgangs der Zeitinanspruchnahme von Pflichtaktivit ten bei den meisten Clustern eine v llig andere Zeitverwendungsstruktur gegen ber den Werktagen auf Die vorgenommene Kategorisierung der Einzeltage zu Zeitbl cken wird auch durch die Ergebnisse der Analyse der intrapersonellen Tag zu Tag Variabilit t auf Clusterbasis vgl Abschnitt 7 4 3 5 best tigt Die Gegen berstellung der Zeitverwendungsstrukturen der vier abgegrenzten Zeiteinheiten zeigt Tendenziell gleichen sich die verschiedenen Cluster S untereinander im Laufe der Woche von den Werktagen Montag bis Donnerstag ber den Freitag den Samstag zum Sonntag hin an da die zwischen den Clustern stark abgrenzend wirkende jeweilige Hauptaktivit t zum Wochenende hin an Gewicht verliert siehe auch Abbildung 7 15 _Normalwerktage Montag bis Donnerstag Die Zeitverwendung an den Werktagen Montag bis Donnerstag pr gt clusterspezifisch jeweils die Hauptaktivit t Gr nde f r die gro en Unterschiede zwischen den Partitionen sind entweder die unterschiedlichen Typen relevanter Hauptaktivit ten disponible T tigkeiten bei Cluster S4 Arbeiten dienstlich bei Cluster S4 bis S sowie Ausbildung bei Cluster S oder weiter differenziert bei Cluster S2 bis Ss divergierende Zeitquanten der dominierenden Arbeitst tigkeit z B 10 Stunden Arbeit
324. ist der inhaltliche Gehalt der Untersuchung So besteht ein qualitativer Zusammenhang zwischen dem Umfang des Zustandsraumes Z y und dem Erkl rungsgehalt Je weniger Zust nde yv vorhanden sind um so geringer ist die Aussagekraft und desto geringer sind grunds tzlich die Distanzen D s S s s zwischen den Wege Aktivit tenmustern s a1 a2 Vielfalt der Merkmale des Raum Zeit Verhaltens Abbildungsbreite Ein Aspekt der Abbildungsbreite sagt aus inwieweit die verschiedenen Merkmale y des Raum Zeit Verhaltens in den Analyseprozess eingehen Neben der Zahl der jeweiligen Merkmalswerte y bestimmt ma geblich die Anzahl der Merkmale y die Gr e des Zustandsraumes Z y L nge und Lage des Makrozeitabschnittes Abbildungsbreite Welche grundlegenden Zusammenh nge zwischen der Erkl rbarkeit der Variation des Raum Zeit Verhaltens und der L nge des Beobachtungszeitraumes existieren soll im Folgenden kurz er rtert werden Bei der Analyse von Unterschieden im Raum Zeit Verhalten zwischen Personen bezogen auf einen festzulegenden Zeitabschnitt handelt es sich bei der ermittelten Gesamtvariabilit t immer um eine berlagerung der inter und intrapersonellen Variation W hrend bei kurzen Beobachtungszeitr umen die intrapersonelle im Verh ltnis zur interpersonellen Variabilit t infolge zuf lliger und periodischer Abweichungen gro sein kann verlagert sich mit zunehmender Dauer die Gewichtung beider Anteile zugunsten d
325. it Koeffizienten bi i 1 1 1 bei vorhandenen Merkmalsabstufungen der abh ngigen Variable die sieben Wege Aktivit tenmuster Typen S lediglich f r l 1 Kategorien das hei t f r sechs bestimmt Eine Kategorie i der abh ngigen Variablen S stellt die Referenzkategorie dar deren Logit Koeffizienten bi auf null gesetzt werden W hrend die Logit Koeffizienten bi i 1 1 1 die Einflussst rke der dazugeh rigen unabh ngigen Variablen auf die abh ngige Variable S wiedergeben steht die Konstante bi f r alle weiteren unspezifizierten Effekte Backhaus et al 2003 Urban 1993 ber die Interpretation von Effektst rke und Wirkungsrichtung der Logit Koeffizienten bi geben die vorher genannten Publikationen Auskunft 26 Hierzu wird die Maximum Likelihood Sch tz Methode angewandt EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Wege Logit Effekt Realisierungs Aktivit tenmuster Koeffizient Koeffizient wahrscheinlichkeit Typ lineare exponentielle Verkn pfung Verkn pfung S bi Chancen abh ngige Variable verh ltnis unabh ngige Variable logistische Verkn pfung Interpretations basis Abbildung 7 22 Verkn pfungen der Modellgr en der Logit Analyse modifiziert nach Backhaus et al 2003 Effekt Koeffizienten Infolge des komplexen logistischen Zusammenhangs ist es schwierig die Wirkungsst rke der Logit Koeffizienten Di i 1
326. it tsprofil S4 Normalarbeit 100 90 80 70 60 50 40 Zeitverwendung 30 20 10 0 N all I Il ji Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Tag E Arbeiten dienstlich E Ausbildung Einkaufen Service Freizeit BEE zu Hause V Nutzung MIV Mitfahrer MIV Selbstfahrer Fahrrad mm zu Fu Entropie standardisiert Abbildung 7 10 Wege Aktivit tsprofil S Teilzeitarbeit HERBMLOEM Fallbeispiel 155 stand Entropie stand Entropie Zeitverwendung 100 90 80 70 60 50 40 30 20 10 0 Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Tag Arbeiten diensticn mw Ausbildung Einkaufen Service Freizeit BEI zu Hause V Nutzung MIV Mitfahrer MIV Selbstfahrer Fahrrad mm zu Fu Entropie standardisiert Abbildung 7 11 Wege Aktivit tsprofil S5 sporadische Arbeit Zeitverwendung 100 an 90 80 70 60 50 40 30 20 10 0 Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Tag E Arbeiten dienstich ww Ausbildung Einkaufen Service Freizeit E zu Hause V Nutzung EZZ MIV Mitfahrer MIV Selbstfahrer Fahrrad mm zu Fu Entropie standardisiert Abbildung 7 12 Wege A
327. iten auf Mit lediglich sieben Clustern S ordnet sich die erstellte Wege Aktivit tenmuster Typologie eher im unteren Bereich der Differenziertheit an HERHELE Fallbeispiel 169 Der Verschiedenartigkeit der Arbeitswelt mit unterschiedlichen Arbeitszeitmodellen Erosion des Normalarbeitsverh ltnisses vgl Wolf et al 1999 Hielscher 2000 Eberding 2002 tr gt das erzielte Ergebnis der vorliegenden Arbeit in hnlicher Art und Weise wie die aktuelleren Studien von Wang 1997 und Kulkarni et al 2000 Rechnung wohingegen dies bei den Klassifikationen von Kutter 1972 Schmiedel 1984 Pas 1980 und Recker et al 1980 nicht bzw unzureichend zum Ausdruck kommt Beispielsweise repr sentieren bei Schmiedel 1984 werkt gliche Tagesabl ufe lediglich den 8 Stunden Normalarbeitstag Die Suche nach Gr nden daf r f hrt zu Vermutungen in zwei Richtungen Zum einen steht die Sichtbarwerdung unterschiedlicher Organisationsformen der Arbeit f r eine zeitliche Instabilit t des Aktivit ten Verkehrs verhaltens ber l ngere Zeitr ume Deregulierungstendenzen Abnahme des Normalarbeitsverh ltnisses starke Zunahme der Teilzeitbesch ftigung leichter Zuwachs an Nacht und Schichtarbeit Anstieg der Samstagsarbeit vgl Hielscher 2000 Eberling 2002 zeichnen sich dabei in der aktuellen Wege Aktivit tenmuster Typologe der vorliegenden Arbeit ab ohne jedoch Ver nderungen belegen zu k nnen Eher an der Normalarbeitszeit orient
328. iten ergeben sich Unterschiede in der Aufl sung der Beschreibungsgr en y Beispielsweise variiert die Anzahl der Merkmalswerte a f r das Merkmal Aktivit tstyp a zwischen 9 Recker et al 1980 und 4 Pas 1980 Kulkarni et al 2000 vgl Tabelle 3 3 Detaillierung der Sequenzform der Wege Aktivit tenmuster Abbildungstiefe Nur die Forschungsarbeiten von Wang 1997 Recker et al 1980 und Kulkarni et al 2000 analysieren Wege Aktivit tenmuster s auf dem Darstellungsniveau der Intervall reihe Kutter 1972 Becker 1981 und Schmiedel 1984 arbeiten auf der Basis von Dauerreihen mit groben Zeitrastern so dass die zeitliche Lage und Dauer der Zust nde z nur grob festgelegt sind Hingegen untersucht Pas 1980 nur Ereignisreihen Dennoch geht die zeitliche Lage von Aktivit ten A in das Abstandsma ein Zur Beschreibung der zu vergleichenden Handlungen Y tragen die unterteilten Zeitabschnitte eines Tages als Auspr gungen des Merkmals zeitliche Lage ve bei vgl Tabelle 3 3 b Untersuchungsstrategie Analyseebene musterorientierter Multimethodenansatz b 1 b 2 Objektivit t Lediglich Pas 1980 und Recker et al 1980 verfolgen diese Strategie einer direkten Vorgehensweise Allen anderen herangezogenen Arbeiten liegt eine vorab definierte Personentypologie mit dem entsprechenden Nachteil der Nicht Objektivit t der Analyse zugrunde vgl Tabelle 3 3 Angemessenheit des Kausalprinzips deterministisch vs pr
329. iven der Festlegung Zu unterscheiden ist ob die quantifizierten operationsspezifischen Abst nde Aly yO bei Zustands berg ngen beachtet werden oder nicht Somit l sst sich zwischen vier bergeordneten Variationsf llen differenzieren Aus den empirisch abgesch tzten Aufwandswertematrizen vgl Kapitel 5 vgl Anhang E werden die entsprechenden zustandsabh ngigen Aufwandswerte Ca sowohl f r Indel als auch Ersetzenvorg nge aufgegriffen Weiter steht zur Disposition entweder zustandsabh ngige Subaufwandswerte C Z Z sowie frei definierbare zustandsunabh ngige Indelaufwandswerte Cina z ohne Ber cksichtigung inhaltlicher Gesichtspunkte anzusetzen oder genau umgekehrt vorzugehen Bei einem Verzicht auf jegliche inhaltliche Orientierung am Aktivit ten Verkehrs verhalten verbleibt die Alternative sowohl die Sub C Z Z als auch die Indelaufwandswerte C a z als zustandsunabh ngige Konstanten zu definieren In F llen mit frei definierbaren Aufwandswerten C besteht die Erfordernis einer Anpassung derjenigen je nach Vergleichskonstellation entweder an empirisch ermittelte Gewichtungsparameter oder untereinander Welche Folgen von der Ausrichtung der Aufwandswerten C unterschiedlicher Operationstypen untereinander auf die Abbildung von Sequenzabst nden ausgehen thematisiert bereits Abschnitt 4 4 3 Orientierungsrahmen f r die Festlegung zustandsunabh ngiger ist der empirisch ermittelte Wertebereich zustandsabh ngiger
330. ivit t Weg zum Einfacher Klick auf entsprechende Aktivit t Weg gt Aktivierung des Befehls ndern in der Men leiste Einfacher Klick auf Befehl ndern in der Men leiste vgl Abb 10 Eintrag der Beschreibungsgr en von Aktivit ten Wegen vgl Abschnitt 1 5 geolarger jeplarger Zeitpunkt der Ausf hrung geplanter Zeitpunkt der Ausf hrung Aktivit tstyp y1 yp Dauer y1Pa Verkehrsrpi fe Aktivit tstyp yP Dauer yDaus Verkehrsmittel yV L schen falls neue Aktivit t Weg zu Login 2 unbekannt ist L schen Aktivit tstyp y1 yp Dauer y1Pau4 Verkehrsmittel y1Y i Login 1 fi Login 2 Login 3 Zeit Abb 9 Unterscheidung zwischen Andern und L schen Einf gen bei geplanten Aktivit ten au au Mm ES P EN T V R NE SA 2 Abb 10 ndern von Aktivt ten Wegen EEHEHE Anhang D i Leitfaden CHASE Erhebung 1 4 Hinzuf gen einer Aktivit t Weg Wann m ssen Sie eine Aktivit t Weg hinzuf gen Hinzugef gt k nnen Aktivit ten Wege nur dann wenn ungeplante Zeiten graue Fl chen vorhanden sind Bei jedem Login sind alle geplanten und durchgef hrten Aktivit ten hinzuzu f gen sofern diese noch nicht eingetragen sind Wie aktivieren Sie
331. jeweiligen Aufwandswertematrizen entnommen werden vgl Abschnitt 5 3 6 Als weitere M glichkeit werden frei definierbare konstante Parameter C Z Z unabh ngig von den jeweiligen Zust nden z angesetzt Gleiche Alternativen der Parameterspezifizierung gelten f r die Indelaufwandswerte Cina Z bei Wechseln zwischen Zust nden z und leeren Zust nden HERLDIEE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK Berechnung biologischer Sequenzdistanzen Zwischen den 794 Wege Aktivit tenmustern eines Berechnungsfalls f bzw f werden s mtliche biologische Sequenzabst nde D i S 8 ss s mit Hilfe der Optimal Matching Technik ermittelt und in einer symmetrischen Distanzmatrix D bzw D abgelegt die insgesamt 314821 Abst nde D io S S ss s enth lt Die Berechnung erfolgt mit dem eigens daf r entwickelten Analysetool 0J eine C Routine zur Distanzermittlung zwischen Mustern auf der Basis des Levenstheinalgorithmus vgl Abschnitt 4 4 4 Ausgangsdaten des Mobilit tspanels wegeorientiert a Ende Rekonstruktion der Zust nde Ende Start z Z mA Z w Z w P x Z wVm mit ZW Z w Z aX Z w Transformation z z Bildung der Zustandselemente Sequenzform der Intervallreihe a ya Z za za At At At At At At A oder n At mit ZW ZW ZW Z w mit z3 z 2 Z a Re de
332. k der Datenaufbereitung Gerade der letztgenannte Aspekt erweist sich bei Paneluntersuchungen als besonders bedeutsam da spezifische Stichprobenfehler infolge selektiver Ausf lle Berichts m digkeit im Wochenverlauf usw zu ber cksichtigen sind vgl Kunert 1992 Zumkeller et al 1994 Tourangeau 1997 Befragungsinhalte des MOP sind Erhebungsdaten auf Wegeebene und auf Haushalts Lage des Wohnstandortes usw sowie Personenebene Soziodemografie usw 13 Saisonale Effekte im Jahresverlauf bleiben demnach unber cksichtigt 16 http mobilitaetspanel ifv uni karlsruhe de 01 2004 1 Das Konzept der Wegeerfassung orientiert sich am KONTIV Design Einerseits gew hrleistet dies die Vergleichbarkeit zwischen den Ergebnissen von KONTIV Erhebungen und dem deutsche Mobilit tspanel MOP Kloas et al 2001 Andererseits sieht sich dadurch das deutsche Mobilit tspanel MOP den vielfach vorgebrachten Kritikpunkten an den Erhebungen im KONTIV Design ausgesetzt u a Trauer 1991 Schultz 1997 Kutter 2003 Beispielsweise geht Kutter 2003 in einer aktuellen Publikation auf die problembehaftete Validit t der Fahrplanerhebungen die sich in teils in ber und teils in Untererfassungen von Wegen bestimmter Zwecke w u ert ein HERLEME Anwendungsvoraussetzungen Optimal Matching Technik 127 6 2 4 Ermittlung von Sequenzdistanzen mit der Optimal Matching Technik Um zu ermitteln ob und inwieweit lineare Zusammenh nge
333. kann dieses in Richtung einer Dynamisierung weitergef hrt werden vgl Abbildung 2 8 angepasste Dynamik Makro Ebene Mikro Ebene E y exogene Ei FEN Makro Ebene Ver nderung 1 Ver nderung 2 endogene endogene Ver nderung 1 Ver nderung 2 Mikro Ebene e Zeit Abbildung 2 8 angepasste und induzierte Dynamik von Prozessen aktivit ten und ortsver nderungsbezogener Handlungen modifiziert nach Esser 1996 BHOBRBEE Grundlagen 31 Zur Erkl rung von Prozessen der Aus bung von T tigkeiten A und Ortsver nderungen W soll zwischen angepasster und induzierter Dynamik unterschieden werden Wie bereits angedeutet formen individuelle und kollektive Handlungsfolgen neue Ausgangssituationen f r weitere Handlungen Y bei derselben Person l so dass ein angepasster dynamischer Prozess in Gang kommt vgl Abbildung 2 8 Esser 1996 Es entstehen Sequenzen als Handlungsfolgen die ein mehr oder weniger stabiles allt gliches Raum Zeit Verhalten von Personen beschreiben Die intrapersonelle Variabilit t des Aktivit ten Verkehrs verhaltens l sst sich dabei in eine systematische Rhythmen Periodik usw mit typischen Abfolgen und eine zuf llige Komponente aufteilen u a Pas 1987 Hanson et al 1983 Kommen jedoch endogene oder exogene Ver nderungen als Prozesseinfl sse hinzu so f hrt dies zu individuellen Anpassungsreaktionen im Raum Zeit Verhalten im Sinne einer induzierten Dynamik die ehe
334. kehrs nachfrage und damit implizit die Erreichbarkeiten bzw die Verkehrsgunst der Gelegenheiten so beeinflusst dies wiederum die individuelle Wahl eines Arbeitsplatzes eines Wohnstandortes usw Eine bersicht themenbezogener Untersuchungen geben die Beitr ge von Pischner et al 1998 Kutter 2001 und Beckmann et al 2001 Zu aktuellen empirisch orientierten Forschungsarbeiten die sich mit den aufgef hrten Zusammenh ngen BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN besch ftigen z hlen u a Holz Rau et al 1995 Kagermaier 1997 Holz Rau et al 2000 Axhausen et al 2001 Kreitz et al 2001 Vogt et al 2001 Snellen 2001 und Hammer et al 2003 Simulationsmodelle auf dem Stand der Anwendung bzw der Wissenschaft die Verkehrsnachfrage und Raumnutzung kombiniert behandeln integrierte Verkehrsnachfrage und Raumnutzungsmodelle sind beispielsweise in Wegner et al 1999 und Miller et al 2000 dokumentiert Zeitliche Entwicklungslinien aktivit tenorientierter Forschungsarbeiten veranschaulicht Abbildung 2 1 wobei in einer Retrospektive aufgezeigt wird welche einzelnen Aspekte zu welcher Zeit dominierten bzw zur Zeit im Vordergrund stehen Daraus sind auch derzeitige Trends der Verkehrsforschung zu erkennen Aspekte der aktivit ten orientierten Sichtweise Verkehr als abgeleitete Aktivt tennachfrage Forschungsintensit t 1970 1980 1990 12000 S
335. kehrsmittel definiert werden Festgelegt wird hierf r h ufig das Verkehrsmittel mit dem die l ngste Wegstrecke zur ckgelegt wird Holz Rau 1990 Die Ableitung eines Hauptverkehrsmiittels ist auch aus einer vorab definierten Hierarchie von Fortbewegungsarten m glich vgl Kloas et al 1993 Folge der Definition eines Hauptverkehrsmittels ist eine systematische Untererfassung bestimmter Fortbewegungsarten z B Zufu gehen Br g et al 1999 zeitliche Facette wann wie lange in welcher Abfolge Zeit ordnet Handlungen Aktivit ten A und Ortsver nderungen W werden chronologisch aneinandergereiht und bilden somit ein temporales Muster in einem definierten Betrachtungs zeittaum dem Makrozeitabschnitt Tag Monat Jahr usw Als einzelne Zust nde z entlang der Zeitachse des Makrozeitabschnittes lassen sich die einzelnen Handlungen Y durch zeitbezogene Merkmale charakterisieren vgl Tabelle 2 5 Dollase et al 2000a r umliche Facette wo und wie erreicht Notwendige Voraussetzung f r die Planung und Realisierung von Handlungen Y ist die individuelle Orientierung durch Wahrnehmung der r umlichen Umwelt Dies geschieht ber kognitive Karten mental maps die eine bildhafte Vorstellung ber Orte und Verbindungen zwischen den Orten enthalten Werlen 2000 Raumbezogene Merkmale dokumentiert Tabelle 2 5 BHOBBEE Grundlagen A soziale Facette mit wem Ob Aktivit ten bzw Ortsver nderungen alleine oder
336. keiten h her aus Freitag alle Cluster Bei allen Clustern au er Cluster Ss deuten sich Ver nderungen im Tagesmuster freitags gegen ber den Werktagen vorher an wobei die clusterspezifischen Kontraste in den Zeit verwendungsstrukturen erhalten bleiben Die Unterschiede u ern sich in h heren Zeitanteilen f r Freizeit und Einkaufsaktivit ten in den Nachmittags und Abendstunden wobei dies besonders Cluster S2 und S betrifft Bereits in den Mittagsstunden gehen bei beiden Clustern die Zeitanteile des tagesablaufstrukturierenden Zeitblockes der T tigkeit Arbeiten zur ck w hrend entgegengesetzt die Zeitquanten f r andere Au er Haus T tigkeiten ansteigen Ferner verteilen sich die Unterwegszeiten gleichm iger auf die Nachmittagsstunden einhergehend mit einer Zunahme an Zeitquanten Im Gegensatz zu den anderen Werktagen ist die Nachmittagsspitze des Berufsverkehrs zeitlich vorgezogen und ersteckt sich ber einen l ngeren Zeitraum Gleichzeitig kommen Freizeit und Einkaufsverkehre hinzu was zu anderen Belastungszust nden des Verkehrssystems f hrt Unver ndert bleibt die zeitliche Lage und Intensit t der Spitzenstunde insgesamt Samstag Cluster S4 S2 S3 S4 Ss und S7 Strukturelle hnlichkeiten der samst glichen Tagesmuster zeichnen sich bei den genannten Clustern S ab vgl Abbildung 7 7 bis 7 11 und 7 13 Nachstehende Besonderheiten der davon etwas abweichenden Cluster S7 und S sind erw hnenswert Cluster S
337. keiten zwischen unterschiedlichen Handlungen Y Realisierung der Handlungen Y Zeitdauer der letzen Realisierung der Handlungen in der Vergangenheit Y geplante Realisierung Handlungen Y Zeitdauer bis zur n chsten Realisierung der in der Zukunft Handlungen Y Rhythmen in Abh ngigkeit von Tages Wahrscheinlichkeit der Realisierung bestimmter Wochen Jahreszeiten Handlungen Y zu bestimmten Tages Wochen latente Zeitstrukturen Jahreszeiten Reisezeitbudget verbrauchte Zeit f r Wege W innerhalb einer Makrozeitspanne Tag Woche usw Stabilit ten zwischen Reisedauer und Quotient Reisedauer zu Gesamtdauer der Dauer der Handlungen Y Handlungen Y 2 2 3 Verbindungen zwischen den Elementen Nachdem sowohl die beiden Ebenen des Theoriemodells als auch die einzelnen Elemente vorgestellt sind sollen nun die Verbindungen zwischen den Elementen Umwelt Individuum Handlung und den Handlungsfolgen betrachtet werden Dabei ist zun chst anzumerken dass zwischen dem realen Entscheidungs und Handlungsablauf des Raum Zeit Verhaltens und dessen prozesshaften Fortgang als Abbildung im Theoriemodell durchaus eine Diskrepanz bestehen kann Werlen 2000 In Analogie zu Esser 1996 werden drei Verkn pfungs Logiken aufgegriffen Logik der Situation Die Logik der Situation verkn pft die Makro Ebene der Umwelt mit der Mikro Ebene der Person indem sie die Handlungsabsichten der Person im Hinblick auf die Realisierung von Aktivit ten A und
338. kl rungsgr en in einem schwer durchschaubaren ungekl rten Wechselwirkungsgef ge stehen Ausgehend von diesen Relationen wird folgende Strategie verfolgt Ausgangspunkt ist zun chst die wenig erforschte situationsabh ngige Bedeutung von geplanten bzw realisierten Handlungen Pover bzw Peover auf Individualebene Um von dieser vielschichtigen Basis zu vereinfachten Operationalisierungen zu gelangen die m glicherweise empirisch und analytisch eher fassbar sind betrachtet der modellhafte Beschreibungsansatz verschiedene Komplexit tsstufen vgl Tabelle 5 1 Je nachdem welche Einflussfelder und deren Merkmale des vorgestellten Theoriemodells vgl Abschnitt 2 2 in der Datengewinnung und der analyse einbezogen oder ignoriert werden variiert dessen Komplexit t Prinzipiell ist zun chst anzumerken Je weniger Einflussfelder eingehen desto undifferenzierter erfolgt die Abbildung der Wertigkeit Povert DZW Peover was zu einem entsprechenden Verlust an Wirklichkeitsn he f hrt Zwischen den Einflussfeldern und dem Betrachtungszusammenhang der Priorit t Poyer bzw Peovert von aktivit ten bzw ortsver nderungsbezogenen Handlungen Y besteht folgender Zusammenhang Erstens wird zwischen der individuellen und der kollektiven Betrachtungsebene differenziert W hrend die empirischen Messungen M vgl Abschnitt 5 3 2 von der Mikroebene der Personen ausgehen betrachtet die anschlie ende Datenanalyse A vgl Abschnitt 5 3 4 lediglich Pe
339. kl rungsgr en und Anzahl der Wege Aktivit tenmuster Typen Autor Jahr identifizierte Erkl rungsgr en k Anzahl der Wege Aktivit tenmuster Typen Si Erwerbsstaus Geschlecht Stellung im Haushalt Siedlungstyp Wohnstandort Kutter 1972 Pas 1980 Recker et al 1980 Becker 1981 Schmiedel 1984 Wang 1997 Kulkarni et al 2000 Quelle Kutter 1972 Pas 1980 Recker et al 1980 Becker 1981 Schmiedel 1984 Wang 1997 Kulkarni et al 2000 3 3 3 Diskussion und vergleichende Bewertung musterorientierter Multimethodenans tze Ausgangspunkt der Bewertung musterorientierter Ans tze ist die bereits vorgenommene systematische Einordnung anhand methodischer Kriterien vgl Tabelle 3 3 Zus tzlich wird im Weiteren der Aspekt betrachtet inwieweit potenzielle Erkl rungsgr en k zum Nachweis von Kausalzusammenh ngen ber cksichtigt sind Die Vorgehensweise erstreckt sich ber die Schritte 48 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE erstens der Zielformulierung f r die Kriterien und zweitens der Bewertung der Untersuchungsans tze anhand dieser Ziele 3 3 3 1 Ziele a Abbildungsbreite und tiefe des Raum Zeit Verhaltens Als erstes Kriterium soll die Art und Weise der Abbildung des beobachteten Aktivit ten Verkehrs verhaltens betrachtet werden Je zeitlich ausgedehnter und detaillierter dieses Datenmaterial vorliegt desto h her
340. klungstrends die Handlungsm glichkeiten von Personen bestimmen z hlen u a die Flexibilisierung der Zeitstrukturen Verl ngerung der Laden ffnungszeiten Aufl sung der Normalarbeitszeit neue Organisationsformen der Arbeit usw vgl u a Hilscher 2000 Gar hammer 2001 Eberling 2002 die Ver nderung der Sozial und Wirtschaftsverh ltnisse nderungen der Besch ftigungs strukturen Dienstleistungsgesellschaft vgl u a Leutzbach 2000 neue Technologien steigende Erwerbsquoten bei Frauen usw vgl u a Breckner 2002 usw und der Umbau r umlicher und verkehrlicher Strukturen Sub Desub und Reurbanisierung der Agglomerationen Hierarchisierung des St dtesystems vgl u a H u ermann et al 1995 Schmitz 2001 neue Verkehrs und Kommunikationssysteme usw Da Raum Zeit Verhalten immer ein Spiegelbild dieser gesellschaftlichen Entwicklungen ist kann hierf r folgender Trend im Zeitverlauf angenommen werden vgl Abbildung 1 1 Erstens f hrt die Erweiterung von Handlungsoptionen der Personen zu einer Zunahme der Komplexit t individueller Wege Aktivit tenmuster Tagesabl ufe mehr aktivit ten und ortsver nderungs bezogene Zust nde zZ komplexere Abfolgen der Zust nde z Und zweitens bewirkt die Angleichung von Handlungsm glichkeiten in der Bev lkerung eine st rkere Heterogenit t der Wege Aktivit tsprofile aggregierte Zustandsverteilung von Tagesabl ufen unterschiedlich
341. kmalen y und dementsprechend auch anderen Merkmalswerten y unterscheiden Feinstruktur der Zustandsr ume merkmalsspezifisch Die Betrachtung linearer Zusammenhangseffekte infolge einer Ver nderung der Feinstruktur der Zustandsr ume Z y auf der Grundlage der Korrelationskoeffizienten r ergibt vgl Tabelle 6 4 einerseits starke Abweichungen der Distanzen Dpio S s es zwischen demjenigen Fall dessen Zustandsraum Z a lediglich aus einem einzigen Zustand z Z aX Aktivit t besteht und jeweils den beiden anderen Vergleichsf llen deren Zustandsr ume Z a f nf Zust nde z charakterisiert durch verschiedene Aktivit tstypen ar enthalten und andererseits relativ geringe Unterschiede der Un hnlichkeitsindizes D io S 8 s s s wenn der ein elementrige Zustandsraum Z w Z w Weg in f nf Subzust nde z unter schiedlicher Fortbewegungsarten w aufgeschl sselt wird Zur Interpretation der Befunde lassen sich folgende Gesichtspunkte anf hren Erstens wirkt sich die urspr ngliche Dauer der Zust nde z aus falls eine Aufteilung dieser in Subzust nde z erfolgt So erkl rt sich die starke Affinit t der Abstandsma e D S 8 s ses bei unterschiedlichen Aufl sungen ortsver nderungsbezogener Zust nde z aus dem relativ geringen Zeitanteil der Wege am Gesamttageszeitbudget ca 5 7 1 19 hr Zweitens ist f r die Zusammenhangsst rke von Belang wenn auch mit geringerem Einfluss ob bei einer Erh
342. kommt hinsichtlich des zweiten Teilaspektes der Abbildungsbreite die L nge des Betrachtungszeitraumes eine wesentliche St rke der Datenbasis des MOP zum Tragen Erst die Verf gbarkeit von Longitudinaldaten auf Wochenbasis erm glicht tiefergehende Einsichten in die Variabilit t des Raum Zeit Verhaltens wie bereits ausf hrlich diskutiert vgl Abschnitt 3 3 3 1 Dies geht ber den Aussageumfang vorgestellter Forschungsbeitr ge u a Pas 1980 Schmiedel 1984 usw die lediglich Stichtagsbefragungen in der Regel eines Normalwerktages nutzen hinaus a3 Detaillierung der Sequenzform der Wege Aktivit tenmuster Abbildungstiefe Die aus analysetechnischen Gr nden vgl Abschnitt 6 2 1 gew hlte Sequenzform der Intervallreihne mit kurzem Zeitraster At 10 min erm glicht eine relativ genaue Be schreibung des Raum Zeit Verhaltens die nahezu an das Darstellungsniveau der Ereignis dauerreihe heranreicht Das hei t Sowohl die zeitliche Lage als auch die Dauer der Handlungen Y stimmen relativ gut mit der Datenwirklichkeit berein was gegen ber vielen anderen zitierten Untersuchungen z B Pas 1980 Schmiedel 1984 eine Steigerung an Realit tsn he darstellt EEHEEHE Fazit und Ausblick 193 a4 Detaillierung der Merkmale des Raum Zeit Verhaltens Abbildungstiefe Gegen ber einigen einschl gigen Forschungsbeitrf gen zeichnet sich beim Abstraktionsgrad der beschreibenden Merkmale der Zust nde z des Aktivit ten Ver k
343. ktivit tsprofil Se flexible Nacht Schicht und Wochenendarbeit 156 HEBBMLOE Fallbeispiel stand Entropie stand Entropie WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 100 90 80 70 60 50 40 Zeitverwendung 30 20 10 0 Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Tag EE Arbeiten dienstlich WEB Ausbildung EJEinkaufen Service E Freizeit m zu Hause CO V Nutzung EZA MIV Mitfahrer ESS MIV Selbstfahrer E Fahrrad mmzu Fu Entropie standardisiert Abbildung 7 13 Wege Aktivit tsprofil S7 Ausbildung Werktage Montag bis Donnerstag Cluster S4 Aus Abbildung 7 7 geht ein typischer Tagesverlauf mit zwei Spitzen h herer Intensit ten f r Au er Haus Aktivit ten und Ortsver nderung f r Cluster S hervor wobei die blichen Spitzenzeiten der Aktivit ts und Verkehrsnachfrage anderer Wege Aktivit tenmuster Typen S gemieden werden Cluster S2 S3 S4 und S7 Cluster S2 Sa S4 und S vgl Abbildung 7 8 bis 7 10 und 7 13 kennzeichnet jeweils einen tagesverlaufbestimmenden Block der ma gebenden Pflichtaktivit t Arbeiten oder Ausbildung mit sehr hohem Zeitanteil gt 90 mit ungef hr gleichem Beginn aber unterschiedlichem Ende und damit auch unterschiedlicher Dauer Eine weitere Gemeinsamkeit betrifft das Auftreten von Spitzenstunden des Verkehrs die sich jeweils auf die Zeiten vor Beginn und nach dem
344. ktualit t der empirischen Daten usw Grundlagen f r Verkehrsnachfragemodelle die musterorientierte Informationen aus Tages Wochenabl ufen usw Wegeketten Aktivit tsketten usw ben tigen bed rfen einer Aktualisierung und Weiterentwicklung Nahe liegt zum Beispiel die Verwendung besserer Abbildungsmethoden um Unterschiede zwischen den Wege Aktivit tenmustern s Tages Wochenabl ufe usw von Personen als Ausgangspunkt einer Klassifizierung des Aktivit ten Verkehrs verhaltens zu quantifizieren und die Substitution des bislang zugrunde gelegten logischen Konzeptes der Determinismen zwischen Personenkategorien charakterisiert durch bestimmte Sets kj von Personen und Kontextmerkmalswerten k und bestimmten Routinen im allt glichen Raum Zeit Verhalten durch ein Konzept basierend auf Wahrscheinlichkeiten Affinit ten 1 1 2 Zielstellung Die vorliegende Arbeit kn pft einerseits mehr oder minder an die methodischen Herangehensweisen einschl giger empirischer Ans tze auf diesem Sektor u a Pas 1980 Pas 1983 Pas 1984 Recker et al 1980 Recker et al 1985 Schmiedel 1984 Wang 1997 Kulkarni et al 2000 die musterorientierten Analysen des Aktivit ten Verkehrs verhaltens an Andererseits besteht wie bereits angedeutet der Anspruch durch innovative Wege in der Datenanalyse auf methodischer Seite Fortschritte zu erzielen Das Schlie en der inhaltlichen Forschungsl cke durch Verwendung aktueller Date
345. l Matching Technique a priori assumptions must be made for the cost of the transformation operation which is a key issue of the method The criteria of priority is introduced as a measure for states and changes in states for activities and trips Testing the sensitivity of the results of the Optimal Matching Technique depends on the definition of cost It can be concluded that there is a strong influence on travel activity pattern distances The multi method approach is applied in an exemplary manner both to classify weekly travel activity pattern and to describe the travel activity pattern types The empirical data base is the German Mobility Panel MOP The classification results in a seven cluster solution of weekly travel activity pattern types which can be interpreted in a plausible way It can be shown that the approach of comparing activity travel pattern based on the Optimal Matching Technique captures the element composition It remains uncertain if and how far this succeeds to the element order The seven travel activity pattern types can be described in terms of sociodemographic characteristics age gender and status of employment driving licence and discount public transport There is evidence that the multi method approach under application of the Optimal Matching Technique is a useful tool to analyse travel activity behaviour INHALTSVERZEICHNIS Inhaltsverzeichnis Abb
346. ladbach 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 6 2 S 87 102 Chapin F S 1978 Human Time Allocation in the City in Carlstein T Parkes D Thrift N Hrsg Human Activity and Time Geography S 13 26 Edward Arnold London Chen C Kitamura R 2000 On What People Schedule and What They Actually Do in Conference Proceedings 9 International Association for Travel Behaviour Research IATBR Conference Gold Coast Queensland Australien 2 7 July 2000 Chlond B 1996 Zeitverwendung und Verkehrsgeschehen Zur Absch tzung des Verkehrsumfangs bei nderungen der Freizeitdauer Heft 55 Institut f r Verkehrswesen Universit t Karlsruhe Chlond B Kuhnimhof T 2003 Das Panelhandbuch Informationen ber Anleitung zum Gebrauch und Anregungen zur Nutzung der Daten des Deutschen Mobilit tspanels Institut f r Verkehrswesen Universit t Karlsruhe http mobilitaetspanel ifv uni karlsruhe de downloads Stand 01 2004 Chlond B Lipps O Zumkeller D 1996 Auswertungen der Paneluntersuchungen zum Verkehrsverhalten Manuskript im Auftrag des BMV Institut f r Verkehrswesen Universit t Karlsruhe Chlond B Lipps O Zumkeller D 1997 Begleitung und Auswertung der laufenden Erhebungen zum Mobilit tsverhalten sowie zur Fahrleistung
