Zurück Vor

Detailergebnis zu DOK-Nr. 75707

Schätzung eines Fernverkehrsnachfragemodells unter Verwendung von Fahrtenerhebungen, ortsbezogenen großen Daten und Fahrtenplanungsdiensten (Orig. engl.: Estimation of a long-distance travel demand model using trip surveys, location-based big data, and trip planning services)

Autoren	C. Llorca J. Molloy J. Ji R. Moeckel
Sachgebiete	6.1 Verkehrserhebungen, Verkehrsmessungen 6.2 Verkehrsberechnungen, Verkehrsmodelle

Transportation Research Record: Journal of the Transportation Research Board Vol. 2672, H. 47, 2018, S. 103-113, 1 B, 6 T, 21 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr

Langstreckenreisen sind weniger häufig als Kurzstreckenreisen in der Stadt, tragen aber erheblich zur Gesamtreisedistanz und damit zu Staus und verkehrsbedingten Emissionen bei. Die Untersuchung entwickelt ein Modell der Nachfrage nach Fernreisen für die Provinz Ontario, Kanada. In der Studie umfasst die Nachfrage im Fernverkehr einmalige Übernachtungsreisen und Tagesreisen von mehr als 40 km Länge, wie sie in der "Travel Survey for Residents in Canada" (TSRC) definiert sind. Es wurde ein mikroskopisch diskretes Wahlmodell entwickelt, das die Planung von Reisen, die Wahl des Reiseziels und die Wahl der Verkehrsmittel umfasst. Das Modell wurde mithilfe von Reiseerhebungen geschätzt, die jedoch keine Daten über die Attraktivität des Reiseziels und das Niveau der Verkehrsdienste lieferten. Daher wurde eine Datenerhebungsmethode entwickelt, um öffentlich zugängliche Daten aus dem ortsbezogenen sozialen Netzwerk Foursquare und aus dem Online-Reiseplanungsdienst Rome2rio zu erhalten. Im ersten Fall charakterisierten die Daten von Foursquare die Flächennutzung und die vorherrschenden Aktivitäten der Zielgebietsalternativen durch die Anzahl der Nutzer-Check-Ins an verschiedenen Veranstaltungsorten (zum Beispiel Skigebiete, Outdoor- oder medizinische Aktivitäten). Im zweiten Fall beschrieb die Verwendung von Rome2rio-Daten die modalen Alternativen für jede beobachtete Fahrt. Durch die Kombination von Daten aus Reiseerhebungen, Foursquare und Rome2rio wurden die Koeffizienten des Modells ökonometrisch geschätzt. Es zeigte sich, dass die Foursquare-Daten über die Anzahl der Check-in-Abfertigungen an den Reisezielen statistisch signifikant waren, insbesondere für Freizeitreisen, und die Anpassungsgüte im Vergleich zu Modellen, die nur Bevölkerung und Beschäftigung berücksichtigten, verbesserten. Darüber hinaus erwiesen sich die verkehrsträgerspezifischen Variablen von Rome2rio als signifikant für die Wahl des Verkehrsmittels, wodurch das resultierende Modell sensibel auf Änderungen der Reisezeit, der Preise des öffentlichen Verkehrs oder der Bedienungshäufigkeit reagiert.