Während beim Fußgängerschutz sowohl auf gesetzlicher Seite als auch auf Seiten des Verbraucherschutzes (Euro NCAP) jeweils spezifische Prüfanforderungen zur Bewertung des Schutzpotentials von Fahrzeugfronten existieren, sind entsprechende Vorgaben hinsichtlich der Sicherheit von Fahrradfahrern bislang nicht definiert. Aktuelle Unfalldaten zeigen jedoch die hohe Relevanz von Radfahrerunfällen, welche hinsichtlich der Zahl der Verletzten deutlich über dem Anteil der verunglückten Fußgänger liegen. So wurden in Deutschland bei Straßenverkehrsunfällen im Jahre 2012 13.854 Fahrradfahrer schwer und 60.516 leicht verletzt. Bei den Fußgängern lag die Zahl der Leichtverletzten bei 23.348 und die der Schwerverletzten bei 7.962, wobei hier die Zahl der tödlich Verunglückten mit 520 gegenüber 406 getöteten Radfahrern etwas höher ausfällt. Während für die Gruppe der Fußgänger die Zahl der Getöteten von 2011 auf 2012 abgenommen hat, ist die Zahl der getöteten Radfahrer leicht gestiegen [STA13]. In Europa kamen im Jahr 2009 in den EU-15 Staaten zuzüglich Polen, Rumänien, Slowenien, Tschechien und Ungarn insgesamt 2.196 Radfahrer ums Leben, was 6,7% der Gesamtunfalltoten entspricht [DAC12]. Allerdings ist der Anteil der Radfahrer an der Zahl der insgesamt getöteten Verkehrsteilnehmer stark länderspezifisch und kann in einigen Ländern deutlich höher ausfallen. In den Niederlanden liegt dieser beispielsweise bei 21% (2009) [DAC12], sodass hier das Thema Radfahrerschutz einen besonders hohen Stellenwert besitzt. Auch wenn die absoluten Werte rückläufig sind und die Zahl der getöteten Radfahrer in den zwanzig betrachteten europäischen Staaten zwischen 2001 und 2009 um 32% gesunken ist [DAC12], so besteht weiterhin Handlungsbedarf. Gerade das durch die EU-Kommission im Jahr 2010 im Rahmen des „4th Road Safety Action Programme“ ausgegebene Ziel einer nochmaligen Halbierung der Zahl der Verkehrstoten bis zum Jahr 2020 erfordert auch Maßnahmen zur Verbesserung der Radfahrersicherheit. Von den im Jahr 2012 in Deutschland insgesamt 74.961 Fahrradunfällen mit Personenschaden waren 16,9% Alleinunfälle (Abb. 1-1). Bei 79,9% gab es nur einen weiteren Unfallbeteiligten (59.897) und bei 3,2% dieser Unfälle waren mindestens zwei weitere Verkehrsteilnehmer involviert. Der häufigste Unfallgegner war dabei ein Pkw (74%). In 8,3% der Fälle war ein weiterer Radfahrer und bei 6,3% ein Fußgänger der Unfallgegner. Insgesamt galten 41,5% aller unfallbeteiligten Radfahrer als Hauptverursacher ihres Unfalls. Bei Unfällen mit einem Pkw war der Radfahrer aber nur zu 24,9% und bei Unfällen mit Güterkraftfahrzeugen nur zu 18,9% der Hauptverursacher des Unfalls [STA13a]. Trotz der hohen Relevanz von Pkw-Radfahrerunfällen ist, im Gegensatz zu infrastrukturellen und verkehrserzieherischen Maßnahmen zur Radfahrersicherheit, ein fahrzeugseitiger Radfahrerschutz bislang kaum ausgeprägt. Als Grund ist hier in erster Linie das Fehlen eines radfahrerspezifischen Prüfverfahrens zur Bewertung des Schutzpotentials von Pkw-Frontflächen zu nennen. Die Implementierung einer entsprechenden Prüfvorschrift in der Gesetzgebung würde die Schaffung von Mindeststandards zum Radfahrerschutz ermöglichen und so zu einer Verbesserung der allgemeinen Verkehrssicherheit beitragen.