347. lauf in durch Wendepunkte voneinander getrennte Lebensspannen die den sozialen Status und damit auch die Rollen der Individuen ver ndern Sch fers 2001 Als Beispiel l sst sich der bergang vom Erwerbsleben ins Rentnerdasein anf hren Das Familienphasenkonzept stellt den Lebenszyklusansatz in Verbindung zu den typischen Familienphasen bildung erweiterung schrumpfung so dass der Haushaltskontext in das Konzept einflie t Mackensen 1994 Um eine konsistente Abbildung der Gesamtbev lkerung im Rahmen entsprechender Ans tze der Segmentierung zu erreichen sind auch neue Haushaltsformen zu beachten Wohngemeinschaften Alleinerziehende usw Kr mer 1992 Als Erkl rungshintergrund greifen in der Verkehrs forschung beispielsweise Mackensen 1994 Chlond 1996 Stopher et al 2000 usw das Lebens bzw Familienphasenkonzept auf wobei die a priori Klassifikation von Individuen durch die Kombination entsprechender Merkmalswerte kj vom Trennvariablen k z B Alter Anzahl der Kinder usw und deren Auspr gungen unterschiedlich vollzogen wird Auch Verkehrsnachfragemodelle verwenden als Grundlage Personentypologien die auf diesem Erkl rungshintergrund fu en u a D rnemann 2000 Lebensstil Eine weitere Alternative zur Deutung des Aktivit ten Verkehrs verhaltens bietet das Lebensstilkonzept das erst in j ngster Zeit an Relevanz in der Forschungspraxis der Verkehrsforschung gewinnt u a G tz et al 1997 Schulze 199
348. lich ein wesentlicher Teilaspekt zu kl ren In Abh ngigkeit der Analyseperspektive ob aus intra oder interpersoneller Sicht stellt sich jeweils die Aufgabe der Festlegung der zeitlichen Ausdehnung und Lage des Untersuchungszeitabschnittes Das f r die vorliegende Arbeit zur Verf gung stehende Datenmaterial des MOP setzt hier eine Grenze Dieses fixiert die maximale zeitliche Ausdehnung der Untersuchung auf eine Woche Im Vordergrund des vorliegenden Anwendungsfalls steht die Analyse von Unterschieden im Raum Zeit Verhalten zwischen Personen im Mittelpunkt und bildet die Klassifikationsbasis ohne jedoch die intra personelle Sichtweise zu vernachl ssigen Analyse von interpersonellen Unterschieden im Aktivit ten Verkehrs verhalten Festlegung Makrozeitabschnitt Statt lediglich einzelne Tage oder Tageskategorien z B Wochenende Werktage zu betrachten geht die Analyse von interpersonellen Abweichungen im Aktivit ten Verkehrs verhalten von der kompletten Woche als Betrachtungseinheit aus ohne Zeitabschnitte z B die Nachtstunden vgl Becker 1931 auszublenden Inhaltliche Gr nde daf r sind erstens die Maximierung der interpersonellen Erkl rbarkeit des Aktivit ten Verkehrs verhaltens unter Wahrung der M glichkeiten der vorhandenen Datengrundlage zweitens die Orientierung an der Woche als Einheit der individuellen Zeitplanung des mittel fristigen Zeithorizontes u a Kunert 1992 Dollase 2000a drittens
349. lich gegeneinander verschoben sind Unzureichend erkannt werden sonst m glicherweise Abweichungen der zeitlichen Lage gleicher Zust nde z insbesondere der f r die Verkehrsplanung relevanten Ortsver nderungen Spitzenstunde die dadurch in der Wege Aktivit tenmuster Typologie nicht ausreichend zum Ausdruck kommen BHERBLDIEE Anwendungsvoraussetzungen Optimal Matching Technik WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS 7 ANWENDUNG DES MULTIMETHODENANSATZES BILDUNG UND ERKL RUNG EINER WEGE AKTIVIT TENMUSTER TYPOLOGIE AUF WOCHEN BASIS 7 1 Einleitung Gegenstand von Kapitel 7 ist der anwendungsbezogene Einsatz des musterorientierten Multi methodenansatzes unter Verwendung der Optimal Matching Technik zur Analyse des Aktivit ten Verkehrs verhaltens Um die praktische Verwendbarkeit zu demonstrieren und damit die Potenziale der erarbeiteten Analysestrategie aufzuzeigen behandelt der nachstehende Teil die empirische Analyse der Variabilit t des Aktivit ten Verkehrs verhaltens dargestellt als Wege Aktivit tenmuster s unterschiedlicher Personen auf Wochenbasis 7 2 Konzeptioneller Rahmen Konzeptionelle Grundlage f r die gew hlte Analysestrategie bilden die in Abschnitt 4 3 dargelegten theoretischen Zusammenh nge die wiederum auf dem in Abschnitt 2 2 erl uterten Grundansatz zur Erkl rung der Verkehrsentstehung beruhen Ausgehend von diesem Ger st verbleibt f r die nachfolgende Untersuchung ledig
350. lienzyklus oder Lebensstil zur ckgegriffen Diese enthalten teilweise wiederum unterschiedliche so genannte Verhaltensdimensionen wie die folgenden Begriffserl uterungen zeigen Status und Rolle Der soziale Status beschreibt nach Weymann 2001 S 121 die Position in einer Sozialstruktur die bestimmt wo der Platz einer Person innerhalb der sozialen Ordnung ist zum Beispiel ein Student ein Opa ein Angestellter usw Da eine Person viele Positionen zur gleichen Zeit bekleidet wird der Begriff des Status Sets eingef hrt anhand dessen interpersonelle Unterschiede erkl rt werden k nnen Jedem Status sind wiederum mehrere Rollen zugeordnet das so genannte Rollen Set Unter einer Rolle wird Folgendes verstanden Sie ist ein B ndel von Verhaltenserwartungen Verpflichtungen Privilegien und Ein stellungen die von jedem erwartet werden der einen bestimmten Status innehat Weymann 2001 S 121 Je nach Situation der Wechselbeziehung mit anderen Personen bei Handlungen wird eine Rolle aus dem Rollen Set des Status gespielt Beitr ge aus dem Bereich der Verkehrsforschung die sich stark am Erkl rungskonstrukt der Rolle orientieren sind u a Kutter 1972 Schmiedel 1984 und Simma 2000 16 BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN Lebens und Familienzyklus Eng mit dem Erkl rungshintergrund von Status und Rolle h ngt das Lebenszykluskonzept zusammen Der Lebenszyklus unterteilt den individuellen Lebens
351. llationen zum Vorteil von Wege Aktivit tenmuster Typ Sa der an letzter Stelle der Hierarchie angeordnet ist Hier bleibt unklar warum Cluster S nicht an erster Stelle der Zuordnungsrangfolge steht Dessen verkehrsmittelspezifische Charakteristik extrem hoher wege und zeitbezogener V Anteile m sste eigentlich zum PNV Zeitkartenbesitz die st rksten Beziehungen aufweisen Effekt Fahrerlaubnis Wie sich eine vorhandene Pkw Fahrerlaubnis auf die Realisierungschance der Wege Aktivit tenmuster Typen S auswirkt geht aus der nachstehenden Zuordnungsrangfolge hervor Die Realisierungswahrscheinlichkeit von Wege Aktivit tenmuster Typ S ist bei F hrerschein besitz gegen ber allen anderen Wege Aktivit tenmuster Typen S h her Diese steigt um das 5 7 fache zu Cluster S um das 2 4 fache zu Cluster S und um das 4 67 fache zu Cluster S Die an den weiteren Positionen folgenden Cluster S stellt Tabelle 7 8 dar Ist ein Pkw F hrerschein vorhanden sinkt die Realisierungswahrscheinlichkeit von Wege Aktivit tenmuster Typ Se an zweitletzter Position der Hierarchie stehend in fast allen Gegen berstellungen au er zu Cluster S7 Signifikante Zusammenh nge sind dabei folgende zu Cluster S um den Faktor 1 2 4 zu Cluster S um den Faktor 1 4 0 zu Cluster S4 um den Faktor 1 3 52 sowie zu Cluster S um den Faktor 1 5 36 Die Chance der Aus bung von Wege Aktivit tenmuster Typ S an letzter Stelle der Hierarchie f llt bei Vorhandense
352. lle 6 7 Sensitivit t der berechneten Distanzen der Optimal Matching Technik 136 gegen ber den Ver nderungen der Vorannahmen Tabelle 7 1 Eingrenzung der gew hlten Clusterl sung 143 Tabelle 7 2 Information zur Clusterl sung 147 Tabelle 7 3 Kenngr en und Betrachtungszeitebenen der Darstellung 148 x OOOODODO TABELLENVERZEICHNIS Tabelle 7 4 Kenngr e Tagesaktivit tsketten auf Wochenbasis je Cluster und f r alle 169 F lle Tabelle 7 5 Auswahl signifikanter Pr diktoren zur Erkl rung der Affinit t zu den Wege 173 Aktivit tenmuster Typen Tabelle 7 6 Klassifikationsmatrix 174 Tabelle 7 7 Ergebnisse zur Modellg te Gesamtmodell und einzelne 176 Erkl rungsgr en Tabelle 7 8 Zuordnungshierarchie der Wege Aktivit tenmuster Typen in Abh ngigkeit 179 der Alternativkategorie identifizierter Erkl rungsgr en Tabelle 7 9 identifizierte Erkl rungsgr en von Wege Aktivit tenmuster Typologien in 184 Abh ngigkeit des Untersuchungszeitraumes Tabelle 7 10 Einhaltung der G tekriterien der Typologie 185 Tabelle 7 12 Eimsch tzung der Abbildungseigenschaften der Optimal Matching 187 Technik anhand des Fallbeispiels Tabelle 7 12 Zuordnungsaffinit t zu den Wege Aktivit tenmuster Typen auf 189 Wochenbasis in Abh ngigkeit von Merkmalsauspr gungen der Person Tabelle 8 1 Einordnung und Bewertung des eigenen musterorientierten 201 Multimethodenansatzes OOGOOOSDO xI ABK RZUNGSVERVERZEICHNIS
353. llen Klick auf die Tabelle Schedule ndern eines Zeigerwertes in der Spalte Current in der zweitletzten Zeile Spalte in welcher der L schvorgang registriert ist von 1 mu e L o i R NEUES a Ru YES D 5 ja auf O nein gt die Aktivit t wird case Epson Eiche Darton Schaue Ta asian im Terminplaner nicht mehr Abb 20 Tabelle schedude in chase mdb angezeigt EHEHEH Anhang D i Leitfaden CHASE Erhebung D I 8 1 7 Fragebogen zur Erfassung der Wichtigkeit realisierter Aktivit ten Wege und Zeit planungsvorg nge F r die Bewertung der Wichtigkeit der Eintr ge soll zwischen zwei F llen differenziert werden die generelle Bedeutung situations unabh ngig einer realisierten Aktivit t eines Weges einer Wege Aktivit ts Folge nur in Abh ngigkeit des Zustandes der durch die Attribute von Wegen Aktivit ten definiert ist und die Bedeutung eines Zeit planungsvorganges situationsab h ngig zum Planungszeitpunkt in Abh ngigkeit der bis zu zwei beteiligten Zust nde welche durch Attribute von Wegen Aktivit ten definiert sind und der Art des Zeitplanungs vorgangs vgl Abb 22 hinzuf gen Bedeutung einer realisierten Aktivit t EEE r nderung Abb 21 Unterscheidung zwischen der Bedeutung realisierter Aktivit ten Wege und Zeitplanungsvorg ngen Hinzuf gen L schen ndern Ar
354. llung einer Wege Aktivit tenmuster Typologie auf Wochenbasis Das Ergebnis einer sinnvollen Wege Aktivit tenmuster Typologie ergab sich aus der Anwendung der Optimal Matching Technik und daran anschlie end eines Fusionsalgorithmus Ward Verfahren der Clusteranalyse Abschnitt 7 4 2 Es l sst sich festhalten dass diese die einzu haltenden Kriterien der internen Homogenit t und der externen Heterogenit t der Cluster S erf llt Erstens indizieren die ma gebenden Kenngr en z B der Entropie Index als Ma f r die Heterogenit t in den Wege Aktivit tsprofilen die Einhaltung dieser Anforderungen vgl Tabelle 7 10 Zweitens erweist sich die Typologie bereits auf dem ersten Blick als inhaltlich stichhaltig Dies belegen die klar erkennbaren Gegens tze zwischen den einzelnen Wege Aktivit tenmuster Typen S die sich in unterschiedlichen Aktivit tstypen in unterschiedlichen Dauern und in unterschiedlichen zeitlichen Lagen von Aktivit ten A und Ortsver nderungen W u ern Zustandselementkomposition und Lage Nicht zum Ausdruck kommen unterschiedliche Abfolgen ansonsten identischer Handlungen Y Abfolge hnlichkeit Je nachdem welche T tigkeit A in der Zeitverwendungsstruktur der einzelnen Cluster S berwiegt sind unterschiedliche gesellschaftlich institutionelle Zeitordnungen als ma gebende Zeitgeber Arbeitszeiten Schulzeiten usw relevant Drittens gilt als Besonderheit der Fallstudie die longitudinale Betrach
355. lnen Zust nde z geben dar ber Aufschluss wie gro die Wahrscheinlichkeit ist dass ein bestimmter Zustand z w hrend des Zeitintervalls At realisiert wird vgl u a Kutter 1972 Holzapfel 1980 Becker 1981 Messung der Heterogenit t in den Wege Aktivit tsprofilen der Wege Aktivit tenmuster Typen Um auf der Basis der gew hlten Darstellungsweise der Cluster S als Wege Aktivit tsprofile die Unterschiedlichkeit innerhalb der Partitionen S zu quantifizieren ist eine Kenngr e zur Bestimmung der Heterogenit t von Zustandsverteilungen heranzuziehen Aus Coulter 1989 wird folgender Ansatz aufgegriffen Zur Ermittlung der Intraclusterheterogenit t eignet sich das standardisierte Entropie Ma Ex das sich f r jedes Zeitintervall At der Wege Aktivit tsprofile oder anderer Zustandsverteilungen gesondert berechnen l sst vgl Gleichung 7 1 gt P log p Gleichung 7 1 E log k Est Entropie Ma im Zeitintervall At pi relative Anteile der Zust nde z bzw andere im Zeitintervall At k Anzahl der Zust nde z bzw andere der Zustandsverteilung 21 Beim 1 Stunden Zeitintervall als Aggregierungsbasis der Zust nde z handelt es sich um das blicherweise in anderen einschl gigen Forschungsarbeiten u a Holzapfel 1980 Becker 1981 verwendete Zeitraster zur Erstellung von Wege Aktivit tsprofilen EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Folgende Eigenschaften charakteris
356. ltate der ersten britischen Untersuchung zur Zeitbewertung First UK Study 1987 HCG et al 1999 Axhausen et al 2000 Zus tzlich wird hier das Zufu gehen beachtet dem die gr te Wertigkeit Povet Zugemessen wird Auch ein Aufsatz von Moktharian et al 2001 der empirische Ergebnisse zur subjektiven Einsch tzung von Ortsver nderungen W thematisiert best tigt gr tenteils diese verkehrsmittelspezifische Nutzenhierarchie Aktivit tsdauer Folgender Zusammenhang besteht Je l nger eine Aktivit t A dauert desto gr er ist deren Nutzen Poer Es handelt sich jedoch nicht um einen linearen Zusammenhang Stattdessen wird beschreibbar durch einen konkaven Kurvenverlauf im Nutzen Zeit Diagramm der Zu wachs an Nutzen Povet mit zunehmender Dauer aa immer kleiner Supernak 1992 Kraan 1996 Dijst et al 2000 Wegedauer nur bei Aktivit ten au er Haus Ob eine Ortsver nderung W einen Nutzen oder einen Aufwand Pover darstellt dar ber gibt es unterschiedliche Sichtweisen Einerseits bedeuten notwendige Ortsver nderungen W im Zusammenhang mit einer Aktivit t A einen zeitlichen monet ren usw Verlust Das hei t Je l nger eine Ortsver nderung W dauert desto gr er wird der Aufwand Pover Supernak 1992 Andererseits zeigen demgegen ber die empirischen Resultate eines Beitrages von Mokhtarian et al 2001 zu diesem Aspekt L ngere Wege W werden im Vergleich zu kurzen mit einem h heren Nutzen Pove verbunden
357. ltes und der verkehrs infrastrukturell r umlicher Gegebenheiten bestimmt werden wie gro die Chance ist bestimmte Wochen Tagesabl ufe usw auszu ben die jeweils mit den verschiedenen Wege Aktivit tenmuster Typen S mittleres Verhalten korrespondieren Ausgehend vom Globalziel der Abbildung und Erkl rung von Unterschieden im individuellen Aktivit ten Verkehrs verhalten auf musterorientierter Basis lassen sich aus den er rterten Zusammenh ngen vorerst Teilziele f r die Bearbeitung der Arbeit formulieren Zur Strukturierung dieser dient folgende bereits angedeutete Untergliederung erstens die Ebene des muster orientierten Multimethodenansatz zur Analyse des Aktivit ten Verkehrs verhaltens und zweitens die Ebene der Sequenzvergleichsanalyse zur Messung der Abst nde D s s s zwischen Wege Aktivit tenmustern s vgl Abbildung 1 3 Ebene musterorientierter Multimethodenansatz i Konzeption eines origin ren Untersuchungsansatzes zur Abbildung und Erkl rung von Unterschieden zwischen Wege Aktivit tenmustern Klassifikationsaufgabe explorativ Erzielung einer gr eren bersichtlichkeit des extrem komplexen Raum Zeit Verhaltens durch dessen Strukturierung und Ordnung indem Wege Aktivit tenmuster s zu Wege Aktivit tenmuster Typen S zusammen gefasst werden die mittleres Verhalten repr sentieren Erkl rungsaufgabe induktiv Identifikation potenzieller Erkl rungsgr en k der Person des Haushaltes
358. luster Sg Charakteristisch f r den gennanten Wege Aktivit tenmuster Typ ist ein Tagesmuster vgl Abbildung 7 12 dessen Verlauf Zeitquanten f r Arbeiten sowohl tags ber als auch nachts kennzeichnen Zur plakativen Abgrenzung der Wege Aktivit tenmuster Typen S verbleiben nur noch die Unterscheidung von Cluster S und S mit tagesablaufbestimmender T tigkeit Arbeiten dienstlich und der 40 Stundenwoche Auf der Ebene welche die zeitliche Lage der Hauptaktivit t im Tagesverlauf betrachtet wird klar Cluster S steht f r die Normalarbeitszeit welche die Arbeitstage und die woche durch festen Beginn und Ende der Arbeitszeiten sowie ein arbeitsfreies Wochenende uniformiert Demgegen ber zeichnen sich f r Cluster Ss sehr variable Arbeitszeiten au erhalb der Korridore der Normalarbeitszeit ab die Nacht Schicht und Wochenendarbeit 7 4 3 5 Intrapersonelle Tag zu Tag Variabilit t auf Clusterbasis Einordnung des Forschungsansatzes Aktuelle Beitr ge von Pendyala 2000 Zimmermann et al 2001 und Lipps 2001 dokumentieren bereits ausf hrlich den Forschungsstand von einschl gigen empirischen Arbeiten die sich der Analyse der intrapersonellen Variabilit t des Aktivit ten Verkehrs verhaltens widmen Ohne deswegen entsprechende Studien im Detail zu w rdigen beschr nkt sich die Einordnung des eigenen Ansatzes zur Untersuchung der intrapersonellen Tag zu Tag Variabilit t auf eine knappe Darstellung wesentlicher
359. lysen ab Die inhaltliche Facette wird ber das Merkmal Aktivit tstyp am durchg ngig in allen hier vorgestellten Untersuchungsans tzen beachtet Zus tzlich greift Schmiedel 1984 das Merkmal Verkehrsmittel w auf Die soziale Facette bleibt ausnahmslos bei allen Beitr gen ignoriert 52 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE a2 a3 a4 Ob und inwieweit die r umliche Facette beachtet wird bestehen Unterschiede L cken sind bei Pas 1980 Becker 1981 und Schmiedel 1984 vorhanden w hrenddessen Kutter 1972 mit dem Merkmal Aktivit tsort a sowie Recker et al 1980 und Kulkarni et al 2000 mit der Variablen Distanz von zu Hause we raumbeschreibende Merkmale des Aktivit ten Verkehrs verhaltens aufgreifen vgl Tabelle 3 3 L nge und Lage des Makrozeitabschnittes Abbildungsbreite Keine der hier behandelten Untersuchungen geht ber den zeitlichen Umfang einer Stichtagserhebung hinaus so dass wie bereits erl utert der Erkl rbarkeit der Variation des Raum Zeit Verhaltens Grenzen gesetzt sind Da sich bei allen Arbeiten der betrachtete Makrozeitabschnitt auf Tage unter der Woche erstreckt spiegeln die Untersuchungen lediglich werkt gliches Aktivit ten Verkehrs verhalten wider ohne die Besonderheiten des Wochenendes zu ber cksichtigen vgl Tabelle 3 3 Detaillierung der Merkmale des Raum Zeit Verhaltens Abbildungstiefe Zwischen den verschiedenen Forschungsarbe
360. m rstatistiken beispiels weise die Volksz hlung 1987 die KONTIV 1989 usw enthalten kaum geeignete Merkmale der Person des Haushaltes usw die f r den Aufbau eines Erkl rungshintergrundes auf Basis des Lebensstilkonzeptes ausreichen Welche Erkl rungsgr en letztendlich zur empirischen Umsetzung der Konstrukte von Rolle und Status Lebens bzw Familienzyklus und Lebensstil herangezogen werden ist nicht einheitlich In der Zusammensetzung der Pr diktoren k gibt es sowohl Abweichungen zwischen einzelnen Forschungsans tzen die auf demselben Erkl rungshintergrund beruhen als auch grunds tzliche berschneidungen zwischen den unterschiedlichen Konzepten die oft auch gemeinsam verwendet werden Kunert 1992 Tabelle 2 4 Einflussfelder und Indikatoren der Person und des Haushaltes modifiziert nach Kunert 1992 Pas 1984 Einflussfelder Indikatoren Status und Rolle Geschlecht Berufst tigkeit usw Lebens bzw Familienzyklus Alter Haushaltsform Kinder in Haushalt usw Lebensstil Werthaltungen Motive Geschmack Lebensziele Einkommen Pkw Besitz usw aktivit ten bzw ortsver nderungsbezogene Handlungen Gegenstand der Erkl rung sind Aktivit ten A und Ortsver nderungen W die als individuelle Handlungen Y in ihrer Abfolge Wochen Tagesabl ufe usw konstituieren Jene Alltagshandlungen sind wiederum Teile bergeordneter pers nlicher Projekte Beck 1996 Zun chst ist zu erl utern was man unte
361. m Mittel aller F lle Faktor 0 7 Cluster S grenzt sich von den anderen Wege Aktivit tenmuster Typen S insbesondere durch eine stark nach oben abweichende Durchschnittsentfernung mit 18 6 km je Weg und Fall als MIV Selbstfahrer ab Faktor 1 5 Der Maximalwert einer mittleren Reiseweite mit fast 75 km ergibt sich bei Cluster S f r die V Nutzung Faktor 3 1 Demgegen ber betr gt die durchschnittliche Entfernung je Weg mit dem ffentlichen Verkehr bei Cluster S7 lediglich 12 7 km Weitere clusterspezifischen Unterschiede in der durchschnittlich zur ckgelegten Entfernung nach Verkehrsmittel dokumentiert Anhang G in Tabelle G 2 EEHEHE Fallbeispiel SS Tagesaktivit tsketten Aus der cluster bergreifenden Analyse welche Tagesaktivit tsketten im Wochenverlauf die gr ten H ufigkeiten erreichen l sst sich zeigen An den Werktagen handelt es sich um kurze Aktivit tsketten mit zwei Ortsver nderungen die arbeits einkaufs oder freizeitbezogen sind auf den vorderen R ngen der Hierarchie W hrend von Montag bis Donnerstag die Abfolge W Arb W dominiert ist freitags W Ek W an erster Stelle positioniert An den Wochenendtagen sind ausschlie lich Aktivit tsketten mit disponiblen T tigkeiten auf den vorderen R ngen der H ufigkeitsverteilung platziert W hrend f r den Samstag Aktivit tsketten mit den T tigkeitskategorien Freizeit und oder Einkauf typisch sind bleibt der Sonntag frei von Versorgungst tigkeiten
362. males Resultat darstellt Gelingt eine zufriedenstellende Modellanpassung so kann anschlie end eine inhaltliche Deutung der Clusterl sung vorgenommen werden u a Bacher 1994 Bortz 1999 Backhaus et al 2003 4 7 Multinomiale Logit Analyse 4 7 1 Grundlagen Die nachfolgenden Erl uterungen zu den Logit Modellen basieren auf den Publikationen von Urban 1993 Andre et al 1997 und Backhaus et al 2003 Logit Modelle z hlen zu den multivariaten statistischen Verfahren die auf dem Prinzip der Identifikation fu en also strukturen pr fend sind Im Allgemeinen h ngt die Auswahl welches induktive statistische Verfahren grunds tzlich angewandt wird zun chst vom Skalenniveau der Ausgangsvariablen ab vgl Abschnitt 3 2 1 Tabelle 3 1 Handelt es sich um eine zu erkl rende Variable in kategorialer Form mit einer beschr nkten Anzahl von diskreten Merkmalskategorien so eignet sich die Logit Analyse Bezogen auf die Merkmalswerte der abh ngigen Variablen kann unterschieden werden ob zwei Kategorien bin rer Fall beispielsweise das Auf bzw Nichtauftreten von Ereignissen oder mehrere Kategorien polytomer Fall vorhanden sind Von den unabh ngigen Variablen wird lediglich gefordert dass sie entweder metrisch oder kategorial skaliert sind Mit der Hilfe von Logit Modellen gelingt es Ursache Folge Zusammenh nge zu konstruieren Es wird die Wahrscheinlichkeit der Zuordnung zu einer bestimmten diskreten Merkmalskategorie i der a
363. milie das Teilen gemeinsamer Ressourcen z B Pkw Internetanschluss usw sind wichtige durch soziale Strukturen bedingte Einfl sse die individuelles Aktivit ten Verkehrs verhalten bestimmen Besonders das Theoriemodell von Heidemann 1981 zeichnet sich dadurch aus den Haushaltszusammenhang zur Erkl rung des individuellen Raum Zeit Verhaltens mit einzubeziehen Erkl rungsmodelle des Verkehrsverhaltens auf der Basis empirischer Untersuchungen u a Z ngler 2000 Kloas et al 2001 usw greifen durchweg Indikatoren des Haushaltes z B Haushaltsgr e Anzahl der Kinder usw auf um deren Effekte auf die individuelle Alltagsorganisation von T tigkeiten und Ortsver nderungen zu analysieren Hingegen befindet sich der Stand der Forschung im Hinblick auf die Untersuchung von Abstimmungsprozessen zwischen Personen in der Regel innerhalb des Haushaltes bei der Aus bung von T tigkeiten und Wegen noch am Anfang Zu nennen sind in diesem BHOBBEE Grundlagen n 12 Zusammenhang die Beitr ge von Mentz 1984 Golob et al 1997 und Simma 2000 auf der Basis statistischer Erkl rungsmodelle Simulationsmodelle der Verkehrsnachfrage greifen hingegen Interaktionsvorg nge innerhalb des Haushaltes kaum auf Das von Arentze et al 2000 entwickelte regelbasierte Modell ALBATROSS l sst sich als Beispiel anf hren das entsprechende Zusammenh nge ber cksichtigt Aktivit ten und Ortsver nderungen sind Ergebnis des individuellen dyna
364. mischen Zeitplanungsprozesses Entscheidungen ber die Planung und Ausf hrung von Aktivit ten bzw Ortsver nderungen unterliegen einer zeitlichen Dynamik Sie werden vorzeitig oder spontan geplant m glicherweise verworfen oder durch andere ersetzt gegebenenfalls an neue Umst nde angepasst im Voraus oder im Verlauf und schlie lich realisiert Die Bedeutung des individuellen Zeitplanungsprozesses thematisieren Cullen et al 1975 in einem grundlegenden theoretischen Modell Entscheidendes Element dieses Ansatzes ist das Konzept der Priorit t einer Aktivit t Die subjektive Auswahl einer bestimmten T tigkeit h ngt von deren Priorit t im Vergleich zu anderen Alternativen ab Einflussfaktoren welche die subjektive dynamische Gr e der Priorit t beeinflussen sind u a der Zeitpunkt der Planung die Teilnahme anderer Personen die individuelle Pr ferenz bestimmter T tigkeiten usw Cullen et al 1975 Erst in j ngster Zeit r cken empirische Untersuchungen die sich mit dem Prozess der Zeitplanung besch ftigen verst rkt in den Blickpunkt des Interesses der Fachwelt u a Doherty et al 2000 Doherty 2000 Chen 2000 Begr ndet ist dieser Forschungstrend mit der fundamentalen Bedeutung der Analyse derartiger Handlungsprozesse f r die Entwicklung der regelbasierten Modelle rule based models einer neuen Generation von Verkehrsnachfragemodellen Diese versuchen mit Hilfe der Mikrosimulation den individuellen Prozess der Organi
365. mit mehreren und mit welchen Personen ausge bt werden ist eine weitere Facette des Raum Zeit Verhaltens vgl Tabelle 2 5 Hierbei sind insbesondere Abstimmungsprozesse innerhalb des Haushalts von Bedeutung Als weiterer Aspekt ist die Detailliertheit der Auspr gungen y der Merkmale y und des Raum Zeit Verhaltens zu beachten Einerseits steigen die Anforderungen an Befragte je genauer sie im Rahmen von Erhebungen ber ihr Aktivit ten Verkehrs verhalten Auskunft geben m ssen Kreitz 2001 Anderseits sinkt mit abnehmender Differenziertheit der Informationsgehalt sofern beispielsweise nur wenige Merkmalskategorien a des Merkmals Aktivit tstyps a definiert werden Das hei t Je st rker zusammengefasst wird und je kleiner damit der Umfang des Zustandsraumes Z y wird desto geringere inter oder intrapersonelle Differenzen lassen sich im Aktivit ten Verkehrs verhalten grunds tzlich erkennen Schmiedel 1984 ber die Betrachtungsebene einzelner T tigkeiten A Ortsver nderungen W bzw Weg Aktivit ts Folgen WA hinausgehend richtet sich im Nachstehenden der Fokus auf deren Sequenzen Der Alltag von Personen ist im Sinne eines fortw hrenden Handlungsstromes durch eine chronologische Abfolge zahlreicher Aktivit ten A bzw Ortsver nderungen W gekennzeichnet Hierf r wird der Begriff des Wege Aktivit tenmusters s eingef hrt St rker formalisiert gesehen handelt es sich bei einem Wege Aktivit tenmuster s um
366. mitteln messen die Befragten mit gro er Differenz zu den anderen Fortbewegungsarten die h chste Valenz Poyer s W zu Noch im positiven Bereich der Wichtigkeit positioniert folgt das Unterwegssein als MIV Selbstfahrer und das Zufu gehen wobei die Wertigkeiten Poven Si w beider relativ dicht beieinander liegen BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 113 Am unteren Ende der Hierarchie stehen die Priorit ten Pyyen s W f r das Radfahren und das MIV Mitfahren Es handelt sich dabei um Einsch tzungen im negativen Bewertungsbereich Eine Gegen berstellung dieser Rangfolge mit den Resultaten der Literaturanalyse vgl Abschnitt 5 3 1 l sst Diskrepanzen erkennen Bemerkenswert ist Die V Nutzung f hrt im Gegensatz zu den Ergebnissen anderer zitierter Arbeiten die Priorit tsrangfolge an die dort in der Zusammenfassung aller Verkehrstr ger des ffentlichen Verkehrs eher im Mittelfeld der verkehrsmittelspezifischen Priorit tshierarchie angeordnet ist ber die Gr nde daf r k nnen nur Mutma ungen angestellt werden Ausrei ereffekte in den subjektiven Beurteilungen einzelner Verkehrsmittel aufgrund der geringen Anzahl der Probanden mit spezifischen Verkehrs mittelpr ferenzen begr nden eventuell diesen Gegensatz Eine berproportionale Zugnutzung im Vergleich zu anderen Verkehrsmitteln des ffentlichen Verkehrs verbunden mit dem auch generell vorhandenen positiven Stellenwert dieses Ve
367. n Sch ler Studierende in Berufsausbildung 1 07 0 75 2 02 0 16 2 9171 0 67 12 77 DO Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 1 95 0 47 17 48 0 00 W J 7 0610 2 82 17 65 Sch ler Studierende in Berufsausbildung Teilzeiterwerbst tig 0 91 0 54 2 83 0 09 V 1 2 4889 0 14 1 16 Hu Sch ler Studierende in Berufsausbildung 0 4018 Hausfrau mann arbeitslos Rentner in 1 07 0 75 2 02 0 16 0 3428 0 08 1 50 DO Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 2 87 0 35 66 90 0 00 v 17 5740 8 84 34 93 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 16 0 60 0 07 0 79 0 8532 0 26 2 78 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 91 0 54 2 83 0 09 MI 2 4889 0 86 7 20 Hu Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 03 0 57 27 99 0 00 v 1 20 5974 0 02 0 15 Vollzeiterwerbst tig 0 0485 Teilzeiterwerbst tig 2 87 0 35 66 90 0 00 v 1 17 5740 0 03 0 11 Vollzeiterwerbst tig 0 0569 Sch ler Studierende in Berufsausbildung 1 95 0 47 17 48 0 00 v 1 7 0610 0 06 0 35 Vollzeiterwerbst tig 0 1416 EHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 13 Alternativ Referenz kategorie kategorie a gen N 2 er Cluster F le F amp zz e g2 25 eis lt S S s 5 5 ls
368. n f hrt diskriminierende Erkl rungsgr e Pr diktor unabh ngige Variable deren verschiedene Auspr gungen starke Trenn wirkung in Bezug auf die gt abh ngige Variable aufweisen Distanzmatrix Einstellung Zusammenfassung aller paarweisen Distanzen von Objekten z B Wege Aktivit tenmuster zu einer Matrix die quadratisch ist symmetrisch ist und in der Hauptdiagonalen nur Nullen enth lt latenter subjektiver Zustand der zwischen der objektiven Situation und dem inneren covert oder u eren overt Handeln der Person vermittelt HEBHBHEE Anhang A Glossar Ereignisdauerreihen Darstellungsweise einer temporalen Abfolge von Zust nden Ereignissen Episoden innerhalb eines Makrozeitabschnittes mit bekannter Dauer und zeitlicher Lage Ereignisreihen Darstellungsweise einer temporalen Abfolge von Zust nden Ereignissen Episoden innerhalb eines gt Makrozeitabschnittes ohne Information ber deren Dauer und zeitliche Lage zu enthalten Etappe Bewegung mit derselben Fortbewegungsart zwischen zwei Punkten inkl Wartezeit F Test statistisches Testverfahren zur berpr fung ob und inwieweit die Differenz zwischen zwei Stichprobenvarianzen signifikant ist ausgehend davon dass die Unterschiede in den Varianzen beider Stichproben zufallsbedingt sind und beide aus Grundgesamtheiten mit identischen Varianzen stammen Faktorenanalyse multivariates statistisches Verfah
369. n Merkmalswerten der quantitativen Variablen deren Abstand direkt bestimmt werden Rohwer et al 2000 Die Merkmalswerte y einzelner oder mehrerer Merkmale y kennzeichnen in Form des Zustandsvektors y i y1 n y2 Ey einfache oder multiple Zust nde die einzelne T tigkeiten A Ortsver nderungen W oder Weg Aktivit ts Folgen WA z B y Arbeiten alleine mehr oder weniger umfassend charakterisieren Die Abk rzung y besagt dass eine Kombination von Merkmalswerten vi verschiedener Merkmale y oder eine Auspr gung y eines einzelnen Merkmals y vorliegt Bei multiplen Zust nden y i findet ein gleichzeitiger R ckgriff auf mehrere Merkmalswerter ume Z y statt Der endliche Zustandsraum Z y zur Beschreibung des Raum Zeit Verhaltens in seiner Gesamtheit enth lt wiederum alle potenziellen Zust nde y Zur Definition wird das kartesische Produkt der Merkmalswerter ume Z y gebildet Z y Z y1 x Z y2 x Bowmann 1998 verdeutlicht die Komplexit t der individuellen Entscheidungsm glichkeiten des Raum Zeit Verhaltens anhand einer berschlagsrechnung Er geht unter stark vereinfachten Annahmen in Bezug auf die Anzahl der Merkmalswerte y der einzelnen Merkmale y in einer vorsichtigen Sch tzung von 10 Kombinationsm glichkeiten von Merkmalsauspr gungen y aus die unterschiedliche Zust nde y definieren und damit den ausufernden Umfang des Zustandsraumes Z y repr sentieren Zur Strukturierung der erl
