Eine an den Bedürfnissen von Radfahrer*innen orientierte Planung ist für die Förde-rung des Radverkehrs unumgänglich. Um den Ausbau der Radverkehrsinfrastruktur ent-sprechend zu planen, sind jedoch Informationen zum Routenwahlverhalten der Radfah-renden und dessen Einflussfaktoren notwendig. Mit diesen Informationen können z.B. Wirkungen von Maßnahmen oder die zukünftige Nutzung von geplanter Radverkehrsinf-rastruktur abgeschätzt werden. Aus diesem Grund wurden vor allem in der letzten Dekade zahlreiche internationale Arbeiten vorangetrieben, die die Routenwahl auf Basis von GPS-basierten Daten zum real beobachteten Routenwahlverhalten untersuchten. Da die Studien meist für einzelne und nichtdeutsche Städte durchgeführt wurden, lassen sich die Ergebnisse jedoch nicht direkt auf den deutschen Raum übertragen. Um die Einflussfaktoren der Routenwahl für den deutschen Raum zu untersuchen, wird in dieser Arbeit die Routenwahl von Radfahrenden im Raum Dresden analysiert. Ba-sis der Untersuchung stellt ein während der Aktion STADTRADELN erhobener GPS-Daten-satz dar, der 18.459 Radfahrten von 1.361 Radfahrer*innen enthält und Auskunft über deren real beobachtetes Routenwahlverhalten gibt. Die erhobenen Routendaten wurden mit unterschiedlichen Verfahren aufbereitet und über ein Verkehrsnetz mit Sekundärda-ten angereichert, sodass die Eigenschaften der gewählten Routen berechnet und den je-weils erzeugten und nicht gewählten Routenalternativen gegenübergestellt werden konn-ten. Der Einfluss der unterschiedlichen Faktoren wurde anschließend mittels logistischer Regressionsanalyse untersucht. Das Ergebnis der Untersuchung zeigt auf, dass sich die folgenden Einflussfaktoren positiv auf die Routenwahl auswirken: + Existenz von Radverkehrsinfrastruktur + Geringe Längsneigungen + Gute Oberflächenbeschaffenheit (z.B. Asphalt) + Vorhandensein anderer Radfahrender entlang einer Route + Geringe zulässige Maximalgeschwindigkeit des motorisierten Verkehrs + Geringe Fahrstreifenanzahl des Kfz-Verkehrs + Durch Lichtsignalanlagen geregelte Knotenpunkte + Grün- und Wohngebietsflächen Demgegenüber üben die folgenden Einflussfaktoren einen negativen Einfluss auf die Wahl einer Route aus: – Zunehmende Distanz – Hohe Streckenanteile mit großer Längsneigung – Eine hohe maximale Längsneigung der Route – Geringe Breite der Radverkehrsführung – Höhere Unfallhäufigkeit entlang der Route Für einige Einflussfaktoren konnte kein (signifikanter) Einfluss auf die Routenwahl nachgewiesen werden. Dazu gehören bspw. die durchschnittlich tägliche Verkehrsstärke des Kfz-Verkehrs, der ruhende Verkehr oder die Häufigkeit von „rechts-vor-links“ geregel-ten Knotenpunkten. Die vorliegende Arbeit konnte dazu beitragen, die Wirkung der Einflussfaktoren auf die Routenwahl im Radverkehr einer deutschen Stadt zu quantifizieren. Eine Stärke der Untersuchung liegt in der Erhebung und Nutzung des umfangreichen GPS-Datensatzes zum real beobachteten Routenwahlverhalten der Radfahrer*innen. Das resultierende Routenwahlmodell kann für die Abschätzung von Maßnahmenwirkungen genutzt werden (z.B. im Rahmen der Verkehrsnachfragemodellierung). Eine kritische Reflexion der Ergebnisse und Methoden zeigt, dass die Qualität der Ana-lyse und ihrer Ergebnisse durch die Nutzung weiterer Sekundär- und Primärdaten sowie anderer Methoden weiter verbessert werden kann. Die Ergebnisse der Untersuchung geben einen Einblick in die Routenwahl der Radfah-renden des Untersuchungsgebiets. Im Rahmen der Arbeit konnte nicht geprüft werden, ob die Routenwahl der Radfahrer*innen in Dresden vergleichbar mit der Routenwahl in anderen deutschen Städten ist. Das entwickelte Verfahren kann jedoch auch für Analysen in anderen Städten angewendet werden, sodass verlässliche Aussagen zur Routenwahl deutscher Radfahrender in anderen deutschen Kommunen erarbeitet werden können. Es lassen sich insgesamt folgende Schlussfolgerungen ziehen: Um den Radfahrenden eine möglichst attraktive Radverkehrsinfrastruktur zu bieten und damit die Nutzung des Fahrrads zu fördern, sollte der Radverkehr auf eigener Radverkehrsinfrastruktur geführt werden, die möglichst breit ist und eine gute Oberflächenqualität besitzt. Entlang der