The present thesis introduces an iterative expert-based Bayesian approach for assessing greenhouse gas (GHG) emissions from the 2030 German new vehicle fleet and quantifying the impacts of their main drivers. A first set of expert interviews has been carried out in order to identify technologies which may help to lower car GHG emissions and to quantify their emission reduction potentials. Moreover, experts were asked for their probability assessments that the different technologies will be widely adopted, as well as for important prerequisites that could foster or hamper their adoption. Drawing on the results of these expert interviews, a Bayesian Belief Network has been built which explicitly models three vehicle types: Internal Combustion Engine Vehicles (which include mild and full Hybrid Electric Vehicles), Plug-In Hybrid Electric Vehicles, and Battery Electric Vehicles. The conditional dependencies of twelve central variables within the BBN - battery energy, fuel and electricity consumption, relative costs, and sales shares of the vehicle types - have been quantified by experts from German car manufacturers in a second series of interviews. For each of the seven second-round interviews, an expert's individually specified BBN results. The BBN have been run for different hypothetical 2030 scenarios which differ, e.g., in regard to battery development, regulation, and fuel and electricity GHG intensities. The present thesis delivers results both in regard to the subject of the investigation and in regard to its method. On the subject level, it has been found that the different experts expect 2030 German new car fleet emission to be at 50 to 65% of 2008 new fleet emissions under the baseline scenario. They can be further reduced to 40 to 50% of the emissions of the 2008 fleet though a combination of a higher share of renewables in the electricity mix, a larger share of biofuels in the fuel mix, and a stricter regulation of car CO$_2$ emissions in the European Union. Technically, 2030 German new car fleet GHG emissions can be reduced to a minimum of 18 to 44% of 2008 emissions, a development which can not be triggered by any combination of measures modeled in the BBN alone but needs further commitment. Out of a wealth of existing BBN, few have been specified by individual experts through elicitation, and to my knowledge, none of them has been employed for analyzing perspectives for the future. On the level of methods, this work shows that expert-based BBN are a valuable tool for making experts' expectations for the future explicit and amenable to the analysis of different hypothetical scenarios. BBN can also be employed for quantifying the impacts of main drivers. They have been demonstrated to be a valuable tool for iterative stakeholder-based science approaches. / Die vorliegende Arbeit verfolgt zwei Forschungsziele - ein inhaltliches und ein methodisches. Auf der inhaltlichen Ebene wurde die Entwicklung der CO2-Emissionen der deutschen Neuwagenflotte bis 2030 untersucht. Es wurden verschiedene technische Möglichkeiten daraufhin überprüft, inwieweit sie zur Emissionsminderung beitragen können, wie wahrscheinlich es ist, dass sie umgesetzt werden, und welche Voraussetzungen und Rahmenbedingungen bedeutenden Einfluß haben. Die methodische Innovation dieser Arbeit besteht darin, subjektive Einschätzungen von Experten mit einem Bayesianischen Netzwerk zu verknüpfen, um die Anwendung solcher Netzwerke auf Situationen von Unsicherheit im Knight'schen Sinne zu erweitern, hier am Beispiel der zukünftigen, heute nicht vorhersagbaren Entwicklung der CO2-Emissionen der deutschen Neuwagenflotte. Ein erster Schritt dieser Untersuchung bestand in der Erhebung und Auswertung der Einschätzungen von 15 Experten in Bezug auf die Möglichkeiten, die CO2-Emissionen neuer PKW in Deutschland bis 2020 zu senken. Erhoben wurden Aussagen über verfügbare Technologien, ihre Einsparpotenziale, ihre Umsetzungswahrscheinlichkeiten sowie wichtige Rahmenbedingungen. Ziel war es, wesentliche Variablen und deren Abhängigkeiten zu identifizieren, um eine Grundlage für die spätere Modellierung zu schaffen. Um die Untersuchung auf eine breite Basis zu stellen, wurden Experten von Autobauern und Zulieferern, Nichtregierungsorganisationen, Verbänden sowie solche aus Wissenschaft und Journalismus einbezogen. Aufbauend auf diesen Ergebnissen wurde in einem zweiten Schritt ein Bayesianisches Netzwerk entwickelt, mit dem die CO2-Emissionen der deutschen Neuwagenflotte im Jahr 2030 quantifiziert werden können. Außerdem sollten die Marktchancen verschiedener Fahrzeugtypen untersucht werden. Ein weiteres Ziel war es, den Einfluss verschiedener