Missing values are a serious problem in surveys. The literature suggests to replace these with realistic values using imputation methods. This master thesis examines four different imputation techniques concerning their ability for handling missing data. Therefore, mean imputation, conditional mean imputation, Expectation-Maximization algorithm and Markov-Chain-Monte-Carlo method are presented. In addition, the three first mentioned methods were simulated by using a large real data set. To analyse the quality of these techniques a metric variable of the original data set was chosen to generate some missing values considering different percentages of missingness and common missing data mechanism. After the replacement of the simulated missing values, several statistical parameters, like quantiles, arithmetic mean and variance of all completed data sets were calculated in order to compare them with the parameters from the original data set. The results, that have been established by empiric data analysis, show that the Expectation-Maximization algorithm estimates all considered statistical parameters of the complete data set far better than the other analysed imputation methods, although the assumption of a multivariate normal distribution could not be achieved. It is found, that the mean as well as the conditional mean imputation produce statistically significant estimator for the arithmetic mean under the supposition of missing completely at random, whereas other parameters as the variance do not show the estimated effects. Generally, the accuracy of all estimators from the three imputation methods decreases with increasing percentage of missingness. The results lead to the conclusion that the Expectation-Maximization algorithm should be preferred over the mean and the conditional mean imputation.

Der vorliegende Band 2 des Schlussberichtes "Mobilitätsanalysen für die Region Dresden" ordnet sich in das Teilprojekt AP 700 "Projektevaluation/ Wirkungsanalysen" ein. Es stellt die Ergebnisse umfangreicher Mobilitätsanalysen für das räumliche Untersuchungsgebiet von intermobil dar, die von der TU Dresden unter Nutzung des Systems repräsentativer Verkehrsbefragungen (SrV) durchgeführt worden sind. Sie bildeten eine wesentliche Grundlage der im AP 700 durchzuführenden Wirkungsanalyse, insbesondere im Hinblick auf die Abschätzung langfristig zu erwartender Wirkungen. Die gewonnenen Erkenntnisse haben darüber hinaus grundsätzliche Bedeutung für ein besseres Verständnis der komplexen Fragen von Verkehrs- und Mobilitätsentwicklung in der Region Dresden. (Dresden, im Dezember 2004 / Prof. Dr.-Ing. habil. Dr. h. c. H. Strobel - Projektleiter TU Dresden)

Die vorliegende Studienarbeit beschäftigt sich mit der Fragestellung, inwiefern sich Revealed-Preference-Daten aus der deutschen Mobilitätsbefragung "Mobilität in Städten" SrV 2008 dazu eignen, um basierend auf denen im Datensatz enthaltenen Wegen Verkehrsmittelwahlmodelle zu schätzen. Dazu wurden Wegedaten aus der Befragung verwendet, und die Wahlalternativen mit Hilfe der Google Directions API rekonstruiert. Mit den rekonstruierten Variablen Reisezeit und Reisekosten sowie verschiedenen sozioökonomischen und externen Variablen aus SrV 2008 wurden verschiedene Wahlmodelle geschätzt. Durch schrittweises Hinzufügen der Variablen konnte das Modell immer weiter verbessert werden. Wie zu erwarten, erwiesen sich dabei die Reisezeit und die Reisekosten als hoch signifikant. Von den restlichen Variablen waren jedoch lediglich das Geschlecht der befragten Person sowie die Wettersituation zum Zeitpunkt der Wahlentscheidung signifikant. Für das finale Modell wurden Zeitkostensätze errechnet und mit verschiedenen europäischen Studien verglichen. Die errechneten Zeitkostensätze erwiesen sich dabei als plausibel. Die SrV-Daten eignen sich also für die Schätzung von Wahlmodellen. / The following thesis analyzes, if revealed preference data from the German mobility survey "Mobilität in Städten" SrV 2008 is suited to estimate mode choice models. For that purpose, trip data from the survey was used and the different choice alternatives were reconstructed with the Google Directions API. Several mode choice models were estimated with the help of the reconstructed variables travel time and travel costs plus several socioeconomic and external variables from SrV 2008. The variables were added to the model step by step, thereby the quality of the model improved. As expected, travel time and travel costs were highly significant. However from the remaining variables only the gender of the person and the weather at the time of the trip were significant. For the final model, values of time were calculated and these were compared with values from different European studies. The calculated values of time proved to be feasible. Therefore, SrV data is suited to be used for mode choice models.