Rad-routen sollten die Geschwindigkeiten des fließenden motorisierten Verkehrs möglichst reduziert werden. Die Bündelung von Radverkehrsströmen sowie die Führung durch Grünflächen kann zudem Fahrtkomfort und Sicherheitsempfinden erhöhen. / User-oriented bicycle planning is essential for the promotion of cycling in cities. In order to adequately plan and build cycling infrastructure, information on route choice be-haviour of cyclists and its influencing factors is essential. The knowledge about influencing factors of bicycle route choice can help to assess the effect of measures as well as future or potential utilisation of planned cycling infrastructure. Several international studies – particularly carried out in the last decade – examined route choice based on GPS-based revealed preference data. As the studies were mostly conducted for few and non-German cities the results, however, cannot be directly trans-ferred to the German area. In order to investigate bicycle route choice for the German area, the route choice of cyclists in the city of Dresden is analysed in this study. The basis of the investigation is a GPS data set collected during the CITY CYCLING campaign. It contains 18,459 bicycle trips by 1,361 cyclists and provides detailed information about the observed route choice be-haviour of cyclists. The collected route data were processed by using different methods. Linking the routes to a traffic supply network allowed enriching them with secondary data so that characteristics of the selected routes and the non-selected generated alternatives were determined. The influence of the different factors was investigated using logistic re-gression analysis. The results of the study reveal that the following influencing factors positively affect bicycle route choice: + Existence of cycling infrastructure + Low slopes + Good surface conditions (e.g. asphalt) + Presence of other cyclists along a route + Low maximum speed of motorised traffic + Few number of lanes for motorised traffic + Intersections controlled by traffic signals + Green and residential areas In contrast, the following factors show a negative influence on bicycle route choice: – Increasing distance – High proportion of routes with steep longitudinal gradients – A high maximum gradient along the route – Narrow width of the cycle lane – Higher accident frequency along the route For some influencing factors, no (significant) influence on route choice was found (e.g. for the average daily traffic volume of motorized traffic, stationary traffic or the frequency of right-of-way regulated intersections). The present study contributes to the quantification of influencing factors or rather their effect on bicycle route choice in a German city. Furthermore, the resulting route choice model can be used to estimate the effects of different measures (e.g. in the context of traffic demand modelling). A strength of the study is the extensive data set on revealed preferences of cyclists that has been used to analyse route choice behaviour. A critical reflection of the results and methods shows that the quality of the analysis and its results could further be improved by using more secondary and primary data as well as other models for analysis. The results of the study provide an insight into route choices of cyclists in the study area. However, it could not be determined whether route choice of cyclists in Dresden is similar to route choice of cyclists in other German cities. Nevertheless, the developed method could also be used to analyse route choice in other cities, so that reliable state-ments on route choice of German cyclists can be compiled. Overall, the following conclusions can be drawn: in order to provide cyclists the most attractive cycling infrastructure possible and, thus, promote the use of cycling in cities, bicycle traffic should be guided on dedicated and wide cycling infrastructure with good surface quality. Furthermore, the speed of moving motorised traffic should be reduced along the route segments if possible. Bundling of cycling traffic flows and routing cyclists through green spaces can furthermore increase riding comfort and the perception of safety.