technologischer und regulatorischer Einflussfaktoren zu quantifizieren, die in der ersten Interviewrunde identifiziert worden waren. Gegenüber der ersten Interviewrunde wurde der zeitliche Rahmen der Untersuchung um 10 Jahre auf das Jahr 2030 erweitert. Das Bayesianische Netz erstreckt sich auf die zukünftigen Eigenschaften und Marktchancen von drei Fahrzeugtypen: Verbrennungsmotorische Fahrzeuge einschließlich aller Hybridvarianten bis hin zum Vollhybrid, Plug-In Hybride und Batterie-Elektrofahrzeuge. Das Netzwerk umfasst 46 miteinander verknüpfte Variablen. Für zwölf entscheidende Variablen wurden per Expertenbefragung bedingte Wahrscheinlichkeiten erhoben. Befragt wurden sieben Experten, fast alle hochrangige F&E- oder Umweltexperten bei deutschen Autobauern. Für jeden Experten entstand ein individuell quantifiziertes Netzwerk. Um mögliche Technologie- und Emissionspfade zu untersuchen, wurden verschiedene Szenarien definiert, die unterschiedliche Regulierungen, Batterie-Entwicklungspfade und CO2-Intensitäten von Treibstoffen und elektrischer Energie in Betracht ziehen. Im Basis-Szenario liegen die Erwartungswerte der CO2-Emissionen der deutschen Neuwagenflotte 2030 nach Einschätzung der Experten bei 50 bis 65% der Emissionen der Neuwagenflotte 2008. Kombiniert man einen gesteigerten Anteil erneuerbarer Energien im Strommix, einen größeren Anteil von Biotreibstoffen im Treibstoff-Mix und eine strengere CO2-Emissionsregulierung seitens der Europäischen Union, liegen die erwarteten Emissionen der Neuwagenflotte 2030 bei 40 bis 50% der Emissionen der Neuwagen 2008. Die Erwartungswerte der Neuflotten-Emissionen 2030 können in den verschiedenen BBN auf minimale Werte von 18 bis 44% der Emissionen der deutschen Neuwagenflotte von 2008 festgelegt werden. Es ist in den BBN durchaus möglich, aber in den betrachteten Szenarien unwahrscheinlich, die Emissionen so stark zu senken. Neben der Untersuchung von Fahrzeugtechnologien und CO2-Emissionen bis 2030 verfolgte die vorliegende Arbeit das Ziel, eine innovative Methode zu erproben. Es hat meines Wissens bisher kein Experten-basiertes BBN gegeben, das zukünftige Entwicklungen untersucht. Eine weitere Besonderheit des Ansatzes ist, dass für jeden Experten ein eigenes BBN quantifiziert wurde, so dass eine Schar von Netzwerken entstanden ist, deren Aussagen verglichen werden können. Dadurch war es möglich, die Bandbreite der Erwartungen verschiedener Experten abzuleiten und festzustellen, wo Erwartungen relativ konsistent sind, und wo sie weit auseinander liegen. Daraus lassen sich wertvolle Schlüsse ableiten, an welchen Punkten weitere Forschung besonders erfolgversprechend ist. BBN haben sich damit als nützliches Werkzeug für Stakeholder-basierte iterative Forschungsprozesse erwiesen. Insgesamt hat es sich als fruchtbarer neuer Ansatz erwiesen, Experten-basierte Bayesianische Netzwerke zur Untersuchung zukünftiger Entwicklungsmöglichkeiten heranzuziehen. Die Methode ermöglicht es auch, den Einfluß von Rahmenbedingungen zu bestimmen.

Das Verkehrsmittelwahlverhalten von Menschen ist komplex. So spielen soziodemografische, sozioökonomische sowie raum- und siedlungsstrukturelle Merkmale eine Rolle. In dieser Arbeit wird dieses Verhalten untersucht. Dabei wird eine homogene Grundgesamtheit geschaffen, welche alle Personen beinhaltet, die sowohl über eine Dauerkarte des öffentlichen Personenverkehrs als auch einen Personenkraftwagen verfügen. Anhand derer soll eine deskriptive Analyse und eine multinomiale logistische Regression Aufschluss geben, ob es Unterschiede zwischen den jeweiligen Nutzergruppen gibt. So lässt sich die Gruppe der ÖV-Nutzer durch folgende Charakteristiken beschreiben: der Großteil sind Frauen, sowie Personen, die eine hohe schulische und berufliche Bildung besitzen. Des Weiteren werden eher weniger Wege mit dem ÖV als mit dem PKW zurückgelegt. Erwerbstätige hingegen entscheiden sich eher für den PKW. / Human behavior towards the choice of transportation varies in very complex ways such as sociodemographics, socioeconomics as well as settlement structures. For this paper a homogenous population is created from season ticket holders for public transportation and car owners. Based on this population a descriptive analysis followed by a multinomial logistic regression is supposed to generate the differences between the user groups. The group of users of the public transportation system can be characterized as followed: the majority of users are women as well as highly educated people. Within this specific group distances are more likely to be covered by public transportation rather than by car. However the working population prefers to go by passenger car.

