• search hit 13 of 220
Back to Result List

Typologiebildung und Erklärung des Aktivitäten-(Verkehrs-)verhaltens – ein Multimethodenansatz unter Verwendung der Optimal Matching Technik

Classifcation and description of travel-activity behaviour - a multi-method approach under application of the Optimal Matching Technique

  • Vor dem Hintergrund des gesellschaftlichen Wandels sieht sich die Verkehrsforschung mit neuen Anforderungen an die Konzeption, Anpassung, Anwendung usw. von statistischen Ansätzen zur Analyse des Aktivitäten-(Verkehrs-)verhaltens konfrontiert, um auf Basis empirischer Daten adäquat Zusammenhänge der Verkehrsentstehung zu erforschen. Ausgehend von der musterorientierten Perspektive - das heißtVor dem Hintergrund des gesellschaftlichen Wandels sieht sich die Verkehrsforschung mit neuen Anforderungen an die Konzeption, Anpassung, Anwendung usw. von statistischen Ansätzen zur Analyse des Aktivitäten-(Verkehrs-)verhaltens konfrontiert, um auf Basis empirischer Daten adäquat Zusammenhänge der Verkehrsentstehung zu erforschen. Ausgehend von der musterorientierten Perspektive - das heißt Untersuchungsgegenstand sind chronologische Abfolgen von Ortsveränderungen und Tätigkeiten in Form von Wege-Aktivitätenmustern - besteht das Ziel einer möglichst realitätsnahen Abbildung und Erklärung von individuellen Unterschieden im Raum-Zeit-Verhalten. Neu bzw. kaum etabliert sind in diesem Kontext der eigens konzipierte Multimethodenansatz sowie die Optimal Matching Technik, die erweiterte Abbildungseigenschaften zur Distanzmessung zwischen Wege-Aktivitätenmustern aufweist. Erkannt werden durch jene Methode gleiche Tätigkeiten bzw. Ortsveränderungen, die zeitlich an unterschiedlichen Stellen der zu vergleichenden Muster angeordnet sind sowie identische Subsequenzen. Zielführend in der Datenanalyse ist nachstehende Abfolge von Verfahren: Die Klassifikation von Wege-Aktivitätenmustern zur Reduktionen deren immenser Komplexität gelingt durch Einsatz der Optimal Matching Technik. Diese quantifiziert (Un-)ähnlichkeiten zwischen Wege-Aktivitätenmustern („Abstandsmessung“) unterschiedlicher Personen oder zu vergleichender Zeitabschnitte einer Person. Die dadurch berechnete Distanzmatrix bildet den Ausgangspunkt des clusteranalytischen Fusions-algorithmus, dessen Aufgabe die Zusammenfassung der Wege-Aktivitätenmuster ist (explorative Stufe). Die Anwendung eines multinomialen Logit-Modells ermöglicht auf Individualebene die Vorhersage der Affinität zu Wege-Aktivitätenmuster-Typen anhand von Merkmalswerten identifizierter Erklärungsgrößen der Personen, des Haushaltes usw. (induktive Stufe). Im Gegensatz zu einschlägigen Forschungsarbeiten zeichnet sich die gewählte Untersuchungsstrategie durch die Objektivität des Vorgehens aus, da eine a-priori Bildung von Personen-kategorien nicht notwendig ist. Ebenso grenzt die Berücksichtigung der zufälligen und nicht-erklärbaren Verhaltensvariabilität durch das Wahrscheinlichkeitsprinzip des gewählten Logit-Modells das eigene Vorgehen von anderen Untersuchungen ab. Aufgrund der weitgehend ungeklärten Anwendungsgrundlagen der Optimal Matching Technik befasst sich die vorliegende Arbeit zunächst mit dessen inhaltlicher Ausrichtung am Untersuchungsgegenstand. Die Anpassung der festzulegenden Aufwandswerte, welche für die benötigten Aktionen angesetzt werden, um ein Wege-Aktivitätenmuster in ein anderes zu transformieren, erfolgt mit Hilfe einer empirisch Abschätzung, die weit über ein argumentatives Vorgehen hinausgeht. Der ermittelte Sequenzabstand inkludiert dabei die operationsspezifische Distanz bei Übergängen zwischen den