Human Activity Recognition has become a popular research topic among data scientists. Over the years, multiple studies regarding humans and their daily motion habits have been investigated for many different purposes. This fact is not surprising when we look at all the opportunities and applications that can be applied and utilized thanks to the results of these algorithms. In this project we implement a system that can effectively collect sensor data from mobile devices, process it and by using supervised machine learning successfully predict the class of a performed activity. The project was executed based on datasets and features extracted from GPS sensors. The system was trained using various machine learning algorithms and Python SciKit to guarantee optimal solutions with accurate predictions. Finally, we applied a majority vote rule to secure the best possible accuracy of the activity classification process. As a result we were able to identify various activities including walking, cycling, driving and public transportation methods bus and metro with 90+% accuracy. / Att utföra aktivitetsigenkänning på människor har blivit ett populärt forskningsämne bland datavetare, där flertalet studier rörande människor och deras dagliga rörelsevanor undersökts för många olika syften. Detta är inte förvånande när man ser till de möjligheter och användningsområden som kan tillämpas och utnyttjas tack vare resultaten från dessa system. Detta projekt går ut på att implementera ett system som mha samlad sensordata från mobila enheter, kan bearbeta den och genom s.k övervakad maskininlärning med goda resultat bestämma den aktivitet som utförts. Projektet genomfördes baserat på dataset och egenskaper extraherade från GPS-data. Systemet tränades med olika maskininlärningsalgoritmer genom Python SciKit för att välja den bäst lämpade metoden för detta projekt. Slutligen tillämpade vi majority votemetoden för att säkerställa bästa möjliga noggrannhet i aktivitetsklassificeringsprocessen. Resultatet blev ett system som framgångsrikt kan identifiera aktiviteterna gå, cykla, köra bil samt med ett ytterligare fokus på kollektivtrafikmetoderna buss och tunnelbana, med en noggrannhet på över 90%. / Kandidatexjobb i elektroteknik 2020, KTH, Stockholm

The rapid growth of population and the permanent increase in the number of vehicles engender several issues in transportation systems, which in turn call for an intelligent and cost-effective approach to resolve the problems in an efficient manner. A cost-effective approach for improving and optimizing transportation-related problems is to unlock hidden knowledge in ever-increasing spatiotemporal and crowdsourced information collected from various sources such as mobile phone sensors (e.g., GPS sensors) and social media networks (e.g., Twitter). Data mining and machine learning techniques are the major tools for analyzing the collected data and extracting useful knowledge on traffic conditions and mobility behaviors. Deep learning is an advanced branch of machine learning that has enjoyed a lot of success in computer vision and natural language processing fields in recent years. However, deep learning techniques have been applied to only a small number of transportation applications such as traffic flow and speed prediction. Accordingly, my main objective in this dissertation is to develop state-of-the-art deep learning architectures for resolving the transport-related applications that have not been treated by deep learning architectures in much detail, including (1) travel mode detection, (2) vehicle classification, and (3) traffic information system. To this end, an efficient representation for spatiotemporal and crowdsourced data (e.g., GPS trajectories) is also required to be designed in such a way that not only be adaptable with deep learning architectures but also contains efficient information for solving the task-at-hand. Furthermore, since the good performance of a deep learning algorithm is primarily contingent on access to a large volume of training samples, efficient data collection and labeling strategies are developed for different data types and applications. Finally, the performance of the proposed representations and models are evaluated by comparing to several state-of-the-art techniques in literature. The experimental results clearly and consistently demonstrate the superiority of the proposed deep-learning based framework for each application. / PHD / The rapid growth of population