The automotive industry is facing the challenge to realize the turn over to a climate-neutral mobility. The use of fuel cell powertrains are a promising way. Especially the short duration for the refueling of the tank in combination with an acceptable range and the separation of energy production and the refueling process show the advantages of the powertrain technology against the battery electric vehicle for the customer. Current vehicle concepts use PEM based fuel cells, which provide in combination with low battery capacities the power for the electric motor. The efficiency of the entire powertrain is influenced on the one side by the design of the fuel cell and the battery size and on the other side by the dynamic power split. The actual series standard of powertrain topologies are fuel cell vehicles with a big fuel cell system and a small battery size. These powertrains shows advantages regarding maximum speed, efficiency and performance. Due to their size these powertrains show big challenges in terms of complexity, costs and long life durability. IAV used their 0D/1D simulation framework to layout a fuel cell based hybrid powertrain (fuel cell system and battery) with a very long range and high durability for the use in a medium-size passenger car. Beside the long range also very low costs can be achieved by the use of a small stack, less components and a low effort for the calibration of the fuel cell system. This powertrain is simulated by different cycles to show the performance in terms of different target values. Furthermore the innovative fuel cell system powertrain is compared with a battery electric vehicle in terms of long range capability. This publication closes with a cost analysis of the fuel cell based powertrain for the automotive market in 2025.

Climate change, increasing fine dust, changes in values and the accessibility of Carsharing are well discussed topics nowadays in combination with the vehicle ownerships in German households. This paper aims to characterize the vehicle ownership and to evaluate their effects. National and international literature discusses the vehicle ownership in different ways like car ownership as status symbol or the variable ‘vehicle ownership’ as a mediating variable. Basis of this analysis is a survey called ‘SrV - Mobilität in Städten’. The used data contains information about households in the 25 ‘großen SrV-Vergleichsstädte’. This information is available on different levels, which means that the information is available in separate datafiles for levels of ways, persons and households. The basis level for this analysis should be the household level. To get this level it is necessary to aggregate the information. As a result, we get several socioeconomic and alternative specific variables which must be investigated with descriptive and correlation methods in order to prove their suitability for the binary logit model. This model allows it to evaluate metric, nominal and categoric variables with the aim to find characteristics about vehicle ownership. Some results are for example that the vehicle ownership is more probable in households with more persons than in single-person households. Furthermore, the income and missing accessibility of alternatives have a positive effect on vehicle ownership. In addition, this model offers the possibility to predict the vehicle ownership in households. An interesting result is, that some variables have another effect than assumed. These results were compared with the findings of other papers. As a result, one can find some parallel and additional structures.:Abbildungsverzeichnis VII Tabellenverzeichnis IX Abkürzungsverzeichnis XI Symbolverzeichnis XIII 1 Einleitung 1 2 Literaturübersicht 3 3 Methodik 5 3.1 Deskriptive Analyse 5 3.1.1 Lage- und Streumaße 5 3.1.2 Zusammenhangsmaße 5 3.2 Binäre logistische Regression 7 3.2.1 Allgemeines 7 3.2.2 Modellformulierung 8 3.2.3 Schätzung der logistischen Regressionsfunktion 9 3.2.4 Prüfung des Gesamtmodells 10 3.2.5 Prüfung der Merkmalsvariablen 13 3.2.6 Residuen-Analyse 14 3.2.7 Interpretation der Regressionskoeffizienten 15 4 Daten 17 4.1 Datensatz 17 4.2 Aufbereitung der Daten 17 4.2.1 Zusammenhänge in der Multilevelstruktur 18 4.2.2 Wegedaten 18 4.2.3 Personendaten 19 4.2.4 Haushaltsdatei 20 4.3 Datengrundlage 21 5 Deskriptive Analyse 23 5.1 Vorgehen 23 5.2 Streu- und Lagemaße für kardinal skalierte und klassierte Variablen 23 5.2.1 Alternativenspezifische Variablen 23 5.2.2 Sozioökonomische Variablen 27 5.3 Korrelation zwischen den metrischen Variablen 29 5.4 Relative Häufigkeiten kategorialer