370. n S errreicht Cluster S4 mit 1 40 h pro Fall und Tag Vergleichsweise geringere Reisezeitbudgets weisen die Cluster S4 S und S auf vgl Abbildung 7 4 bis 7 6 Zeitverwendung f r Au er Haus je Tag 2 50 V Nutzung je Tag Ortsver nderungen je Tag N Abweichungsfakt or zu allen F llen MIV Mitfahrer je Tag lt zu Hause je Tag MIV Selbstfahrer je Tag Arbeiten dienstlich je Tag Fahrrad je Tag lt Ausbildung je Tag zu Fu je Tag Einkaufen Service je Tag Freizeit je Tag 0 Cluster S1 6 Cluster S7 Abbildung 7 4 clusterspezifische Abweichungen der Zeitverwendung f r Aktivit ten und Ortsver nderungen Cluster S und S7 Zeitverwendung f r Au er Haus je Tag 250 g V Nutzung je Tag SE Ortsver nderungen je Tag N 2 00 2E gt BE s om ar MIV Mitfahrer je Tag lt zu Hause je Tag MIV Selbstfahrer je Tag Arbeiten dienstlich je Tag Fahrrad je Tag Y X Pa Ausbildung je Tag zu Fu je Tag Einkaufen Service je Tag Freizeit je Tag Cluster S2 E Cluster S3 O Cluster S4 Cluster S5 Cluster S6 Abbildung 7 5 clusterspezifische Abweichungen der Zeitverwendung f r Aktivit ten und Ortsver nderungen Cluster S2 S3 S4 Ss und Se 150 EEHEHE Falibeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Weiterhin charakterisieren unterschiedliche Zeitbudgets f r Ortsver nderungen
371. n Wege Aktivit tenmuster Typen auf Wochenbasis in Kurzcharakterisierung Wege Aktivt tenmuster Typ Merkmalswertesets mit hoher Zuordnungsaffinit t Merkmalswertesets mit niedriger Zuordnungsaffinit t disponible T tigkeiten HAR Vollzeiterwerbst tige Z Teilzeiterwerbst tige NEN amp Sch ler Studierende A 7 S hohes Alter niedriges Alter 5 o Frau Mann E Werktag Sa So o O B aan ri Mehrarbeit Vollzeiterwerbst tige HAR B Sch ler Studierende SErRBNE Teilzeiterwerbst tige u 7 geringes Alter hohes Alter 9 t Mann Frau 2 Werne al F hrerscheinbesitz kein F hrerscheinbesitz wenas Wema A kein V V Zeitkartenbesitz S Zeitkartenbesitz Normalarbeit Vollzeiterwerbst tige HAR a i u Studierende Variabilit t D ann u rau J Se j F hrerscheinbesitz kein F hrerscheinbesitz J m V Zeitkartenbesitz kein V Zeitkarten 5 Werktag Sa So On besitz O e Veen mh Teilzeitarbeit Teilzeiterwerbst tige HAR 5 Vollzeiterwerbst tige Sch ler Studierende vansoni hohes Alter niedriges Alter Mi J go 5 Frau Mann _ g u 3 Werktag Sa So OL p O een sporadische Arbeit Teilzeiterwerbst tige HAR Vollzeiterwerbst tige Sch ler Studierende JS et F hrersc
372. n der vorliegenden Arbeit 4 4 Optimal Matching Technik Zur Quantifizierung der Abst nde D s s es zwischen Wege Aktivit tenmustern s m ssen praktikable Verfahren der Sequenzvergleichsanalyse angewandt werden Zu beachten ist Distanz und hnlichkeitsma e sind gegenl ufige Ma e f r Sequenzabst nde D s s es wobei sich die nachfolgenden Ausf hrungen auf Distanzen beziehen da jene bei der Optimal Matching Technik ermittelt werden gemeinsame Zustandselemente z9 Anzahl Zeit _ Sequenz s Sequenz Tun 4 Zustandselemente z9 mit ZZA 4 gt Vorkommen in beiden Sequenzen 2 solit re Zustandselemente z5 x solit re Zustandselemente 2 Art O n Anzahl 3 Ke D 3 Uber bzw Unterzahl von D Zustandselementen z mit g p Vorkommen in beiden Sequenzen fe x 2 z lt solit re Zustandselemente 1 Art H HAHH 6 Zustandselemente zs mit er HEHH Vorkommen in einer der beiden A ME 7 Sequenzen vor D S 5 scs Abbildung 4 3 Beispiel f r die Unterscheidung gemeinsamer und solit rer Elemente eigene Darstellung Beim Vergleich zweier Wege Aktivit tenmuster s und aus der SequenzmengeS s e S lassen x sich die konstituierenden Zustandselemente z bzw Z mit z Z e Z y nach zwei Arten differenzieren Zum einen k nnen identische Zustandselemente z bzw Z an gleicher oder unterschiedlicher
373. n ihrer Position verschoben sind aber viele gemeinsame Elemente z mit m glicherweise gleicher Abfolge haben dann erm glichen Sequenzvergleichsverfahren die auf dem Prinzip biologischer Distanzen beruhen eine wirklichkeitsgetreuere Abbildung der Un J hnlichkeit im Vergleich zu geometrischen Distanzma en Tabelle 4 3 Vergleich der Abbildungsprinzipien geometrischer und biologischer Distanzen Abbildungsprinzip geometrische Distanz biologische Distanz Kriterium Position Lage M z an gleicher Stelle k M z an gleicher Stelle k f hren Erkennung gemeinsamer f hren nicht zu einer nicht zu einer Abstands Elemente z an gleicher Abstandszunahme D 3 0 S zunahme Dyeo S 8 Position k beider gt Anhang C gt Anhang C Sequenzen s bzw Zustandselement E z an unterschiedlicher M z an unterschiedlicher Stelle komposition Stelle f hren zu einem f hren nicht zu einem Zusammensetzung der Distanz zuwachs D o S 8 Distanzzuwachs D o S 3 Sequenzen s bzw mit z an unterschiedlicher oder gt Anhang CI solit ren z und gleicher Stelle f hren zu z an unterschiedlicher oder gemeinsamen einem Distanzzuwachs gleicher Stelle f hren zu Zustandselementen z Dyeo S 8 einem Distanzzuwachs Dgeo S strukturelles Skelett gleiche Aufeinanderfolge z VI gleiche Aufeinanderfolge z gleiche Abfolge von bleibt unber cksichtigt werden implizit ber cksichtigt gemeinsamen Zustands g
374. n im Hinblick auf eine neuerliche Bildung von Wege Aktivit tenmuster Typologien zu rechnen ist Vermutlich nimmt deren Differenziertheit zu da die Abst nde Dbio S s es Zwischen den Wege Aktivit tenmustern gr er werden Dass mutma lich andere Typologien zu erwarten sind belegt das Ergebnis der Sensitivit tsanalyse einer erheblichen Empfindlichkeit der berechneten Distanzen D S 5 s s s der Optimal Matching Technik gegen ber den Abbildungsalternativen des Raum Zeit Verhaltens vgl Abschnitt 6 3 Aus inhaltlicher Sicht w ren st rker untergliederte Wege Aktivit tenmuster Typologien w nschenswert die ber Aspekte der Arbeitswelt hinausgehend auch andere Lebensbereiche der Freizeit und der Versorgung umfassender sowie differenzierter ber cksichtigen u a Zimmermann et al 2001 Zu den Gesichtspunkten die sich in Clustern h herer Abbildungsbreite und tiefe niederschlagen bzw zum Ausdruck kommen sollten z hlen beispielsweise unterschiedliche Einkaufs und Freizeitaktivit ten durch eine st rkere Aufl sung der T tigkeitstypen a abweichende zeitliche Lage der Hauptaktivit t A im Tagesablauf besonders bei Abweichungen von Normalarbeitszeiten z B Teilzeitarbeit unterschiedliche Abfolgen von identischen T tigkeiten A und Ortsver nderungen W a Ungekl rt ist jedoch bislang ob die Optimal Matching Technik ausreichende Analysepotenziale aufweist wenn der Zustandsraum Z y sehr viele Zust nde z enth
375. n k Haushaltsgr e und Lebens bzw Familienzyklustyp nicht weiter beachtet W hrend die Erkl rungsgr e Haushaltstyp die Zahl der Haushaltsmitglieder bereits einschlie t setzt sich die Lebenszyklusvariable aus den ebenfalls identifizierten Variablen Haushaltstyp und Alter zusammen Obwohl die Kreuztabellenanalyse keine Dependenzen anzeigt gehen die Variablen Pkw Verf gbarkeit und Raumtyp dennoch in die folgende Analyse ein Gegen einen Ausschluss aller Kontextvariablen k sprechen dass andere einschl gige Arbeiten jene Pr diktoren k ber cksichtigen und inhaltliche Erw gungen Unbeachtet bleiben Variablen k welche die Ausstattung des Wohnumfeldes mit Gelegenheiten beschreiben da die Kreuztabellenanalyse keine Zusammenh nge erkennen l sst 7 5 2 Durchf hrung der induktiven Datenanalyse F r den beschriebenen Analysezweck erfolgt die Sch tzung eines multinomialen Logit Modells wie bereits in Abschnitt 4 7 dargelegt und in Abschnitt 4 3 b begr ndet Jenes konstituiert sich folgenderma en Als kategoriale abh ngige Variable geht in das Modell die im vorherigen strukturen erkennenden Analyseschritt erzeugte Wege Aktivit tenmuster Typologie mit i 1 bis 7 Merkmalswerten die je f r ein Cluster S stehen ein Unabh ngige Variablen sind zun chst alle aus der Vorauswahl hervorgehenden Erkl rungs gr en k mit k Kren UNd Kren K Au er dem metrischen Merkmal Alter handelt es sich bei allen anderen durchweg
376. n kann wegen der unzureichenden Datenquantit t des derzeit einzig OBBBHEE EINLEITUNG 3 infrage kommenden Datenfundus des deutschen Mobilit tspanels MOP nur in Ans tzen gelingen Eine Konkretisierung der Zielstellung soll im Folgenden vorgenommen werden Sind Wege Aktivit tenmuster s zu analysieren interessiert zun chst die Frage Wie lassen sich Un hnlichkeiten zwischen denjenigen m glichst realit tsnah quantifizieren Erst auf der Basis bekannter Abst nde D s 5 s s als Ma f r die Un J hnlichkeiten der Wege Aktivit tenmuster s k nnen in einem weiteren strukturen erkennenden Analyseschritt unterschiedliche Wege Aktivit tenmuster Typen S mit Hilfe g ngiger Klassifikationsverfahren gebildet werden Dabei wird vorausgesetzt Wege Aktivit tenmuster s sind klassifizierbar Bei der Messung der Un J hnlichkeit derjenigen mit Hilfe der Sequenzvergleichsanalyse handelt es sich um eine klassische Fragestellung der Verkehrsforschung die immer wieder nach Antworten sucht vgl u a Pas 1980 Recker et al 1980 Hanson et al 1982 Schmiedel 1984 Jones et al 1988 Wilson 1998 Inzwischen steht mit dem noch wenig erprobten Sequenzvergleichsverfahren der Optimal Matching Technik eine im engeren verkehrswissenschaftlichen Kontext neue aber in anderen Wissenschaftsdisziplinen Genforschung Lebensverlaufsforschung usw bereits etablierte Methode zur explorativen Analyse von Mustern s zur Verf gung Bei der Messung von Sequenz
377. n s und v ist gr er Dbio S 2 8 da hier drei solit re Elemente z vorhanden sind Bestehen die Sequenzen s und nur aus gemeinsamen Zustandselementen z so ergibt sich eine geringere Distanz Dpio S 1 6 geometrische Distanz biologische Distanz Position 1 2 Position 1 2 7 F B D C G 3 FG C A D EIF D E xxx G B x B X vYIz H 1 Setze 2 F ein 2 Setze Z G ein 3 L sche z C 4 L sche z F 5 L sche z G 6 Setze Z C ein CJH zomm o oos Sequenz S Sequenz Dgeo S 4 0 1 1 1 1 1 1 0 6 D 0 S 6 F G B i 1 L sche z B 2 L sche z C 3 L sche z D 4 L sche z E aj5 5 Setze Z B ein 6 Setze Z X ein Sequenz 7 Setze 2 Y ein 8 Setze Z Z ein Dyeo S 2 0 1 1 1 1 1 1 0 6 zomm o oos Sequenz S Dpio S 8 BEBBE ANHANG C Beispiel Abbildungseigenschaften OMT C 1 Beispiel Il Abfolge hnlichkeit modifiziert nach Joh et al 2001 Gegeben sind die drei Sequenzen s und 3 die jeweils aus acht Zustandselementen z bzw Z bestehen Die Zustandselemente z bzw 2 sind qualitativer Art Der einfache Zustandsraum Z y mit z Z y konstituiert sich aus einem einz
378. nalytische Algorithmus z B Ward Verfahren Single Linkage usw zur Fusionierung der Wege Aktivit tenmuster s gew hlt wird f hrt dies mehr oder weniger zu anderen Zusammensetzungen der erstellten Partitionen S mit Wege Aktivit tenmustern s Dieser ungekl rte Einfluss begr ndet Untersuchungs bedarf in Form einer Sensitivit tsbetrachtung Ratsam erscheint eine berpr fung ob und inwieweit Abweichungen in den Clusterzuordnungen der Wege Aktivit tenmuster s in Abh ngigkeit der Verwendung unterschiedlicher Fusionsalgorithmen auftreten Zu diesem Zweck sind in einer vergleichenden Analyse die eingesetzten Fusions algorithmen zu variieren die aber auf identische Sequenzdistanzmatrizen D als Er gebnis der Anwendung der Optimal Matching Technik zur ckgreifen vgl Schlich 2003 Zum Problem der subjektiven Festlegung einer Clusteranzahl l sst sich anf hren Neben den formalen Hilfskriterien Ellenbogenkriterium spricht vor allem die inhaltliche Deutbarkeit f r die im Anwendungsfall festgelegte Partition S Weiter kann den vielfach formulierten Bedenken u a Wermuth 1978 Holz Rau 1990 entgegengehalten werden dass auch andere vermeintlich objektive statistische Verfahren wie beispielsweise das strukturen pr fende Verfahren der Kreuztabellenanalyse oder andere Konventionen einer subjektiven Grenzziehung bei der Beurteilung von Zusammenh ngen unterliegen Ob eine Irrtumswahrscheinlichkeit a von 1 5 oder vielleicht 1
379. nation I I I I I L schen Einf gen i N I N I i Cina Z AP z i l I l l I I I I 1 Referenzzustandsraum l I Referenzzeitintervall l Referenzaufwandswerte l Z y Z aT U Z wVn 7 2 At 5min Csu Z AP z I l Bars 1 1 Cra Z AP z 0 rl I ee el NAA e a REES f Referenzfall Abbildung 6 3 Vergleichsschema der Sensitivit tsanalyse Dieser spezifizierte Referenzfall bildet das Scharnier zwischen den einzelnen Variationen Ziel dabei ist die Schaffung einer identischen Vergleichsgrundlage auf der Ebene zwischen diesen unterschiedlichen Stellschrauben Als ver nderbar gelten jeweils die Parameter innerhalb der einzelnen Variationsarten hingegen stimmen die anderen Vorgaben mit denjenigen des Referenzfalls berein 12 O EHEOHEHE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK Exkurs Il Datengrundlage deutscher Mobilit tspanel MOP Untersuchungsform Nutzung von L ngsschnittdaten f r Querschnittsanalysen Empirische Basis der vorliegenden Arbeit bilden die Daten zum Verkehrsverhalten des MOP Nach der Terminologie von Zumkeller et al 1994 liegt hierbei eine Kombination von Panel und L ngsschnittuntersuchung vor da sich die Datengewinnung bei jeweils denselben Personen sowohl ber mehrere diskrete Zeitpunkte im Jahresabstand erstreckt als auch ein l ngerer Befragungszeitraum der Einheit Woche zugrunde liegt
380. nd der Zwischenclustervarianz an der Gesamtvarianz Parameter Anteil der Binnenclustervarianz an der Gesamtvarianz Anteil der Zwischenclustervarianz an der Gesamtvarianz Binnenclustervarianz Zwischenclustervarianz Sequenzabst nde 0 05 0 95 Ortsver nderungszahl 0 97 0 03 Reiseweite 0 99 0 01 EHEHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen Cluster S1 Zeitverwendung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 z Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg km Q Zeitverwendung zu Hause je Tag hh mm x er 2 50 Entfernung MIV Mitfahrer je Weg km _ 7 D 5 Zeitverwendung Arbeiten dienstlich je Tag hh mm BR D BER 7 x c w p Entfernung MIV Selbsfahrer je Weg km PN c Zr Zeitverwendung Ausbildung je Tag hh mm Fr Rasa o 2L E AEN Xo 150 2 at N x Ko Entfernung Fahrrad je Weg km i lt u Zeitverwendung Einkaufen Service je Tag hh mm 3 Entfernung zu Fuss je Weg km Zeitverwendung Freizeit je Tag hh mm Entfernung je Weg km Zeitverwendung zu Fuss je Tag hh mm Entfernung je Tag km Zeitverwendung Fahrrad je Tag hh mm Wegezahl je Tag n lt De S 4 Pa er Zeitverwendung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag s 7 F G y Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag X 2 Zeitverwendung
381. nde ber cksichtigt E teilweise ber cksichtigt nicht ber cksichtigt 4 5 3 Fazit In einer Zusammenfassung der Ergebnisse der Literaturanalyse bleibt festzuhalten 82 Erstens verwenden die Beitr ge mit dem Anwendungsschwerpunkt der Sequenz vergleichsanalyse Daten zum Aktivit ten Verkehrs verhaltens gr erer Abbildungsbreite und tiefe im Vergleich zu den musterorientierten Multimethodenans tzen Zweitens fehlt die Integration der Optimal Matching Technik in einen musterorientierten Multimethodenansatz zur Erkl rung des Raum Zeit Verhaltens Bislang wird zur Bestimmung der Sequenzabst nde D s s s lediglich auf geometrische Distanzma e zur ckgegriffen Drittens deuten die vorgestellten Publikationen auf Analysepotenziale der Optimal Matching Technik zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern s Viertens existiert in Bezug auf die Kl rung der Anwendungsvoraussetzungen der Optimal Matching Technik Forschungsbedarf Eine empirische Ausrichtung der festzulegenden Gewichtsfaktoren C durch die Ber cksichtigung der operationsspezifischen Zustands abst nde Aly Ly O des Aktivit ten Verkehrs verhaltens fehlt bislang Dieser Aspekt soll daher vertiefend in Kapitel 5 und 6 behandelt werden EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ 4 6 Clusteranalyse 4 6 1 Grundlagen Die nachstehenden Ausf hrungen lehnen sich an die Publikationen von Schmiedel 1984 Bacher 199
382. nden Wege Aktivit tenmuster s jeweils entsprechend der Vorab Personentypen Segmentierung von Wege Aktivit tenmustern s je Personentypus zur Bildung einer Wege Aktivit tenmuster Typologie Identifikation zus tzlicher ma gebender Erkl rungsgr en k und Analyse der Effekte der Auspr gungen k der diskriminierenden Pr diktoren k indirektes Vorgehen 1 Segmentierung von Personen zu Personenkategorien einer Personentypologie per Definition auf der Basis von spezifischen Kombinationen k der Merkmalswerte k ausgew hlter Erkl rungsgr en k Ermittlung eines Wege Aktivit tenmuster Typs S 1 je Personentypus Segmentierung der Wege Aktivit tenmuster Typen S 1 zur Bildung einer gr beren Wege Aktivit tenmuster Typologie mit verdichteten Wege Aktivit tenmuster Typen 2 Identifikation zus tzlicher ma gebender Erkl rungsgr en k und Analyse der Effekte der Auspr gungen kj der diskriminierenden Pr diktoren k direktes Vorgehen Segmentierung der Wege Aktivit tenmuster Identifikation Personen Raum Zeit Verhalten Personen Raum Zeit Verhalten Hybrid Ansatz indirektes Vorgehen Personen Raum Zeit Verhalten Ban Aufteilung apriori i Bildung mittlerer kategorien Aktivit tenmuster Segmentierun der Wege Akt vit tenmuster innerhalb der Vorab Segmente Segmantisrung der mittleren tere ege Aktivit tenm ster Identifikation Identifikation
383. nderen Wege Aktivit tenmuster Typen z B Cluster S4 Cluster S weniger gravierend ausfallen Samstag Die Wege Aktivit tsprofile derjenigen Cluster S mit dominierenden Pflichtaktivit ten Arbeiten oder Ausbildung au er Cluster S pr gen samstags disponible T tigkeiten Sie gleichen sich an diesem Tag untereinander an und stimmen ungef hr in der Zeitverwendung mit Cluster S berein dessen Zeitverwendungsstruktur unabh ngig vom Wochentag durch freie Aktivit ten gepr gt ist Deutlich setzt sich Cluster Ss von dieser Entwicklung ab Hier entf llt analog zu Cluster S der sonst erkennbare Bruch in der Zeitverwendungsstruktur von den Werktagen zum Wochenende hin Entgegen allen anderen Clustern dominiert hier jedoch die T tigkeit Arbeiten den Samstag Im Vergleich der Cluster S2 S3 S4 und S5 sticht wiederum hervor Versorgungs und Freizeitaktivit ten erreichen dann besonders hohe Zeitanteile wenn die Zeitinanspruchnahme der T tigkeit Arbeiten an den Werktagen vorher hoch ist Dieser Zusammenhang ist als Verlagerungseffekt im Wochenverlauf inhaltlich erkl rbar der sich besonders pr gnant bei Cluster Sp abzeichnet Demgegen ber steht das Absinken des zeitlichen Umfangs f r Einkaufs und Freizeitaktivit ten bei Cluster S f r ein Ausweichverhalten durch Meidung der Zeiten starker Verkehrs und Aktivit tsnachfrage Die Unterwegszeiten in der Summe aller Verkehrsmittel bleiben bei s mtlichen Typen S mehr oder minder auf dem Niv
384. ndswerten Cina z und des zweiten Falls f mit umgekehrter Konstellation ist ebenfalls ein mittlerer bis starker linearer Zusammenhang feststellbar Wertebereich r 0 74 bis 0 91 Die untergeordneten Vergleiche vgl Abbildung 6 3 mit zustandsunabh ngigen Aufwandswerten C als ver nderbare Parameter dienen zur Erkundung der Fragestellung inwieweit sich deren unterschiedliche Orientierung in anderen Sequenzdistanzen D S 8 s s s niederschl gt g 134 Die drei Gegen berstellungen zustandsunabh ngiger Parameter mit unterschiedlichen Sub Csub Z und konstanten Indelaufwandswerten C a Z zeigen einen starken bis sehr starken linearen Zusammenhang an Wertebereich r 0 93 bis 0 98 Der analoge Sachverhalt eines starken linearen Zusammenhangs gilt f r den Vergleich der F lle f mit zustandsunabh ngigen Subaufwandswerten C Z Z auf der einen Seite und f zustandsabh ngigen Indelaufwandswerten Cina z auf der anderen Seite Wert r 0 95 Ebenso ergibt sich f r die verschiedenen Vergleichskonstellationen f bzw f zustandsabh ngiger Sub Csub Z und zustandsunabh ngiger Indelaufwandswerte Cina Z unterschiedlicher Gr en ein starker bis sehr starker linearer Zusammenhang Wertebereich r 0 86 bis 0 99 HERBLDIEE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK Aus den linearen Korrelationswerten r der vorgenommenen Vergleiche sollen nun im Folgenden
385. ne oder mehrere abh ngige Variablen Merkmal das verschiedene gt Auspr gungen annehmen kann Varianzanalyse Klasse von statistischen Verfahren gt strukturen pr fendes Verfahren zur berpr fung von Unterschiedshypothesen wobei die gt nominalen unabh ngigen Variablen eine Klassenstruktur der Untersuchungs objekte bedingen und zu berpr fen statistischer Tests ist ob sich im gt abh ngigen Merkmal signifikante Gruppenunterschiede zeigen EHEHEHEH Anhang A Glossar verhaltenshomogene verhaltensorientierte Personenkategorie a priori Klassifikation von Personen anhand von Merkmalswertesets definierter Variablen wobei die Abweichungen des Aktivit ten Verkehrs verhaltens innerhalb der Kategorien kleiner als zwischen diesen Kategorien sein soll Verkehrsnachfragemodell Ansatz bzw math Vorschrift zur Abbildung des Entstehungsprozesses des Personenverkehrsgeschehens um vorherzusagen wer wohin womit wolang unterwegs ist Wald Test statistisches Testverfahren das h ufig im Bereich von gt Maximum Likelihood Sch tzungen eingesetzt wird Ward Methode hierarchisches Verfahren zur Fusionierung von Objekten das zur gt Cluster analyse geh rt Weg Ortsver nderung Bewegung zwischen zwei Aktivit tsstandorten mit einer oder mehreren Bef rderungsarten als gt Etappe oder kontinuierliche Abfolge von gt Etappen Wege Aktivit tskette Beschreibung der Abfolge von gt O
386. nein zu beantworten vgl Abb 5 Start des Programms CHASE chase exe pers nlichen Terminplaner ffnen Terminplaner aktualisieren Vergangenheit L schen L schm glichkeiten ausgesch pft nein ja amp M vorhandene Eintr ge durchgef hrter Aktivit ten ndern nderungsm glichkeiten ausgesch pft ja G neue Eintr ge durchgef hrter Aktivit ten Hinzuf da ausgesch pft L schm glichkeiten ausgesch pft Abb 4 CHASE Fenster Benutzer ausw hlen Do you wish to disable prompts Wlinschen Sie die Deaktiverung der Abfragefef ger ze Abb 5 CHASE Fenster Deaktivierung der Abfragefenster EHEHEHEH Anhang D i Leitfaden CHASE Erhebung 1 2 L schen Wann m ssen Sie eine Aktivit t Ortsver nderung l schen vorhandene Eintr ge zum Zeitpunkt des Logins Zeit Zeit Zeit Nur eingetragene Aktivit ten Wege k nnen verworfen werden Prinzipiell Vorrang hat das Ver ndern von Aktivit ten gegen ber dem L sch vorgang Gel scht werden d rfen nur berz hlige Eintr ge von Aktivit ten Wegen innerhalb des betrachteten Tages Der Bearbeiter entscheidet intuitiv welche der Aktivit ten Wege gel scht bzw ver ndert werden falls mehrere M glichkeiten existieren vgl Abb 6 Sind berz hlige Eintr ge vorhanden die in der Vergangenheit nicht realisiert worden sind so sind diese zu l
387. nen Zustandsraumes Z y die intra bzw interpersonelle Verhaltensvariabilit t beschreiben und deuten zu k nnen Dieses Vorgehen setzt allerdings eine Klassifizierbarkeit des Raum Zeit Verhaltens voraus EHEHEH Multimethodenansatz 59 Zur Umsetzung der Transformationsregel mit dem Ziel der Typologiebildung es handelt sich dabei um eine statistische Aggregation dienen die mathematischen Prozeduren der eingesetzten explorativen Verfahren erstens die Optimal Matching Technik Levensthein Algorithmus zur Bestimmung der Sequenzabst nde D s S s s der Wege Aktivit tenmuster s vgl Abschnitt 4 4 und zweitens ein clusteranalytischer Fusionsalgorithmus z B Ward Verfahren zu deren Gruppierung vgl Abschnitt 4 6 2 Zu den Transformationsbedingungen z hlen die zu beachtenden bzw zu treffenden Annahmen der verwendeten statistischen Methoden beispielsweise die a priori Festlegung der Transformationsaufwandswerte C der Optimal Matching Technik vgl Abschnitt 4 4 3 das Abbruchkriterium des Fusionsalgorithmus zur Bestimmung der Clusteranzahl vgl Abschnitt 4 6 2 usw Logik der Auswahl Auswahl von Wege Aktivit tenmuster Typen nach dem Wahrs cheinlichkeitsprinzip Die Logik der Auswahl verbindet ber Auswahlregeln die subjektive Definition der Situation mit den Handlungsalternativen 60 Alternativen des individuellen Auswahlprozesses sind weder einzelne Handlungen Y noch zeitliche Abfolgen von Aktivit ten A und Ortsver
388. ner in 1 56 1 64 0 91 0 34 4 7737 0 19 118 11 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 86 1 51 1 51 0 22 6 3979 0 33 122 91 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 2 31 1 48 2 42 0 12 0 0993 0 01 1 82 DO Vollzeiterwerbst tig Teilzeiterwerbst tig 3 87 0 86 20 50 0 00 v 1 48 0645 0 00 0 11 Vollzeiterwerbst tig 0 0208 Sch ler Studierende in Berufsausbildung 2 02 1 28 2 50 0 11 0 1331 0 01 1 62 DO Vollzeiterwerbst tig EHEHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 10 Alternativ Referenz kategorie kategorie nn iE Si Cluster e 5 l 5 g amp 8 g2 85 Pe e S2 S i E 5 RB N o N D N E 2 7 5 a je i 25 E g 5 amp z 2 2 5g e Kej g x o x N g Ex y D gt e 5g 3 z 7 aa u ou gt x Unter Ober grenze grenze Konstanter Term 3 42 1 72 3 96 0 05 Mi Alter 0 05 0 03 4 56 0 03 V 1 0562 1 00 1 11 PNV Zeitkartenbesitz 0 50 0 44 1 29 0 26 0 6061 0 26 1 44 DO keinen OPNV Zeitkartenbesitz Mann 0 69 0 35 4 00 0 05 V 2 0035 1 01 3 96 Frau F hrerschein 1 18 0 54 4 84 0 03 V 3 2637 1 14 9 10 keinen F hrerschein Vollzeiterwerbst tig 4 71 1 37 11 91 0 00 V 111 2189 7 66 1615 72 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 2
389. ng Klassifikationsmatrix und der modellreaktiven berpr fung der Trennwirkung von Erkl rungsgr en k hinsichtlich der abh ngigen Variablen S mit Signifikanztests Pseudo R und Likelihood Ratio Test LR Test HEHELNE Fallbeispiel 173 Erkl rungskraft des Gesamtmodells a berpr fung der Anpassungsg te des gesamten Logit Modells Zur Bewertung der Erkl rungskraft eines Logit Modells ist die Klassifikationsmatrix pr destiniert Beobachtete und prognostizierte Werte der abh ngigen Variablen werden dazu in einer Kreuztabelle verglichen vgl Tabelle 7 6 Urban 1993 Backhaus et al 2003 Tabelle 7 6 Klassifikationsmatrix Prognose Cluster Cluster Cluster Cluster Cluster Cluster Cluster Prozent Beobachtet S4 S2 S3 S4 S5 Se S7 richtig Cluster S 661 0 55 66 4 0 42 828 79 8 Cluster S2 1 0 153 1 0 1 1 157 0 0 Cluster S 8 0 312 13 5 0 19 357 87 4 Cluster S 18 0 66 67 6 0 7 164 40 9 Cluster Ss 21 0 46 40 8 0 17 132 6 1 Cluster Ss 3 0 18 9 0 1 4 35 2 9 Cluster S7 5 0 4 1 0 0 234 244 95 9 2 718 2 657 201 28 8 331 1917 Prozent insgesamt 37 4 0 0 34 1 10 3 1 2 0 1 16 9 Die Hauptdiagonale der Klassifikationsmatrix enth lt dabei die richtig gesch tzten F lle von 1283 so dass die Trefferquote insgesamt 66 9 betr gt Dieser Wert ist als befriedigend einzustufen b Signifikanz des gesamten Logit Modells Um die Signifikanz des ges
390. ng des Modells 172 7 5 3 2 Sch tzung des Modells 173 7 3 3 3 Beurteilung des Modells 173 7 5 3 4 Interpretation der Modelleffekte 176 7 5 3 5 Darstellung der Modelleffekte 178 7 3 3 6 Einordnung der identifizierten Determinanten der Wege Aktivit tenmuster 182 Typologie in den wissenschaftlichen Kontext Exkurs Ill Identifikation signifikanter Trennmerkmale f r Wege 183 Aktivit tenmuster Typologien unterschiedlicher Makro zeitabschnitte 7 6 Diskussion und Fazit 185 OOOODODO INHALTSVERZEICHNIS HEBEL Fazit und Ausblick 8 SCHLUSSFOLGERUNGEN 191 8 1 Untersuchungsansatz Diskussion und Ausblick 191 8 1 1 Inhaltliche Aspekte 189 8 1 2 Methodische Aspekte 190 8 2 Perspektiven f r weiterf hrende Forschungsarbeiten 201 8 2 1 Konzeption eines segmentorientierten Untersuchungsansatzes des Aktivit ten 202 Verkehrs verhaltens 8 2 2 Konzeption eines mikroskopischen Simulationsmodells der Verkehrsentstehung 203 HEBBHBEM Literaturverzeichnis 209 EEHEEHE Anhang ANHANG A Glossar ANHANG B Notation ANHANG C Beispiel Abbildungseigenschaften Optimal Matching Technik ANHANG D I Leitfaden CHASE Erhebung ANHANG D II Struktur Teilnehmer ANHANG E Aufwandswertematrizen ANHANG F Dokumentation Berechnungstool 0 ANHANG G Kenngr en der Wege Aktivit tenmuster Typen ANHANG H I potenzielle Erkl rungsgr en ANHANG H II Screening relevanter Erkl rungsgr en ANHANG H II Ergebnisse der Logit Analyse
391. ngel ste Schwierigkeiten sind erkennbar die einen aussagekr ftigen Vergleich zwischen den Sequenzvergleichsverfahren erschweren Erstens das Fehlen eines Referenzma es Nullpunkt f r die Abbildungsg te von Sequenzabstandsma en D s s es l sst keine Aussagen ber eine Rangfolge der Verfahren zu Zweitens die Tatsache dass verfahrensspezifische Unterschiede bestehen wie festzulegende Gewichtungsfaktoren C zur Ber cksichtigung des Zustandabstandes Aly y 0 inhaltliche Ausrichtung in die Rechenvorschriften der verschiedenen Sequenzvergleichsverfahren eingehen EEHEEHE Fazit und Ausblick 197 c2 198 Handlungen Y und Erkl rungsgr en k der Person des Haushaltes usw ange nommen ohne dass dies bislang gekl rt ist methoden immanente berpr fung der Abbildung der Abfolge hnlichkeit durch die Optimal Matching Technik Als pragmatische L sung zum Nachweis der Ber cksichtigung der Abfolge hnlichkeit von identischen Zust nden z bei der Sequenzdistanzbestimmung durch die Optimal Matching Technik eignet sich die Kreuztabellenanalyse Zu berpr fen ist dabei der Zusammenhang zwischen den Variablen Clusterzugeh rigkeit und Wege Aktivit ts Kette gleicher Zust nde Die Kl rung dieses Aspektes auf der Basis einer Stichprobe mit ausreichend gro er Fallzahl z hlt zum weiteren Forschungsbedarf inhaltliche Ausrichtung des Distanzma es Eine inhaltliche Anpassung vorab festzulegender Aufwand
392. ngen Y nach der Priorit t Poyer bzw Segmentzust nden s y 2 von Zeitplanungsvorg ngen Y gt nach der Priorit t Peover bilden per Analogieschluss im Sinne einer unmittelbaren Zeigergr e die Grundlage f r die inhaltliche Ausrichtung der Optimal Matching Technik am Aktivit ten Verkehrs verhalten Je nach Art der Transformationsaktion Ersetzen sub oder Hinzuf gen Verwerfen ind geht die Erstellung der Aufwandswertematrizen unterschiedlich vonstatten vgl Abbildung 5 5 Erstens werden Subaufwandswerte C n Z 2 f r alle berg nge zwischen Segmentzust nden s y bzw s y gem folgender Gleichung bestimmt BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 117 Gleichung 5 4 APoven S y s y Pover S yY Paven S Y AP van s y s y gt Cow Z Z Zweitens folgen die Indelaufwandswerte Cima z f r s mtliche Wechsel zwischen Segmentzust nden si y und leeren Zust nden aus nachstehender Formel Gleichung 5 5 Afkeran s y Bes s y AP ov ert si y gt Cina z Anhand der beschriebenen Vorgehensweise lassen sich die Matrizen der Transformations aufwandswerte auf der Grundlage der empirisch bestimmten Priorit tsmittelwerte der Segmente si y und s y erstellen vgl Anhang E Substitutionsaktion Indelaktion Zielkriterium Priorit t P en y Zielkriterium Priorit t P ovel Y bzw Poovert 2 y
393. nnvariablen y beschrieben werden vgl Abbildung 5 1 SPSS 1998 Baltes G tz 2001 Das CHAID Verfahren leitet Entscheidungsregeln zur Klassifizierung auf der Grundlage von statistischen Unabh ngigkeitstests ab Je nach Skalenniveau der abh ngigen Variablen greift das Verfahren auf unterschiedliche Parametertests zur ck Im Fall der empirischen Bewertung der Wichtigkeit Povet bzw Pcover Mit der Rating Skala wird angenommen dass die Daten als intervall skaliert interpretierbar sind Das hei t Die Abst nde zwischen den Skalenpunkten besitzen die gleiche Gr e Das damit festgelegte Skalenniveau der Zielvariablen impliziert den F Test als Vorgabe des CHAID Verfahrens zur Beurteilung der Unterschiedshypothesen SPSS 1998 Die Anwendung des statistischen Testverfahrens erfordert das Vorliegen einer Zufallsstichprobe vgl Diekmann 2001 Infolge der willk rlichen Auswahl von Personen erf llt das Auswahlverfahren der durchgef hrten Befragung nicht die genannte Anforderung Nach Diekmann 2001 bieten Signifikanztests dennoch zumindest eine Argumentationshilfe bei der Ergebnisinterpretation Einen Wertebereich des p Wertes zur Beurteilung der Signifikanz auf der Basis der Un abh ngigkeitstests gibt u a Bortz 1999 an Die iterative Berechnungsvorschrift der CHAID Analyse besteht aus zwei Schritten die Phase der Gruppierung Merging Phase zur Verschmelzung von Merkmalswerten si y und die Phase der Aufteilung Splitting Phase
394. nordnung der musterorientierten Multimethodenans tze Auf die globale Systematik aufbauend soll die Kategorie der musterorientierten Analyseans tze differenzierter vorgestellt und analysiert werden da Forschungsbeitr ge dieser Art die Ausgangsbasis f r den Untersuchungsansatz der vorliegenden Arbeit darstellen F r diese Systematisierung werden die bereits eingef hrten Kriterien zur Einordnung wieder aufgenommen und weiter vertieft vgl Abbildung 3 3 a Abbildungsbreite und tiefe des Raum Zeit Verhaltens Grundlage zur Er rterung der Fragestellung wie umfassend Abbildungsbreite und detailliert Abbildungstiefe das beobachtete Raum Zeit Verhalten musterorientiert abgebildet wird bilden Ausf hrungen ber entsprechende Handlungen Y in Abschnitt 2 2 2 Im Einzelnen sind folgende Aspekte zu beachten a1 Vielfalt von Merkmalen y des Raum Zeit Verhaltens Abbildungsbreite Wie viele und welche Merkmale y aus den unterschiedlichen Facetten des Raum Zeit Verhaltens au er der implizit vorhanden zeitlichen Facette vgl Sequenzform zur Definition der multiplen Zust nde y von Aktivit ten A und Ortsver nderungen W herangezogen werden ist ein wesentlicher Gesichtspunkt a2 L nge und zeitliche Lage des Makrozeitabschnittes Abbildungsbreite Umfang Stichtage mehrere Tage usw und zeitliche Lage ganze Woche nur Werktage usw des Untersuchungszeitabschnittes der Analysen limitieren die Datenm glichkeiten ob L ngssc