and the permanent increase in the number of vehicles engender several issues in transportation systems, which in turn call for an intelligent and cost-effective approach to resolve the problems in an efficient manner. Furthermore, the recent advances in positioning tools (e.g., GPS sensors) and ever-popularity of social media networks have enabled generation of massive spatiotemporal and crowdsourced data. This dissertation aims to leverage the advances in artificial intelligence so as to unlock the rick knowledge in the recorded data and in turn, optimizing the transportation systems in a cost-effective way. In particular, this dissertation seeks for proposing end-to-end frameworks based on deep learning models, as an advanced branch of artificial intelligence, as well as spatiotemporal and crowdsourced datasets (e.g., GPS trajectory and social media) for improving three transportation problems. (1) Travel Mode Detection, which is defined as identifying users’ transportation mode(s) (e.g., walk, bike, bus, car, and train) when traveling around the traffic network. (2) Vehicle Classification, which is defined as identifying the vehicle’s type (e.g., passenger car and truck) while moving in a traffic network. (3) traffic information system based on social media networks, which is defined as detecting traffic events (e.g., crash) and capturing traffic information (e.g., traffic congestion) on a real-time basis from users’ tweets. The experimental results clearly and consistently demonstrate the superiority of the proposed deep-learning based framework for each application.

Cette thèse porte sur le problème de l'estimation des temps de parcours, de véhicules, par section de route dans un contexte urbain, en utilisant les données GPS à faible densité d’échantillon. L'un des défis de cette thèse est d'utiliser ce genre de données. Dans le cadre de ce travail de recherche, j'ai développé une carte numérique avec son nouveau système d'information géographique (SIG), qui traite la problématique du map-matching, où nous avons apporté des améliorations, ainsi que le problème du plus court chemin.La thèse s'inscrit dans le cadre du projet PUMAS (Plate-forme Urbaine de Mobilité Avancée et Soutenable), ce qui est un avantage pour nos recherches en ce qui concerne le processus de collecte de données réelles sur le terrain ainsi que pour faire nos tests. Le projet PUMAS est un projet préindustriel qui a pour objectif d'informer sur la situation du trafic mais également de développer et de mettre en œuvre une plate-forme de mobilité durable afin de l'évaluer dans la région, notamment à Rouen, France. Le résultat offre un cadre pour tout contrôleur de la situation, gestionnaire ou chercheur pour accéder à de vastes réserves de données sur l'estimation du flux du trafic, sur les prévisions et sur l'état du trafic. / This dissertation is concerned with the problem of estimating travel time per links in urban context using sparsely sampled GPS data. One of the challenges in this thesis is use the sparsely sampled data. A part of this research work, i developed a digital map with its new geographic information system (GIS), dealing with map-matching problem, where we come out with an enhancement tecnique, and also the shortest path problem.The thesis research work was conduct within the project PUMAS, which is an avantage for our research regarding the collection process of our data from the real world field and also in making our tests. The project PUMAS (Plate-forme Urbaine de Mobilité Avancée et Soutenable / Urban Platform for Sustainable and Advanced Mobility) is a preindustrial project that has the objective to inform about the traffic situation and also to develop an implement a platform for sustainable mobility in order to evaluate it in the region, specifically Rouen, France. The result is a framework for any traffic controller or manager and also estimation researcher to access vast stores of data about the traffic estimation, forecasting and status.

This master's thesis practical goal is to create an application with usefull graphical users interface, which allows to import training data from GPS device. Also it will generate graphical and statistical outputs of achived results with export option to HTML and tabular processors format. Theoretical part of this thesis presents introduction to creating of a training diary, short description of GPS system function, as next it describes GPS data storage formats and application design.

