TRIGGSY: Zielverkehrsaufkommensschätzung für Gebietstypen auf Basis geocodierter Mobilitätsbefragungen

• Antragsteller: Professor Dr.-Ing. Tobias Kuhnimhof
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr ; Städtebau/Stadtentwicklung, Raumplanung, Verkehrs- und Infrastrukturplanung, Landschaftsplanung
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 524931623

TRIGGSY zielt auf einen neuartigen Ansatz der (Ziel-)Verkehrsaufkommensschätzung für kleinräumige Gebiete ab. Verkehrsaufkommenskenngrößen sind zentrale Grundlage für zahlreiche Anwendungen in Forschung und Planung. Herkömmliche Verfahren zur Verkehrsaufkommensschätzung (z.B. FGSV-Verfahren) basieren auf sehr aufwendig recherchierten Daten oder komplexen Modellverfahren (z.B. Verkehrsnachfragemodell). Der TRIGGSY-Ansatz basiert a) auf in Deutschland und vielen anderen Ländern öffentlich verfügbaren Geodaten und b) auf geocodierten Haushaltsbefragungen wie der letzten "Mobilität in Deutschland 2017" (MiD). Somit kann der TRIGGSY-Ansatz flächendeckend für Deutschland und andere Gebiete mit vergleichbaren Daten angewendet werden. In der MiD (etwa 1 Million erfasste Wege von etwa 320.000 Probanden, die das Verkehrsaufkommen an einem durchschnittlichen Tag repräsentieren) gibt es 20.000 geographische Rasterzellen (1 km auf 1 km), für die dort endende Zielverkehre (ohne Nach-Hause-Wege) erfasst wurden. Im Fall einer Zelle x ist die Zahl der in der MiD erfassten Zielverkehre von zwei Faktoren beeinflusst: I. Built-environment- und sozio-ökonomische Eigenschaften der Zielzelle x und ihrer Umgebung: Diese bestimmen den Zielverkehr von x in der Realität (d.h. die Grundgesamtheit des Zielverkehrs von x). II. Eigenschaften der MiD-Stichprobe: Die erfassten Zielverkehre von x (d.h. die Stichprobe des Zielverkehrs von x) sind von der Anzahl der befragten MiD-Teilnehmer in der Umgebung von x beeinflusst. TRIGGSY zielt darauf ab, diese Einflussfaktoren zu trennen und statistische Zusammenhänge zwischen den Eigenschaften der Zelle (siehe I.) als unabhängige Variablen und deren Zielverkehr als abhängiger Variablen zu bestimmen. Für diese Analyse kommt z.B. Poisson-Regression infrage, wobei die MiD-Zielverkehre linear mit den befragten Personen in der Umgebung (d.h. den erreichbaren befragten Personen) der Zelle skalieren. Eine andere Möglichkeit ist lineare Regression, z.B. wenn als abhängige Variable die logarithmierten, in der MiD erfassten Zielverkehre pro Person in der Umgebung (d.h. pro erreichbarer befragter Person) eingesetzt werden. Die Zahl der von einer Zelle aus gesehen erreichbaren Personen in a) der MiD-Stichprobe und b) in der Grundgesamtheit spielt somit eine wichtige Rolle. Hierzu werden unterschiedliche Erreichbarkeitsmaße erprobt. So entsteht ein Modell zur Abschätzung der Zielverkehre pro erreichbarer Person für kleinräumige Gebiete in Abhängigkeit der Nutzungscharakteristika, z.B. Zielverkehre je ärztlicher Praxis oder Zielverkehre je Quadratmeter Einzelhandelsfläche. Mittels Geodaten zur Erreichbarkeit von Wohnbevölkerung können damit Absolutwerte von Zielverkehren deutschlandweit hochgerechnet werden. Abschließend validiert das Vorhaben den TRIGGSY-Ansatz durch Vergleich mit herkömmlichen Verfahren und stellt die abgeschätzten Zielverkehre online zur Verfügung.

• DFG-Verfahren: Sachbeihilfen