395. nter der Voraussetzung vorhandener Gemeinsamkeiten die Charakterisierung 2 Trotz der ge u erten Einw nde an der Auswertestrategie auf der Basis einzelner Ortsver nderungen bzw deren Kombination zu Wegeketten u a Holz Rau 1990 Trauer 1990 Kutter 2003 bilden jene dennoch die Grundeinheit der Analyse in der nachstehenden Teststudie Auch viele andere aktuelle Arbeiten u a Schadt et al 2001 Kloas et al 2001 auf gleicher Datenbasis des MOP operieren auf wegeorientierter Basis Motiv ist u a die Verf gbarkeit entsprechend aufbereiteter Ausgangsdaten Ansto nehmen die Kritiker an der f r Analyse bzw Modellierungszwecke nicht angemessenen Abbildung des tats chlichen Aktivit ten Verkehrs verhaltens auf Wegebasis Als Grund f hrt Kutter 2003 u a eine geringere Validit t der Erfassung disponibler T tigkeiten infolge unterschiedlicher Wertigkeiten von Aktivit ten an HEBBOE Fallbeispiel el Zweitens lassen sich daran anschlie end existierende Abweichungen unter den aggregierten Beschreibungseinheiten herausarbeiten Tabelle 7 3 Kenngr en und Betrachtungszeitebenen der Darstellung Zeitebene Woche Tag Tagesverlauf Parameter Zeitverwendung Abgrenzungsparameter Aktivit ten und Ortsver nderungen v M M Kenngr en des Verkehrsverhaltens abgeleitete Parameter Au er Haus Anteil Mi wegebezogene Verkehrsmittelnutzung v _ Ortsver nderungszahl Mvi Ent
396. oas et al 2001 oder die Nutzung der zuk nftig bereitstehenden Daten der derzeit laufenden KONTIV Erhebung 2002 Um den Rahmen der vorliegenden Arbeit nicht zu sprengen handelt es sich bei dem im Weiteren vorgestelltem Ansatz eines mikroskopischen Simulationsmodells der Verkehrsentstehung lediglich um ein Grobkonzept Unbeachtet bleiben au erdem die anschlie enden Modellstufen eines Verkehrsnachfragemodells der Ziel der Verkehrsmittelwahl sowie der Routensuche und Um legung Zu den Grundlagen des Modellkonzeptes mikroskopischer Wegekettenans tze sei kurz ausgef hrt Bei der Methode zur Operationalisierung handelt es sich um die stochastische Simulation hier die Monte Carlo Simulation MCS Als Modellinput gehen diskrete ein 32 Es handelt sich modellbedingt um Personen Genau genommen sind es aber Personenkategorien mit eindeutigen Affinit ten zu Wege Aktivit tenmuster Typen S 3 Die KONTIV 2002 beschr nkt sich als Stichtagsbefragung allerdings nur auf die Erfassung des Aktivit ten Verkehrs verhaltens auf Tagesbasis weist aber gegen ber der L ngsschnittbefragung des deutschen Mobilit tspanels MOP die Vorteile einer gr eren Stichprobe und einer umfassenderen und detaillierteren Abbildung des Raum Zeit Verhaltens auf vgl Smid et al 2001 204 EEHEEHE Fazit und Ausblick SCHLUSSFOLGERUNGEN oder mehrdimensionale Summenh ufigkeitsverteilungen der Auspr gungen k von Trenn merkmalen k Personenm
397. obabilistisch Die von Kutter 1972 Becker 1981 Schmiedel 1984 und Kulkarni et al 2000 verfolgten Untersuchungsstrategien hier als indirekte Vorgehensweise und Hybrid Ansatz bezeichnet setzten grunds tzlich eine deterministische Kausalit t voraus da Personentypologien vorab per Definition gebildet werden Das direkte Vorgehen l sst grunds tzlich f r die Verbindung von Erkl rungsgr en k und Wege Aktivit tenmustertypen S beide Kausalprinzipien zu Pas 1980 und Recker et al 1980 die dieser Untersuchungsstrategie folgen stellen diese Beziehung dennoch nicht auf der Basis von Realisierungswahrscheinlichkeiten her sondern gehen von einem deterministischen Zusammenhang aus vgl Tabelle 3 3 BHOBBEE Grundlagen gt c Analyseprinzip der statistischen Methoden Analyseebene Sequenzvergleichsanalyse c1 c2 Abbildungseigenschaften des Distanzma es Keiner der hier vorgestellten Forschungsarbeiten verwendet ein biologisches Distanzma Dbio S s es vgl Tabelle 3 3 sondern bei allen fu t die Abstandsmessung lediglich auf dem geometrischen Abbildungsprinzip so dass die umfassenderen Ab bildungseigenschaften des ersteren ungenutzt bleiben Inhaltliche Ausrichtung des Sequenzvergleichsverfahrens Ber cksichtigung der Un hnlichkeiten t tigkeiten bzw ortsver nderungsbezogener Handlungen Nur ansatzweise bei wenigen Forschungsbeitr gen geht auf argumentativer Basis der Zustandsabstand Aly y
398. ome comments on sequence analysis and optimal matching methods in sociology Review and prospect in Social Methods amp Research 29 1 S 41 64 Z ngler T W 2000 Mikroanalyse des Mobilit tsverhaltens in Alltag und Freizeit Springer Verlag Berlin Heidelberg New York u a Zimmermann A Axhausen K W Beckmann K J D sterwald M Fraschini E Haupt T K nig A K bel G Rindsf ser G Schlich R Sch nfelder S Simma A Wehmeier T 2001 Mobidrive Dynamik und Routinen im Verkehrsverhalten Pilotstudie Rhythmik Technischer Bericht Bericht an das Bundesministerium f r Forschung und Technologie PTV AG Institut f r Verkehrsplanung Transporttechnik Strassen und Eisenbahnbau ETH Z rich und Institut f r Stadtbauwesen RWTH Aachen Karlsruhe Z rich und Aachen Zumkeller D 1989 Ein sozial kologisches Verkehrsmodell zur Simulation von Ma nahmewirkungen Heft 46 Instituts f r Stadtbauwesen TU Braunschweig Zumkeller D Blechinger W Chlond B Seitz H Axhausen K W Maanen T V 1994 Paneluntersuchung zum Verkehrsverhalten Forschung Stra enbau und Stra en verkehrstechnik Heft 688 Bundesministerium f r Verkehr Hrsg Bonn Bad Godesberg Zumkeller D Seitz H 1993 Aufbereitung vorhandener Daten f r Verkehrsplanungszwecke als Ersatz f r neue Befragungen Forschung Stra enbau und Stra enverkehrstechnik Heft 642 Bundesministerium f r Verkehr Hrsg Bonn Bad
399. on Ausbildungsabsolventinnen und absolventen eine Anwendung der Optimal Matching Technik Arbeitspapier Nr 57 Sonderforschungsbereich 186 Stauspassagen und Risikolagen im Lebensverlauf Universit t Bremen http www sfb186 uni bremen de frameslliteratur htm 09 2003 Sch fers B 2001 Grundbegriffe der Soziologie UTB f r Wissenschaft 1416 Leske und Budrich Opladen Schlich R 2001 Measurement issues in identifying variability in travel behaviour Arbeitsberichte Verkehrs und Raumplanung 66 Institut f r Verkehrsplanung Transporttechnik Strassen und Eisenbahnbau ETH Z rich Z rich Schlich R 2003 Homogenous groups of travellers Conference Proceedings 10 International Association for Travel Behaviour Research IATBR Conference Lucerne Switzerland 10 14 August 2003 http www ivt baum ethz ch allgemein iatbr2003 html 10 2003 Schlich R K nig A Axhausen K W 2000 Stabilit t und Variabilit t im Verkehrsverhalten Stra enverkehrstechnik 44 9 S 431 440 Schmiedel R 1984 Bestimmung verhaltens hnlicher Personenkreise f r die Verkehrsplanung Heft 18 Institut f r St dtebau und Landesplanung Universit t Karlsruhe Schmitz S 2001 Revolutionen der Erreichbarkeit Gesellschaft Raum und Verkehr im Wandel Stadtforschung aktuell Band 83 Leske und Budrich Opladen Schnell R Hill P Esser E 1992 Methoden der empirischen Sozialforschung 3 Auflage Oldenbourg Verlag
400. on00000 TABELLENVERZEICHNIS TABELLENVERZEICHNIS Tabelle 2 1 Einordnung der Relevanz von Aspekten der aktivit tenorientierten 14 Perspektive f r die vorliegende Arbeit Tabelle 2 2 Einflussfelder und Indikatoren der verkehrs infrastrukturell r umlichen 15 Umwelt Tabelle 2 3 Einflussfelder und Indikatoren der institutionell kulturellen Umwelt 16 Tabelle 2 4 Einflussfelder und Indikatoren der Person und des Haushaltes 18 Tabelle 2 5 Merkmale von Aktivit ten und Ortsver nderungen 20 Tabelle 2 6 dynamische Einflussfelder und Indikatoren der zeitlichen Facette 25 des Raum Zeit Verhaltens Tabelle 2 7 Komponenten der Dynamik bei verschiedenen Einflussfeldern 32 Tabelle 3 1 Anwendungsfelder strukturen pr fender Verfahren 39 Tabelle 3 2 Vergleich empirischer Untersuchungsans tze zum Aktivit ten 40 Verkehrs verhalten Tabelle 3 3 Vergleich musterorientierter Ans tze zur Analyse des Raum Zeit 47 Verhaltens im interpersonellen Kontext Tabelle 3 4 identifizierte bzw ber cksichtigte Erkl rungsgr en und 48 Anzahl der Wege Aktivit tenmuster Typen Tabelle 3 5 Gegen berstellung ausgew hlter musterorientierter 52 Untersuchungsans tze des Aktivit ten Verkehrs verhaltens Tabelle 4 1 Varianten zur Bestimmung des Zustandsabstandes A zZ Z bzw des 68 operationsspezifischen Zustandsabstandes A Z 2 o Tabelle 4 2 Effekte des Gr enverh ltnisses zwischen Sub und Indelaufwands 71 werten Tabelle 4
401. pezielle Systematik Abbildung 3 4 Untersuchungsstrategien 44 Abbildung 3 5 Kausalprinzipien 45 Abbildung 3 6 Abst nde Un J hnlichkeiten zwischen verschiedenen 46 T tigkeiten bzw ortsver ndersbezogenen Handlung Abbildung 4 1 Multimethodenansatz zur Abbildung und Erkl rung von Unterschieden 58 zwischen Wege Aktivit tenmustern Abbildung 4 2 konzeptioneller Rahmen des Multimethodenansatzes 59 Abbildung 4 3 Beispiel f r die Unterscheidung gemeinsamer und solit rer Elemente 64 Abbildung 4 4 Ablaufschritte der Sequenzdistanzbestimmung mit Hilfe der Optimal 67 Matching Technik Abbildung 4 5 operationsspezifische Festlegung der Aufwandswerte 69 Abbildung 4 6 iterative Matrixprozedur zur Ermittlung der Levensthein Distanz 72 Abbildung 4 7 Ablaufschritte des clusteranalytischen Verfahrens 83 Abbildung 4 8 Ablaufschritte der Logit Analyse 86 VI o00000 ABBILDUNGSVERZEICHNIS Abbildung 5 1 Bildung von Segmentzust nden aktivit ten bzw ortsver nderungs 89 bezogener Handlungen Beispiel Abbildung 5 2 Untersuchungsstrategie der empirischen Ausrichtung der Optimal 97 Matching Technik Abbildung 5 3 Bewertung von Zeitplanungsvorg ngen und realisierten 100 ortsver nderungs bzw aktivit tenbezogenen Handlungen Abbildung 5 4 relative H ufigkeit von Zeitplanungsvorg ngen Anzahl n 878 109 Abbildung 5 5 quantitative Hierarchie der Priorit t aktivit ten bzw ortsver nderungs 118 bezogen
402. pirischen Analyse von Sch nfelder et al 2000 Tendenzen dass ein Realisierungs zyklus von einem Tag bei vielen obligatorischen Aktivit ten vorhanden ist w hrend bei einigen Einkaufs und Freizeitt tigkeiten w chentliche Rhythmen der Aus bung typisch sind BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN Weiter existieren Beziehungen zwischen aufeinanderfolgenden aber unterschiedlichen Handlungen Y die als charakteristische Abfolgen zu bezeichnen sind Einen empirischen Befund f r die Existenz dieses Zusammenhangs unter Ausschluss des Einflusses der Uhrzeit liefert eine Studie von Dollase et al 2000 Aus der systematischen Variation der Reihenfolge vordefinierter T tigkeiten A und deren Beurteilung im Rahmen einer experimentellen Untersuchung l sst sich schlie en dass es g nstige und ung nstige Abfolgen von Aktivit ten A gibt Reihenfolgen im Sinne von erst die Arbeit dann das Spiel werden beispielsweise von den Untersuchungsteilnehmern eher pr feriert Tabelle 2 6 fasst die horizontalen Beziehungen zusammen welche dynamischen Einflussfelder und dazugeh rige Indikatoren vorhanden sind Tabelle 2 6 dynamische Einflussfelder und Indikatoren der zeitlichen Facette des Raum Zeit Verhaltens Einflussfelder Indikatoren H ufigkeit Anzahl identischer Handlungen Y gleiche bzw hnlicher Zustand z in einer bestimmten Makrozeitspanne Abfolgegewohnheiten von Handlungen Y_ bergangswahrscheinlich
403. r en HEBHBHEE Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 7 Cluster S5 Zeitverwendung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg k Zeitverwendung zu Hause je Tag hh mm Ma 2 50 Entfernung MIV Mitfahrer je Weg km _ lt Zeitverwendung Arbeiten dienstlich je Tag hh mm Entfernung MIV Selbsfahrer je Weg km Zeitverwendung Ausbildung je Tag hh mm eichungsfaktor zu en F llen Zeitverwendung Einkaufen Service je Tag hh mm Entfernung Fahrrad je Weg km L A Entfernung zu Fuss je Weg km 1 Zeitverwendung Freizeit je Tag hh mm Entfernung je Weg km he Zeitverwendung zu Fuss je Tag hh mm aS o Entfernung je Tag km VE A N lt Zeitverwendung Fahrrad je Tag hh mm Wegezahl je Tag n l 7 Zeitverwendung MIV Selbstfahrer je Tag hh mm lt Anteil Wege V Nutzung je Tag y q Aa Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag Zeitverwendung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag _ Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 5 Abweichungen des Cluster S5 im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 8 Cluster 6 Zeitver
404. r en der Person und der Umwelt aktuelle Wege Clusteranzahl der Aktivit tenmuster Wege Typologie a ne Aktivit tenmuster zuk nftige Wege Typologie s Aktivit tenmuster pologien 3 se TYI ai L s pee ea Umfang des Zustandsraumes Z y Aktivit ten Verkehrs verhalten Abbildung 8 1 Entwicklungspfad der Bildung und Erkl rung von Wege Aktivit tenmuster Typologien Liegt dem induktiven Analyseschritt des Untersuchungsansatzes eine weitaus differenziertere Wege Aktivit tenmuster Typologie zugrunde ist damit zu rechnen dass abweichende Ursache Wirkungs Zusammenh nge resultieren Dann weisen m glicherweise andere Pr diktoren k eine Erkl rungskraft zur Clustertrennung auf Erstens erscheint es sinnvoll in zuk nftigen Untersuchungen die den Erkl rungsaspekt in den Vordergrund stellen individuelle Einstellungen Motive usw ber das Lebensstilkonzept in Betracht zu ziehen soweit dies vom Datenmaterial her gesehen berhaupt m glich ist Zweitens k nnte sich auch eine st rkere Orientierung am Familien bzw Lebenszykluskonzept dessen Operationalisierung auf eine Verkn pfung von Auspr gungen mehrerer personen bzw haushaltsbezogener Merkmale zur ckgeht als zweckm iger Deutungszusammenhang erweisen Drittens sind Effekte von Kontextbedingungen der Umwelt insbesondere der verkehrs infrastrukturell r umlichen nicht auszuschlie en 2 Von Vorteil ist M
405. r H 1996 Soziologie Allgemeine Grundlagen Campus Verlag Frankfurt New York Esser H 2001a Soziologie Spezielle Grundlagen Band 1 Situationslogik und Handeln Campus Verlag Frankfurt New York Esser H 2001b Soziologie Spezielle Grundlagen Band 2 Die Konstruktion der Gesellschaft Campus Verlag Frankfurt New York Esser H 2001c Soziologie Spezielle Grundlagen Band 6 Sinn und Kultur Campus Verlag Frankfurt New York Ettema D F 1996 Activity based travel demand modeling Technische Universiteit Einhoven Faculteit Bouwkunde Eindhoven Franzmann G Wagner M 1999 Heterogenit tsindizes zur Messung der Pluralit t von Lebensformen und ihrer Berechnung in SPSS in ZA Informationen H 44 S 75 95 Fellendorf M Haupt T Heidel U Scherr W 1997 PTV VISION Activity based demand forecasting in daily practice in Ettema D F Timmermans H J P Hrsg Activity based approaches to Travel Analysis S 55 72 Pergamon Oxford Garhammer M 2001 Wie Europ er ihre Zeit nutzen Zeitstrukturen und Zeitkulturen im Zeichen der Globalisierung 2 unver nderte Auflage Edition Sigma Berlin G rling T Axhausen K W Brydsten M 1996 Travel choice and the Goal Process Utility Distinction in Applied Cognitive Psychology Vol 10 S 65 74 G rling T Garvill J 1993 Psychological explanations of participation in everyday activities in G rling T Golledge R G Hrsg
406. r gt 2247 was eher eine untere Grenze f r empirische Analysen dieser Art darstellt und somit nahe legt jene als Teststudie zu verstehen Eine Gewichtung der Rohdaten muss infolge des Datenpoolings unterbleiben vgl Chlond et al 2003 7 4 Explorative Analysestufe Ableitung der Wege Aktivit tenmuster typologie f r interpersonelle Unterschiede im Aktivit ten Verkehrs verhalten auf Wochenbasis 7 4 1 Vorbereitung der Datenanalyse Das im Folgenden erl uterte Vorgehen st tzt sich auf Hinweise welche das Resultat der durchgef hrten Sensitivit tsanalyse vgl Abschnitt 6 4 darstellen Abbildung des erfassten Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster Da bereits Abschnitt 6 2 4 analoge Schritte der Datenaufbereitung zur Abbildung des beobachteten Raum Zeit Verhaltens als Sequenz beschreibt vgl Abbildung 6 4 reduziert sich die folgende Darstellung im Wesentlichen auf die konkrete Umsetzung im Analysefall 1 Rekonstruktion der Zust nde z Die Bildung einer durchg ngigen Abfolge z z 2 2 2 von Zustandselementen mit Zk zZ Z y aus Wegedaten des MOP f hrt zu einem Wege Aktivit tenmuster s mit s e S in der Sequenzform der Ereignisdauerreihe 2 Elementbildung Durch Unterteilung der stetigen in zeitdiskrete Zustandselemente z anhand der bereits formulierten Zuordnungsregel vgl Abschnitt 6 2 1 folgt aus der Sequenzform der Ereignisdauerreihe diejenige der Intervallreihe Ein Zeit
407. r Ausrichtung der Gruppierung im Hinblick auf zeitliche und r umliche Restriktionen beispielsweise Pflichtaktivit ten flexible Aktivit ten und freie Aktivit ten andere Kriterien in den Vordergrund G rling et al 1994 wiederum unterscheiden anhand der r umlichen und zeitlichen Regelm igkeit der Aus bung in Routineaktivit ten und Nicht Routineaktivit ten Ein Abbildungsproblem ergibt sich falls mehrere Aktivit ten A zeitgleich parallel ausge bt werden Welche T tigkeit A soll hier als prim re welche als untergeordnete Aktivit t A gelten Hier m ssen Regeln bei der Erfassung oder Auswertung festgelegt werden wie beispielsweise eine vorab festgelegte Rangfolge von T tigkeiten A vgl Holz Rau 1990 die eine eindeutige Zuordnung des Aktivit tstyps erm glichen Zu erw hnen ist dass die oftmals vorgenommene Eliminierung der Sekund raktivit t zu einer Untersch tzung bestimmter Aktivit tstypen f hrt Ehling 2001 Zur sachlichen Facette der Ortsver nderung dem gew hlten Verkehrsmittel Auch hier ist eine Klassifikation per Definition aufzustellen Zum Beispiel ist eine Unterscheidung zwischen motorisierten und nicht motorisierten Verkehrsmitteln vorstellbar Oder etwas differenzierter betrachtet wird die in Tabelle 2 5 aufgef hrte Kategorisierung der Fortbewegungsarten angewandt Wenn bei Wegen W das Fortbewegungsmittel wechselt und demnach Ortsver nderungen W aus mehreren Etappen bestehen muss ein Hauptver
408. r Stufung fest um aus mehreren zeitgleich ausge bten T tigkeiten eine Prim raktivit t bestimmen zu k nnen Arbeiten Bilden dienstlich Gesch fts und Dienstreise Service Einkaufen Freizeit und Wohnen Im Vergleich unterschiedlicher Befunde u a Kutter 1972 Holz Rau 1990 Kraan 1996 und Lipps 2001 variieren diese qualitativen Hierarchien geringf gig was zum Teil auch auf unterschiedliche Formationen der jeweiligen T tigkeitskategorien a zur ckzuf hren ist Tendenziell l sst sich aus den herangezogenen Forschungsarbeiten ableiten Obligatorischen T tigkeiten wird eine gr ere Bedeutung Pover als den disponiblen zugeschrieben z HERLDIEE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Verkehrsmittel Welche Wirkungen die Art we des benutzen Verkehrsmittels w auf die Bewertung Pover von Ortsver nderungen W hat geht aus den bereits genannten wegeorientierten Zeitbewertungs studien hervor Unter der Vernachl ssigung weiterer Wechselwirkungseffekte Fahrtzweck Verkehrszustand usw l sst sich beispielsweise aus der niederl ndischen Zeitbewertungsstudie Dutch Study 1990 1984 1990 tendenziell erkennen Dem Zugfahren und der Fortbewegung mit dem Pkw wird der gr te Stellenwert Pover einger umt gefolgt von der Benutzung von Bussen und Stra enbahnen Paulu en 1992 Axhausen et al 2000 Eine hnliche Bedeutungsrangfolge zeigen die Resu
409. r Typen S bekannt wie das Dendrogramm vgl Abbildung 7 1 illustriert Festlegung der Clusteranzahl Ausgangspunkt zur Festlegung der Clusteranzahl ist zun chst ein vorab definierter Korridor von 6 bis 12 Wege Aktivit tenmuster Typen S dessen grobe Spanne sich wie folgt orientiert einerseits an der Fallzahl des Ausgangsdatensatzes zur Vermeidung schwach besetzter Cluster S und andererseits an der letztlich beibehaltenen Partitionszahl anderer einschl giger Forschungsarbeiten vgl Tabelle 3 4 Die Konkretisierung der Clusterl sung bedarf der Formulierung weiterer Kriterien 2 Hersteller Clustan Ltd Edinburgh Scotland UK 142 EEHEEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Erstens liefert das Struktogramm vgl Abbildung 7 2 Anhaltspunkte zur Identifikation von Clusterl sungen Der Ermittlung der Clusterzahl liegt folgendes Optimierungskriterium zugrunde Es sollen unter Minimierung des Zuwachses der Fehlerquadratsumme AQS m glichst wenige Partitionen S erzeugt werden Tritt ein deutlicher Knick im Verlauf der Kurve auf kann gefolgert werden Aus einer Verringerung der Anzahl der Typen S resultiert ein gro er Zuwachs beim Verschiedenheitsindex AQS Diese Stelle im Strukto gramm indiziert wie viele Cluster S gebildet werden sollen u a Bacher 1994 Bortz 1999 Als zweites Entscheidungsmoment kommt hinzu dass die einzelnen Partitionen S mindestens 25 Wege Aktivit tenmuste
410. r auf den Zeitebenen des Lang bzw Mittelfristverhaltens angesiedelt sind Diese setzen nach einer Adaptionszeit wiederum den Rahmen f r neues allt gliches Raum Zeit Verhalten auf der Kurzfristebene Zumkeller 1989 Kunert 1992 Tabelle 2 7 fasst zusammen welche m glichen Ursachen als Anlass f r Verhaltensreaktionen bei den verschiedenen Einflussfeldern infrage kommen Tabelle 2 7 Komponenten der Dynamik bei verschiedenen Einflussfeldern eigene Darstellung Einflussfelder Art der potenzieller Ausl ser Dynamik y vertikale Merkmale der Aktivit t keine y horizontale Merkmale der Aktivit t angepasst Rhythmen latente Muster i Merkmale der Person induziert Ver nderung Lebenszyklus endogen u verkehrs infrastrukturell r umliche induziert Ma nahme Umwelt exogen Rahmenbedingungen u institutionell kulturelle Umwelt induziert exogen Ma nahme Rahmenbedingungen ur soziale Umwelt Induziert exogen Ver nderung Familienzyklus 2 3 Fazit Ausgehend von den erl uterten Grundpfeilern der aktivit ten orientierten Sichtweise vgl Abschnitt 2 1 ergeben sich f r die vorliegende Arbeit mehr oder weniger stark ausgepr gte Bezugspunkte 32 Von zentraler Relevanz f r das weitere Vorgehen ist die musterorientierte Perspektive des Raum Zeit Verhaltens da Wege Aktivit tenmuster s Gegenstand der Analyse sind Es wird weiter versucht durch die Verwendung
411. r dem Begriff einer Aktivit t bzw T tigkeit A versteht Axhausen 2000 S 274 definiert diesen wie folgt Eine Aktivit t ist eine bedeutungsvolle Interaktion mit Menschen und oder Dingen in einem gleichbleibenden sozialen und r umlichen Umfeld wobei Wartezeiten vor und w hrend der Aktivit t eingeschlossen sind frei bersetzt Aus der vorherigen Begriffsbestimmung geht hervor dass T tigkeiten A r umlich lokalisierte Handlungen Y sind Somit sind Ortsver nderungen W notwenig um Aktivit tsorte a zu wechseln Wird eine Aufeinanderfolge von Weg W und Aktivit t A als Einheit betrachtet so ist per Definition zu entscheiden welche Ortsver nderung W zu welcher T tigkeit A bzw umgekehrt geh rt Beispielsweise ist im Rahmen von wegeorientierten Verkehrserhebungen z B KONTIV Befragungen eine Benennung des Wegezweckes w notwendig Aus dem Aktivit tstyp a der 18 BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN darauffolgenden T tigkeit A ist jener herzuleiten H ufig bilden der einer Aktivit t A zeitlich vorgelagerte Weg W und diese eine Betrachtungseinheit u a Kloas et al 1993 im weiteren Verlauf der vorliegenden Arbeit als Weg Aktivit ts Folge WA bezeichnet Es sind jedoch auch andere Zuordnungskonzepte beider Handlungstypen vorstellbar Aktivit ten bzw wegebezogene Handlungen Y setzen eine Vielzahl sich berlagernder individueller Entscheidungen Festlegung von Aktivit tstyp Verkehrsmittel Ak
412. r erst eine Verkn pfung mit einem strukturen pr fenden Verfahren erm glicht weitergehende Kausalschl sse zur Deutung des Aktivit ten Verkehrs verhaltens Somit l sst sich die Fragestellung erweitern Wie lassen sich jene Verhaltensunterschiede auf der Basis der erzeugten Wege Aktivit tenmuster Typen S erkl ren Auch hier soll ein neuer Weg beschritten werden Wie bereits ausgef hrt bestimmt nach wie vor das Konstrukt der verhaltenshomogenen Personenkreise nach Schmiedel 1984 die aktuelle Anwendungspraxis der wegekettenorientierten Verkehrsnachfragemodelle Gemeint ist dass ein deterministischer Zusammenhang zwischen Personenkategorien und Wege Aktivit tenmuster Typen S besteht Von dieser starren Sichtweise soll sich auch vor dem Hintergrund des gesellschaftlichen Wandels gel st werden da der Erkl rbarkeit der Variation des Aktivit ten Verkehrs verhaltens prinzipiell Grenzen gesetzt sind Unvollst ndige Informationen ber das individuelle Entscheidungskalk l Zuf lligkeiten im individuellen Verhalten im Zeitverlauf nicht erfasste bzw nicht erfassbare Erkl rungsgr en k usw sprechen eindeutig f r eine Herangehensweise nach dem Wahrscheinlichkeitsgrundsatz um die vorhandenen stochastischen OREHE EINLEITUNG 5 Verhaltenskomponenten zu ber cksichtigen Das hei t F r Individuen soll in Abh ngigkeit von Auspr gungen kj als diskriminierend identifizierter Erkl rungsgr en k der Person des Hausha
413. r in 4 42 0 94 21 96 0 00 V J 82 6877 13 05 523 98 Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 1 42 1 14 1 54 0 21 0 2414 0 03 2 27 DO Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 0 77 1 25 0 38 0 54 2 1615 0 19 24 95 DO Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 3 64 1 12 10 68 0 00 v 1 38 2555 0 00 0 23 Teilzeiterwerbst tig 0 0261 Hausfrau mann arbeitslos Rentner in 2 19 0 91 5 78 0 02 v 8 9533 1 50 53 48 Vollzeiterwerbst tig Teilzeiterwerbst tig 1 42 1 14 1 54 0 21 4 1422 0 44 38 98 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 2 22 0 68 10 74 0 00 v 1 9 2355 0 03 0 41 Vollzeiterwerbst tig 0 1083 EEHEEHE Anhang H Ill Ergebnisse der Logit Analyse H III 6 Alternativ Referenz _ T kategorie kategorie 3 a E a Cluster f Z j 3 3 amp 5 l5 F 85 N T o N ON E S S 5 g e ls ES PE 2 3 E 52 l S 28 Ns g S S D E 5S2 3 D z 0 faa u ou gt x Unter Ober grenze grenze Konstanter Term 1 49 1 23 1 48 0 22 Alter 0 00 0 01 0 08 0 77 0 9972 0 98 1 02 O PNV Zeitkartenbesitz 1 08 0 35 9 55 0 00 v 0 3394 0 17 0 67 keinen OPNV Zeitkartenbesitz 1 2 946 Mann 0 32 0 25 1 74 0 19 1 3821 0 85 2 24 DO Frau F hrerschein 0
414. r s enthalten sollten Diese Mindestfallzahl erfordert das im n chsten Analyseschritt des Multimethodenansatzes verwendete multinomiale Logit Modell f r die Modellsch tzung vgl Abschnitt 4 6 2 Drittens findet eine R ckkopplung zum induktiven Schritt der multinomialen Logit Analyse statt um die Erkl rbarkeit der Wege Aktivit tenmuster Typen S durch Merkmale k der Person des Haushaltes usw zu ber cksichtigen Je nach G te des multinomialen Logit Modells ausgedr ckt durch den Pseudo R Wert vgl Abschnitt 7 6 3 3 bei den verschiedenen Clusterl sungen sagt dies auch etwas dar ber aus ob und inwieweit eine inhaltliche Deutung der jeweiligen Clusterl sung besser oder schlechter gelingt Basis der berpr fung ist per Definition das endg ltige ber signifikante Erkl rungsgr en k spezifizierte Logit Modell das zur 7er Clusterl sung geh rt Erreicht der Pseudo R Wert die Marke ber 0 2 kann nach Urban 1993 und Andre et al 1997 die Modellg te als gut bezeichnet werden Die Bewertungsmatrix vgl Tabelle 7 1 zeigt Bei der Synthese der Beurteilungen erreicht nur die aus sieben Partitionen S bestehende Clusterl sung bei allen drei Kriterien positive Ein sch tzungen so dass jene Einteilung genommen wird Tabelle 7 1 Eingrenzung der gew hlten Clusterl sung EEHEEHE Fallbeispiel Clusterl sung Anzahl der Cluster Kriterien 6 8 10
415. raster At von 10 Minuten erscheint angemessen ohne merkliche Informationsverluste infolge der unvollkommenen Abbildung des erfassten Aktivit ten Verkehrs verhaltens hinnehmen zu m ssen vgl Abschnitt 6 2 4 3 Re Definition der Zust nde z Ausgehend von getrennten handlungstypspezifischen Zustandsr umen Z a und Z w konstituieren sich diese aus je f nf Zust nden z Zu deren Beschreibung liegt jeweils ein einziger Merkmalswerteraum Z a P bzw Z w mit je f nf Merkmalswerten des Aktivit tstyps a Z a Arbeit dienstlich Bilden Einkaufen 141 EEHEEHE Fallbeispiel Service Freizeit zu Hause bzw der Fortbewegungsart w Z w zu Fu Fahrrad MIV Selbstfahrer MIV Mitfahrer V Nutzung zugrunde Festlegung der Transformationsaufwandswerte Inhaltlich am Untersuchungsobjekt orientierte folglich zustandsabh ngige Sub Csub Z und Indelaufwandswerte Cina z gehen als a priori festzusetzende Parameter der Optimal Matching Technik ein vgl Kapitel 5 Diese sind in Anhang E Tabelle E 3 dokumentiert 7 4 2 Durchf hrung der explorativen Datenanalyse Entsprechend dem in Abschnitt 4 2 erl uterten Untersuchungskonzept greift der nachstehende Teil die einzelnen Schritte der strukturen erkennenden Datenanalyse auf Bestimmung der Distanzmatrix der Wege Aktivit tenmuster Mit Hilfe der Optimal Matching Technik vgl Abschnitt 4 4 erfolgt die Berechnung der paarweisen Sequ
416. rbeit dann das Spiel Dollase et al 2000 ab obwohl es theoretisch eine Vielzahl unterschiedlicher Reihenfolgen von Aktivit ten bei der Organisation von Tagesabl ufen gibt Drittens treten in allen Cluster S eine Vielzahl unterschiedlicher Aktivit tsketten mit geringen H ufigkeiten auf Andererseits ergeben sich clusterspezifische Abweichungen Erstens schwankt die Beschreibbarkeit des clusterspezifischen Aktivit ten Verkehrs Verhaltens auf der Basis m glichst weniger Aktivit tsketten stark Der kumulierte Anteil der drei h ufigsten Abfolgen reicht von 16 6 Cluster S bis 45 2 Cluster S Dabei zeigt sich wiederum bei den meisten Clustern S eine Heterogenit tsreduktion gegen ber jener Kenngr e aller F lle Zweitens erstreckt sich die Spanne der Anzahl unterschiedlicher Aktivit tsketten pro Tag und Fall von 0 14 Cluster S4 bis 0 44 Cluster Ss Das hei t Inwieweit eine Verhaltensvariabilit t 168 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS durch die Realisierung verschiedener Tagesprogramme deutlich wird ist je Cluster S sehr unterschiedlich ausgepr gt Tabelle 7 4 Kenngr e Tagesaktivit tsketten auf Wochenbasis je Cluster und f r alle F lle Daten Mobilt tspanel 97 98 ungewichtet n 2247 F lle Aktivit tsketten S S S S S S S T Indikatoren 2 53 g g 2 O O O O O O O Eo Anzahl unterschiedlicher 952 303
417. rbeiten ein entsprechender strukturen pr fender Schritt u a Jones et al 1988 oder die dort eingesetzten Methoden z B Kreuztabellenanalyse reichen nicht an die analytischen Potenziale der Logit Analyse heran u a Zimmermann et al 2001 Standardvorgehensweise u a Zimmermann et al 2001 Quantifizierung der Sequenz un hnlichkeit eigene Vorgehensweise Quantifizierung der Sequenz un J hnlichkeit intrapersonelle Tag zu Tag Abst nde der Wege Aktivit tenmuster aller Tage ber alle Personen Bildung der Wege Aktivit tenmuster Typologie interpersonelle Abst nde der Wege Aktivit tenmuster aller Personen ber den Makrozeitabschnitt Bildung der Wege Aktivit tenmuster Typologie x a e g lt gt gt D lt N s jeuy SAR ye1odxa Quantifizierung der Sequenz un J hnlichkeit intrapersonelle Tag zu Tag Abst nde der Wege Aktivit tenmuster aller Tage je Cluster Identifikation Identifikation Erkl rung der Affinit t zu Wege Aktivit ten muster Typen anhand von Merkmalswerten relevanter Personen und Kontextvariablen Erkl rung der Affinit t zu Wege Aktivit ten muster Typen anhand von Merkmalswerten relevanter Personen und Kontextvariablen s jeuy an pynpu s jeuy ayynpu Abbildung 7 14 Untersuchungsstrategien zur Analyse der intrapersonellen Tag zu Tag Variabilit t Auswertungen Abbildung 7 15 zeigt je Cluster S sowie f r alle F ll
418. rbst tig 0 86 0 48 3 21 0 07 V 1 2 3565 0 17 1 08 Sch ler Studierende in Berufsausbildung 0 4244 Hausfrau mann arbeitslos Rentner in 2 42 0 57 17 83 0 00 v 11 2400 3 66 34 55 Sch ler Studierende in Berufsausbildung Vollzeiterwerbst tig 0 15 0 31 0 22 0 64 1 1583 0 63 2 14 O Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 28 0 35 88 75 0 00 v 26 4868 13 40 52 37 Teilzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 86 0 48 3 21 0 07 Vl 2 3565 0 92 6 02 Hu Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 3 13 0 37 70 62 0 00 vi 22 8666 11 02 47 45 Vollzeiterwerbst tig Teilzeiterwerbst tig 0 15 0 31 0 22 0 64 0 8633 0 47 1 60 DO Vollzeiterwerbst tig Sch ler Studierende in Berufsausbildung 0 71 0 45 2 49 0 11 2 0344 0 84 4 92 DO Vollzeiterwerbst tig EHEHE Anhang H Ill Ergebnisse der Logit Analyse H I11 4 Alternativ Referenz er 5 i 2 kategorie kategorie a fa To E amp gs2 ER ce Cluster gt l3 Sg 8 N T n N g N sE 5 S Ie S 5 F S S j Z g 2 F 53 1 6 s s 5 e a T 5 Aar z 7 faa u ou gt x Unter Ober grenze grenze Konstanter Term 5 07 1 43 12 53 0 00 Alter 0 04 0 02 3 81 0 05 v 1 0376 1 00 1 08 PNV Zeitkartenbesitz 0 47 0 48 0 93 0 33 0 6269 0 24 1 62 DO keinen