Variablen 29 5.4.1 Höchste Schulausbildung im Haushalt 30 5.4.2 Höchste Berufsausbildung im Haushalt 30 5.4.3 Geschlecht 30 5.4.4 Altersklassen 31 5.4.5 Erwerbstätigkeit 32 5.5 Nominale Variablen 32 5.6 Beurteilung der Variablen anhand des korrigierten Kontingenzkoeffizienten nach Pearson 34 6 Binäres Logit-Modell 35 6.1 Schätzung der Regressionskoeffizienten 35 6.2 Prüfung des Gesamtmodells 37 6.2.1 Informationskriterien und Log-Likelihood-Wert 37 6.2.2 Likelihood-Ratio-Test 37 6.2.3 Pseudo-R2-Statistiken 37 6.2.4 Klassifizierung neuer Elemente 38 6.2.5 ROC-Kurve 38 6.3 Prüfung der Merkmalsvariablen 39 6.4 Residuen-Analyse 39 6.5 Interpretation und Diskussion der Regressionskoeffizienten 40 6.5.1 Metrische Variablen 40 6.5.2 Nominale Variablen 41 6.5.3 Kategoriale Variablen 42 6.5.4 Konfidenzintervalle 44 7 Fazit 45 8 Diskussion und Literatur 47 9 Kritische Würdigung und Ausblick 49 Anhang XVII Danksagung XXXI / In Zeiten des Klimawandels, erhöhten Feinstaubwerten, geänderten sozialen Wertevorstellungen und der Verfügbarkeit von Carsharing rückt der Pkw-Besitz in Haushalten immer wieder in den Fokus der Berichterstattung. Das Ziel dieser Arbeit ist es, Charakteristika zu finden, die den Pkw-Besitz beschreiben, und deren Wirkungen zu beurteilen. Der Besitz eines Pkws wird in der Literatur auf verschiedene Weise im Hinblick auf die Bedeutung als intervenierende Variable oder als Statussymbol untersucht. Als Grundlage dienen die Daten aus der Umfrage ‚SrV - Mobilität in Städten‘, wobei die Ergebnisse der 25 großen SrV-Vergleichsstädte verwendet werden. Diese Daten besitzen eine sogenannte Multilevelstruktur, das heißt, dass die Daten auf Wegeebene, Personenebene und Haushaltsebene separat vorliegen, wodurch eine Aggregation auf das Haushaltsniveau erforderlich wird. Der sich daraus ergebende Datensatz mit sozioökonomischen und alternativenspezifischen Variablen wird mithilfe deskriptiver Methoden sowie mit Zusammenhangsmaßen auf die Eignung als Variablen für die Anwendung des binären Logit-Modells untersucht, um aussagekräftige Ergebnisse generieren zu können. Mithilfe dieses Modells werden kardinale, kategoriale sowie nominale Variablen betrachtet und bewertet. Daraus lässt sich beispielsweise ableiten, dass der Pkw-Besitz in Haushalten mit zunehmender Personenzahl wahrscheinlicher ist, als bei Singlehaushalten. Auch das Einkommen und der fehlende Zugang zu Alternativen hat einen positiven Einfluss auf den Pkw-Besitz. Das Modell kann neben der Bestimmung der Eigenschaften dazu beitragen, den Pkw-Besitz in Haushalten zu prognostizieren. Interessant dabei ist, dass nicht alle Variablen die erwartete Wirkung entfalten. Die gefundenen Ergebnisse des Modells werden mit Erkenntnissen aus der Literatur verglichen, woraus sich einige Parallelen und Ergänzungen ergeben.:Abbildungsverzeichnis VII Tabellenverzeichnis IX Abkürzungsverzeichnis XI Symbolverzeichnis XIII 1 Einleitung 1 2 Literaturübersicht 3 3 Methodik 5 3.1 Deskriptive Analyse 5 3.1.1 Lage- und Streumaße 5 3.1.2 Zusammenhangsmaße 5 3.2 Binäre logistische Regression 7 3.2.1 Allgemeines 7 3.2.2 Modellformulierung 8 3.2.3 Schätzung der logistischen Regressionsfunktion 9 3.2.4 Prüfung des Gesamtmodells 10 3.2.5 Prüfung der Merkmalsvariablen 13 3.2.6 Residuen-Analyse 14 3.2.7 Interpretation der Regressionskoeffizienten 15 4 Daten 17 4.1 Datensatz 17 4.2 Aufbereitung der Daten 17 4.2.1 Zusammenhänge in der Multilevelstruktur 18 4.2.2 Wegedaten 18 4.2.3 Personendaten 19 4.2.4 Haushaltsdatei 20 4.3 Datengrundlage 21 5 Deskriptive Analyse 23 5.1 Vorgehen 23 5.2 Streu- und Lagemaße für kardinal skalierte und klassierte Variablen 23 5.2.1 Alternativenspezifische Variablen 23 5.2.2 Sozioökonomische Variablen 27 5.3 Korrelation zwischen den metrischen Variablen 29 5.4 Relative Häufigkeiten kategorialer Variablen 29 5.4.1 Höchste Schulausbildung im Haushalt 30 5.4.2 Höchste Berufsausbildung im Haushalt 30 5.4.3 Geschlecht 30 5.4.4 Altersklassen 31 5.4.5 Erwerbstätigkeit 32 5.5 Nominale Variablen 32 5.6 Beurteilung der Variablen anhand des korrigierten Kontingenzkoeffizienten nach Pearson 34 6 Binäres Logit-Modell 35 6.1 Schätzung der Regressionskoeffizienten 35 6.2 Prüfung des Gesamtmodells 37 6.2.1 Informationskriterien und Log-Likelihood-Wert 37 6.2.2 Likelihood-Ratio-Test 37 6.2.3 Pseudo-R2-Statistiken 37 6.2.4 Klassifizierung neuer Elemente 38 6.2.5 ROC-Kurve 38 6.3 Prüfung der Merkmalsvariablen 39 6.4 Residuen-Analyse 39 6.5 Interpretation und Diskussion der Regressionskoeffizienten 40 6.5.1 Metrische Variablen 40 6.5.2 Nominale Variablen 41 6.5.3 Kategoriale Variablen 42 6.5.4 Konfidenzintervalle 44 7 Fazit 45 8 Diskussion und Literatur 47 9 Kritische Würdigung und Ausblick 49 Anhang XVII Danksagung XXXI