Taxis équipés de capteurs GPS sont un dispositif sensoriel important pour examiner les mouvements et les activités des gens. Dans cette thèse, nous cherchons à découvrir les facettes cachées en ce qui concerne les dynamiques sociales et communautaires codés dans les données de taxi GPS pour mieux comprendre comment se comporte la population urbaine et la dynamique résultant de la ville. Comme certains « aspects cachés» sont en ce qui concerne l'aspect similaire de la dynamique sociale et de la communauté, nous avons encore définissons formellement trois catégories pour l'étude, et les explorer à combler les écarts importants entre la première circuler des données GPS et des applications innovantes et des services urbains intelligents. Plus précisément, 1. Pour permettre aux applications d'alertes de fraude de taxi en temps réel, nous vous proposons algorithme iBoat qui est capable de détecter des trajectoires anormales "à la volée " et déterminer quelles parties de la trajectoire sont responsables de sa "anomalousness", en les comparant historiquement trajectoires ayant la même origine et de destination. 2. Pour introduire des services de transport respectueux de l'environnement aux citoyens rentable et, nous vous proposons B -Planner qui est une approche en deux phases, à planifier des itinéraires de bus de nuit bi- directionnelles de levier grands taxis données GPS. 3. Afin d'offrir un système de planification voyage d'itinéraire personnalisé, interactif, et le trafic-courant pour les utilisateurs, nous proposons système Tripplanner qui contient à la fois hors ligne et des procédures en ligne, en s'appuyant sur une combinaison de géolocalisation réseau social et des ensembles de données de taxi GPS. Enfin, certaines directions de recherche prometteuses pour les travaux futurs sont signalées, qui tentent essentiellement de fusionner les données de taxi GPS avec d'autres ensembles de données pour fournir des services urbains plus intelligents et personnalisés / Taxis equipped with GPS sensors are an important sensory device for examining people’s movements and activities. They are not constrained to a pre-defined schedule/route. Big taxi GPS data recording the spatio-temporal traces left by taxis provides rich and detailed glimpse into the motivations, behaviours, and resulting dynamics of a city’s mobile population through the road network. In this dissertation, we aim to uncover the “hidden facets” regarding social and community dynamics encoded in the taxi GPS data to better understand how urban population behaves and the resulting dynamics in the city. As some “hidden facets” are with regard to similar aspect of social and community dynamics, we further formally define three categories for study (i.e. social dynamics, traffic dynamics, and operational dynamics), and explore them to fill the wide gaps between the raw taxi GPS data and innovative applications and smart urban services. Specifically, 1. To enable applications of real-time taxi fraud alerts, we propose iBOAT algorithm which is capable of detecting anomalous trajectories “on-the-fly” and identifying which parts of the trajectory are responsible for its anomalousness, by comparing them against historically trajectories having the same origin and destination. 2. To introduce cost-effective and environment-friendly transport services to citizens, we propose B-Planner which is a two-phase approach, to plan bi-directional night bus routes leveraging big taxi GPS data. 3. To offer a personalized, interactive, and traffic-aware trip route planning system to users, we propose TripPlanner system which contains both offline and online procedures, leveraging a combination of Location-based Social Network (i.e. LBSN) and taxi GPS data sets. Finally, some promising research directions for future work are pointed out, which mainly attempt to fuse taxi GPS data with other data sets to provide smarter and personalized urban services for citizens

Cette thèse porte sur la modélisation du trafic dans les réseaux routiers et comment celle-ci est intégrée dans des modèles d'optimisation. Ces deux sujets ont évolué de manière plutôt disjointe: le trafic est prédit par des modèles mathématiques de plus en plus complexes, mais ce progrès n'a pas été incorporé dans les modèles de design de réseau dans lesquels les usagers de la route jouent un rôle crucial. Le but de cet ouvrage est d'intégrer des modèles d'utilités aléatoires calibrés avec de vraies données dans certains modèles biniveaux d'optimisation et ce, par une décomposition de Benders efficace. Cette décomposition particulière s'avère être généralisable par rapport à une grande classe de problèmes communs dans la litérature et permet d'en résoudre des exemples de grande taille. Le premier article présente une méthodologie générale pour utiliser des données GPS d'une flotte de véhicules