419. rden M glicherweise verschlechtert sich dabei die Realit tsn he bei der Abbildung des Sequenzabstandes D s S s s falls aus der Betrachtung des Untersuchungsgegenstandes heraus inhaltlich begr ndbare Unterschiede zwischen den Aktionen L schen und Einf gen eines Zustandselementes z vorliegen Gleichung 4 9 CaaalZ Cae lZ Cina Z inhaltliche Ausrichtung von Indelvorg ngen Ein weiterer Aspekt der zu erw gen ist betrifft die Spezifizierung der Aufwandswerte f r Indeloperationen Cina Auch hier stellt sich die Frage ob eine Abh ngigkeit zu den Zust nden z hergestellt wird oder nicht Erstens besteht die Option f r den Indelaufwand Cia eine Hierarchie f r alle m glichen Zust nde z zu ermitteln bzw festzulegen wodurch die inhaltliche Bedeutung des L schens bzw Einf gens unterschiedlicher Zust nde z abgebildet werden kann Gleichung 4 10 Cina Z f z mit Cina z gt 0 Zweitens kann alternativ der Indelaufwand Cina zustandsunabh ngig als Konstante definiert werden ohne inhaltliche Bez ge zum Analysegegenstand herzustellen EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Gleichung 4 11 c Anpassung von Indel und Subaufwandswerten C a Z konst mit Cina Zz gt O Beim Austausch solit rer Zustandselemente z entspricht die Kombination der Aktionen L schen und Einf gen bzw umgekehrt dem Substituieren daher l sst sich folgern bertrifft der Suba
420. rderungen der nachfolgenden Datenanalyse z B Vergleichbarkeit mit MOP sowie weiterer Bearbeitungsschritte der vorliegenden Arbeit z B Sequenzform der Wege Aktivit tenmuster s usw bestimmen die Datenbearbeitung Erstellung der Datenfiles Zur Durchf hrung der Datenanalyse wird aufgrund der unterschiedlichen Messmodelle M I und M II von zwei verschiedenen Datenmatrizen ausgegangen Die Analyse der Bewertung von Zeitplanungsvorg ngen Y gt Y bzw Y Analysemodell A 1 schlie t alle Datens tze ein die im Rahmen der Datengewinnung mit der Software CHASE aufgenommen worden sind gleichwohl ob die beabsichtigten Handlungen Y nur geplant oder tats chlich ausgef hrt wurden Hingegen umfasst die zweite Datenmatrix welche nur die Eintr ge der tats chlich realisierten Aktivit ten A bzw Wege W enth lt eine Teilmenge der Eintr ge des ersten Datenfiles Diese bildet die Grundlage f r die Analyse der Beurteilung von durchgef hrten Handlungen Y Analysemodell A II Struktur der Zustandsr ume der Wege Aktivit tenmuster Die Sets y von Merkmalswerten y herangezogener Trennmerkmale y definieren die Zustands elemente z mit z e Z y der im weiteren Verlauf der vorliegenden Arbeit untersuchten Wege Aktivit tenmuster s Deren Sequenzform ist in der vorliegenden Arbeit als Intervallreihe vgl Abschnitt 6 1 1 definiert ohne hier n her darauf einzugehen e Auswahl potenzieller Trennvariablen a Grobstruktur
421. ren Informationen ber das gesamte individuelle Entscheidungskalk l Erstens sind infolge unterschiedlicher subjektiver Wahrnehmung externer Bedingungen der Umwelt unterschiediicher Bewertung von Handlungsfolgen fehlender Erkl rungsgr en Messfehler bei Erhebungen usw der umfassenden Situationsbeschreibung f r unterschiedliche Individuen generell Grenzen gesetzt Das bedeutet Es gibt eine nicht erkl rbare interpersonelle Variabilit t Trotz identischer standardisierter Situation ist bei verschiedenen Personen unterschiedliches Aktivit ten Verkehrs verhalten grunds tzlich m glich Pas 1987 Kunert 1992 Pas et al 1995 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Zweitens unterliegt die Situationsdefinition auf individueller Ebene einer zuf lligen Dynamik deren Hintergr nde unbekannt sind die zuf llige intrapersonelle Variabilit t Pas 1987 Kunert 1992 Pas et al 1995 Vor dem eben erl uterten Hintergrund soll nun so weit m glich versucht werden auf handlungs theoretischer Basis eine Begr ndung f r die statistische Methodenwahl mit der Zielstellung der modellhaften Abbildung von Ursache Wirkungs Zusammenh ngen zu finden Den Anspruch nicht erkl rbare Sachverhalte in der Modellierung des individuellen Entscheidungsprozesses zu ber cksichtigen f hrt zu folgender Sichtweise auf entscheidungstheoretischer Grundlage Soweit empirisch fassbar bestimmen standardisiert
422. ren gt strukturen erkennend Verfahren der Repr sentation das eine gr ere Anzahl von Variablen auf eine kleinere Anzahl sogenannte Faktoren reduziert wobei untereinander stark korrelierende Variablen zusammengefasst werden Fehlerquadratsumme Fusionskriterium der gt Ward Methode das auch als Varianzkriterium bezeichnet wird Freiheitsgrad Anzahl der bei einer Berechnung eines stat Kennwertes frei variierbaren Werte G Wert berechneter Wert des Likelihood Ratio Tests geometrische Distanz Grundgesamtheit Abbildungsma der gt Sequenzvergleichsanalyse darauf basierend die Distanzen der Zust nde an gleicher benachbarter Position beider Sequenzen zu bestimmen und durch Summenbildung die Sequenzdistanz zu berechnen Menge der Objekte f r die die Aussagen einer Untersuchung gelten sollen G ltigkeit Validit t Kriterium daf r dass eine wissenschaftliche Untersuchung misst was sie beabsichtigt zu messen Hauptaktivit t Aktivit t mit dem gr ten zeitlichen Umfang innerhalb eines Makrozeitabschnittes Hauptverkehrsmittel ma gebendes Verkehrsmittel eines gt Weges Identifikation vgl gt strukturen pr fend Interaktionseffekte Wechselwirkungen zwischen gt unabh ngigen Variablen interpersonelle Variabilit t im Aktivit ten Verkehrs verhalten Unterschiede im Aktivit ten Verkehrs verhalten zwischen Personen bezogen auf einen betrach
423. ren Wege Aktivit tenmuster Typen S repr sentieren auf Aggregatebene das mittlere Aktivit ten Verkehrs verhalten des Typus S Schmiedel 1984 Kluge 1999 Entsprechend folgt der Gruppierungsprozess dem Grundprinzip dass erstens verschiedene Wege Aktivit tenmuster Typen S eine m glichst gro e Un hnlichkeit erkennen lassen sollen externe Heterogenit t und zweitens Nege Aktivit tenmuster s desselben Typus S untereinander m glichst hnlich sein sollen interne Homogenit t u a Schmiedel 1984 X _ Wege Aktivit tenmuster s WVege Aktivit tenmuster Typen S Abbildung 3 2 Wege Aktivit tenmustertypologie und Wege Aktivt tenmustertyp modifiziert nach Kluge 1999 BHORBEE Grundlagen 3r Wie bereits angedeutet werden mit der Bildung von Typologien mehrere Zielstellungen verfolgt die mit dem Ordnungs und Strukturierungseffekt zusammenh ngen Informationsreduktion ber sichtlichkeit Erstens erm glicht dieser u U erst eine inhaltliche Auseinandersetzung mit dem komplexen Betrachtungsgegenstand des Aktivit ten Verkehrs verhaltens verbessert dessen An schaulichkeit und erleichtert dadurch die Erkenntnis Kluge 1999 Lange 2001 Zweitens l sst dieser m glicherweise erst das Erkennen von Kausalzusammenh ngen zu um empirische Beziehungen zwischen den gebildeten Wege Aktivit tenmuster Typen S und den Erkl rungsgr en k bzw deren Werte kj zu finden Kluge 1999 Anwendung
424. rgenommene Priorit t Pcover von Zeitplanungsaktionen Y gt Y bzw Y gt amp im Verlauf des individuellen Organisations bzw Reorganisationsprozesses von Tages Wochenabl ufen usw zus tzlich durch weitere Faktoren determiniert wird die Art der Zeitplanungsaktion der Zeitplanungsmodus Mzee usw vgl Abschnitt 2 2 3 Gleichung 2 2 Zu beachten ist In der nachstehenden Operationalisierung bleibt im Gegensatz zur urspr nglichen der Zeitplanungsmodus Met au er Acht da ein Ankn pfungspunkt im Hinblick auf eine Analogiebildung zur Ableitung der Transformationsaufwandswerte Ca der Optimal Matching Technik fehlt Schwierigkeiten bereitet bislang eine umfassende Erkl rung der Zusammenh nge zwischen dem subjektiven Stellenwert von Zeitplanungsvorg ngen P over bzw realisierten Handlungen Poyert auf der einen Seite und potenziellen Erkl rungsgr en dynamischer und statischer Art auf der anderen Seite die in den zum theoretischen Handlungsmodell zugeh rigen Einflussfeldern siehe Abschnitt 2 2 Tabelle 2 2 bis Tabelle 2 7 dokumentiert sind Da bislang vorhandene empirische Untersuchungen zu nennen sind hier u a die Zeitbewertungsstudien vgl HCG et al 1999 die erl uterte Komplexit t nur in Ans tzen aufgreifen bestehen Erkenntnisdefizite welche Wirkungsrichtungen und Effektst rken die Merkmalsauspr gungen potenzieller Pr diktoren auf den Nutzen Povet bzw Peovet haben Paulu en 1992 merkt zu diesem Aspekt an dass die Er
425. rkehrsmittels erkl rt vielleicht die hohe Priorit t Pover s w der bergeordneten Kategorie V Nutzung Tabelle 5 14 Segmentzust nde des Merkmals Fortbewegungsart Rang Baum Segmentzust nde Anzahl Priorit t Poyer Ssi W p Wert Bewertung stufe s w der F lle Mittelwert Standard Signifikanz Nges 536 abweichung 0 Ortsver nderung 536 0 12 1 27 1 1 V Nutzung 49 0 90 1 21 0 0002 2 1 MIV Selbstfahrer 187 0 13 1 39 0 0002 3 1 zu Fu 194 0 07 1 04 0 0002 4 1 Fahrrad 55 0 07 1 35 0 0002 5 1 MIV Mitfahrer 50 0 22 1 36 0 0002 Betrachtungseinheit realisierte Weg Aktivit ts Folgen Sind Ortsver nderungs T tigkeits Folgen WA Analysegegenstand so folgt daraus die in Tabelle 5 15 dargestellte Wichtigkeitsrangfolge von entsprechenden Segmentzust nden s wa Sowohl der Typ Aktivit tstyp a als auch die Art des Verkehrsmittels w erweisen sich als bedeutsame Trennmerkmale y W hrend die Variable Fortbewegungsart w einen hochsignifikanten Einfluss DP nur schwach auf die Typenbildung zeigt ist die Separationswirkung des Merkmals Aktivit tstyp a signifikant ausgepr gt Innerhalb der Hierarchie sind drei Niveaubereiche erkennbar Klar ersichtlich ist dabei dass die Trennung der Segmentzust nde s wa in erster Linie auf Effekte des Merkmals Verkehrsmittel w zur ckzuf hren ist
426. rkehrsmittels w so kann davon ausgegangen werden dass je nach Situation zwischen beiden Entscheidungen m glicherweise eine enge Verbindung existiert Die Erreichbarkeit bestimmter Orte setzt unter Umst nden die Verf gbarkeit eines bestimmten Verkehrsmittels voraus Holz Rau 1990 Ebenso wird vermutet dass die Art der gew hlten Aktivit t und die Zielwahl stark korrelieren da bestimmte T tigkeiten nur an bestimmten Orten ausge bt werden k nnen Ettema 1996 Kitamura et al 1998 Ein weiterer Aspekt betrifft den Zusammenhang zwischen der Dauer der Ortsver nderung w und der Aktivit tsdauer a Empirische Untersuchungen von Djist et al 2000 und Djist et al 2002 belegen dass in Abh ngigkeit des Aktivit tstyps a relativ konstante Verh ltnisse zwischen beiden zeitlichen Attributen bestehen Bei k rzerer Aktivit tsdauer a wird ein geringerer Zeitaufwand f r die Fortbewegung toleriert umgekehrt kann auch die Reisedauer w gr er sein um einen Aktivit tsort a zu erreichen wenn die T tigkeit A dort einen gr eren zeitlichen Umfang einnimmt horizontale Abh ngigkeiten zwischen aktivit ten bzw wegebezogenen Handlungen Y im zeitlichen Verlauf Zwischen zeitlich auseinanderliegenden hnlichen aktivit ten bzw wegebezogenen Handlungen Y vorherige bzw zuk nftig geplant k nnen Zusammenh nge bestehen die als zeitliche Periodizit ten zu deuten sind Beispielsweise zeigen die Ergebnisse einer em
427. rkmalswerte kj und individuellem Aktivit ten Verkehrs verhalten dargestellt in aggregierter Form als Wege Aktivit tenmuster Typ S herzustellen zweitens f r die empirische Ausrichtung des Sequenzvergleichsverfahrens der Optimal Matching Technik am Untersuchungsgegenstand dem Aktivit ten Verkehrs verhalten vgl Kapitel 5 sowie drittens der prototypischen Anwendung des zu konzipierenden Multimethodenansatzes vgl Kapitel 7 BHOBBEE Grundlagen 33 34 BHOBBEE Grundlagen SYSTEMATIK UNTERSUCHUNGSANS TZE 3 METHODOLGIE EMPIRISCHER ANALYSEN DES AKTIVIT TEN VERKEHRS VERHALTENS SYSTEMATIK ZUM STAND DER FORSCHUNG 3 1 Einleitung Die Analyse des beobachteten Aktivit ten Verkehrs verhaltens ist Gegenstand einer Vielzahl unterschiedlicher empirischer Ans tze Neben Forschungsbeitr gen bei denen die intrapersonelle Verhaltensvariabilit t im Mittelpunkt steht u a Pas 1987 Lipps 2001 Schlich 2001 Zimmermann et al 2001 existiert eine weitere Betrachtungsebene Diese widmet sich den Verhaltensunterschieden zwischen Personen der interpersonellen Variabilit t im Raum Zeit Verhalten Da die Struktur infrage kommender methodischer Vorgehensweisen grunds tzlich auf beide Untersuchungszwecke bertragbar ist beschr nkt sich die folgende Abhandlung ausschlie lich auf die interpersonelle Analyseperspektive Zudem ist kein zus tzlicher Erkenntniszuwachs ber inhaltliche Aspekte hinaus zu erwarten
428. rmann et al 2001 7 4 3 6 Kenngr en des Verkehrsverhaltens Die nachstehende deskriptive Analyse befasst sich mit der Fragestellung inwieweit Unterschiede bzw bereinstimmungen zwischen den gebildeten Clustern S in Bezug auf ausgew hlte elementare Kenngr en des Verkehrsverhaltens bestehen Entsprechende Abbildungen illustrieren je Wege Aktivit tenmuster Typ S die longitudinale Entwicklung der jeweiligen Kenngr e ber die Woche Zur Abgrenzung der Cluster S im Hinblick auf das Verkehrsverhalten fasst zusammen wie gro deren relative Abweichung von Durchschnittswert aller F lle bei den einzelnen Indikatoren ausf llt und veranschaulicht dadurch typische Verkehrsverhaltensweisen Indikatoren bei denen im Clustervergleich besonders starke Abweichungen auftreten sind die Kenngr en Reiseweite und die Verkehrsmittelnutzung nach Wegen HEHELE Fallbeispiel 161 2 50 Au er Haus Anteil je Tag 2 00 Entfernung V Nutzung je Weg R 1 50 Entfernung MIV Mitfahrer je Weg km Entfernung MIV Selbsfahrer je Weg km Entfernung Fahrrad je Weg km Entfernung zu Fuss je Weg km Abweichungsfaktor Zeitverwendung Ortsver nderungen je Tag hh mm Anteil Wege zu Fu je Tag 5x Anteil Wege Fahrrad je Tag zu allen F llen Anteil Wege MIV Selbstfahrer je Tag Anteil Wege MIV Mitfahrer je Tag gt Anteil Wege V Nutzung je Tag Wegezahl je Tag n En
429. rorientierten Analyse des Aktivit ten Verkehrs verhaltens erkannt vgl Tabelle 4 4 die im weiteren Verlauf des Abschnittes systematisch analysiert werden Vor dem Hintergrund der beschrieben Erkenntnisdefizite kann die sozialwissenschaftliche Forschung wenig Input im Hinblick auf die Spezifizierung der Transformationsaufwandswerte C beisteuern so dass in der Verkehrsforschung eigene Ans tze zu entwickeln sind 4 5 1 Beschreibung der Ans tze zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern mit Hilfe der Optimal Matching Technik Im folgenden berblick vgl Tabelle 4 5 soll das Spektrum bekannter Ans tze im engeren Forschungssektor vgl Wilson 1998 Joh et al 2001 und 2002 Rindsf ser et al 2000 Zimmermann et al 2001 Heller Kemp et al 2000 sowie Schlich 2003 im Anwendungsbezug der Analyse von Wege Aktivit tenmustern s dargelegt werden um den eigenen Untersuchungsansatz einzuordnen dessen Grundstruktur bereits in Berger 2000 a sowie Berger 2000 b publiziert wurde Auf die Idee ein Verfahren der Sequenzvergleichsanalyse basierend auf dem biologischen Distanzprinzip zum Vergleich von Wege Aktivit tenmustern s anzuwenden ist als erster Wilson 1998 in der soziologischen Zeitbudgetforschung eingegangen Wilson 1998 stellt dabei vor allem methodische Aspekte der Optimal Matching Technik in den Vordergrund seiner Darlegungen und nimmt einen inhaltlichen Bezug lediglich ber Anwendungsbeispiele auf
430. rpersonellen Kontext Im Kontrast zu den kenngr enorientierten Ans tzen die eher auf eine tiefgr ndige Analyse von Einzelph nomenen des Raum Zeit Verhaltens beispielsweise das Verkehrsmittelwahlverhalten usw fokussiert sind und daher auf einer stark disaggregierten Betrachtungsebene operieren stehen die musterorientierten Arbeiten Mit ihrer umfassenden Sichtweise des Raum Zeit Verhaltens die infolge der damit einhergehenden hohen Komplexit t eine Aggregation des Datenmaterials durch Typologiebildung erfordert vertreten sie die Gegenperspektive Nur auf der Basis von Wege Aktivit tenmustern s gelingt es das Ergebnis der vielschichtig verkn pften individuellen Entscheidungszusammenh nge des Raum Zeit Verhaltens abzubilden woraus sich eine hohe Praxisrelevanz jener als Grundlage f r aktivit tenorientierte Verkehrsnachfragemodelle begr ndet Musterorientierte Ans tze erfordern jedoch ein aufwendiges Vorgehen Die Untersuchungsstrategie sollte dabei aus einer Aufeinanderfolge explorativer und induktiver statistischer Verfahren bestehen Erstens besteht die Aufgabe strukturelle Unterschiede bzw bereinstimmungen im Aktivit ten Verkehrs verhalten auf Basis der Wege Aktivit tenmuster s zu erkennen Und sind zweitens daran ankn pfend Erkl rungszusammenh nge zwischen den Kontextbedingungen der Umwelt sowie den Charakteristika von Personen auf der einen Seite und unterschiedlichen Affinit ten zu Wege Aktivit tenmuster Typen S a
431. rsetzen At At At DES oE l I l l i leerer Zustand Zustand z Zustand z I AZ 2 gt C n Z Zustand z Zustand Z Abbildung 4 5 operationsspezifische Festlegung der Aufwandswerte eigene Darstellung Welche Zusammenh nge bei der empirischen bzw argumentativen Quantifizierung m glicherweise Anpassung und Abstimmungen zwischen den verschiedenen operationstypspezifischen Arten bei der Festlegung der Aufwandswerte C zu beachten sind thematisiert der nachstehende Abschnitt a Substitutionsaufwand Die Aufgabe der Festlegung des Substitutionsaufwands C w Z 2 ist f r gemeinsame Zustands elemente z einfach Falls die Zustandselemente z bzw Z beider Sequenzen identisch sind so betr gt der Aufwandsparameter C Z 2 O vgl Gleichung 4 3 u a Kruskal et al 1983 Gleichung 4 3 Csu Z 0 falls z Handelt es sich dagegen um unterschiedliche Zustandselemente z bzw vgl Gleichung 4 4 so entstehen h here Anforderungen an die Parameterfestlegung u a Kruskal et al 1983 Gleichung 4 4 Csub Z gt 0 falls z Einhaltung der Symmetriebedingung Die Richtung des Zustandswechsels ob z durch Z oder umgekehrt ersetzt wird darf keinen Einfluss auf die H he der Substitutionsaufwandswerte C haben sonst wird die einzuhaltende Symmetriebedingung verletzt inhaltliche Ausrichtung von Substitutionsvorg ngen F r die Festlegung des Substi
432. rsonenaggregate auf der Makroebene Zweitens soll zwischen einer situationsunabh ngigen overall level of priority und einer situationsabh ngigen scheduling priority Priorit t differenziert werden die sich darin unter scheiden ob die momentane Situation den Bezugsrahmen bildet oder nicht Doherty et al 2002 ki EHHEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Drittens ist von Belang ob es sich um eine geplante oder eine bereits durchgef hrte Ortsver nderung W bzw Aktivit t A handelt Bei overten Handlungen Y stehen die aktivit ten bzw wegebezogenen Entscheidungen endg ltig fest S mtliche Werte v der Merkmale y der Handlung Y sind l ckenlos bekannt Hingegen gelten diese Merkmalsauspr gungen y bei coverten Handlungen Y im Zeitplanungsstadium als unsicher und beruhen m glicherweise auf vagen individuellen Vorstellungen im Hinblick auf die sp tere Ausf hrung der T tigkeiten A bzw Ortsver nderungen W Tabelle 5 1 Komplexit tsstufen der Priorit t von aktivit ten und ortsver nderungs bezogenen Handlungen Einflussfelder Betrachtungszusammenhang Abstraktions ebene Makro situativer zeitlicher der Mikro Kontext Handlungs Untersuchung Kontext kontext x A gt lie D gt E G S S w S 5 gt 2 a 5 x Do ES l x S 5 5 Fa
433. rt durch spez f Werte k von Personen und Kombination von f Haushalts und Raummerkmalen k i Merkmalsauspr gungen k Ergebnisse der Anwendung des musterorientierten O aR D E Multimethodenansatzes auf Wege Personen und Wege Aktivit tenmuster Simulation Haushaltsdaten diskrete Summenh ufig keitsverteilung von Wege gesch tzte Logit Parameter b von Werten kj Aktivit tenmuster Typen S diskriminierender Merkmale k der Person des Wege Aktivit ten Haushaltes usw zur Modellierung der Zu F S mmislartypen S erzeugte Wege Aktivit tenmuster Typologie ordnungswahrscheinlichkeiten P i S zuden MCS Wege Aktivit tenmuster Typen S Wege Aktivit tenmuster Typ S Wegedaten i diskrete Summenh ufigkeits verteilungen der Aktivit tsketten nach Wege Aktivit tenmuster Typen S idiskrete Summenh ufigkeits verteilungen der Startzeit At des a In ten Weges nach Aktivit ts 2 W gt Arb Startzeit des n ten Weges Abbildung 8 3 Grobansatz eines mikroskopischen Simulationsmodells der Verkehrsentstehung C Aktivit tskettensimulation Die Aktivit tskettensimulation schlie t das Ziehen einer Aktivit tskette aus der vorgegebenen diskreten kumulierten Aktivit tskettenverteilung des im vorherigen Modellschritt bestimmten Wege Aktivit t
434. rte Zielkriterium zur Abstandsbestimmung zwischen Zust nden y und y begrifflich zu fassen ist Was ist die Wichtigkeit was ist der Nutzen von realisierten Handlungen Y bzw Zeitplanungsoperationen Y lt gt Y Aus der fachbezogenen Literatur u a Ettema 1996 Doherty et al 2002 usw geht nicht eindeutig hervor ob zwischen den Begriffen Nutzen Priorit t Bedeutung Wichtigkeit Valenz usw ein Unterschied besteht oder nicht Oft werden diese synonym verwendet bzw die Wichtigkeit statt dem Nutzen empirisch erfasst obwohl es beispielsweise Hinweise gibt dass die Wichtigkeit nicht immer eine valide Zeigergr e f r den Nutzen ist Dinge die wichtig sind k nnen sowohl zur individuellen Zufriedenheit beitragen oder auch Bed rfnisse nicht befriedigen Jedoch l sst sich auch die Annahme treffen dass nicht ausschlie lich der Nutzen sondern in erster Linie die Priorit t f r die Planung und Ausf hrung von T tigkeiten A bzw Ortsver nderungen W handlungsleitend ist Bestimmte Situationen implizieren beispielsweise aufgrund von Zw ngen die Aus bung wichtiger Handlungen Y deren subjektiver Nutzen m glicherweise gering ist Ohne diese er rterten Unterschiede in den Wortbedeutungen in der vorliegenden Arbeit aufzunehmen soll im Folgenden von der vereinfachten Sichtweise einer Sinngleichheit der oben genannten Begriffe ausgegangen werden BHEBEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 89 dass die subjektiv wah
435. rte musterorientierte Multimethodenansatz des Aktivit ten Verkehrs verhaltens Aus dessen empirischer Modellanwendung stammende Ergebnisse gehen als Input in diesen Modellschritt ein erstens die zu Typen S klassifizierten Wege Aktivit tenmuster s und zweitens die gesch tzten Logit Koeffizienten bi der Auspr gungen k identifizierter Trenn merkmale k der Person des Haushaltes usw aus der Anwendung des multinomialen Logit Modells MNL zur Vorhersage der Zuordnungswahrscheinlichkeiten PS zu den Wege Aktivit tenmuster Typen S Die Wege Aktivit tenmuster Simulation umfasst zwei Schritte In der ersten Teilstufe lassen sich in Abh ngigkeit der zugewiesenen Eigenschaften aus der Personensimulation f r jedes zu simulierende Individuum alle Wahrscheinlichkeiten P ilSi der Zuordnung zu den bekannten Wege Aktivit tenmuster Typen S mit Hilfe des bereits gesch tzten multinomialen Logit Modells MNL berechnen Die diskrete Verteilung der ermittelten personenspezifischen Wahrscheinlichkeitsverteilung der Wege Aktivit tenmuster Typen S bildet wiederum die Ausgangsbasis f r die zweite Teilstufe die Auswahl eines Typs per Zufallsprinzip mittels Monte Carlo Simulation MCS EEHEEHE Fazit und Ausblick a Input von Daten mikroskopische Simulation der Verkehrsentstehung Personen und Haushaltsdaten diskrete ein oder mehrdimensionale i fiktive Personen Summenh ufigkeitsverteilung der charakterisie
436. rteilung des Logit Modells Gegenstand von Phase C ist die berpr fung der Aussagekraft sowohl des Gesamtmodells als auch die Signifikanz einzelner Effekte kj der Pr diktoren k D Interpretation des Logit Modells Darauf aufbauend umfasst der vierte Schritt die Interpretation der Effekte Wirkungsrichtung und st rke der Merkmalswerte k identifizierter Erkl rungsgr en k 86 EHEHEHEH Multimethodenansatz INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK 5 AUSRICHTUNG DER OPTIMAL MATCHING TECHNIK AM AKTIVIT TEN VERKEHRS VERHALTEN EINE EMPIRISCHE ANN HERUNG 5 1 Einleitung Das folgende Kapitel greift das bislang ungel ste Problem einer inhaltlichen Ausrichtung der Optimal Matching Technik am Untersuchungsgegenstand dem Aktivit ten Verkehrs verhalten auf Wie bereits dargelegt vgl Abschnitt 4 4 3 k nnen die vor der Anwendung des Sequenzvergleichsverfahrens festzusetzenden Transformationsaufwandswerte C sowohl von der Art der Aktion o als auch von den bis zu zwei Zust nden y bzw y der Elemente die am jeweiligen Umwandlungsvorgang beteiligt sind der Wege Aktivit tenmuster s abh ngen Es geht folglich im konkreten Anwendungsfall darum Anhaltspunkte f r die H he der Aufwandswerte C per Analogieschluss zum geplanten und realisierten Aktivit ten Verkehrs verhalten mittels einer empirischen Ann herung abzuleiten Die dazugeh rige Abbildungsvorschrif um von operationsspezifischen Zustands
437. rten Kriterien Tabelle 3 3 Vergleich musterorientierter Ans tze zur Analyse des Raum Zeit Verhaltens im interpersonellen Kontext Abbildung des Raum Zeit Verhaltens Untersuchungs Verfahrens strategie prinzip statistischer Methoden Sequenzver gleichsverfahren Detaillierung kontinuierlichen Merkmalen Vorgehen Distanzma es Auspr gungen n oder x bei Kausalprinzip Inhaltliche Ausrichtung ji Makrozeit abschnit 5 Merkmale und Anzahl n der Ereignisreihe Ereignisdauerreihe Intervallreihe inhaltlich r umlich zeitlich direktes Vorgehen Indirektes ze Probabilistisch biologisch argumentativ empirisch inhaltlich sozial 0 oo E geometrisch 1972 JS O g 5 10 5 E p L Ko 21 u E Pas 4 5 m W E E 1980 Be et i u u 1980 TOF g E 6 E E E 1981 Schmiedel HE u 8 oh 1984 Wong 3 Zu 1997 Kulkarni et Es m 4 X S E al 2000 Quelle Kutter 1972 Pas 1980 Recker et al 1980 Becker 1981 Schmiedel 1984 Wang 1997 Kulkarni et al 2000 Je nach Forschungsbeitrag differieren sowohl die identifizierten Erkl rungsgr en k als auch die Anzahl der gebildeten Gruppen S vgl Tabelle 3 4 Zu beachten ist Unterschiede bei den ver schiedenen Ans tzen in Zusammensetzung und Art der relevanten Indikatoren k sind auch auf inhaltliche und methodische Gegeb
438. rtsver nderungen und Aktivit ten die von einer Person innerhalb eines bestimmten gt Makrozeitabschnittes ausge bt werden als temporales Muster in der Sequenzform der gt Ereignisreihe Wegekette Beschreibung der Abfolge von gt Ortsver nderungen die von einer Person innerhalb eines bestimmten Makrozeitabschnittes ausge bt werden als temporales Muster in der Sequenzform der gt Ereignisreihe Welle einzelne Befragung im Rahmen des Panels bei der jeder Teilnehmer zu einen bestimmtem Zeitpunkt befragt wird willk rliche Auswahl Auswahl aufs Geradewohl im Ermessen des Interviewers das weder durch den Zufall noch durch einen vorher festgelegten Auswahlplan gesteuert wird Wege Aktivit tenmuster Wege Aktivit tenmuster Typ Beschreibung der Abfolge von gt Ortsver nderungen und Aktivit ten die von einer Person ber einen bestimmten gt Makrozeitabschnitt ausge bt werden als gt temporales Muster in der Sequenzform der Ereignisdauerreihe oder Intervallreihe Menge Segment Klasse Cluster usw von gt Wege Aktivit tenmustern mit hnlichen Charakteristika Arten Dauern Zeiten Abfolgen usw von Aktivit ten und gt Ortsver nderungen Wege Aktivit tenmuster Typologie Typologie bestehend aus gt Wege Aktivit tenmuster Typen Wege Aktivit tsprofil Zeitplanungsverhalten covertes Handeln Darstellung des Aktivit ten Verkehrs verhaltens in Form einer aggregierten Zustan
439. rvallskalierten Messwerten in der Datenanalyse ausgegangen werden kann Andererseits vereinfacht die verbale Beschreibung die Interpretation der Intensit tsabstufungen Beschreibung der Stichprobe F r die empirische Analyse stand eine kleine Nettostichprobe von 35 Personen aus 20 Haushalten zur Verf gung vgl Anhang D II Da die Auswahl der Haushalte und Personen nicht 100 gunDRnE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK nach dem Zufallsprinzip erfolgte sondern willk rlich im Ermessen des Ausw hlenden vorgenommen wurde handelt es sich nicht um eine repr sentative Stichprobe Auswertbar waren bei der eigenen CHASE Erhebung die aufgezeichneten Tagesabl ufe von 32 der urspr nglich 35 befragten Personen ber einen Zeitraum von sieben Tagen Die Erhebung fand von Dezember 2001 bis M rz 2002 an unterschiedlichen Orten in der Bundesrepublik Deutschland statt Tabelle 5 3 fasst tabellarisch eine Auswahl grundlegender Beschreibungsgr en der Stichprobe zusammen und verdeutlicht dadurch die Verzerrungen der Stichprobenwerte gegen ber denjenigen der Gesamtbev lkerung Daraus ist ersichtlich Es liegt eindeutig keine bev lkerungsrepr sentative Untersuchung vor Tabelle 5 3 Vergleich Stichprobe und Gesamtbev lkerung der Bundesrepublik Deutschland in Bezug auf die Auspr gungen ausgew hlter Personenmerkmale Merkmal k Merkmalskategorien Struktur der Un
440. s personenfeiner mikroskopischer Wegekettenans tze auf dem Stand der Anwendung durch die Verankerung des erarbeiteten Multimethodenansatzes der vorliegenden Arbeit an Statt Personentypen mit spezifischen Verhaltensweisen als Grundlage f r die Modellierung der Verkehrsentstehung zu nutzen wird folgende Alternative vorgeschlagen Den fiktiven Individuen die durch Merkmalswerte k von identifizierten Variablen k der Person des Haushaltes usw kennzeichenbar sind werden in Abh ngigkeit jenen Sets k Realisierungswahrscheinlichkeiten f r Wege Aktivit tenmuster Typen S mittleres Verhalten zugeordnet Das hei t Die Chance der Aus bung eines bestimmten Wege Aktivit tenmuster Typus S l sst sich als Funktion einer Kombination kj von Auspr gungen kj personen haushaltsbezogener usw Merkmale k beschreiben Die in der vorliegenden Arbeit zugrundegelegte Fallzahl zur Bildung der Wege Aktivit tenmuster Typologie aus dem Datenfundus des MOP reicht als empirische Grundlage f r die Verkehrsnachfragenmodellierung nicht aus da auch infolge zu geringer Fallzahlen je Cluster S teilweise keine signifikanten Zusammenh nge zwischen den Auspr gungen k der Erkl rungsgr en k und der Zuordnung zu den Wege Aktivit tenmuster Typen S aus der Anwendung der Analysetechniken resultieren Zur Behebung dieses Manko bieten sich k nftig zwei Alternativen an Entweder die Zusammenfassung mehrerer Wellen des deutschen Mobilit tspanels vgl Kl
441. s s es folgen direkt aus der Tatsache dass jene Methode auf dem Prinzip des biologischen Distanzma es fu t vgl Abschnitt 4 4 Im Sinne eines Praktikabilit tsnachweises der Optimal Matching Technik gen gt die augenscheinlich vorhandene Erkl rbarkeit der erstellten Wege Aktivit tenmuster Typologie im Analysefall vgl Abschnitt 7 6 Dennoch stellt sich die Frage wie der postulierte Zugewinn an Wirklichkeitsn he im Anwendungsfall nachgewiesen werden kann was jedoch zuk nftigen Forschungsarbeiten vorbehalten bleibt Folgende Ansatzpunkte f r m gliche Untersuchungsstrategien zeichnen sich ab methoden bergreifende Vergleichsanalyse von Sequenzvergleichsverfahren Aus einer Gegen berstellung verschiedener Sequenzvergleichsmethoden sind m glicherweise spezifische Unterschiede ableitbar wobei nachstehende Vorgehensweisen auf identisches Datenmaterial infrage kommen erstens durch Vergleiche der jeweils berechneten Abst nde D s s es unterschiedlicher Verfahren mit Hilfe der linearen Korrelationsanalyse oder und zweitens durch berpr fung der Erkl rbarkeit resultierender Clusterl sungen aus dem explorativen Analyseschritt durch Leitvariablen k z B Erwerbsstatus mit strukturen pr fenden Verfahren unter dem Vorbehalt der Annahme dass eine realit tsn here Abbildung der Distanzen D s 8 s s zu einer besseren Deutbarkeit f hrt Das hei t Es wird ein Zusammenhang zwischen den Abfolgen von x Folgende bislang u
442. s Cluster S im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 6 Cluster S4 Zeitverwendung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 5 Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg km _ Zeitverwendung zu Hause je Tag hh mm y 5 i 2 50 ce Entfernung MIV Mitfahrer je Weg km _ u Zeitverwendung Arbeiten dienstlich je Tag hh mm 5 S v ER 20 2 IR Entfernung MIV Selbsfahrer je Weg km O 5 Zeitverwendung Ausbildung je Tag hh mm N o 2 ri i gt z w Q 150 25 Entfernung Fahrrad je Weg km x N Fuel Zeitverwendung Einkaufen Service je Tag hh mm Entfernung zu Fuss je Weg km 1 Zeitverwendung Freizeit je Tag hh mm 1 l Entfernung je Weg km Zeitverwendung zu Fuss je Tag hh mm N Entfernung je Tag km y pon Zeitverwendung Fahrrad je Tag hh mm I r Wegezahl je Tag n 5 z REA l e RR a gt Zeitverwendung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag YV Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag ji j Zeitverwendung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 4 Abweichungen des Cluster S4 im Vergleich zu allen F llen in den Verhaltenskenng