Travel not only serves the purpose of engaging in spatially separated activities but also fulfills fundamental human needs for self-actualization, independence, and a sense of connection with the world. Unfortunately, the transportation sector faces significant challenges related to environmental, economic, and social issues, largely attributed to privately owned cars. Cars contribute to environmental problems through, e.g., emissions, resource depletion, and noise pollution, while also imposing economic burdens and exacerbating social inequalities. Despite these challenges, private car ownership and usage remain dominant. Addressing these issues calls for a transition to a sustainable and equitable mobility system. Currently, the predominant approach is the efficiency strategy, which focuses on technological advancements to reduce resource consumption. However, this strategy alone falls short, as the success of technological innovations ultimately depends on human behavior. Adaptations in behavior may offset efficiency gains, and improved technologies may not fully consider the true motivations, habits, and needs of mobility users. Consequently, the sufficiency strategy becomes indispensable, centering on human decision-making, lifestyles, behaviors, and consumption patterns.This dissertation aims to contribute to the development of a sustainable transportation system by identifying and laying the groundwork for effective, psychology-based approaches. Four individual studies delve into different aspects of the sufficiency strategy. Study 1. First, it is important to recognize that individuals exhibit a wide array of diverse needs, physical abilities, attitudes, and available mobility options. This study embarked on the task of identifying distinct mobility types prevalent among the German population. Drawing data from a representative national survey on everyday mobility behavior, socio-demographic, behavioral, geographic, and psychographic information was used to cluster individuals into eight stable mobility profiles by means of exploratory factor and cluster analysis. The results provide a foundation for the development of customized interventions aimed at reducing private car use and fostering sustainable transportation choices that accommodate diverse needs and preferences. Study 2. In the realm of novel mobility solutions tailored to address these needs, a qualitative, focus-group based study was conducted in Berlin, Germany, to explore the potential of Mobility as a Service (MaaS) in redirecting users away from private cars and enhancing access to diverse transportation options. Data from 12 focus group sessions was analyzed using qualitative content analysis. Results revealed that while MaaS effectively addresses nearly all instrumental motives of private car use, it falls short in tackling the symbolic and affective motives associated with car ownership. However, MaaS may contribute to a more sustainable mobility system by emphasizing its unique symbolic and affective motives as well as highlighting its potential to alleviate the burdens of car ownership. Study 3. As a readily applicable intervention, this study comprised an experiment to assess the effectiveness of nudges in encouraging commuters to shift toward transit options, employing the theory of planned behavior as a theoretical foundation. Participants were randomly assigned to different nudging groups or a control group, and data was analyzed using structural equation modeling and logistic regressions. While the theory demonstrated a good prediction of individuals’ decisions, none of the nudges achieved statistically significant effectiveness. This exploration of nudging interventions in the transportation sector provides insights into the limitations of strategies aimed at changing habituated commuting behavior. Study 4. The Covid-19 pandemic presented an unprecedented disruption to commuting habits, offering a unique opportunity to examine the impact of telecommuting on mobility-related attitudes. Through factor analysis and multivariate analyses of variance on longitudinal data from the California panel study of emerging transportation, the development of mobility-related attitudes of telecommuters and physical commuters was compared. Further, individuals’ intentions to telecommute in the future were modeled using external job related and attitudinal predictors. Results showed that fundamental attitudes toward mobility remained largely