afin d'estimer les paramètres d'un modèle de demande dit recursive logit. Les traces GPS sont d'abord associées aux liens d'un réseau à l'aide d'un algorithme tenant compte de plusieurs facteurs. Les chemins formés par ces suites de liens et leurs caractéristiques sont utilisés afin d'estimer les paramètres d'un modèle de choix. Ces paramètres représentent la perception qu'ont les usagers de chacune de ces caractéristiques par rapport au choix de leur chemin. Les données utilisées dans cet article proviennent des véhicules appartenant à plusieurs compagnies de transport opérant principalement dans la région de Montréal. Le deuxième article aborde l'intégration d'un modèle de choix de chemin avec utilités aléatoires dans une nouvelle formulation biniveau pour le problème de capture de flot de trafic. Le modèle proposé permet de représenter différents comportements des usagers par rapport à leur choix de chemin en définissant les utilités d'arcs appropriées. Ces utilités sont stochastiques ce qui contribue d'autant plus à capturer un comportement réaliste des usagers. Le modèle biniveau est rendu linéaire à travers l'ajout d'un terme lagrangien basé sur la dualité forte et ceci mène à une décomposition de Benders particulièrement efficace. Les expériences numériques sont principalement menés sur un réseau représentant la ville de Winnipeg ce qui démontre la possibilité de résoudre des problèmes de taille relativement grande. Le troisième article démontre que l'approche du second article peut s'appliquer à une forme particulière de modèles biniveaux qui comprennent plusieurs problèmes différents. La décomposition est d'abord présentée dans un cadre général, puis dans un contexte où le second niveau du modèle biniveau est un problème de plus courts chemins. Afin d'établir que ce contexte inclut plusieurs applications, deux applications distinctes sont adaptées à la forme requise: le transport de matières dangeureuses et la capture de flot de trafic déterministe. Une troisième application, la conception et l'établissement de prix de réseau simultanés, est aussi présentée de manière similaire à l'Annexe B de cette thèse. / The subject of this thesis is the modeling of traffic in road networks and its integration in optimization models. In the literature, these two topics have to a large extent evolved independently: traffic is predicted more accurately by increasingly complex mathematical models, but this progress has not been incorporated in network design models where road users play a crucial role. The goal of this work is to integrate random utility models calibrated with real data into bilevel optimization models through an efficient Benders decomposition. This particular decomposition generalizes to a wide class of problems commonly found in the literature and can be used to solved large-scale instances. The first article presents a general methodology to use GPS data gathered from a fleet of vehicles to estimate the parameters of a recursive logit demand model. The GPS traces are first matched to the arcs of a network through an algorithm taking into account various factors. The paths resulting from these sequences of arcs, along with their characteristics, are used to estimate parameters of a choice model. The parameters represent users' perception of each of these characteristics in regards to their path choice behaviour. The data used in this article comes from trucks used by a number of transportation companies operating mainly in the Montreal region. The second article addresses the integration of a random utility maximization model in a new bilevel formulation for the general flow capture problem. The proposed model allows for a representation of different user behaviors in regards to their path choice by defining appropriate arc utilities. These arc utilities are stochastic which further contributes in capturing real user behavior. This bilevel model is linearized through the inclusion of a Lagrangian term based on strong duality which paves the way for a particularly efficient Benders decomposition. The numerical experiments are mostly conducted on a network representing the city of Winnipeg which demonstrates the ability to solve problems of a relatively large size. The third article illustrates how the approach used in the second article can be generalized to a particular form of bilevel models which encompasses many different problems. The decomposition is first presented in a general setting and subsequently in a context where the lower level of the bilevel model is a shortest path problem. In order to demonstrate that this form is general, two distinct applications are adapted to fit the required form: hazmat transportation network design and general flow capture. A third application, joint network design and pricing, is also similarly explored in Appendix B of this thesis.