443. s Handlungsentwurf Realisierungsphase vorg nge hinzuf gen hinzuf gen i _ verwerfen verwerfen I o p ndern ndern ndern covertes Handeln overtes Handeln covertes Handeln Zeit Abbildung 2 6 Modellvorstellung der individuellen Handlungsabfolge Zeitplanung Realisierung und Bewertung eigene Darstellung Logik der Auswahl Der zweite Schritt verkn pft die Elemente Person und Handlung auf der Mikroebene indem zwischen der subjektiven Situation des Individuums und der Auswahl einer bewerteten aktivit ten bzw ortsver nderungsbezogenen Handlung Y eine Verbindung geschaffen wird vgl Abbildung 2 2 Ergebnis des Prozesses der Handlungsrealisierung kann sowohl die Umwandlung der subjektiven Situation in eine Aktivit t bzw einen Weg overtes Handeln als auch das Unterlassen dieser Aktionen sein Werlen 2000 Zu Erkl rung und Modellierung wie Personen sich entscheiden ist ein handlungstheoretischer Ansatz erforderlich der eine Ursache Folge Beziehung zwischen erstens der subjektiv wahrgenommenen strukturierten Situation Kognition zweitens der Bewertung der m glichen Konsequenzen der Realisierung einer T tigkeit bzw Ortsver nderung Orientierung und drittens der Auswahl einer Handlungsalternative herstellt Dabei stellt sich die Frage welche Handlungsregeln zugrunde gelegt werden und damit welchem Menschenbild gefolgt werden soll Esser 1996 differenzier
444. s usw a Erkl rungsgr en k der Typologie Segmentierung des Datensatzes Sub Ebene kenngr enorientierte Analyse Segment S Segment S Pr diktoren Pr diktoren Pr diktoren k Verhaltens Verhaltens Verhaltens kenngr e A Personendaten 1 Wegedaten 1 Haushaltsdaten 1 Segment S Pr diktoren Pr diktoren Pr diktoren k Segment S Verhaltens Verhaltens Verhaltens kenngr e A Personendaten 2 Wegedaten 2 Haushaltsdaten 2 Segment Segment Personendaten Wegedaten Haushaltsdaten Segment S Segment S Pr diktoren Pr diktoren Pr diktoren k Personendaten Verhaltens kenngr e A Wegedaten n Haushaltsdaten Erkl rungsgr en k einzelner Segmente S Kenngr en des Aktivit ten Verkehrs verhaltens Abbildung 8 2 segmentorientierte Analysestrategie des Aktivit ten Verkehrs verhaltens Im Gegensatz zu Vorgehensweisen ohne Typologiebildung erm glicht der Separierungsprozess die Bildung einzelner Partitionen S mit hnlichem Raum Zeit Verhalten Die Erh hung der Varianzaufkl rung kann f r
445. s2jg 8 a EAE xy IS z T 2 le EJ a a lE T gt lt D AlL g e S _ a Tar D amp 922 3 Z Fe 2 E Q N O O Ee oi s D gt x S z 2 2 E 2 oja E 5 o N O O ce 2 c c c E lt o 8 O oo S S O A I o 5 z SS Z NIT v geometrisches E E E E Distanzma biologisches E E E E Distanzma Quelle Pas 1980 Pas 1984 Recker et al 1980 Recker et al 1985 Schmiedel 1984 Jones et al 1988 Wilson 1998 Joh et al 2001 und 2002 Rindsf ser et al 2000 Zimmermann et al 2001 Heller Kemp et al 2000 Schlich 2003 Die Entwicklung der methodischen Grundlagen und erste Anwendungen der Optimal Matching Technik reichen bis in die 60 er Jahre zur ck Klassische Einsatzfelder der Sequenz vergleichsanalyse finden sich in der Genforschung der Spracherkennung usw Forschungsarbeiten aus der Soziologie welche die Optimal Matching Technik insbesondere f r die Analyse von Lebensverl ufen Karriereverl ufe usw aufgreifen u a Abbott et al 1986 Abbott et al 1990 Halpin et al 1995 Erzberger et al 1997 Schaeper 1999 Aisenbrey 2000 Bargeman et al 2002 In der soziologischen Forschung finden sich bereits seit Mitte der 80er Jahre Anwendungen der Optimal Matching Technik wobei Abbott et al 2000 eine Zahl von ungef hr 23 relevanten Fachbeitr gen nennen Dabei stehen die Voraussetzungen hierf r besonders die a priori Festlegung der Transformationsaufwandswerte Ca durch
446. sache Wirkungs Zusammenh ngen verfolgt Das hei t Objekte der statistischen Datenanalyse sind einzelne Verhaltenskenngr en des Aktivit ten Verkehrs verhaltens die Verkehrsmittelnutzung die zur ckgelegte Distanz usw Anhand der erstellten Wege Aktivit tenmuster Typen S der Meta ebene findet zun chst eine entsprechende Aufteilung der verwendeten Daten Wege Personen und Haushaltsdaten statt Zum Nachweis von Kausalzusammenh ngen zwischen Erkl rungsgr en und einzelnen Kenngr en des Raum Zeit Verhaltens je Cluster S eignen sich strukturen pr fende statistische Verfahren vgl Backhaus et al 2003 Anschlie end lassen sich die identifizierten Erkl rungsgr en k sowie die Effekte der dazugeh rigen Merkmalswerte k in der Dateninterpretation partitions bergreifend untereinander vergleichen 202 EHEHEHEH Fazit und Ausblick SCHLUSSFOLGERUNGEN Aktivit ten Verkehrs verhalten Meta Ebene musterorientierte Analyse Wege Aktivit tenmuster Typologie Wege Aktivit ten muster Typ S Wege Aktivit ten muster Typ S Wege Aktivit ten muster Typ S Personendaten 1 Personendaten 2 Personendaten Haushaltsdaten 1 Haushaltsdaten 2 Haushaltsdaten Wegedaten 1 Wegedaten 2 Wegedaten Segment S Segment S Segment Segment S Erkl rungsgr en der Person des Haushalte
447. sachlogische Argumente ber angenommene Abh ngigkeiten qualitativer Art aber auch um empirisch abgesicherte Beziehungen Die Zusammenh nge stammen teilweise aus unter BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 91 schiedlichen empirischen Zeitbewertungsstudien First UK Study 1987 Dutch Study 1990 1984 1990 Present UK Study 1994 die u a in HCG et al 1999 und Axhausen et al 2000 dokumentiert sind Zeitbewertungsstudien verfolgen die origin re Zielstellung Zeitkosten f r Ortsver nderungen zu ermitteln Charakteristisch f r das Vorgehen dieser Untersuchungen ist eine ausschlie lich wegeorientierte Betrachtungsweise und eine fehlende Beachtung weder von Dependenzen noch von Interdependenzen zwischen Ortsver nderungen W und Aktivit ten A Vor diesem Hintergrund beschr nkt sich die nachstehende Darstellung auf qualitative Zusammenh nge trotz zum Teil bekannter Effektst rken der Auspr gungen y identifizierter Be schreibungsgr en y auf den Nutzen Povet von Handlungen Y in verschiedenen Beitr gen Ebenso bleiben die vorhandenen Abweichungen zwischen den Resultaten jener Arbeiten bei der Synthese der qualitativen Zusammenh nge au er Acht die durch unterschiedliche Datenbasen Erhebungsort Erhebungszeitpunkt usw differierende Untersuchungsmethoden real vs hypothetisch usw bedingt sind Aus dem Sichtungsprozess der oben genannten Literaturquellen lassen sich die bedeuts
448. salternativen mit individuellen Wertigkeiten versehen werden p Wert Irrtumswahrscheinlichkeit mit der man gerade noch die Nullhypothese widerlegen kann p lt a Nullhypothese widerlegt p gt a Nullhypothese best tigt a Signifikanzniveau Panel Untersuchungsform bei der in bestimmten zeitlichen Abst nden f r dieselben Objekte mindestens zweimal dieselben Merkmale erhoben werden Repr sentation Darstellung von Objekten durch Punkte im 2 oder 3 dimensionalen Raum wobei hnlichkeitsbeziehungen durch r umliche N he zum Ausdruck kommen sollen Regressionsanalyse Klasse von statistischen Verfahren gt strukturen pr fende Verfahren zur Vorhersage von Merkmalswerten einer abh ngigen Variablen anhand von Auspr gungen einer oder mehrerer gt unabh ngigen Variablen Koeffizient Ma zahl zur Pr fung der St rke des Zusammenhangs zwischen zwei nominal skalierten Variablen im Rahmen der Kreuztabellenanalyse auf Basis des Chi Quadrat Testverfahrens Produkt Moment Korrelation Zusammenhangsma f r metrische gt Variablen Pseudo R Ma zahl zur Bewertung der G te von gt Logit Modellen auf der Grundlage des gt Maximum Likelihood Sch tzverfahrens durch Vergleich zweier Logit Modelle das vollst ndige Modell Ausgangsmodell und das Nullmodell Vergleichsmodell qualitative Merkmale quantitative Merkmale alle Auspr gungen eines Merkmals werden intuitiv durch re
449. sation und Reorganisation von Tages Wochenabl ufen usw abzubilden Beispielsweise z hlt der in Arentze et al 2000 dokumentierte Ansatz des Verkehrsnachfragemodells ALBATROSS zu den Modellanwendungen auf dem Stand der Wissenschaft in diesem Bereich Interdependenzen zu Entscheidungen anderer Zeithorizonte Zusammenh nge zwischen dem allt glichen Raum Zeit Verhalten Kurzfristebene und individuellen Festlegungen auf den bergeordneten mittel und langfristigen Zeitebenen Wohnstandortwahl Arbeitsplatzwahl usw Dass zwischen dem allt glichen Verkehrsverhalten und anderen individuellen Entscheidungen sowie Rahmenbedingungen die auf unterschiedlichen bergeordneten zeitlichen Ebenen angesiedelt sind r ckgekoppelte Wechselwirkungen bestehen thematisieren Ben Akiva et al 1996 und Bowman 1998 in einem theoretischen Konzept Eine besondere Rolle spielt insbesondere der Zusammenhang zwischen einerseits den Standortentscheidungen von Akteuren z B Haushalte Unternehmen usw mit den Auswirkungen auf die langfristige Entwicklung der Siedlungsstruktur sowie Verkehrsinfrastruktur und andererseits dem allt glichen Verkehrsverhalten auf der Zeitebene des Kurzfristverhaltens Zum Beispiel Aufgrund einer getroffenen Wohnstandortwahl unterliegen Personen Einschr nkungen bzw erlangen Chancen im Hinblick auf die Aus bung von T tigkeiten und Ortsver nderungen ndern sich die Angebotsstrukturen des Verkehrs als Folge einer ge nderten Ver
450. schen Damit steht ungeplante Zeit f r die zeitliche Ausdehnung zu ver ndernder Aktivit ten zur Verf gung berz hlige geplante Aktivit ten in der Zukunft die nicht mehr realisiert werden sollen m ssen dann gel scht werden wenn zum Zeitpunkt des Logins noch keine andere r Aktivit t Weg vorgesehen ist ungeplante Zeit amp vgl Abb 7 gt gt gt Zeit Zeit Zeit Aktualisierung realisierter Aktivit ten Wege Vergangenheit und geplanter Aktivit ten Wege Zukunft Abb 6 Beispiel f r Entscheidungsm glich keiten des Bearbeiters zum L schen und Ver ndern von Aktivit ten Wegen geplanter Zeitpunkt der Ausf hrung _geplarger Zeitpunkt der Ausf hrung Aktivit tstyp y1 yp Dauer y1Paut Verkehrsmittel yiYm ndern Aktivit tstyp y1 P Dauer y1Pau4 Verkehrsmittel y1V 3 f Login 1 f Login 2 Login 3 Zeit ndern falls neue Aktivit t Weg zu Login 2 bekannt ist Abb 7 Unterscheidung zwischen ndern und L schen Einf gen bei geplanten Aktivit ten Wie aktivieren Sie das Fenster zum L schen einer Aktivit t Weg Einfacher Klick auf entsprechende Aktivit t gt Aktivierung des Befehls L schen in der Men leiste m J TE Q Sind Sie sicher dass Sie diese Angaben l sch
451. schungsfragen Abstandsermittlung und Segmentierung von Zust nden des Aktivit ten Verkehrs verhaltens Abbildung und Erkl rung von Unterschieden zwischen Wege Aktivit tenmustern IV Anwendungs voraussetzungen Optimal Matching Technik O Konzeption E Forschungsfragen Clusteranalyse 4 Logit Analyse O Empirische Ausrichtung l QO Sensitivit tsanalyse Ebene Sequenzvergleichs verfahren Wege Aktivit tenmuster ypologie auf Wochenbasis 0 O Schlussfolgerungen Abbildung 1 4 Aufbau der vorliegenden Arbeit eigene Darstellung 8 OBBBEE Einieitung KONZEPTIONELLER RAHMEN 2 KONZEPTIONELLER RAHMEN DES AKTIVIT TEN VERKEHRS VERHALTENS 2 1 Die aktivit tenorientierte Sichtweise als Fundament der Verkehrs forschung Nachdem die Forschungspraxis auf dem Gebiet der Nachfrageermittlung des Personenverkehrs bis in die 70er Jahre durch eine Sichtweise gepr gt war die lediglich Fahrzeugstr me und Ortsver nderungen von Personen auf aggregierter Betrachtungsebene zum Gegenstand hatte nderte sich zu dieser Zeit die Perspektive Die Ursachen des Verkehrs wurden in den Mittelpunkt ger ckt so dass seither Personen und Aktivit ten in disaggregierter Aufl sung Objekte einer so genannten aktivit tenorientierten Ausrichtung dieses Wissenschaftszweiges sind Statt die Verke
452. sehr starken linearen Zusammenhang indiziert Ungeachtet der unterschiedlichen H he der konstanten Aufwandswerte C erfolgt die Absch tzung der Zusammenhangseffekte bei den vier bergeordneten Vergleichen mit sechs Gegen berstellungen vgl Abbildung 6 3 im Sinne einer Aggregatbetrachtung aus mehreren Variationsf llen a Werden beide Kostenarten C im Vergleich zweier Berechnungsf lle f bzw f zum einen zustandsabh ngig und zum anderen unabh ngig gew hlt so indiziert der lineare Korrelationskoeffizient r nur mittlere Abh ngigkeiten Wertebereich r 0 79 bis 0 81 b Der n chste Vergleich kn pft an den vorherigen an Bei einem Berechnungsfall f bleiben die beiden Arten von Aufwandswerten C feststehend zustandsunabh ngig w hrend der andere Fall f von zustandsabh ngigen Sub C Z Z und von frei festlegbaren Indelaufwandswerten Cina z ausgeht Der ermittelte Korrelationskoeffizient r zeigt einen Zusammenhang an der im Bereich schwacher bis starker linearer Abh ngigkeit liegt Wertebereich r 0 69 bis 0 92 Dies l sst den Schluss zu dass in erster Linie die Zustandsabh ngigkeit der Subaufwandswerte C w Z Z die relativ niedrige Korrelation begr ndet c Sofern die Festlegung der Transformationsaufwandswerte C des ersten Vergleichsfalls f wiederum analog zu demjenigen vorher vorgenommen wird jedoch beim zweiten Fall f genau umgekehrt zustandsunabh ngige Substitutions Csub Z und inhaltlich ausgerichtete Indelauf
453. sich auch weiterhin generell die schwierige Aufgabe Bedingungen der Optimal Matching Technik f r das Vorliegen eines metrischen Distanzma es D S S sscs Mit der Realit t des Raum Zeit Verhaltens in Einklang zu bringen d Einbeziehung potenzieller Erkl rungsgr en Wie bereits diskutiert sind den M glichkeiten der induktiven Datenanalyse Grenzen gesetzt je nachdem in welchem Umfang und in welcher Detailliertheit potenzielle Erkl rungsgr en k im genutzten Datenfundus des MOP vorhanden sind d1 individuelle M glichkeiten und Eigenschaften Soziodemografische Variablen k die f r Erkl rung entsprechender Zusammenh nge auf Individualebene Erkl rungshintergrund Rolle Lebenszyklus stehen repr sentiert das genutzte Datenmaterial ausreichend in Breite und Differenziertheit d2 individuelle Einstellungen Orientierungen Motive Stilisierungen usw Indikatoren k auf deren Grundlage eine Operationalisierung nach dem Lebensstilkonzept m glich ist bleiben unber cksichtigt d3 soziale Umwelt Zumindest was die Ber cksichtigung der Haushaltssituation anbelangt gibt es eine Vielzahl unterschiedlicher Variablen k im Datenfundus z B Haushaltstyp Haushaltsgr e usw die als Pr diktoren grunds tzlich infrage kommen d4 verkehrs infrastrukturell r umliche Umwelt Bei der Einsch tzung in welchem Umfang die Abbildung der Lage Ausstattungs und Erreichbarkeitsmerkmale durch das Datenmaterial erfolgt zeichnet s
454. signifikant p lt 0 1 vI nicht signifikant p gt 0 1 Vorzeichenwechsel im Konfidenzintervall des Effektkoeffizienten bei signifikantem Effekt u bei nicht signifikantem E Effekt EEHEEHE Anhang H IIl Ergebnisse der Logit Analyse H II 1 Alternativ Referenz kategorie kategorie 2 54 n lt To Cluster x s aF 2 2 2 gt 8 5 5 gt 5 35 35 N T 2 N O N gt E S S 3 a je f E 5 1 3 g 15 2 l2 Se 5g aa lg e E 8 2 s ge gt s s l 3 8 58 S Arr z 7 aa u gt x Unter Ober grenze grenze Konstanter Term 4 31 0 71 36 76 0 00 Alter 0 01 0 01 2 27 0 13 1 0148 1 00 1 03 PNV Zeitkartenbesitz 0 88 0 28 10 19 0 00 V 1 2 41 0 24 0 71 keinen OPNV Zeitkartenbesitz Mann 0 62 0 22 7 67 0 01 M 1 1 864 0 35 0 83 Frau F hrerschein 0 86 0 33 6 88 0 01 v 1 2 3746 0 22 0 81 keinen F hrerschein Vollzeiterwerbst tig 6 15 0 50 150 07 0 00 v 1 476 0 00 0 01 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 3 44 0 54 40 08 0 00 v 1 31 06 0 01 0 09 Hausfrau mann arbeitslos Rentner in Sch ler Studierende in Berufsausbildung 3 49 0 66 28 08 0 00 Mv 1 32 78 0 01 0 11 Hausfrau mann arbeitslos Rentner in Vollzeiterwerbst tig 2 66 0 41 42 59 0 00 v 1 14 3649 0 03 0 15 Sch ler Studierende in Berufsausbildung 0 0696 Teilzeiterwerbst tig
455. smittel wocheneinkauf der 1 5 Stunden dauert der mit einer Autofahrt von 10 Minuten Dauer verbunden ist der alleine get tigt wird der __Zustand Aktivit t Weg durch Attribute definiert Beispiel Zeitplanungsvorgang 1 Wie wichtig ist die vollzogene nderung Art des Zeitplanungsvorgangs der Pl ne wenn statt dem vorgesehenen Lebensmittel wocheneinkauf der 1 5 Stunden dauert der mit einer Autofahrt von 10 Minuten Dauer verbunden ist der alleine get tigt wird der Zustand Aktivit t Weg alt durch Attribute definiert und ein Verwandtenbesuch ansteht der 3 Stunden dauert der mit einer Zugfahrt von 20 Minuten Dauer verbunden ist der mit der ganzen Familie get tigt wird gt Zustand Aktivit t Weg neu durch Attribute definiert oder 2 Wie wichtig ist das Hinzuf gen Art des Zeitplanungsvorgangs eines Kinobesuchs in die Planungen der 2 Stunden dauert EHEHEH Anhang D i Leitfaden CHASE Erhebung D I 10 Hinweise zum Fragebogen 1 Erforderlich ist eine Eintragung parallel zur Bearbeitung im Programm CHASE vgl Abb 24 F r jeden neuen Login ist ein neues Blatt zu verwenden Tragen Sie bitte f r jeden neuen Login Tag und Uhrzeit der Eintragung in die oberen beiden K stchen ein Im Fragebogen ist f r jeden Zeitplanungsvorgang Hinzuf gen ndern oder L schen eines Eintrages eine Spalte auszuf llen Die Informationen Operation Hinzuf gen ndern
456. ssen die durch andere Personen bedingt sind Die Abbildung relationaler Beziehungen zwischen Individuen ber entsprechende Merkmale k zur Ber cksichtigung von sozialen Netzen beschr nkt sich dabei in der Regel auf den Haushaltszusammenhang Unbeachtet bleiben dabei im Rahmen des Untersuchungsansatzes der vorliegenden Arbeit die hoch komplexen Wechselbeziehungen hinsichtlich der Realisierung von Ortsver nderungen W und Aktivit ten A zwischen Hauhalts mitgliedern die andere Forschungsarbeiten ausf hrlich analysieren u a Golob et al 1997 Simma 2000 Das bedeutet Zur Situationsbeschreibung werden lediglich soweit die Datenlage es zul sst Merkmale des Haushaltes als potenzielle Determinanten k aufgegriffen verkehrs Jinfrastrukturell r umliche Umwelt Die Gelegenheitenstruktur des Raumes und die Erreichbarkeit der Einrichtungen repr sentieren die verkehrs infrastrukturell r umlichen Bedingungen Potenzielle Effekte von raumbezogenen bzw verkehrs infrastrukturellen Variablen auf das individuelle Raum Zeit Verhalten sind grunds tzlich in Betracht zu ziehen da Resultate anderer musterorientierter Forschungsbeitr ge z B Pas 1984 Recker et al 1985 dies zumindest teilweise indizieren Weiterhin belegen eine Vielzahl von unterschiedlichen kenngr enorientierten Analysen dass Zusammenh nge zwischen dem Aktivit ten Verkehrs verhalten und der verkehrs infrastrukturell r umlichen Umwelt existieren u a Holz Ra
457. stage bei Cluster S2 8 Stunden Arbeitstage bei Cluster S usw Cluster Sg Die Wege Aktivit tenmuster Typen S4 S2 S3 S4 und Sy lassen hohe Tag zu Tag Verhaltensstabilit ten erkennen unterdessen trifft dies auf Cluster S und Sg nicht zu Der bereits auf Wochenbasis konstatierte Zusammenhang zwischen Zeitinanspruchnahme durch eine obligatorische Hauptaktivit t und verbleibender Zeit f r HERHELNE Fallbeispiel 151 152 andere T tigkeiten ausgenommen dem Zeitbudget f r Ortsver nderungen verst rkt sich an den Werktagen Freitag Die clusterspezifischen T tigkeitstypen und Fortbewegungsarten sind am anormalen Werktag Freitag die gleichen wie an den Werktagen vorher jedoch differieren bei den meisten Clustern S die Zeitanteile mehr oder weniger stark gegen ber den vorausgehenden Werktagen Ver nderungen in der Zeitverwendung u ern sich dabei in einem Zugewinn von Zeit f r die Aktivit ten Freizeit Einkaufen zu Hause sowie f r Ortsver nderungen einerseits und einer korrespondierenden Abnahme des zeitlichen Umfangs f r Pflichtaktivit ten andererseits Aus der Differenzierung der Cluster S nach der Bedeutung dieser Verschiebungen zeichnet sich in der Tendenz folgender Zusammenhang ab Die Effekte sind um so st rker ausgepr gt desto h her die Zeitinanspruchnahme f r die tagesbestimmenden Pflichtaktivit ten an den Tagen vorher ausf llt Das hei t Besonders betroffen sind Cluster S und S w hrend die Ver nderungen bei a
458. standsr ume Z y relativ wenige Zust nde y Das hei t Die strukturelle hnlichkeit der Wege Aktivit tenmuster s im inter und intrapersonellen Kontext ist daher generell als relativ hoch einzustufen Zweitens bestehen zum Teil Defizite in der Abbildung der temporalen Information durch die verwendeten Sequenzformen der Ereignisreihe bzw der Dauerreihe Drittens setzt die Beschr nkung des Makrozeitabschnittes auf einen Stichtag unter der Woche Grenzen in der Erkl rbarkeit der Variation des Raum Zeit Verhaltens Auf der methodischen Seite die durch die Untersuchungsstrategie und die verwendeten statistischen Verfahren repr sentiert ist scheinen die Analysepotenziale derzeit ebenfalls noch nicht vollends ausgesch pft zu sein Ebene musterorientierter Untersuchungsansatz Erstens ist ein objektives Vorgehen bei der Betrachtung von Kausalzusammenh ngen zwischen Erkl rungsgr en und Aktivit ten Verkehrs verhalten nur dann gew hrleistet wenn experimentell statt theoriegeleitet auf Basis von a priori Personenkategorien k vorgegangen wird Beispielgebend hierf r ist der Ansatz von Pas 1980 Zweitens erscheint ausgehend von der nicht vollst ndigen Erkl rbarkeit individuellen Aktivit ten Verkehrs verhaltens ein deterministischer Ansatz weniger geeignet Stattdessen ist f r die Modellbildung ein Wahrscheinlichkeitsansatz eher zweckm ig der bislang in keiner Forschungsarbeit verwendet wurde Damit wird man auch einer
459. stellung Ebene musterorientierter Multimethodenansatz explorativ induktiv Wege Aktivit tenmuster Wege Aktivit tenmuster Wege Aktivit tsprofile en Typ S s 5 8 Typ S2 5 nu Zuordiungss 3 Fa s Era S Tv S l S S 5 1 La EEE durch Merkmalswertesets kj von Trennmerkmalen k Abst nde zwischen Wege Aktivit tenmustern inhaltliche Ausrichtung s y t D Distanz D s operationsspezifische Zustandsabst nde Sequenz zwischen unterschiedlichen K Aktivit ten und Wegen biologische Distanz y Dhio S s 3 8 i uenz un hnlichkeit Zustands un hnlichkeit Ebene Sequenzvergleichsverfahren Sequenz S Diese gerade umrissenen Teilziele werden auf der Grundlage der gesichteten und systematisch ausgewerteten Literatur zum Stand der Forschung im Hinblick auf die musterorientierten Untersuchungsans tze des Aktivit ten Verkehrs verhaltens vgl Kapitel 3 und die Anwendung der Sequenzvergleichsanalyse in der Verkehrsforschung vgl Kapitel 4 2 weiter vertieft 1 2 Aufbau der Arbeit Abbildung 1 4 veranschaulicht im berblick den schematischen Aufbau der Arbeit OBBBHEHE EINLEITUNG 7 Ausgangslage und L sungsans tze Konzeptioneller Rahmen des Aktivit ten Verkehrs verhaltens Methodologie empirischer Analysen des Aktivit ten Verkehrs verhaltens Systematik zum Stand der Forschung BED For
460. swerte der Optimal Matching Technik auf der Basis des Priorit tenkonzeptes vgl Kapitel 5 die als empirische Fundierung weit ber ein argumentatives Vorgehen herausgeht bildet ein neu auf genommener Schwerpunkt Trotz aller Unzul nglichkeiten der durchgef hrten experimentellen Messung auf der Basis subjektiver Bewertungen kann der f r diesen Zweck konzipierte Ansatz als empirische Ann herung in Richtung einer inhaltlichen Ausrichtung der Optimal Matching Technik interpretiert werden Es bleibt darauf hinzuweisen Die erzielten bzw abgeleiteten Ergebnisse zustandsabh ngiger Trans formationsaufwandswerte Cain Abh ngigkeit implizit per Klassifikationsverfahren CHAID Analyse generierter Zust nde z sind lediglich im Sinne einer Absch tzung zu verstehen Keinesfalls besteht ein Anspruch auf bertragbarkeit der Befunde ber die spezifische Aufgabenstellung hinaus Auch hier gilt als Forschungsperspektive Kommen infolge einer umfassenderen Abbildung des Raum Zeit Verhaltens z B KONTIV 2002 weitere Beschreibungsgr en y hinzu oder erfolgt die Sequenz vergleichsanalyse auf der Grundlage von Wege Aktivit tenmustern s dargestellt in der Sequenzform der Ereignisdauerreihen so erfordert dies eine Ausweiterung der Segmentbildung von Zust nden z mit der CHAID Analyse auf entsprechende Merkmale Aktivit tsdauer Anzahl der Teilnehmer usw Gleicherma en ist zu berpr fen ob und inwiefern grunds tzlich in Betracht zu zieh
461. t Abbildung 7 13 Wege Aktivit tsprofil S7 Ausbildung 157 Abbildung 7 14 Untersuchungsstrategien zur Analyse der intrapersonellen Tag zu Tag 160 Variabilit t Abbildung 7 15 mittlere Sequenzabst nde je Cluster sowie aller F lle im 161 intrapersonellen Tag zu Tag Vergleich Abbildung 7 16 clusterspezifische Abweichungen in den Verkehrsverhaltensweisen 162 Cluster S2 S3 S4 und S OOOOOSDO VII Abbildung 7 17 clusterspezifische Abweichungen in den Verkehrsverhaltensweisen der 162 Cluster S4 Se und S7 Abbildung 7 18 mittlerer Au er Haus Anteil pro Tag im Wochenverlauf je Cluster und 163 f r alle F lle Abbildung 7 19 wegebezogene Verkehrsmittelnutzung im Wochenverlauf je Cluster 165 und f r alle F lle Abbildung 7 20 mittlere Ortsver nderungszahl pro Tag und Fall im Wochenverlauf je 166 Cluster und f r alle F lle Abbildung 7 21 mittlere Reiseweite pro Tag und Fall im Wochenverlauf je Cluster und 167 f r alle F lle Abbildung 7 22 Verkn pfungen der Modellgr en der Logit Analyse 177 Abbildung 7 23 inhaltliche Abgrenzung der Cluster anhand Art Umfang und zeitlicher 186 Lage der Hauptaktivit t Abbildung 8 1 Entwicklungspfad der Bildung und Erkl rung von Wege 200 Aktivit tenmuster Typologien Abbildung 8 2 segmentorientierte Analysestrategie des Aktivit ten Verkehrs 203 verhaltens Abbildung 8 3 Grobansatz eines mikroskopischen Simulationsmodells der 206 Verkehrsentstehung VIII
462. t der Zeitplanungsaktion Diese Abstandsma e AP z Z 0 fungieren als zustandsabh ngige Transformationsaufwandswerte C Z 2 bzw Cina z der Optimal Matching Technik Welche der untersuchten Merkmale y bzw Trennwirkung zeigen und welche Effekte die Merkmalsauspr gungen y bzw auf die Priorit t Povert bzw Poovert aufweisen kann wie folgt zusammengefasst werden Erstens erweist sich bei Zeitplanungsaktionen deren Art als nicht signifikantes Merkmal zur Erkl rung von Priorit t P over Zweitens bestimmen die Trennmerkmale Aktivit tstyp a und Verkehrsmitteltyp w signifikant bzw teilweise sogar hochsignifikant den Segmentierungsprozess wobei insbesondere das letztgenannte Merkmal st rkere Auswirkungen auf die Priorit t Poyer DZW Peovert zeigt Drittens best tigen die Effekte der Auspr gungen a bzw w der entsprechenden Merkmale mehr oder minder die erl uterten qualitativen Wirkungszusammenh nge der Literaturanalyse Gute bereinstimmungen in der Hierarchie lassen sich bei den Abstufungen a des Merkmals Aktivit tstyp a feststellen Hingegen weicht wie bereits diskutiert die empirisch bestimmte quantitative Rangfolge der Kategorien w des Merkmals Fortbewegungsart w ab BHEEDEEM Anwendungsvoraussetzungen Optimal Matching Technik 119 120 gunODnn Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK 6 SENSIT
463. t Anhang gt Anhang C elementen z beider Sequenzen Positionsdifferenz Positionsdifferenz z wird V Ber cksichtigung der Repositionierungsabstand v llig vernachl ssigt da Positionsdifferenz z ist bei der Ver nderung der gemeinsame z an prinzipiell m glich vgl Joh et Anordnung gemeinsamer unterschiedlicher Position al 2001 Zustandselemente z nicht erkannt werden Legende WI ber cksichtigt bzw LE teilweise nicht einkalkulierbar ber cksichtigt ber cksichtigt Die Positionsdifferenz beschreibt den Abstand in der Stellung eines gemeinsamen Zustandselementes z zwischen Ziel s und Quellsequenz bei einem Repositionierungsvorgang Joh et al 2001 74 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ 4 5 Stand der Forschung Anwendung der Optimal Matching Technik zur Sequenzvergleichsanalyse von Wege Aktivit tenmustern Bevor in den nachfolgenden Abschnitten ausschlie lich Ans tze aus der Verkehrsforschung behandelt werden die auf einem biologischen Abbildungsprinzip basieren zeigt Tabelle 4 4 im berblick wesentliche musterorientierte Untersuchungen in einer Unterscheidung ob ein biologisches oder geometrisches Distanzma der Sequenzabstandsmessung zugrunde liegt Tabelle 4 4 Abbildungsprinzip des Sequenzvergleichsma es bei musterorientierten Analysen Autor Jahr o la S js ao a als 28 IF ER SEA
464. t inwieweit deren abweichender Aufl sungsgrad m glicherweise zu anderen relevanten Erkl rungsgr en k f hrt Demzufolge gelingt durch den Vergleich lediglich eine grobe Orientierung ber die Wirksamkeit unterschiedlicher Erkl rungsgr en k in Abh ngigkeit unter schiedlicher Makrozeitabschnitte im Wochenverlauf HEHELNE Fallbeispiel 183 Tabelle 7 9 identifizierte Erkl rungsgr en von Wege Aktivit tenmuster Typologien in Abh ngigkeit des Untersuchungszeitraumes Erkl rungsgr e D N Sa ao 8 gt 3 2 Ko zZ E E 33 w le e 3 5 N S O oa O a c Q KO 0 Q D 2 gt oQ 5 a z D S gt fa opo E 5 c xX I n D a Untersuchungszeitabschnitt z m D iv N I X SE Woche l z 7 Montag bis Freitag 10 Samstag bis Sonntag 6 Mittwoch l l 7 Freitag z l l 7 Samstag l 7 Sonntag 4 z a 5 Signifikanzniveau auf gt 0 1 nicht signifikant auf Basis des LR Tests 0 05 0 1 schwach signifikant 0 05 0 01 signifikant lt 0 01 hoch signifikant Aus Tabelle 7 9 geht hervor Je nach Abgrenzung des Untersuchungszeitraumes ver ndert sich die Zusammensetzung der als signifikant identifizierten Erkl rungsgr en k geringf gig Auffallend ist dass unab
465. t r 0 01 sinkt r steigt 0 02 r steigt 18 10 r 55 03 115 34 995 77 S S3 steigt 1 1 86 r 1 2 41 r 1 2 37 r 0 0021 0 03 0 03 r 0 07 steigt r 32 79 0 07 r sinkt 31 04 r 15 17 14 36 470 99 S S4 steigt sinkt r neutral r sinkt r 0 01 0 01 0 09 Ir 0 15 0 15 r 11 33 steigt r 6 81 77 13 r sinkt 6 62 75 06 S Ss steigt 1 1 67 r sinkt r 1 2 22 r 0 04 0 04 0 09 Ir sinkt 0 42 r 11 24 steigt r 2 36 26 49 r sinkt steigt 22 87 S Ss 1 0376 1 2 40 r sinkt r 2 49 r 0 01 0 01 sinkt r 0 07 0 07 r steigt sinkt r 13 41 86 38 r steigt 15 35 98 90 S S7 1 0754 sinkt r sinkt r 1 96 r 0 12 sinkt 0 02 r 9 24 38 26 r 82 69 sinkt r 0 03 steigt r steigt 0 11 8 95 S2 S sinkt steigt r 1 2 95 r sinkt r steigt sinkt sinkt r 8 03 steigt r steigt 3 63 r sinkt steigt r 0 28 0 12 sinkt S2 S sinkt 2 22 r sinkt r steigt r 13 27 sinkt sinkt r 17 41 sinkt r steigt 56 54 r steigt steigt r 0 02 0 06 0 08 S2 S5 sinkt steigt r sinkt r sinkt r 43 55 sinkt sinkt r 56 69 sinkt r steigt 63 74 r steigt steigt r 0 02 0 02 0 02 S2 Se steigt steigt r sinkt r 4 00 r steigt sinkt steigt r steigt sinkt r sinkt 48 06 r steigt steigt r 0 02 sinkt sinkt S2 S7 1 0045 2 00 r sinkt r 3 26 r 11 21 steigt sinkt r 1065 18 80 18 r steigt 13 28 r 0 01 sinkt r 0 08 0 00 0 01 S S4 sinkt 1 61 r 2 65 r steigt r 6 27 sinkt steigt r steigt 0
466. t t Cluster S4 Cluster Cluster S disponible S2 US3 US US USg Ausbildung T tigkeiten Arbeit zeitlicher Umfang der Hauptaktivit t Cluster S5 Cluster S Cluster sporadische Teilzeitarbeit S3 US Arbeit 40 Stunden woche Cluster S Mehrarbeit zeitlicher Lage der Hauptaktivit t Cluster S Normalarbeit Cluster S flexible Schicht Nacht und Wochen endarbeit Abbildung 7 23 inhaltliche Abgrenzung der Cluster anhand Art Umfang und zeitlicher Lage der Hauptaktivit t Beurteilung der Abbildungseigenschaften der Optimal Matching Technik Das Ergebnis einer augenscheinlichen Absch tzung anhand des Fallbeispiels ob und inwieweit die Abbildung der Komplexit t der Wege Aktivit tenmuster durch das Distanzma der Optimal Matching Technik gelingt fasst Tabelle 7 11 zusammen 186 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS Tabelle 7 11 Einsch tzung der Abbildungseigenschaften der Optimal Matching Technik anhand des Fallbeispiels Kriterium Position Lage Zustandselement strukturelles Skelett Positionsdifferenz komposition M M o Legende M ber cksichtigt El ungewiss nicht ber cksichtigt Erstens ist von vornherein klar dass die Positionsdifferenz gemeinsamer Zust nde z im Distanzma D s unber cksichtigt bleibt Der verwendetete Algorithmus der Optimal Ma