konstituierenden Zuständen der zu vergleichenden Wege-Aktivitätenmuster („Zustandsähnlichkeit“). Abstandsmaß für die qualitativen Zustände ist dabei die ermittelte Priorität von wege- und tätigkeitenbezogenen Handlungen. Die Relevanz einer Ausrichtung belegt auch die durchgeführte Sensitivitätsanalyse: Das Ausmaß der Empfindlichkeit der Optimal Matching Technik ist insbesondere gegenüber der Festlegung der Aufwandswerte beträchtlich. Um die Analysepotenziale des Multimethodenansatzes zu demonstrieren, werden exemplarisch interpersonelle Unterschiede im wöchentlichen Aktivitäten-(Verkehrs-)verhaltens (Datenbasis: deutsches Mobilitätspanel) analysiert. Ergebnis der Klassifikation (explorative Analysestufe) ist eine auf den ersten Blick inhaltlich stichhaltige Wege-Aktivitätenmuster-Typologie charakteristischer Wochenabläufe des Aktivitäten-(Verkehrs-)verhaltens: Unterschiedliche Arten, zeitlicher Umfang und zeitliche Lage der Haupt-aktivitäten, unterschiedliche Verkehrsverhaltensweisen sowie unterschiedliche clusterspezifische Tag zu Tag Rhythmen, Gleichförmigkeiten, Schwankungen usw. des Raum-Zeit-Verhaltens kennzeichnen die Wege-Aktivitätenmuster-Typen. Die Abbildungs-eigenschaften der Optimal-Matching Technik zeichnen sich in den erstellten Clustern nur teilweise ab: Während die Zustandselementkomposition - augenscheinlich betrachtet - passabel durch die Wege-Aktivitätenmuster-Typologie abgebildet wird, bleibt ungewiss, ob und inwieweit dies für die Abfolgeähnlichkeit gilt. Aus dem induktiven Analyseschritt geht hervor: Alter, Geschlecht, Verfügbarkeit einer ÖPNV-Zeitkarte, Führerscheinbesitz und mit herausragender Bedeutung der Erwerbsstatus signalisieren als maßgebende Erklärungsgrößen eine Trennwirkung. Überdies zeigt das Gesamtbild der ermittelten Wirkungsrichtungen und Effektstärken überzeugende Erklärungszusammenhänge auf. Damit ist ein Nachweis der Praktikabilität des eigens konzipierten Multimethodenansatzes unter Verwendung der Optimal Matching Technik zur musterorientierten Analyse des Raum-Zeit-Verhaltens erbracht.show moreshow less
  • 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-activitySocial 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 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 Optimal 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 behaviourshow moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Document Type:Doctoral Thesis
Author: Martin Berger
DOI (Cite-Link):https://doi.org/10.25643/bauhaus-universitaet.203Cite-Link
URN (Cite-Link):https://nbn-resolving.org/urn:nbn:de:gbv:wim2-20041115-2108Cite-Link
Advisor:Univ.-Prof. Dr.-Ing. Ulrich Brannolte
Language:German
Date of Publication (online):2004/11/15
Year of first Publication:2004
Date of final exam:2004/10/04
Release Date:2004/11/15
Publishing Institution:Bauhaus-Universität Weimar
Granting Institution:Bauhaus-Universität Weimar, Fakultät Bauingenieurwesen
Institutes and partner institutions:Fakultät Bauingenieurwesen / Professur Verkehrsplanung und Verkehrstechnik
Tag:Optimal Matching Technik
Optimal Matching Technique; cluster analysis; logit-model; similarity measurement; travel behavior; typology
GND Keyword:Verkehrsverhalten; Typenbildung; Sequenzanalyse <Soziologie>; Abstandsmessung; Cluster-Analyse; Logit-Modell
Dewey Decimal Classification:600 Technik, Medizin, angewandte Wissenschaften / 620 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
BKL-Classification:55 Verkehrstechnik, Verkehrswesen / 55.81 Personenverkehr
74 Geographie, Raumordnung, Städtebau / 74.75 Verkehrsplanung, Verkehrspolitik
Licence (German):License Logo In Copyright