Elektrifizierte Lastenfahrräder werden als ein Lösungsansatz für die wachsenden Herausforderungen des städtischen Wirtschaftsverkehrs gesehen. Fokus dieser Arbeit ist eine Abschätzung des Einsatzpotenzials dieses Fahrzeugkonzepts unter Betrachtung von konzeptionellen, verkehrlichen und wirtschaftlichen Aspekten. Als kumulative Dissertation enthält sie fünf Fachartikel, gruppiert zu drei Forschungsbeiträgen. Im ersten Forschungsbeitrag wird erörtert, wie erfolgversprechend das E-Lastenrad, eine Neuauflage des alten Konzepts Lastenfahrrad, in einem Markt mit ersten Anwendern (Kurierdienstleistung) ist. Die Auftragsstruktur im Stadtkuriergeschäft bietet ein substanzielles Marktpotenzial für E-Lastenräder, allerdings erschwert die Positionierung zwischen zwei etablierten Modi (Pkw und Fahrrad) den Markteintritt. Der zweite Teil der Analyse weitet den Blick auf alle Branchen und bietet eine strukturierte Beschreibung der verschiedenartigen Einflussfaktoren (Treiber und Hemmnisse), die auf die Lastenradnutzung im städtischen Wirtschaftsverkehr wirken. Als relevante Entscheidungskriterien konnten identifiziert werden: fahrzeugseitige Aspekte, Strukturen und Prozesse des adoptierenden Unternehmens, Einstellungen der Entscheider*innen, weiche Faktoren sowie regulative und räumliche Rahmenbedingungen. Der dritte Beitrag thematisiert die operative Eignung des E-Lastenrads, indem seine Fahrtzeiten einem Pkw gegenübergestellt werden. Bei Strecken bis zu 3 km sind beide Modi nahezu gleich schnell. Die Hälfte aller Fahrten bis 20 km Distanz würde bei einem Wechsel vom Pkw zum Lastenrad höchstens 2–10 min länger dauern (ohne Berücksichtigung der Parksuchzeit). Bereits kleine Änderungen an den Verkehrsbedingungen könnten noch bestehende Vorteile des Pkw spürbar verringern. Insgesamt erweitert die Arbeit maßgeblich das Wissen zu einem „neuen alten“ Fahrzeugkonzept, dem ein Potenzial zur Auflösung von bislang auf das Automobil hin ausgerichteten Systemen beigemessen wird. / Shifting trips to electric cargo bikes is one possible solution to deal with the growing challenges of urban commercial transport. This thesis combines conceptual, transport-related, and economic aspects as a foundation to assess the feasibility of this vehicle concept for freight and service trips. It contains five scientific papers, which provide three research contributions. The first contribution identifies the potentials of electric cargo bikes among first users (i.e., courier logistics services). Electric cargo bikes are an updated and re-envisioned version of freight bicycles. The features of point-to-point courier logistics assignments offer a substantial market opportunity for electric cargo bikes. However, being positioned between two established modes (i.e., car and bicycle) handicaps the market entry of cargo bikes. For the second contribution, the scope was widened to include all business sectors. A structured description is presented of the various determinants (i.e., drivers and barriers) affecting commercial cargo bike use. Among these were vehicle-specific factors, structures and practices of the company, attitudes of decision-makers, soft factors, regulatory frameworks, and spatial conditions. The third contribution explores the travel time differences between electric cargo bikes and cars for commercial trips. For trip distances of up to 3 kilometers, the travel times of both modes largely overlap. Half of all trips up to 20 kilometers would take only a maximum of 2 to 10 minutes longer by electric cargo bike (excluding the additional time for finding a parking spot). Small modifications in traffic could have considerable effects in reducing the current travel time advantages of cars. Consequently, this dissertation contributes towards the state-of-research by expanding the scientific knowledge of a type of vehicle that has the potential to disrupt car-dependent transportation systems.