467. t ten bzw ortsver nderungsbezogener Handlungen Y die sich im Hinblick auf die gemessene Zielgr e der Priorit t Pover signifikant unterscheiden steht im Mittelpunkt der statistischen Auswertung Analysemodell A I Der gleiche Anspruch besteht bei der Klassifikation von Zeitplanungsvorg ngen Y gt Y bzw Y lt gt anhand der Wichtigkeit P over Analysemodell A Il Daraus abgeleitete Priorit tsabst nde AP overt DZW APovert stehen f r die H he der Transformationsaufwandswerte C der Optimal Matching Technik Randbedingungen der Datenanalyse Zu beachten sind vorweg folgende Randbedingungen welche die Auswertestrategie ma geblich beeinflussen bzw deren Spielr ume einengen 1 Anforderungen der Optimal Matching Technik Die Art und Weise der Festlegung von Aufwandsparametern C in Abh ngigkeit der Transformationsoperationen darf nicht zu einer Verletzung der Symmetriebedingung metrischer Distanzma e f hren vgl Abschnitt 4 1 Das bedeutet z Erstens setzt diese Beschr nkung eine identische Wertigkeit P overr gegenl ufiger Zeitplanungsaktionen voraus gleichwohl ob eine bestimmte Handlung Y gel scht oder hinzugef gt wird z Zweitens erfordert diese eine Gleichheit der Priorit t P over bei der Zeitplanungsoperation Ersetzen unabh ngig von der Richtung beim bergang zwischen Zust nden vi bzw vi Zur berpr fung dieser Anforderung reicht die Zahl der beobachteten Zeit planungsvorg nge Y gt Y der Mo
468. t dabei zwischen mehreren Modellen mit unterschiedlich idealisierten Vorstellungen vom Menschen die im Folgenden kurz erl utert werden homo oeconomicus zweck rational Der zweckrational handelnde homo oeconumicus w hlt im Abw gungsprozess diejenige Alternative mit dem gr ten subjektiven Nutzen Prinzip der Nutzenmaximierung Im Rahmen vorhandener Zw nge werden Entscheidungen unter der Voraussetzung vollst ndiger Information getroffen Das hei t Das pers nliche Wissen entspricht den objektiv vorhandenen 28 BHOBRBEE Grundlagen KONZEPTIONELLER RAHMEN Erkenntnissen indem beispielsweise die Person bei einer Verkehrsmittelwahlentscheidung den Fahrplan der U Bahn der Stra enbahn usw kennt Weiterhin wird bei diesem Handlungs modell davon ausgegangen dass feste und geordnete Pr ferenzen Ziele Motive W nsche usw vorliegen Dies entspricht einer idealisierten Vorstellung des Menschen Grenzen des homo oeconumicus liegen in der fehlenden F higkeit zu lernen der unvollst ndigen Information und dem Nichtzulassen suboptimaler L sungen Werlen 2000 Esser 1996 homo sociologicus normorientiert Das Menschenmodell des homo sociologicus geht von der Hypothese aus dass individuelles Handeln von gesellschaftlichen Erwartungen bestimmt ist Dieses unterliegt also Rollen Normen Regeln usw Im Gegensatz zum homo oeconomicus sind Restriktionen unbedeutend auch spielt die Nutzenmaximierung keine Rolle Werlen 2000
469. tandselemente z der Wege Aktivit tenmuster s bilden sollen Inhaltliche Gr nde sprechen gegen den Zustandsraum Z wa dessen Ableitung ein Ergebnis der empirischen Fundierung vgl Abschnitt 5 3 5 darstellt da jener die Wirklichkeit des Raum Zeit Verhaltens nur unbefriedigend widerspiegelt Erstens sind obligatorische und nicht obligatorische T tigkeitstypen a zu mehrkategorialen Merkmalswerten s y zusammengefasst die Zustandssegmente s y beschreiben was aus inhaltlichen Gr nden als problematisch erachtet wird Zweitens erscheint die Differenziertheit der Abbildung des beobachteten Aktivit ten Verkehrs verhaltens mit einem Zustandsraum Z wa der lediglich 7 Zust nde wa einschlie t Z wa c Z w x Z a P relativ grob davon ausgehend dass der maximale Zustandsraum 25 Zust nde wa umfasst Z wa Za w x Za a P Feinstruktur des Zustandsraumes Folgende fundamentale Relation zeichnet sich bei einer Ver nderung des Umfangs der Zustandsr ume Z y ab Je k rzer die urspr ngliche Dauer eines Ausgangszustandes z ist der in Subzust nde aufgeschl sselt wird desto geringere Effekte ergeben sich Vor dem Hintergrund der Datenm glichkeiten des MOP spricht die erzielbare Abbildungsgenauigkeit des erfassten Aktivit ten Verkehrs verhaltens f r folgende Variante Ein Zustandsraum Z a dessen f nf Zust nde a sich durch verschiedene Auspr gungen a des Merkmals T tigk
470. tching vermag deren Repositionierungsabstand nicht abbilden Zweitens lassen sich anhand der erstellten Wege Aktivit tenmuster Typologie keine cluster typischen Abfolgen von Zust nden z strukturelles Skelett identifizieren M gliche Gr nde die mit der zu geringen Fallzahl zusammenh ngen sind u a der unzureichende Aufl sungsgrad der Wege Aktivit tenmuster Typologie die strukturelle Grund hnlichkeit von Tagesabl ufen einhergehend mit einer gro en Schiefe der H ufigkeitsverteilung von Weg Aktivit tsketten usw Drittens deutet die klare Abgrenzung der arbeitsbezogenen Cluster in Abh ngigkeit des Gesamtzeitbudgets f r Arbeiten dienstlich auf eine entsprechende Qualit t der Typologie hinsichtlich der Beachtung der Zustandselementkomposition Viertens indiziert die Identifikation zweier Cluster S und S mit nahezu identischem zeitlichen Umfang aber v llig unterschiedlichen zeitlichen Lagen der Hauptaktivit t Arbeiten dienstlich dass die Position ber cksichtigt wird Zusammenhangstrukturen zwischen Kontextbedingungen der Umwelt bzw Personen charakteristika und Affinit ten zu Wege Aktivit tenmuster Typen Zur Kl rung der Frage warum bestimmte Determinanten k eine starke Trennwirkung aus ben und wie die unterschiedlichen Effekte k zu interpretieren sind ist zu berpr fen welche inhaltlichen Zusammenh nge zur gebildeten Wege Aktivit tenmuster Typologie bzw deren Typen S bestehen die teilweise trivial
471. tei Daum Geschwindigkeiten A Kombielementauswahl Zeitraum X Dateifen T Personen Zweck ktivit t Verkehrsmittel i Daten aus wegedatei pe erger om programm OM_6_11 pers2247 txt Tag 1 in der Datei ist Mo I vergleiche mit Tag 1 in der Datei ist Mo z VENWeIeNE meneame 19 09 2003 12 06 45 Rechenthread erfolgreich gestartet 14 38 55 D Berger om programm OM_6_11 pers2247 txt ffnen 39 01 D Berger om programm OM_6_11 pers2247 tat ist erfolgreich gelesen 5767 Personen 141457 Zeilen WegeDateien ge ffnet 0 0 0 Dist 0 0 Seq Dr cken Sie F1 um Hilfe zu erhalten E a Raul ASRBESH 78 Samen E 0m2 0m E Microsoft Word E Dokumenti Mier E ERDR 1442 Men Auswahl Personen Om_2 stamm_w5_a5_t5_subz_indz omi Datei Bearbeiten Ansicht Fenster Deu tereg ZU ERLEDIGEN Layout der Dialogleiste E stamm_w5_a5_t5_subz_indz omi Dauem YE Geschwindigkeiten 8 Kombielementauswahl Zeitaum EA Ausgabe Dateien 4 Personen Verkehrsmitel Entfemungen 319372 10 333871 1 5 000342 10 000661 1 319373 10 333872 1 2 000541 10 000662 1 319374 10 334172 1 x 000542 10 000663 1 320771 10 334271 1 J 000552 10 000664 1 323071 10 334272 1 5 000553 10 000741 1 323671 10 334571 1 000561 10 000742 1 330271 10 334771 1 K 000562 10 000743 1 330272 10 334772 1 2 000563 10 000841 1 330971 10 334971 1 2 000641 10 000842 1 330972 10 334972 1 5 000642 10
472. tenmuster Typen S unterliegen Zeitgebern der Arbeitswelt Bei den genannten Clustern zeichnen sich grunds tzliche Parallelen in der Zusammensetzung nach T tigkeitstypen ab wobei eindeutig als Hauptaktivit t Arbeiten dienstlich mit gro em zeitlichen Umfang dominiert Keine nennenswerte Zeitinanspruchnahme ist f r die T tigkeit Ausbildung au er bei Cluster Ss feststellbar Hingegen grenzen sich die Partitionen untereinander in erster Linie durch unterschiedliche Zeitbudgets der Hauptaktivit t Arbeit dienstlich ab wobei die Spanne von einer fast 50 Stunden Woche bei Cluster S2 bis zu einer 16 Stunden Woche bei Cluster S reicht Folgender tendenzieller Zusammenhang ist festzustellen Je l nger die T tigkeit Arbeiten dauert desto weniger Zeit bleibt f r Aktivit ten zu Hause und andere Au er Haus T tigkeiten Tendenzen einer Ausdifferenzierung infolge einer Deregulierung der gesellschaftlichen Zeitstrukturen schlagen sich deutlich in den unterschiedlichen Arbeitszeiten der verschiedenen Wege Aktivit tenmuster Typen S nieder Zeitaufwand f r Ortsver nderungen Der Zeitaufwand f r Ortsver nderungen in der Summe aller Modi ber alle Wochentage variiert stark zwischen den WVege Aktivit tenmuster Typen S So nimmt im Gegensatz zur Zeitverwendung f r T tigkeiten A die Unterwegszeit bei einer Zunahme des Zeitbudgets f r EEHEEHE Fallbeispiel a Arbeiten dienstlich nicht ab Den H chstwert aller Wege Aktivit tenmuster Type
473. ter Struktur der Gesamt kj suchungsteilnehmer der bev lkerung der eigenen Befragung mit CHASE Bundesrepublik 2001 2002 1 Deutschland 2001 2 in in Alter unter 6 0 0 5 7 nach 6 15 5 7 9 8 Altersgruppen 15 25 14 3 11 3 von bis 25 45 65 7 30 7 unter 45 65 8 6 25 9 Jahren 65 und mehr 5 7 16 7 Geschlecht Weiblich 42 9 48 9 M nnlich 57 1 51 1 Daten 1 eigene Befragung 2 D STATIS http www destatis de Diskussion zur G te der Messungen Zur berpr fung der Qualit t des empirischen Messens gibt es Kriterien anhand derer Aussagen getroffen werden k nnen inwieweit die Realit t ad quat erfasst wird Die grunds tzliche Zielstellung eines Messvorgangs lautet dabei Daten sind m glicht objektiv zuverl ssig g ltig und repr sentativ zu gewinnen Schnell et al 1992 Diekmann 2001 Tabelle 5 4 fasst die Diskussion ber die G te der einzelnen Messvorg nge anhand der Kriterien zusammen Zwischen den G teparametern liegt keine Gleichwertigkeit vor sondern die Validit t ist wichtiger einzustufen als die Reliabilit t und diese wiederum bertrifft die Objektivit t u a Diekmann 2001 Es l sst sich abschlie end konstatieren Die blicherweise gestellten Anforderungen an die Datenqualit t sind vielfach gar nicht oder nur vage eingehalten Daher sind die erzielten Resultate der Messungen M I und M Il eher im Sinne einer Absch tzung zu sehen was jedoch f r eine empirische Ausric
474. teriums Fusion Anwendung des Agglomerationsalgorithmus Festlegung der Clusteranzahl Interpretation der Cluster Abbildung 4 7 Ablaufschritte des clusteranalytischen Verfahrens eigene Darstellung Beurteilung der Clusterl sung EHEHEHE Multimethodenansatz 83 A Bestimmung der Distanzmatrix Da im eigenen Ansatz bereits die Optimal Matching Technik eine Distanzmatrix D liefert die Abst nde zwischen Wege Aktivit tenmustern Dpio S s es enth lt entf llt deren normalerweise bliche Bestimmung durch empirische Messung oder Berechnung auf der Grundlage der Merkmalsauspr gungen der Variablen der Objekte B Durchf hrung der Clusteranalyse Fusion Kern clusteranalytischer Verfahren sind Klassifikationsheuristiken deren Algorithmen darauf abzielen eine in Form einer Distanzmatrix D vorliegende Objektmenge die Menge aller Wege Aktivit tenmuster S in einzelne Cluster S zu unterteilen Welches Fusionskriterium mit dazugeh rigem Fusionsalgorithmus gew hlt wird h ngt von den Randbedingungen der Untersuchung ab der Problemstellung den vorhandenen Daten dem gew hlten Distanzma usw u a Bacher 1994 Bortz 1999 Backhaus et al 2003 C Beurteilung der Clusterl sung Sind die Partitionen f r die einzelnen Fusionsstufen erzeugt so ist anhand von Abbruchkriterien festzulegen wie viele Klassen S gebildet werden Es geht darum eine Clusterzahl zu bestimmen die relativ zu anderen L sungen ein opti
475. terpersonellen Analyse des Aktivit ten Verkehrs verhaltens eingruppiert und verglichen ohne jedoch einen Anspruch auf Vollst ndigkeit zu erheben BHOBBEE Grundlagen 33 Tabelle 3 2 Vergleich empirischer Untersuchungsans tze zum Aktivit ten Verkehrs verhalten Autor Jahr Abbildung Unter Raum Zeit Verhalten Analyseprinzip der statistischen Methoden Segmen Repr sen Identifikation tierung tation Strukturgleichungsmodell Kreuztabellenanalyse musterorientiert Kenngr enorientiert E induktiv Multidimensionale Skalierung Faktorenanalyse Varianzanalyse Regressionsanalyse Logit Analyse Diskriminanzanalyse Lineare Kutter 1972 Wermuth 1978 Pas 1980 Recker et al 1980 Becker 1981 Schmiedel 1984 Holz Rau 1990 Kloas et al 1993 Wang 1997 Simma 2000 Kulkarni 2000 Z ngler 2000 IT Bu Quelle Kutter 1972 Wermuth 1978 Pas 1980 Recker et al 1980 Becker 1981 Schmiedel 1984 Holz Rau 1990 Kloas et al 1993 Wang 1997 Simma 2000 Kulkarni et al 2000 Z ngler 2000 3 2 3 Diskussion Die Kategorisierung der verschiedenen Ans tze in das Ordnungsraster zeigt sowohl die Vielfalt und Komplexit t der unterschiedlichen Forschungsbeitr ge vgl Tabelle 3 2 l sst aber auch Gemeinsamkeiten in der methodischen Vorgehensweise erkennen Im Folgenden sollen wesentliche Aspekte der Ans tze diskutiert
476. teten gt Makrozeitabschnitt intrapersonelle Variabilit t im Aktivit ten Verkehrs verhalten Unterschiede im Aktivit ten Verkehrs verhalten einer Personen bezogen auf zu vergleichende gt Makrozeitabschnitte Tag zu Tag Woche zu Woche usw Intervallreihe Darstellungsweise einer temporalen Abfolge von Ereignissen Zust nden Episoden innerhalb eines gt Makrozeitabschnittes mit bekannter Dauer und zeitlicher Lage wobei die Sequenz in Zeitintervalle At gleicher L nge unterteilt ist Intervallskala Skalenniveau dessen Messwerte nicht nur die Rangordnung der Merkmals auspr gungen widerspiegeln sondern auch die Gr e der Merkmals unterschiede nebeneinander liegende Punkte einer Intervallskala sind quidistant Irttumswahrscheinlichkeit Wahrscheinlichkeit dass das gefundene Ergebnis oder extremere Ergebnisse bei G ltigkeit der Nullhypothese eintreten gt Signifikanzniveau Kognition handlungsorientierte Denkvorg nge Konfidenzintervall gesch tzter Wertebereich der Stichprobe der den wahren Parameter der Grundgesamtheit mit einer vorgegebenen Wahrscheinlichkeit enth lt Kontexteffekte Einfluss eines Kontextmerkmals auf individuelle Merkmale gt Mehrebenenanalyse EHEHEHEH Anhang A Glossar Korrelationsanalyse statistisches Verfahren zur berpr fung eines regelm igen Zusammenhangs zwischen zwei Variablen Kreuztabellenanalyse
477. tfernung je Tag km Cluster S2 E Cluster S3 0 Cluster S4 Cluster S5 Abbildung 7 16 Cluster S2 S3 S4 und S5 clusterspezifische Abweichungen in den Verkehrsverhaltensweisen der Au er Haus Anteil je Tag Entfernung V Nutzung je Weg km lt Abweichungsfaktor zu allen F llen Entfernung MIV Mitfahrer je Weg km Entfernung MIV Selbsfahrer je Weg km Entfernung Fahrrad je Weg km A Entfernung zu Fu je Weg km Zeitverwendung Ortsver nderungen je Tag hh mm 2 50 Anteil Wege zu Fu je Tag Anteil Wege Fahrrad je Tag Anteil Wege MIV Selbstfahrer je Tag Anteil Wege MIV Mitfahrer je Tag eil Wege V Nutzung je Tag Wegezahl je Tag n Entfernung je Tag km Cluster S1 Cluster S6 Cluster S7 Abbildung 7 17 Cluster S4 Ss und S7 clusterspezifische Abweichungen in den Verkehrsverhaltensweisen der Eindeutige Unterschiede im Verkehrsverhalten deuten sich beispielsweise an 162 EEHEHE Falibeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS in einer starken Affinit t des Zufu gehens bei Cluster S4 der V Nutzung bei Cluster S des MIV Selbstfahrens bei Cluster S2 und S des Fahrradfahrens und des MIV Mitfahrens bei Cluster S in einer niedrigen Affinit t der V Nutzung bei Cluster S4 S2 und S4 des Zufu gehens bei Cluster S gt und S
478. tion folgen kann eingewendet werden dass der Gewinn an bersichtlichkeit durch Aggregierung der Wege Aktivit tenmuster s zu Wege Aktivit tenmuster Typen S grunds tzlich mit einem Verlust an Information verbunden ist Kluge 1999 Dabei l sst sich folgende Relation qualitativ herleiten Sinkt die Anzahl der Typen S so sinkt auch der Informationsgehalt der durch die Typen S erkl rt wird Pas 1980 BOBBEE Grundlagen Weiter wird kritisiert H ufig liegen f r das verwendete Verfahren der Clusteranalyse keine eindeutigen Kriterien zum Abbruch des Fusionsprozesses vor Nicht objektive Algorithmen sondern der Bearbeiter selbst entscheidet anhand einiger Hilfskriterien wie viele Wege Aktivit tenmuster Typen S gebildet werden u a Wermuth 1980 Volkmar 1984 In Erg nzung zu den bereits erl uterten Eigenschaften explorativer Verfahren gelingt es mit Hilfe strukturen pr fender Methoden differenziertere Aussagen hinsichtlich der Wirkungen einzelner Merkmalsauspr gungen kj der Erkl rungsgr en k auf das Raum Zeit Verhalten in musterorientierter oder kenngr enorientierter Darstellungsform zu treffen Falls eine Vielzahl potenzieller Erkl rungsgr en k und dazugeh riger Merkmalswerte kj vorhanden sind kann dieses Vorgehen mit einer geringen berschaubarkeit verbunden sein Kloas et al 1993 weisen auf dieses Problem hin 3 3 Spezielle Systematik musterorientierte Multimethodenans tze 3 3 1 Kriterien zur Ei
479. tion der Zusammenhangsst rke anhand zu definierender Stufen innerhalb des Wertebereiches von 1 bis 1 Eine strukturelle Grund hnlichkeit der Wege Aktivit tenmuster s infolge identischer Zust nde z in der Nacht begr ndet relativ hohe Anspr che an die Korrelationsma e zu stellen Tabelle 6 3 ist zu entnehmen welche Einteilung der Beurteilung des linearen Zusammenhangs zugrunde liegt Tabelle 6 3 Bewertung des linearen Zusammenhangs auf der Grundlage des Korrelationskoeffizienten r Wertebereich des Bewertung des linearen Korrelationskoeffizienten r Zusammenhangs r gt 0 95 sehr stark 0 85 lt r lt 0 95 Be 0 75 lt r lt 0 85 PER 0 65 lt r lt 0 75 re r 0 65 sehr schwach 6 3 Ergebnisse der Sensitivit tsanalyse 6 3 1 Effekte der Variation von Darstellungsweisen des Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster Effekte unterschiedlich definierter Zustandsr ume des Aktivit ten Verkehrs verhaltens Grunds tzlich l sst sich aus der Betrachtung der Variation der ma gebenden Zustandsr ume Z y auf die ermittelten Sequenzabstandsma e Dy S s s s Konstatieren dass sich die ermittelten Korrelationen r zwischen den verschiedenen erl uterten Variationsf llen f bzw f durch eine gro e Spannweite auszeichnen In der nachfolgenden vertiefenden Diskussion soll zwischen zwei strukturellen Ebenen der Zustandsr ume Z y vgl Abbildung 6 2 unterschieden werden
480. tivit ten bzw ortsver nderungsbezogenen Handlungen Stand der Wissenschaft Befunde zur Wichtigkeit aktivit ten bzw ortsver nderungsbezogenen Handlungen Qualitative Zusammenh nge zur Wichtigkeit von realisierten Handlungen Qualitative Zusammenh nge zur Wichtigkeit von Zeitplanungsvorg ngen Zwischenfazit Empirische Ausrichtung der Optimal Matching Technik am Aktivit ten Verkehrs verhalten Untersuchungskonzept Datengewinnung Datenbearbeitung Datenanalyse Ergebnisse der Datenanalyse Grunddaten der durchgef hrten Erhebung Identifikation von Segmentzust nden hnlicher Priorit t Ableitung der Trans formationsaufwandswerte Ermittlung zustandsabh ngiger Transformationsaufwandswerte der Optimal Matching Technik Fazit 87 89 91 91 94 95 97 97 97 103 106 108 108 111 117 118 SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK 6 1 Einleitung 6 2 Untersuchungsstrategie 6 2 1 Variation der Darstellungsweisen des Aktivit ten Verkehrs verhaltens als Wege Aktivit tenmuster 6 2 2 Variation der Transformationsaufwandswerte 6 2 3 _ Vergleichsf lle der Sensitivit tsanalyse Exkurs Il Datengrundlage deutscher Mobilit tspanel MOP 6 2 4 Ermittlung von Sequenzdistanzen mit der Optimal Matching Technik 6 2 5 Lineare Korrelationsanalyse 6 3 Ergebnisse der Sensitivit tsanalyse 6 3 1 Effekte unterschiedlicher Darstellungsweisen des _Aktivit ten Verkehrs verhaltens als Wege Aktivit t
481. tivit tsort Dauer usw voraus Anhand der getroffenen Festlegungen l sst sich die Handlung Y letztendlich charakterisieren indem entsprechende Merkmale y zugeordnet werden Dabei steht y f r den Handlungstyp das hei t Es handelt sich entweder um eine Aktivit t A eine Ortsver nderung W oder um eine Weg Aktivit ts Folge AW Hingegen bezeichnet das hochgestellte x die Merkmale der Handlungen Y die sich aus den Entscheidungsdimensionen des Aktivit ten Verkehrs verhaltens ergeben der Ort die Teilnehmer usw Sind verschiedene sich voneinander unterscheidende Merkmale y definiert so konstituiert sich daraus ein dazugeh riger Merkmalsraum M y1 y2 Je Merkmal y von Aktivit ten A z B Aktivit tstyp bzw Wegen W z B Fortbewegungsart besteht entsprechend wiederum ein endlicher Merkmalswerteraum Z y y 1 y 2 y 3 der die Menge sich wechselseitig ausschlie ender Merkmalsauspr gungen y z B Einkaufen Freizeit Ausbildung usw enth lt Betrachtet man die Skalenniveau der einzelnen Merkmale y was f r die statistische Datenanalyse von gro er Bedeutung ist so handelt es sich sowohl um Variablen qualitativer z B Aktivit tstyp Verkehrsmittel usw als auch quantitativer Art z B Aktivit tsdauer Reisezeit usw Folgendes ist dabei zu beachten Die Merkmalsauspr gungen y qualitativer Variablen lassen sich lediglich auf Gleichheit pr fen hingegen kann dar ber hinausgehend bei de
482. tivit tsprofile je Cluster S dient die Ermittlung der standardisierten Entropie Werte Es vgl Gleichung 7 1 auf Stundenintervall Basis als Mittelwert ber die gesamte Woche wie Tabelle 7 2 zeigt Dessen Spanne reicht von 25 3 dem niedrigsten durchschnittlichen Entropie Wert E bei Cluster S4 bis zu 43 6 dem h chsten Index bei Cluster Se Aus dem Vergleich der standardisierten Entropie Indizes E der sieben Wege Aktivit tsprofile gegen ber der nicht klassifizierten Zustandsverteilung aller F lle 1er Clusterl sung geht zu Damit gilt die von Kutter 1972 formulierte Anforderung einer Fallzahl von mindestens 30 bis 50 gerade als erf llt 146 EEHEHE Fallbeispiel WEGE AKTIVIT TENMUSTERTYPOLOGIE AUF WOCHENBASIS hervor Die erfolgte Typenbildung f hrt zu einer Heterogenit tsreduktion in den Wege Aktivit tsprofilen mit der Ausnahme von Cluster Se Tabelle 7 2 Information zur Clusterl sung Cluster Clustergr e Mittelwert der Mittelwert der Varianz der S Anzahl j der standardisierten Sequenzdistanzen Sequenzdistanzen Sequenzen sje Entropie Es aus Cluster S aggregierter Zustandsverteilung auf Stundenbasis j 1 1005 44 7 25 3 50 4 247 82 2 180 8 0 27 1 79 5 1456 25 3 416 18 5 32 3 87 9 480 75 4 192 8 5 32 8 92 3 725 04 5 150 6 7 34 8 89 4 278 25 6 44 2 0 43 1 122 0 693 78 7 260 11 6 27 4 66 1 407 85 gesamt 2247 100 0 35 6 101 67 1604 18
483. tlich Freizeit x 238 0 03 1 18 0 119 0 AURICH V MIV S MIV M F R ln 2000 20 2 Ss lan nn ll nn ln a 2 Arbeiten dienstlich Freizeit x 19 0 79 1 18 0 027 V 2 1 zu Hause x 245 0 17 1 15 0 119 0 le OV MVS MV M f D O ul und enllE nn une sl na lan a ln nn zu Hause x OV 28 0 36 1 16 0 040 3 1 Ausbildung Einkaufen Service x 191 0 14 1 22 0 119 0 V MIV S MIV M F R 4 1 Arbeiten dienstlich Freizeit x 238 0 03 1 18 0 119 0 MONA V MIV S MIV M F R 0 00 5000 2 0 210 1 22 22 00 20 un ln 2 Arbeiten dienstlich Freizeit x 107 0 03 1 34 0 027 MIV Selbstfahrer MIV Mitfahrer 5 1 Arbeiten dienstlich Freizeit x 238 0 03 1 18 0 119 0 a ul OV MIV S MIV M F Ryan ea an nun 2 Arbeiten dienstlich Freizeit x 107 0 09 0 98 0 027 zu Fu Fahrrad 6 1 zu Hause x 245 0 17 1 15 0 119 0 N IOV MVS MVM T T A 23 nie nat u dl u a EN nl ne ne an nn zu Hause x zu Fu Fahrrad 114 0 15 1 06 0 040 7 1 zu Hause x 245 0 17 1 15 0 119 0 AR OV MIVSS MIV M F R B 000 ul nl 2 ulm nun ll nl 0 2 zu Hause x 99 0 33 1 23 0 040 MIV Selbstfahrer MIV Mitfahrer amp 5 4 6 Ermittlung zustandsabh ngiger Transformationsaufwandswerte der Optimal Matching Technik Die durch den Klassifizierungsprozess der CHAID Analyse ermittelten quantitativen Hierarchien von Segmentzust nden s y realisierter Handlu
484. tlichen Befragung statt Eine erstrebenswerte softwareseitige Integration dieses Fragenkomplexes in das Programm CHASE war aus Kostengr nden nicht realisierbar Von den Teilnehmern war f r jeden Vorgang intuitiv zu beurteilen die Weg Aktivit ts Folge WA als Einheit und jeweils Weg W und Aktivit t A getrennt vgl Abbildung 5 3 Erstens wurde gefragt wie die Testpersonen die Wichtigkeit Pover einer bestimmten aktivit ten bzw ortsver nderungsbezogenen Handlung Y unabh ngig von der momentanen Situation also generell betrachtet einsch tzen Aus befragungstechnischen Gr nden erfolgte die Messung der subjektiven Bewertung im Zeitplanungsstadium obwohl sich die Frage eigentlich auf bereits realisierte Aktivit ten A bzw Wege W bezieht Hierbei spielt u a die Aufwandsminimierung bei der Erhebungsdurchf hrung eine Rolle um ein zweifaches Ein tragen zu vermeiden Ein m glicherweise entstehender Messfehler wird als tolerierbar erachtet Zur Begr ndung Es ist anzunehmen dass bei den Befragten entsprechendes subjektives Erfahrungswissen aus vorherigen aktivit ten bzw wegebezogenen Handlungen Y identischer bzw hnlicher Art vorliegt Zweitens war Gegenstand der Absch tzung welche subjektive Valenz Peover die Untersuchungsteilnehmer einem bestimmten Zeitplanungsvorgang in Abh ngigkeit der subjektiven Situation zum Zeitpunkt der Planung zumessen Die Befragten sollten ihr Werturteil auf den Augenblick der Zeitplanung und nicht auf
485. tsprechend variieren die Zuordnungschancen zu den Wege Aktivit tenmuster Typen S infolge eines Sets von Merkmalsauspr gungen kj identifizierter personen haushaltspezifischer und raum verkehrsinfrastruktur be schreibender Erkl rungsgr en k Da diese Herangehensweise dem Wahr scheinlichkeitsprinzip folgt wird einer wesentlichen der eingangs formulierten Anforderungen gen gt 1 Quantifizierung der Sequenz un J hnlichkeit von Wege Aktivit tenmustern 2 Bildung der Wege Aktivit tenmustertypologie Distanzmatrix 3 Identifikation von Erkl rungsgr en und Analyse von Effekten Wege Aktivit tsprofile paarweise Distanzbestimmung 100 lz1 z1 zi Zet Typ S D 9 rei D 8 8 DISS Typ S S z s D s Di terizen D s D S S Personen bzw Personentypen charakterisiert durch Auspr gungsetg kj identifizierter Erkl rungsgr en k Dendrogramm MULTINOMIALE LOGIT ANALYSE OPTIMAL MATCHING TECHNIK CLUSTERANALYSE explorative Phase induktive Phase Abbildung 4 1 Multimethodenansatz zur Abbildung und Erkl rung von Unterschieden zwischen Wege Aktivit tenmustern eigene Darstellung 4 3 Konzeptioneller Rahmen Die in Kapitel 2 dargelegten Zusammenh nge eines Theoriemodells zur Verkehrsentstehung bilden die
486. tungsweise auf Wochenbasis vgl Abschnitt 7 4 3 5 Aus der Analyse der intrapersonelle Tag zu Tag Variabilit t je Cluster S geht deren klare Abgrenzung anhand unterschiedlicher Rhythmen Gleichf rmigkeiten und Schwankungen des Raum Zeit Verhaltens hervor Niveau der Variabilit t und Abweichungen bzw hnlichkeiten zwischen bestimmten Tagen Kommen viertens die Kenngr en des Verkehrsverhaltens als weitere Unterscheidungs merkmale hinzu so zeichnen sich zwischen den Wege Aktivit tenmuster Typen S augenf llige clusterspezifische Charakteristika ab obwohl diese bis auf die Zeitverwendung f r Orts ver nderungen W nicht urs chlich zur statistischen Klassifizierung beitragen Insbesondere hinsichtlich der wegebezogenen Verkehrsmittelnutzung der Wegezahl und der Verkehrs leistung bestehen Kontraste vgl Abbildung 7 16 und 7 17 EEHEEHE Fazit und Ausblick a b Zusammenhangstrukturen zwischen Personencharakteristika bzw Kontextbedingungen der Umwelt und Affinit ten zu Wege Aktivit tenmuster Typen Die berpr fung durch Anwendung des multinomialen Logit Modells welche Variablen k der Person des Haushaltes usw die Zuordnung zu den sieben erstellten Wege Aktivit tenmuster Typen S auf Wochenbasis erkl ren zeigt Die f r diesen Zweck bew hrten Variablen Alter Geschlecht und mit herausragender Bedeutung der Erwerbstatus die bereits aus den Befunden anderer Untersuchungen in der Vergangenheit hervorgehen bleiben
487. tutionsaufwandes Csu bei Zustands berg ngen bestehen grunds tzlich zwei M glichkeiten EHEHEH Multimethodenansatz 69 b 70 Bei der ersten Alternative orientieren sich die Aufwandswerte C u an inhaltlich x ableitbaren Abst nden beim bergang zwischen den Zustandselementen z bzw Das nachstehende Kapitel 5 widmet sich dieser Aufgabenstellung ausf hrlich Gleichung 4 5 Csub Z Z f z Z mit Csub Z Z gt 0 Als zweite Variante wird der Substitutionsaufwand Csu als feststehender Wert frei definiert und damit auf eine inhaltliche Ausrichtung des Parameters am Unter suchungsgegenstand verzichte ohne Bez ge zu den Zust nden z bzw Z herzustellen Gleichung 4 6 Csub Z Z konst mit Csub Z Z gt 0 Einsetz und L schaufwand In einem weiteren Arbeitsschritt besteht die Aufgabe Gewichtungsfaktoren f r die Operationen L schen Cae und Einsetzen Caaa zU definieren Gleichung 4 7 Cae Z gt O Gleichung 4 8 Caaa z gt O Zu ber cksichtigen sind bei der Aufwandswertefestlegung folgende Aspekte Einhaltung der Symmetriebedingung Zuerst ist unter Beachtung der Symmetriebedingung f r Distanzma e zu entscheiden ob f r das L schen und Ersetzen eines Zustandselementes z einheitliche Aufwandswerte festgelegt werden oder nicht Diese Voraussetzung wird nur dann erf llt wenn die gleichen Gewichtungsfaktoren f r beide Aktionen dann als Indelaufwandswerte Cina bezeichnet zugrundegelegt we
488. u 1990 und Snellen 2000 Trotz der Best tigung entsprechender Ursache Wirkungs Beziehungen bestehen Unklarheiten ber die Effektst rken Beispielsweise zeigen die Resultate der Mehrebenenanalyse von Snellen 2000 bei der die raumstrukturellen Kontexteinfl sse von Personencharakteristika bereinigt sind eher m ige Effekte der Raumstruktur G nstige Voraussetzung f r die berpr fung entsprechender Zusammenhangsstrukturen ergeben sich dann wenn hinreichende Daten breit gestreut auf allen r umlichen Ma stabsebenen Region Stadt bzw Gemeinde des Wohnstandortes kleinr umiges Wohnumfeld Quartier und Wohnung zur Verf gung stehen Obwohl nicht ausschlie lich individuelle Variablen sondern auch Kontextmerkmale in die Abbildung der Ursache Folge Zusammenh nge mit Hilfe der Logit Analyse eingehen unterbleibt in der vorliegenden Arbeit der analytische Versuch individuelle Effekte kontextfrei strukturelle Effekte der Umwelt Kontexteffekte und Interaktionseffekte zwischen individuellen 4 Die Vergleichbarkeit mit europ ischen Studien ist in diesem Aspekt als fraglich einzustufen da in den USA andere raumstrukturelle Gegebenheiten vorhanden sind Simma 2000 EHEHEHE Multimethodenansatz 63 Merkmalen oder zwischen Individual und Kontextmerkmalen zu trennen Jenes Vorgehen erscheint modelltechnisch grunds tzlich m glich vgl Engel 1998 sprengt aber da in der Umsetzung sehr anspruchsvoll den Rahme
489. u a Kruskal et al 1983 Rohwer et al 2001 Zum einen werden gemeinsame Zustandselemente z in der Quellsequenz s gel scht und wieder in die Zielsequenz eingef gt als Repositionierungsvorgang bezeichnet so dass sich deren Position k innerhalb der Sequenz ver ndert Joh et al 2001 Zum anderen gehen Unterschiede in der Zustandselementkomposition in das Distanzma ein Es findet ein Austausch von solit ren Elementen z statt Diejenigen der Quellsequenz s werden entfernt und diejenigen der Zielsequenz werden eingef gt Hierf r kommen Ersetzen Aktionen oder die Kombination der Operationen L schen und Einf gen infrage Kruskal et al 1983 Rohwer et al 2001 Joh et al 2001 Um von der Quell s zur Zielsequenz zu gelangen m ssen eine Vielzahl elementarer Operationen e Q durchgef hrt werden die sich in Form eines Abfolgevektors dieser Aktionen darstellen lassen Per Definition besteht der Satz Q m glicher Operationen aus den Aktionen l schen del einsetzen add und ersetzen sub von Zustandselementen Q ins del sub Rohwer et al 2001 Jedem Transformationsschritt m l sst sich ein Aufwandswert C zuweisen so dass in Abh ngigkeit der durchgef hrten Operation am e Q zwischen drei Aufwandswertearten unterschieden werden kann dem Einsetz Caaa dem L sch Caec und dem Substitutionsaufwand Csu Aus der Summe der einzelnen Aufwandswerte C der Aktionen auf vgl Gleichung 4 1 resultiert
490. uenzen geteilt vgl Joh et al 2001 Joh et al 2002 Ungekl rt ist bislang welche Auswirkungen die Standardisierung auf die Sequenzabst nde D s s s hat Exkurs I Abbildungsprinzipien von Sequenzabst nden Der folgende Teil befasst sich mit der Abbildungseigenschaften zweier unterschiedlicher Strategien zur Bildung von Distanzma en D sS ss s beim Sequenzvergleich den Prinzipien der geometrischen und der biologischen Distanz Da letzteres bereits ausf hrlich beschrieben ist erfolgt im Folgenden nunmehr lediglich eine Erl uterung des geometrischen Abbildungsprinzips Grundprinzip geometrischer Distanz Bei der Ermittlung der geometrischen Distanz zweier Sequenzen s und wird grunds tzlich nur gepr ft ob Zustandselemente z bzw Z an gleicher Position k in beiden Sequenzen identisch sind oder nicht direkter Paarvergleich Aus der Summe der einzelnen Abst nde der Zustandselemente d Z 2 ergibt sich die geometrische Distanz Dye S 5 ss s vgl Gleichung 4 12 u a Backhaus et al 2003 K Gleichung 4 12 D 8 5 Y d Z Z k 1 Dyeo S geometrische Distanz der Sequenzen s und d Z 2 Distanz der Zustandselemente zZ und 2 Im Hinblick auf die Bestimmung der Distanz d z Z der Zustandselemente z und 2 lassen sich folgende F lle unterscheiden Weisen die Zustandselemente z und 2 an gleicher Stelle k metrisch skalierte Merkmale y auf dann stehen nachstehende Abstandsma e zur Auswahl die City