stable despitethe variations in commuting behavior and the pandemic’s progression. The main determinants of intentions to telecommute in the future were not job related but internal, including attitudes and tech-savviness. The model further suggests a prevalence of hybrid working beyond the pandemic, potentially opening up opportunities to prioritize sustainable transportation options due to a reduced demand for daily commuting. In addition to examining these four research projects individually, findings and their broader implications that span across the studies are discussed. These include the increasingly important role of tech-savviness, the integration of attitudinal constructs in interdisciplinary transportation research, the questionable impact of environmental concern on behavior, and the ambiguous effects of nudging interventions in the transportation sector. By delving into various psychological aspects of individuals' mobility behavior, this dissertation highlights the potential and, at times, the shortcomings of a diverse range of measures aimed at addressing the challenges of the transportation sector in the pursuit of sustainability and equity.:TABLE OF CONTENTS List of tables ix List of figures xi List of abbreviations xii Synopsis xiv 1 The trouble with individual mobility and what to do about it 16 1.1 Why we move 16 1.2 Challenges brought about by the transportation sector 17 1.3 Roots of mobility behavior 19 1.4 Changing for the better: the mobility transition 21 1.5 Aim and research questions 25 2 Study I. The identification of mobility types on a national level 28 2.1 Introduction 29 2.2 Method 31 2.3 Results 34 2.4 Interpretation and discussion 39 2.5 Conclusion 46 3 Study II. Access over ownership: barriers for adopting Mobility as a Service (MaaS) from the perspective of users and non-users 47 3.1 Introduction 48 3.2 Theoretical background 49 3.3 Method 52 3.4 Results 56 3.5 Discussion 68 4 Study III. Extending the theory of planned behavior to predict and nudge toward the subscription to a public transport ticket 74 4.1 Introduction 75 4.2 Literature review 76 4.3 Method 80 4.4 Analysis and results 83 4.5 Discussion 88 5 Study IV. Telecommuters vs. physical commuters during the Covid-19 pandemic: the change in mobility-related attitudes and the future intention to telecommute 92 5.1 Introduction 93 5.2 Conceptual framework and hypotheses 95 5.3 Data and method 98 5.4 Results 101 5.5 Discussion 113 6 Discussion .................. 119 6.1 Summary of findings and their meaning for the mobility transition 119 6.2 Impactful findings across studies 123 6.3 Conclusions on how to move forward in the mobility transition 128 7 References 130 8 Appendix 151 8.1 Appendix for chapter 2 151 8.2 Appendix for chapter 3 153 8.3 Appendix for chapter 4 156 8.4 Appendix for chapter 5 158 9 Acknowledgements and Funding 161 9.1 Study I (chapter 2) 161 9.2 Study II (chapter 3) 161 9.3 Study III (chapter 4) 161 9.4 Study IV (chapter 5) 161 9.5 Chapters 1 and 6 162 9.6 Personal acknowledgements 162

Mobilität und Verkehr, insbesondere der Verkehr mit PKW, sind unverzichtbare Bestandteile des Lebens. PKW erbringen ohne Zweifel große private Nutzen. Daneben erzeugen PKW aber auch sog. externe Effekte: Kosten, die die Fahrenden eigentlich unbeteiligten Dritten aufbürden. Dies sind Kosten durch Lärm und Abgase, durch ungedeckte Unfallkosten, durch die entstehenden Klimaschäden, durch "up- and downstream" - Effekte und durch sonstige Umweltkosten. Diese Kosten werden nicht vom Nutzer getragen, sondern von anderen Menschen, anderen Ländern und anderen Generationen. Letztlich führt dies dazu, dass die Kosten der Autonutzung in der EU-27 zu niedrig sind. Damit erge-ben sich ökonomisch zwingend ineffiziente Wahlentscheidungen: PKW werden häufiger genutzt als bei effizienten Allokationen. Auch deshalb gibt es in unseren Städten so viel Stau, so hohe Abgas- und Lärmemissionen, so hohe Steuern für die Kompensation der Schäden und so hohe Krankenkassenbeiträge. In der Untersuchung wurden, basierend auf allen vorliegenden Studien sowie auf der Methodik des „handbooks“ der EU-Kommission ("IMPACT") Schätzungen für die ungedeckten Kosten der 27 Mitgliedsländer der EU erarbeitet. Kostensätze für Lärm, Luftverschmutzung, Unfälle und up-/downstream Effekte wurden analog zu den Studien von CE Delft, Infras and Fraunhofer (2011) übernommen. Die Methodik ist im Text beschrieben und entspricht dem Stand des Wissens; im Bereich der Klimaschäden wurde ein höherer Ansatz und eine Bandbreite (low scenario: 72 €/t CO2; high scenario: 252 €/t CO2) gewählt.