491. uf der anderen Seite herzustellen Aus der speziellen Systematik musterorientierter Untersuchungsans tze l sst sich schlie en dass weitergehende Erkenntnisfortschritte notwendig sind um die Variation im individuellen Aktivit ten Verkehrs verhalten noch realit tsn her abzubilden und zu erkl ren Abbildung des Raum Zeit Verhaltens und Einbeziehung potenzieller Erkl rungsgr en Gr nde f r die Abbildungsdefizite des Raum Zeit Verhaltens und der fehlenden Ber cksichtigung potenzieller Erkl rungsgr en k sind in der Qualit t der zur Verf gung stehenden Daten zu suchen Wesentliche Ausschnitte des erfassten individuellen Aktivit ten Verkehrs verhaltens der Charakteristika der Umwelt und der Eigenschaften und M glichkeiten der handelnden Personen sind wie die herangezogenen Untersuchungen zeigen nur teilweise bzw nicht ausreichend differenziert erfasst Vor allem betrifft dies Aspekte der r umlich infrastrukturellen Umwelt und die individuellen Orientierungen Stilisierungen usw Wesentlich besser schneiden alle herangezogenen musterorientierten Forschungsbeitr ge in der Beachtung von Indikatoren k ab die mit den M glichkeiten und Eigenschaften von Personen und der sozialen Umwelt zusammenh ngen BHOBBEE Grundlagen S9 Die den Analysen zugrundegelegten Wege Aktivit tenmuster s repr sentieren indivduelles Aktivit ten Verkehrs verhalten der Realit t nur relativ grob Erstens umfassen die entsprechenden Zu
492. ufwandswert Csu Zz die Summe der Aufwandswerte Cina z der Aktionsfolge L schen Einf gen bzw umgekehrt dann gibt es statt der Ersetzenvorg nge eine Kombination von zwei Indelaktionen Welche Auswirkungen die Festsetzung der entsprechenden Parameter auf die Abbildung der Sequenzun hnlichkeit hat geht aus der folgenden Tabelle 4 2 hervor Tabelle 4 2 Effekte des Gr enverh ltnisses zwischen Sub und Indelaufwandswerten Ausrichtung der Aufwandswerte 25 n A 2 2 Zu v BE 5 98H A 2 2 z N L2 IM Auswirkungen Aktion Erleichterung der Kombination L schen Einf gen Erschwerung Ersetzen Erschwerung der Kombination L schen Einf gen Erleichterung Ersetzen Auswirkungen auf den Trans formations prozess Auswirkungen auf die Abbildung des Sequenz abstandes f rderlich f r Verschiebung gemeinsamer Zustandselemente z f rderlich f r die Kombination L schen Einf gen statt Ersetzen solit rer Zustandselemente z Abbildung der Zustandselement komposition gemeinsame Zustandselemente z Abbildung der Abfolge hnlichkeit gemeinsamer Zustandselemente z Abbildung der Zustandsabst nde A z 2 solit rer Zustandselemente z hemmend f r Verschiebung gemeinsamer Zustandselemente z f rderlich f r Ersetzen statt die Kombination L schen E
493. uly 2000 Blass W 1980 Zeitbudget Forschung eine kritische Einf hrung in Grundlagen und Methoden Campus Verlag Campus Forschung Frankfurt Main Bogun R 1996 Was hei t kologische Lebensstile Fragen und Anmerkungen zum Verh ltnis von Lebensstilanalyse und sozialwissenschaftlicher Umweltforschung ZWE Arbeit und Regionen Arbeitpapiere Nr 26 Universit t Bremen Bortz J 1999 Statistik f r Sozialwissenschaftler 5 Auflage Springer Verlag Berlin Heidelberg New York EEHEHE iteraturverzeichnis 211 Bortz J D ring N 1999 Forschungsmethoden und Evaluation f r Human und Sozialwissenschaftler 3 berarbeitete Auflage Springer Verlag Berlin Heidelberg New York Bowman J L 1998 The Day Activity Schedule Approach to Travel Demand Analysis Ph D Dissertation Massachusetts Institute of Technology Brannolte U Kraus T 1998 Situationsanalyse ber cen Stand der Simulationsmodelle im Verkehrswesen Schlu bericht Forschungsprojekt gef rdert durch das Bundesministerium f r Bildung Wissenschaft Forschung und Technologie Weimar Breckner l Sturm G 2002 Geschlechterverh ltnisse im raumzeitlichen Wandel moderner Gesellschaften in Henckel D Eberling M Hrsg Raumzeitpolitik S 81 104 Leske und Budrich Opladen Br g W Erl E 1999 Kenngr en f r den Fu g nger und Fahrradverkehr Heft M 109 Berichte der Bundesanstalt f r Stra enwesen Bergisch G
494. um den Faktor 13 3 gegen ber den Teilzeitberufst tigen in der Wahlsituation mit Wege Aktivit tenmuster Typ S gegen ber Personen in Ausbildung um den Faktor 132 7 und Hausfrauen HAR um den Faktor 52 6 HERHELE Fallbeispiel 181 Teilzeitbesch ftigte favorisieren Cluster S4 mit h herer Wahrscheinlichkeit gegen ber den anderen Erwerbsstatuskategorien bei allen Wahlsituationen wobei exemplarisch folgende signifikanten Zusammenh nge anzuf hren sind Steht als weitere Alternative Wege Aktivit tenmuster Typ Ss zur Wahl steigt die Aus bungschance im Kontrast zu Personen in Ausbildung und zu Hausfrauen HAR um jeweils den Faktor 2 9 Gegen ber Wege Aktivit tenmuster Typ S7 erh ht sich die Zuordnungschance im Vergleich zu Personen in Ausbildung um das 260 4 fache und zu Hausfrauen HAR um das 35 7 fache Teilzeitbesch ftigte bevorzugen Cluster S5 bei nahezu allen Vergleichskonstellationen der Wege Aktivit tenmuster Typen S mit jenem Typ Signifikante Zusammenh nge sind zum Beispiel dass entgegen Wege Aktivit tenmuster Typ Ss die Chance im Vergleich zu Sch lern um das 5 7 fache steigt dass gegen ber Wege Aktivit tenmuster Typ S die Aus bungswahrscheinlichkeit im Vergleich zu Sch lern 90 2 mal und zu Hausfrauen 12 3 mal so hoch ist Im Vergleich der Erwerbsstati ergibt sich f r erwerbsgebundene Personen tendenziell eine st rke Affinit t zugunsten von Cluster Ss wie aus einigen genannten si
495. unabsicht auszuschlie enden Ein schlie enden Einfluss licher Falschangaben durch flussfaktoren n tig Vorgabe faktoren n tig Benutzerf hrungen Filter Messmodell M II Und zweitens sind sowohl x funktionen interaktiver zwei Handlungsalternativen Fehlerkorrektur usw bei Y charakterisiert durch die CSAQ Befragung Zust nde y y oder als Befragungsmedium auch die Art m der Br Zeitplanungsaktion Zu beachten Vorgabe Mess 2 ee modell M I Legende VI akzeptabel El ungewiss unzureichend Quelle 1 Theobald 2000 2 Diekmann 2001 3 Schnell et al 1992 4 Bandilla et al 1998 5 Ettema 1996 Kalfs et al 1997 und Arentze et al 2000 6 Kunert 1992 und Zumkeller et al 1994 102 gumODnE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK 5 4 3 Datenbearbeitung Im Anschluss an die Datengewinnung folgt die Datenbearbeitung deren wesentlicher Schritt neben der Plausibilit tskontrolle und der gegebenenfalls notwendigen Fehlerkorrektur die Datenaufbereitung ist Diesem letztgenannten Teilschritt f llt die Aufgabe zu Datenfiles f r die sp tere CHAID Analyse mit der Statistiksoftware ANSWER TREE SPSS zu erzeugen und die Struktur der Beschreibungsgr en y und deren Auspr gungen y festzulegen Randbedingungen der Datenbearbeitung Die bereits erfolgte Datengewinnung einerseits und andererseits die Anfo
496. und Benzinverbrauch Manuskript im Auftrag des BMV Institut f r Verkehrswesen Universit t Karlsruhe Chlond B Lipps O Zumkeller D 1998 Haushaltspanel 1997 1998 Auswertung Manuskript im Auftrag des BMV Institut f r Verkehrswesen Universit t Karlsruhe Chlond B Lipps O Manz W Zumkeller D 1999 Haushaltsbefragung zur Alltagsmobilit t in verschiedenen Raumtypen Auswertung Haushaltspanel 1998 1999 Manuskript im Auftrag des BMV Institut f r Verkehrswesen Universit t Karlsruhe Coulter P B 1989 Measuring Inequality A Methodological Handbook Westview Press London Cullen I G Godson V 1975 Urban Networks The Structure of Activity Patterns in Progress in Planning Vol 4 S 1 96 212 EEHEEHE iteraturverzeichnis Diekmann A 2001 Empirische Sozialforschung Grundlage Methoden Anwendungen 7 Auflage Rowohlt rowohlts enzyklop die Reinbeck bei Hamburg Dijst M Vidakovic V 2000 Travel time ratio the key factor of spatial research in Trans portation 27 S 179 199 Dijst M Schwanen T 2002 Travel time ratios for visits to the workplace the relationship between commuting time and work duration in Transportation Research A 36 S 573 592 Doherty S T 2000 CHASE Computerized Household Activity Scheduling Elictor survey software Version 2 0 Installation and Operational Manual Doherty S T 2001 Meeting the Data Needs of Activity Schedul
497. ung des Zustandes amp ungeplante Zeit implizit Strategie der Datenanalyse Die Vorgehensweise der Datenanalyse bestimmen die oben genannten Zielsetzungen bzw Randbedingungen 1 Der Nachweis der Effekte des Zeitplanungsoperationstyps auf die Priorit t P over von Zeitplanungsaktionen bedingt ein Vorgehen auf der Basis beobachteter Vorg nge Zeigt die Art der Aktion keine signifikanten Trennwirkungen kann im weiteren Verlauf der Datenauswertung ausschlie lich von einer Abh ngigkeit der Wichtigkeit Poovey yo von den am bergangsprozess beteiligten aktivit ten bzw wegebezogenen Zust nden vi bzw y ausgegangen werden Entsprechend lassen sich die Datens tze nach dem Operationstyp trennen oder in beliebigen Konstellationen der unterschiedlichen Arten zusammenf hren Sind hingegen Effekte des Aktionstyps nachweisbar widerspricht dies den erl uterten Anforderungen der Optimal Matching Technik 2 Basis f r die Ermittlung zustandsabh ngiger Aufwandswerte Cina z f r Indeloperationen bilden entsprechend den Ma gaben die Messwerte Poover Y bzw Poover D y der bewerteten Zeitplanungsvorg nge Ye vgl Tabelle 5 7 3 Grundlage zur Bestimmung zustandsabh ngiger Subaufwandswerte Csu Z sind unter Ber cksichtigung der Randbedingungen die Messwerte Pover y der beurteilten realisierten Handlungen Y vgl Tabelle 5 7 Tabelle
498. ungen je Tag hh mm b A e Entfernung OV Nutzung je Weg km z Zeitverw endung zu Hause je Tag hh mm 2 50 5 5 Entfernung MIV Mitfahrer je Weg km _ i a 2 _Zeitverw endugg Arbeiten dienstlich je Tag hh mm E c 0 IN 20 2 s PA Entfernung MIV Selbsfahrer je Weg km 2 5 itverw endung Ausbildung je Tag hh mm EN e N S SS 1 50 3 8 2 Entfernung Fahrrad je Weg km lt E A Y AN NA Zeitverw endung Einkaufen Service je Tag hh mm Sa RN 4 ZER Pa Entfernung zu Fuss je Weg km Zeitverw endung Freizeit je Tag hh mm Entfernung je Weg km Zeitverw endung zu Fuss je Tag hh mm Entfernung je Tag km Zeitverw endung Fahrrad je Tag hh mm Wegezahl je Tag n lt 7 Zeitverw endung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag gt Zeitverw endung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag x gt Zeitverw endung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 7 Abweichungen des Cluster S7 im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 10 70 00 y20 pe7y M alle oO E O e d 1 ME c oN Lo ON yIoM TOS pey M SIE O 0
499. ungsdurchf hrung usw dokumentieren die Publikation Doherty et al 2000 und Doherty 2000 Das derzeit konkurrenzlose Erhebungswerkzeug f r diesen Untersuchungszweck ist kein Produkt auf dem Stand der Anwendung im Bereich der Datengewinnungsmethoden der Verkehrsforschung sondern muss dem Stand der Forschung zugerechnet werden Im Kontext der computergest tzten Erhebungsformen Computer assisted data collection CADAC l sst sich CHASE den Computer assisted self interviewing CASI auch Computer self administred questionnaire CSAQ genannt Befragungsmedien zuordnen In Anhang D I sind die Unterlagen zur Er hebungsdurchf hrung dokumentiert Die Umsetzung der Datengewinnung der eigenen Erhebung orientiert sich im Gro en und Ganzen an der Herangehensweise von Doherty et al 2000 unter folgender Ma gabe Sinnvollerweise wird dann auf die Erfassung von Informationen verzichtet falls diese f r die eigene Untersuchung nicht zielf hrend ist Bei den nderungen in der Erhebungsdurchf hrung in Abweichung zu Doherty et al 2000 handelt es sich unter anderem um folgende Aspekte erstens der Verzicht auf eine r umliche Lokalisierung bzw Benennung der Aktivit tsorte a zweitens die Beschr nkung der Erfassung auf die Basisvariablen Geschlecht Alter Erwerbs t tigkeit usw bei den personen haushalts und wohnstandortbezogenen Merkmalen und drittens die Nichterfassung des jeweiligen Aktivit tsrepertoires Haush
500. ur Wahrnehmung der Umwelt und zur Informationsverarbeitung Das hei t W hrend des Zeitplanungsprozesses werden die Alternativen und Bedingungen der Umwelt ber Filterprozesse der Wahrnehmung und der Verhaltenssteuerung z B beschr nken Neigungen Erwartungen und Lernprozesse die infrage kommenden Auswahlm glichkeiten individuell vor strukturiert Anschlie end erfolgt die Orientierung durch Bewertung der Situation Eine objektive Situation wird in eine subjektive Situation umgewandelt indem die Handlungsalternativen der Aktivit ten A und Ortsver nderungen W mit individuellen Wertigkeiten versehen werden Beckmann 1983 Werlen 2000 Esser 2001c Je nachdem ob die Bewertung von Handlungsfolgen eine Rolle spielt oder nicht kann grunds tzlich zwischen zwei Ans tzen der Einstellung Verhalten Verbindung auf die Situation und damit Typen des Handelns unterschieden werden Im so genannten Konsistenzmodell wird eine direkte Verbindung zwischen Einstellung und Verhalten angenommen ohne Bewusstseinsleistung Dieses eignet sich damit gut f r die Erkl rung von Routinen Esser 2001c Hingegen ber cksichtigt die andere Alternative die Theorie des berlegten Handelns Theory of Reasoned Action TORA von Ajzen und Fishbein die Konsequenzorientierung des Handelns Notwendig sind daf r individuelle Reflexions und Kalkulationsleistungen G rling et al 1993 Esser 2001c Welche Faktoren die Bewertung einer Handlung bee
501. us tzlich formale und empirische Annahmen als Rand bedingungen zu treffen sind Esser 2001b Die kollektiven Effekte des Raum Zeit Verhaltens beeinflussen wiederum die Umwelt 2 2 4 Ver nderungen im Aktivit ten Verkehrs verhalten Zur Erkl rung von nderungen im Raum Zeit Verhalten l sst sich unterscheiden ob eine exogene oder endogene Verursachung vorliegt Das Grundmodell vgl Abbildung 2 2 wird dabei um die entsprechenden Einfl sse E erg nzt vgl Abbildung 2 7 Endogen ausgel ste Ver nderungen im Aktivit ten Verkehrs verhalten sind Bestandteil des individuellen Lebensverlaufs der den Fortgang des Lebens einer Person als Abfolge von Zust nden Rollen Positionen usw und Ereignissen Status berg nge usw beschreibt Das Erreichen des Rentenalters ist beispielsweise mit einem Statuswechsel verbunden Endogene Ver nderungen finden somit auf der Mikroebene der einzelnen Personen statt Werden Personen lter so durchlaufen sie Lebenszyklusphasen die mit spezifischen individuellen M glichkeiten und Restriktionen einhergehen und somit auch deren Raum Zeit Verhalten dauerhaft oder zeitweise reversibel oder irreversibel pr gen Ebenso k nnen sich individuelle Motive Pr ferenzen Werthaltungen Orientierungen usw wandeln was ebenfalls zu nderungen im Aktivit ten Verkehrs verhalten f hren kann M glicherweise spielen dabei auch in der Vergangenheit gesammelte Erfahrungen eine Rolle Kunert 1992 Makro E
502. usterorientierte Forschungsbeitr ge im interpersonellen Kontext auf die im sp teren Verlauf der Arbeit genauer eingegangen wird vgl Kapitel 3 sind die Arbeiten von Kutter 1972 Recker et al 1980 Pas 1980 Schmiedel 1984 Wang 1998 und 10 BHOBBEE Grundlagen KONZEPTIONELLER RAHMEN Kulkarni et al 2000 Ziel dieser Ans tze ist es die Vielfalt unterschiedlicher Wege Aktivit tenmuster s zu reduzieren Letztlich f hrt dies zur Bildung einer begrenzten Anzahl von Wege Aktivit tenmuster Typen S denen Personenkategorien in Form von Aus pr gungen k soziodemographischer bzw raumbeschreibender Erkl rungsgr en k zugeordnet werden Wie bereits erw hnt ergibt sich die praxisnahe Relevanz dieser Ans tze aus ihrem engen Bezug zu den Verkehrsnachfragemodellen auf der Basis von Wegekketten Weiterhin sind musterorientierte Studien des Aktivit ten Verkehrs verhaltens zu nennen u a Pas 1983 Lipps 2001 Zimmermann et al 2001 deren Zielstellung in der Analyse der intrapersonellen Variation des Raum Zeit Verhaltens liegt wozu ein Zugriff auf Longitudinaldaten einer Person ber einen l ngeren Zeitraum notwendig ist Zur Ermittlung der intrapersonellen Variation findet eine Unterteilung der Zeitspanne der L ngsschnittdaten in Makrozeitabschnitte z B einzelne Tage statt auf deren Basis die Vergleiche vorgenommen werden Die Zielstellung dieser empirischen Forschungsarbeiten liegt im Erkennen von zeitli
503. uterten Entscheidungszusammenh nge und damit eingeschlossen zur Beschreibung des Aktivit ten Verkehrs verhaltens wird das folgende Schema auf der Basis von Merkmalskategorien entwickelt vgl Tabelle 2 5 BOBBEE Grundlagen 13 Tabelle 2 5 Merkmale von Aktivit ten und Ortsver nderungen eigene Darstellung Merkmals Aktivit ten A Ortsver nderungen W kategorie Merkmale Merkmals Skalen Merkmale Merkmals Skalen a werte niveau w werte niveau a w sachlich Aktivit tstyp Arbeit Freizeit qualitativ Art des zu Fu qualitativ Art Zweck Einkaufen Verkehrs Fahrrad Bus a Service Bilden mittels Pkw Fahrer usw w usw auch andere auch andere Typenbildung Typenbildung m glich m glich quantitativ Zweck Arbeit qualitativ wDP Freizeit usw direkter Geldbetrag quantitativ direkter Geldbetrag quantitativ Aufwand Aufwand Ertrag Ertrag Feld wee zeitlich Lage Zeit Beginn quantitativ Lage Zeit Beginn quantitativ ae Ende wet Ende aaa oa a a a 7 7777 PU wPau r umlich Zielort r umliche quantitativ Startpunkt r umliche quantitativ a Lage w Lage Koordinaten Zielpunkt Koordinaten w Entfernung L nge quantitativ Koordinaten sozial Zahl der Anzahl der quantitativ Zahl der Anzahl der quantitativ Teilnehmer Personen Begleiter Personen ares wrers_ n Personentyp Eigenschaften qualitativ Personentyp Eigenschaften qualitativ a es IyP und quantitativ wre P un
504. vgl Anhang G Abbildung G 8 Zur Analyse der Aktivit tsketten im Vergleich der Cluster S auf Wochenbasis dienen folgende Indikatoren Erstens wird untersucht welche der h ufigsten Aktivit tsabfolgen mit welchen Anteilen in den einzelnen Partitionen S vorzufinden sind Als ma gebende Vergleichsgrundlage gelten dabei per Definition in der vorliegenden Untersuchung lediglich die vier h ufigsten Aktivit tsketten je Cluster S Zweitens wird die Anzahl unterschiedlicher Aktivit tsketten pro Tag und Fall berechnet Der Parameter gibt ber das Spektrum verschiedener Aktivit tsketten in den Clustern S Auskunft Drittens l sst sich anhand der berechneten kumulierten Anteile der h ufigsten Aktivit tsketten ablesen wie viele Aktivit tsabfolgen in den Clustern S betrachtet werden m ssen um einen bestimmten Prozentsatz aller realisierten Aktivit tsketten abzudecken Die entsprechenden Auswertungen dokumentiert Tabelle 7 4 Zusammenfassend betrachtet zeigen die Ergebnisse der Auswertungen zu den Tagesaktivit tsketten einerseits folgende strukturellen Gemeinsamkeiten zwischen den Clustern S auf Erstens berwiegen in allen Clustern S an den vorderen Positionen der kumulierten H ufigkeitsverteilungen Aktivit tsketten mit wenigen T tigkeiten Zweitens zeichnen sich in den Clustern S mit der Hauptaktivit t Arbeiten bzw Ausbildung typische Abfolgen mit relativ gro en Anteilswerten im Sinne des Grundsatzes erst die A
505. viele Untersuchungs und Modellierungszwecke n tzlich sein Um beispielsweise Verhaltens nderungen infolge von Ma nahmen zu betrachten schl gt Zumkeller 1989 eine Abspaltung irrelevanter nicht ma nahmenreagibler F lle die entsprechend durch Klassifikation zu identifizieren sind nach dem Ausschlussprinzip im Vorfeld der Analyse bzw Modellierung vor 8 2 2 Konzeption eines mikroskopischen Simulationsmodells der Verkehrsentstehung Die Entwicklung und Anwendung von mikroskopischen Verkehrsnachfragemodellen auf der Basis von Wegeketten u a Sparmann 1980 Zumkeller 1989 Fellendorf et al 1997 wurde in den letzten Jahrzehnten vor allem in der Bundesrepublik Deutschland forciert Axhausen et al 1989 Brannolte et al 1998 Um eine hohe Abbildungskonsistenz individuellen Aktivit ten Verkehrs EEHEEHE Fazit und Ausblick 2 verhaltens zu erreichen beziehen sich Modelle dieses Typus auf die personenfeine Simulation von individuellen Tageabl ufen die in der Modellgr e der Wegekette umgesetzt sind Die bislang verwendete Ausgangsbasis f r jene Verkehrsnachfragemodelle sind die Eigenschaften und charakteristischen Aktivit ten Verkehrs verhaltensweisen verhaltens hnlicher a priori Personenkategorien vgl i a Kutter 1972 Schmiedel 1984 Wie bereits diskutiert vgl Abschnitt 4 3 bestehen jedoch Vorbehalte gegen ber jenem Konstrukt Genau an diesem Punkt setzt der Vorschlag einer Modifikation des bisherigen Modellkonzepte
506. vit tenmuster Typen S einbeziehbar vgl Abschnitt 8 2 2 Im Gegenzug f hrt die ganzheitliche Darstellungsweise der Wege Aktivit tenmuster s zu einem Verlust an Differenziertheit in der Beschreibung von Einzelph nomenen des Raum Zeit Verhaltens wodurch dessen Komplexit t nicht gerecht wird So weist Holz Rau 1990 auf die Problematik hin dass wom glich Ursache Wirkungs Beziehungen unerkannt bleiben k nnen wenn zu viele Merkmale y des Aktivit ten Verkehrs verhaltens in der Analyse gemeinsam betrachtet werden Um dieses vorhandene Dilemma zwischen Ganzheitlichkeit und Vielschichtigkeit aufzul sen bzw abzumindern wird eine zweistufige Untersuchungsstrategie vorgeschlagen vgl Abbildung 8 3 Metaebene Der auf der Metaebene angeordnete musterorientierte Multimethodenansatz zielt auf die Analyse interpersoneller Unterschiede im Aktivit ten Verkehrs verhalten auf Sequenzbasis ab Ergebnisse der Modellanwendung sind erstens mehrere Wege Aktivit tenmuster Typen S einer entsprechenden Typologie Zweitens k nnen trennende Erkl rungsgr en k als a Merkmale bezeichnet und dazugeh rige Effekte k identifiziert werden die vorerst eine grobe Orientierung ber Zusammenhangsstrukturen zur Erkl rung der Wege Aktivit tenmuster Typologie erlauben Subebene An die einzelnen Wege Aktivit tenmuster Typen S der Metaebene ankn pfend wird auf der Subebene eine Disaggregierungsstrategie zur inhaltlichen Vertiefung von Ur
507. von periodischen Schwankungen im Aktivit ten Verkehrs verhalten auf Personenebene als systematische intrapersonelle Variabilit t bezeichnet f llt den gesellschaftlichen Zeitordnungen auf der Makroebene der Umwelt eine Schl sselrolle zu Zeitregime die der institutionell kulturellen Umwelt zugeh rig sind strukturieren im hohen 62 EHEHEH Multimethodenansatz KONZEPTION MUSTERORIENTIERTER MULTIMETHODENANSATZ Ma e die zeitliche Lage Dauer Abfolge usw von T tigkeiten A und Ortsver nderungen W Au er den Zeitregulativen auf Tagesebene z B Ladenschlusszeiten existieren auf den bergeordneten Ebenen der Woche z B geschlossene Gesch fte sonntags des Jahres z B Schulferien im Sommer usw weitere Zeitordnungen Dabei pr gen prim r die Erfordernisse der Arbeitswelt den gesellschaftlichen Zeitrhythmus Arbeitsgesellschaften westeurop ischen Typus F r die Einbeziehung von Kontexteffekten der institutionell kulturellen Umwelt stehen normalerweise keine Merkmale zur Situationsbeschreibung zur Verf gung Stattdessen fungieren hier als Ersatzmerkmale die Variablen k der Person um entsprechende Zusammenh nge zu ber cksichtigen Denn ob und inwieweit Personen den zyklischen Zeitgebern unterliegen oder nicht h ngt wiederum von deren individuellen Eigenschaften und M glichkeiten besonders dem Erwerbsstatus ab soziale Umwelt Individuelles Aktivit ten Verkehrs verhalten unterliegt weiterhin Einfl
508. wendung Au er Haus je Tag hh mm intrapersonelle Variabilit t 3 00 5 Zeitverwendung Ortsver nderungen je Tag hh mm Entfernung V Nutzung je Weg km _Zeitverwendung zu Hause je Tag hh mm a 2 50 2 i Entfernung MIV Mitfahrer je Weg km _ i 2 Zeitverwendung Arbeiten dienstlich je Tag hh mm ze N 200 5 L Ganze Entfernung MIV Selbsfahrer je Weg km lt PL gt 2 ae gt Zeitverwendung Ausbildung je Tag hh mm N 35 Ra i TER Entfernung Fahrrad je Weg km Zeitverwendung Einkaufen Service je Tag hh mm ain 2 Entfernung zu Fuss je Weg km i Zeitverwendung Freizeit je Tag hh mm Entfernung je Weg km Zeitverwendung zu Fuss je Tag hh mm u Entfernung je Tag km N N I K Zeitverwendung Fahrrad je Tag hh mm Wegezahl je Tag n 5 Zeitverwendung MIV Selbstfahrer je Tag hh mm Anteil Wege V Nutzung je Tag 2 gt Zeitverwendung MIV Mitfahrer je Tag hh mm Anteil Wege MIV Mitfahrer je Tag i gt Zeitverwendung V Nutzung je Tag hh mm Anteil Wege MIV Selbsfahrer je Tag Au er Haus Anteil je Tag Anteil Wege Fahrrad je Tag Anteil Wege zu Fuss je Tag Abbildung G 6 Abweichungen des Cluster Ss im Vergleich zu allen F llen in den Verhaltenskenngr en EHEHEH Anhang G Kenngr en der Wege Aktivit tenmuster Typen G 9 Cluster S7 Zeitverw endung Au er Haus je Tag hh mm intrapersonelle Tag zu Tag Variabilit t 3 00 Zeitverw endung Ortsver nder
509. wird dabei vermutet Je mehr Zust nde z der Zustandsraum Z y umfasst desto k rzer wird tendenziell deren Dauer y Dies f hrt wiederum wie bereits dargelegt zu einer zunehmend unpr ziseren Abbildung des Aktivit ten Verkehrs verhaltens bei dessen musterorientierter Umsetzung in der Intervallreihenschreibweise Als Konsequenz ist zu erwarten dass wahrscheinlich Auswirkungen auf die berechneten biologischen Sequenzabst nde D i S 5 s s s schon bei kurzen Zeitintervallen At deutlich werden 132 EHEHOHEHE Anwendungsvoraussetzungen Optimal Matching Technik SENSITIVIT TSANALYSE OPTIMAL MATCHING TECHNIK 6 3 2 Effekte der Variation der Transformationsaufwandswerte F r die n chste Variationsart lassen sich vier bergeordnete F lle aus den unterschiedlichen Kombinationen zustandsabh ngiger und unabh ngiger Transformationsaufwandswerte Ce bei Indel und Substitutionsvorg ngen unterscheiden Gelten die Aufwandswerte C als frei festlegbar d h ohne einen inhaltlichen Bezug zu den Zust nden z bzw Z herzustellen ergeben sich auf einer weiteren Stufe untergeordnete F lle Tabelle 6 6 stellt die Korrelationen aus der Gegen berstellung aller F lle f bzw f der Variation der Transformationsaufwandswerte C dar Erkennbar ist dass die Spannweite der ermittelten Korrelationswerte r auf der Basis aller vorgenommenen Vergleiche der Variation der Parameter C von r 0 69 bis r 0 99 reicht was einen schwachen bis
510. zeichnet Auf ein m gliches bergehen der Planungsphase im Sinne des Konsistenzmodells bei Routinehandlungen beispielsweise beim gewohnheitsm igen Z hneputzen nach dem Fr hst ck weist Erke et al 2000 hin In grober Anlehnung an Doherty et al 2002 wird folgendes Modellkonzept formuliert Hergestellt wird ein Zusammenhang zwischen der subjektiven Bewertung der Priorit t eines Zeitplanungsvorganges P y vi im Verlauf der Organisation und Reorganisation von Tages Wochenabl ufen usw und Entscheidungsfaktoren vgl Gleichung 2 2 Die Art des Zeitplanungsvorgangs der Modus der Zeitplanung Mze i und die Bedeutung Piy der bereits terminierten bzw der Stellenwert P y i der neu zu planenden Handlung oder Nicht Handlung Y z hlen zu den relevanten Faktoren welche die Wertigkeit P y y eines Zeitplanungsvorganges determinieren Gleichung 2 2 P y y o f Mzeit P y P y P y vi o Priorit t von einem Zeitplanungsvorgang M zeit Modus der Zeitplanung spontan gewohnheitsm ig OF Art des Zeitplanungsvorgangs verwerfen hinzuf gen ersetzen P y Priorit t einer bereits vorgesehenen aktivit ten bzw orts ver nderungsbezogenen Handlung oder einer Nicht Handlung P y Priorit t einer neu geplanten aktivit ten bzw ortsver nderungsbezogenen Handlung oder einer Nicht Handlung BHOBBEE Grundlagen a Zeitplanungsphase Bewertungsphase Zeitplanung
511. zeiterwerbst tig Sch ler Studierende in Berufsausbildung 1 97 0 61 10 47 0 00 M 7 1889 2 18 23 75 Teilzeiterwerbst tig Hausfrau mann arbeitslos Rentner in 1 84 0 61 9 12 0 00 M 1 6 2749 0 05 0 52 Vollzeiterwerbst tig 0 1594 Teilzeiterwerbst tig 2 75 0 33 7142 0 00 v 1 15 5895 0 03 0 12 Vollzeiterwerbst tig 0 0641 Sch ler Studierende in Berufsausbildung 0 77 0 55 2 00 0 16 0 4611 0 16 1 35 O Vollzeiterwerbst tig EHEHE Anhang H IIl Ergebnisse der Logit Analyse H I11 12 Alternativ Referenz kategorie kategorie er TA N z2 Cluster A 5 e E E 8 g2 85 s Eu 5 5 5 JE 85 A T n N 2 N E 3 5 5 lg x Ie eS 25 FE g lS x g J Sg sg S ee ge s 3 gt I 52 S9 3 z 7 aM u gt x Unter Ober grenze grenze Konstanter Term 1 02 0 81 1 58 0 21 Alter 0 01 0 01 0 27 0 60 0 9943 0 97 1 02 O PNV Zeitkartenbesitz 0 40 0 30 1 79 0 18 1 4928 0 83 2 69 O keinen PNV Zeitkartenbesitz Mann 0 11 0 26 0 17 0 68 1 1152 0 67 1 86 DO Frau F hrerschein 0 07 0 41 0 03 0 87 1 0683 0 48 2 38 DO keinen F hrerschein Vollzeiterwerbst tig 3 03 0 57 27 99 0 00 v 20 5974 6 72 63 18 Hausfrau mann arbeitslos Rentner in Teilzeiterwerbst tig 0 16 0 60 0 07 0 79 1 1720 0 36 3 83 DO Hausfrau mann arbeitslos Rentner i
512. zu Wege Aktivit tenmuster Typ S die Realisierungsquote durchweg im Kontrast zu allen anderen Kategorien des Erwerbstatus um ein vielfaches h her ist zu teilweise Berufst tigen um das 63 7 fache zu Personen in Ausbildung um das 56 7 fache und zu Hausfrauen HAR um das 43 6 fache dass gegen ber Cluster S das Chancenverh ltnis der Aus bung zugunsten von Wege Aktivit tenmuster Typ 2 gegen ber Teilzeitbesch ftigten Faktor 48 1 betr gt dass versus Wege Aktivit tenmuster Typ S7 die Aus bungschance gegen ber Teilzeit besch ftigten um das 13 28 fache Personen in Ausbildung um das 1065 fache und Hausfrauen HAR um das 111 2 fache h her ist hnliche Zusammenhangsstrukturen einer starken Realisierungsaffinit t von Voll zeiterwerbst tigen jedoch in schw cherer Intensit t treffen auf Cluster S zu Ausnahme Cluster S zu Cluster S3 die sich in nachstehenden signifikanten Beziehungen widerspiegeln Dabei steigt f r Vollzeitberufst tige die Realisierungschance von Wege Aktivit tenmuster Typ S3 gegen ber Cluster S4 im Kontrast zu Teilzeitbesch ftigten um das 15 6 fache und zu Hausfrauen HAR um das 6 3 fache in der Gegen berstellung zu Wege Aktivit tenmuster Typ Ss mit folgendem Chancen verh ltnissen der Bevorzugung um das 17 5 fache zu Teilzeitbesch ftigten um das 7 1 fache zu Personen in Ausbildung und um das 20 6 fache zu Hausfrauen HAR im Vergleich zu Wege Aktivit tenmuster Typ Ss
513. zur Identifikation von Trennmerkmalen y Der Berechnungsvorgang ist ausf hrlich in SPSS 1998 und Baltes G tz 2001 dokumentiert 5 4 5 Ergebnisse der Datenanalyse 5 4 5 1 Grunddaten der durchgef hrten Erhebung Kenngr en des realisierten Aktivit ten Verkehrs verhaltens Ausgehend von den Daten des erfassten realisierten Aktivit ten Verkehrs verhaltens der vorliegenden Befragung sollen grundlegende Kenngr en im Folgenden kurz dokumentiert in den Kontext anderer verhaltensbezogener Erhebungen des Personenverkehrs Vorstudie zur KONTIV 2002 Mobilit tspanel MOP eingeordnet und interpretiert werden vgl Tabelle 5 8 Die Gegen berstellung der in Tabelle 5 8 aufgef hrten Kenngr en der eigenen Erhebung mit den oben genannten nahezu bev lkerungsrepr sentativen Untersuchungen zum Personenverkehr indiziert mehr z B Au er Haus Anteil Wegeh ufigkeit Verkehrsmittelnutzung oder weniger z B mittlere Tagesdistanz gro e Unterschiede ber Gr nde f r die Abweichungen lassen sich nur 13 Die Prozedur endet im Anwendungsfall dann wenn eine der folgenden Abbruchregeln erf llt ist erstens das Erreichen einer vorgegebenen Anzahl von Baumstufen hier n 3 oder zweitens das Unterschreiten einer definierten Mindestanzahl der F lle in den Segmenten hier n 15 oder 108 gunODnE Anwendungsvoraussetzungen Optimal Matching Technik INHALTICHE AUSRICHTUNG OPTIMAL MATCHING TECHNIK Vermutungen anstell
514. zwischen den Merkmalswerten w des Wegezwecks unterschiedliche Ersetztenaufwandswerte Csu angesetzt Der Austausch einer erwerbstypspezifischen Haupt gegen eine Nebenaktivit t erh ht den blichen Aufwandswert Csub von 1 um den Faktor 1 25 Gleicher Sachverhalt einer Vernachl ssigung der Zustandsabst nde Aly Ly bei der Ermittlung des Sequenzabstandes D eo S gilt f r die vorgestellten musterorientierten Multimethodenans tze EHEHEHE Multimethodenansatz 81 Tabelle 4 6 Gegen berstellung ausgew hlter Untersuchungsans tze zur Sequenzvergleichsanalyse auf Basis der Optimal Matching Technik Autor Jahr Wilson Joh etal Rinds Heller Schlich Bewertung 1988 2001 f ser et Kemp et 2003 musterorientierter Joh etal al 2000 al 2000 Multimethoden Kriterien 2002 Zimmer ans tze Synthese mann et der Ergebnisse al 2001 vgl Abschnitt 3 3 5 a Abbildung des Raum Zeit Verhaltens Vielfalt der Merkmale des Raum Mi E MV Zeit Verhaltens L nge und Lage des VI E V FA E Makrozeitabschnittes Detaillierung Sequenzform VI E V E E E Detaillierung der Merkmale des VI VI Mi E E E Raum Zeit Verhaltens b Analyseebene musterorientierter Multimethodenansatz Vollst ndigkeit des muster E E M orientierten Untersuchungs ansatzes des Raum Zeit Verhaltens c Analyseebene Sequenzvergleichsverfahren eigenschaften des Distanzma es Io Tr Zustands bst nde inhaltliche E Ausrichtung Lege

Dokument_1. - Bauhaus

Contents

Download Pdf Manuals

Related Search

Related Contents