Mobilität und Verkehr, insbesondere der Verkehr mit PKW, sind unverzichtbare Bestandteile des Lebens. PKW erbringen ohne Zweifel große private Nutzen. Daneben erzeugen PKW aber auch sog. externe Effekte: Kosten, die die Fahrenden eigentlich unbeteiligten Dritten aufbürden. Dies sind Kosten durch Lärm und Abgase, durch ungedeckte Unfallkosten, durch die entstehenden Klimaschäden, durch "up- and downstream" - Effekte und durch sonstige Umweltkosten. Diese Kosten werden nicht vom Nutzer getragen, sondern von anderen Menschen, anderen Ländern und anderen Generationen. Letztlich führt dies dazu, dass die Kosten der Autonutzung in der EU-27 zu niedrig sind. Damit erge-ben sich ökonomisch zwingend ineffiziente Wahlentscheidungen: PKW werden häufiger genutzt als bei effizienten Allokationen. Auch deshalb gibt es in unseren Städten so viel Stau, so hohe Abgas- und Lärmemissionen, so hohe Steuern für die Kompensation der Schäden und so hohe Krankenkassenbeiträge. In der Untersuchung wurden, basierend auf allen vorliegenden Studien sowie auf der Methodik des "handbooks" der EU-Kommission ("IMPACT") Schätzungen für die ungedeckten Kosten der 27 Mitgliedsländer der EU erarbeitet. Kostensätze für Lärm, Luftverschmutzung, Unfälle und up-/downstream Effekte wurden analog zu den Studien von CE Delft, Infras and Fraunhofer (2011) übernommen. Die Methodik ist im Text beschrieben und entspricht dem Stand des Wissens; im Bereich der Klimaschäden wurde ein höherer Ansatz und eine Bandbreite (low scenario: 72 €/t CO2; high scenario: 252 €/t CO2) gewählt.

Mobilität und Verkehr, insbesondere der Verkehr mit PKW, sind unverzichtbare Bestandteile des Lebens. PKW erbringen ohne Zweifel große private Nutzen. Daneben erzeugen PKW aber auch sog. externe Effekte: Kosten, die die Fahrenden eigentlich unbeteiligten Dritten aufbürden. Dies sind Kosten durch Lärm und Abgase, durch ungedeckte Unfallkosten, durch die entstehenden Klimaschäden, durch "up- and downstream" - Effekte und durch sonstige Umweltkosten. Diese Kosten werden nicht vom Nutzer getragen, sondern von anderen Menschen, anderen Ländern und anderen Generationen. Letztlich führt dies dazu, dass die Kosten der Autonutzung in der EU-27 zu niedrig sind. Damit erge-ben sich ökonomisch zwingend ineffiziente Wahlentscheidungen: PKW werden häufiger genutzt als bei effizienten Allokationen. Auch deshalb gibt es in unseren Städten so viel Stau, so hohe Abgas- und Lärmemissionen, so hohe Steuern für die Kompensation der Schäden und so hohe Krankenkassenbeiträge. In der Untersuchung wurden, basierend auf allen vorliegenden Studien sowie auf der Methodik des "handbooks" der EU-Kommission ("IMPACT") Schätzungen für die ungedeckten Kosten der 27 Mitgliedsländer der EU erarbeitet. Kostensätze für Lärm, Luftverschmutzung, Unfälle und up-downstream Effekte wurden analog zu den Studien von CE Delft, Infras and Fraunhofer (2011) übernommen. Die Methodik ist im Text beschrieben und entspricht dem Stand des Wissens; im Bereich der Klimaschäden wurde ein höherer Ansatz und eine Bandbreite (low scenario: 72 €/t CO2; high scenario: 252 €/t CO2) gewählt.

Mobilität und Verkehr, insbesondere der Verkehr mit PKW, sind unverzichtbare Bestandteile des Lebens. PKW erbringen ohne Zweifel große private Nutzen. Daneben erzeugen PKW aber auch sog. externe Effekte: Kosten, die die Fahrenden eigentlich unbeteiligten Dritten aufbürden. Dies sind Kosten durch Lärm und Abgase, durch ungedeckte Unfallkosten, durch die entstehenden Klimaschäden, durch "up- and downstream" - Effekte und durch sonstige Umweltkosten. Diese Kosten werden nicht vom Nutzer getragen, sondern von anderen Menschen, anderen Ländern und anderen Generationen. Letztlich führt dies dazu, dass die Kosten der Autonutzung in der EU-27 zu niedrig sind. Damit erge-ben sich ökonomisch zwingend ineffiziente Wahlentscheidungen: PKW werden häufiger genutzt als bei effizienten Allokationen. Auch deshalb gibt es in unseren Städten so viel Stau, so hohe Abgas- und Lärmemissionen, so hohe Steuern für die Kompensation der Schäden und so hohe Krankenkassenbeiträge. In der Untersuchung wurden, basierend auf allen vorliegenden Studien sowie auf der Methodik des "handbooks" der EU-Kommission ("IMPACT") Schätzungen für die ungedeckten Kosten der 27 Mitgliedsländer der EU erarbeitet. Kostensätze für Lärm, Luftverschmutzung, Unfälle und up-downstream Effekte wurden analog zu den Studien von CE Delft, Infras and Fraunhofer (2011) übernommen. Die Methodik ist im Text beschrieben und entspricht dem Stand des Wissens; im Bereich der Klimaschäden wurde ein höherer Ansatz und eine Bandbreite (low scenario: 72 €/t CO2; high scenario: 252 €/t CO2) gewählt.