Die vorliegende Studienarbeit beschäftigt sich mit der Fragestellung, inwiefern sich Revealed-Preference-Daten aus der deutschen Mobilitätsbefragung "Mobilität in Städten" SrV 2008 dazu eignen, um basierend auf denen im Datensatz enthaltenen Wegen Verkehrsmittelwahlmodelle zu schätzen. Dazu wurden Wegedaten aus der Befragung verwendet, und die Wahlalternativen mit Hilfe der Google Directions API rekonstruiert. Mit den rekonstruierten Variablen Reisezeit und Reisekosten sowie verschiedenen sozioökonomischen und externen Variablen aus SrV 2008 wurden verschiedene Wahlmodelle geschätzt. Durch schrittweises Hinzufügen der Variablen konnte das Modell immer weiter verbessert werden. Wie zu erwarten, erwiesen sich dabei die Reisezeit und die Reisekosten als hoch signifikant. Von den restlichen Variablen waren jedoch lediglich das Geschlecht der befragten Person sowie die Wettersituation zum Zeitpunkt der Wahlentscheidung signifikant. Für das finale Modell wurden Zeitkostensätze errechnet und mit verschiedenen europäischen Studien verglichen. Die errechneten Zeitkostensätze erwiesen sich dabei als plausibel. Die SrV-Daten eignen sich also für die Schätzung von Wahlmodellen.:1 Einleitung 1 1.1 Vorstellung des Themas 1 1.2 Ziel dieser Arbeit 1 1.3 Gliederung dieser Arbeit 2 1.4 Wesentliche Ergebnisse 2 2 Theoretischer Hintergrund 3 2.1 Diskrete Wahltheorie 3 2.1.1 Deterministischer Nutzen 4 2.1.2 Stochastischer Störterm 5 2.1.3 Logit-Modell 6 2.2 Parameterschätzung 8 2.2.1 t-Test 9 2.2.2 Likelihood-Ratio Test 9 2.2.3 Likelihood-Ratio-Index 10 2.3 Datenquellen 10 3 Generierung eines RP-Datensatzes aus SrV-Daten 13 3.1 SrV 2008 13 3.2 Auswahl an Variablen und Datensätzen 13 3.3 Rekonstruktion der generischen Variablen 15 3.3.1 Google Directions API 15 3.3.2 Automatisierte API-Abfrage 16 3.3.3 Reisekosten 17 3.4 Erzeugter Datensatz 18 4 Modellentwicklung und Parameterschätzung 21 4.1 Entwicklung des Wahlmodells 21 4.2 Parameterschätzung mit Biogeme 24 4.3 Anwendung der Parameterschätzung auf die SrV-Daten 28 5 Diskussion der Modellergebnisse 33 5.1 Darstellung der Nutzeneinflüsse 33 5.2 Zeitkostensätze 35 5.3 Fehlerquellen 37 5.4 Fazit 38 Literaturverzeichnis 41 Datenquellen 45 Anhang 49 / The following thesis analyzes, if revealed preference data from the German mobility survey "Mobilität in Städten" SrV 2008 is suited to estimate mode choice models. For that purpose, trip data from the survey was used and the different choice alternatives were reconstructed with the Google Directions API. Several mode choice models were estimated with the help of the reconstructed variables travel time and travel costs plus several socioeconomic and external variables from SrV 2008. The variables were added to the model step by step, thereby the quality of the model improved. As expected, travel time and travel costs were highly significant. However from the remaining variables only the gender of the person and the weather at the time of the trip were significant. For the final model, values of time were calculated and these were compared with values from different European studies. The calculated values of time proved to be feasible. Therefore, SrV data is suited to be used for mode choice models.:1 Einleitung 1 1.1 Vorstellung des Themas 1 1.2 Ziel dieser Arbeit 1 1.3 Gliederung dieser Arbeit 2 1.4 Wesentliche Ergebnisse 2 2 Theoretischer Hintergrund 3 2.1 Diskrete Wahltheorie 3 2.1.1 Deterministischer Nutzen 4 2.1.2 Stochastischer Störterm 5 2.1.3 Logit-Modell 6 2.2 Parameterschätzung 8 2.2.1 t-Test 9 2.2.2 Likelihood-Ratio Test 9 2.2.3 Likelihood-Ratio-Index 10 2.3 Datenquellen 10 3 Generierung eines RP-Datensatzes aus SrV-Daten 13 3.1 SrV 2008 13 3.2 Auswahl an Variablen und Datensätzen 13 3.3 Rekonstruktion der generischen Variablen 15 3.3.1 Google Directions API 15 3.3.2 Automatisierte API-Abfrage 16 3.3.3 Reisekosten 17 3.4 Erzeugter Datensatz 18 4 Modellentwicklung und Parameterschätzung 21 4.1 Entwicklung des Wahlmodells 21 4.2 Parameterschätzung mit Biogeme 24 4.3 Anwendung der Parameterschätzung auf die SrV-Daten 28 5 Diskussion der Modellergebnisse 33 5.1 Darstellung der Nutzeneinflüsse 33 5.2 Zeitkostensätze 35 5.3 Fehlerquellen 37 5.4 Fazit 38 Literaturverzeichnis 41 Datenquellen 45 Anhang 49

Before the German reunification, Dresden was a city of motorized traffic and cyclist were rare. But in the 90's began a change of transport policy and cycling became more important. This Master Thesis wants to show the current standing of cycling in Dresden. Thats why the results of the "SrV"-study should be analysed with regard to potential cyclists and their journeys. As methods were used a descriptive analysis and the linear discriminant analysis, both used at a personal and journey-specific level of data. As a result, Dresden have to do much more to become a good "cycling-city", so the bike-level wasn't really high in the year 2013. Instead the car is still the mostly used transport vehicle and the proportion in the Modal-Split is only slowly sinking. But this study shows typical characteritics of cyclists and cycling journays of Dresden, so there is a basis to get more people involved to cycle and become a more eco-friendly city.:Abbildungsverzeichnis i Abkürzungsverzeichnis iii 1. Einleitung 1. 2. Theoretischer Teil 4 2.1 Diskriminanzanalyse 4 2.1.1 Umsetzung im Zweigruppenfall 6 2.1.2 Umsetzung im Mehrgruppenfall 8 2.1.3 Güteprüfung 9 2.2 Datensatz 12 2.3 Literaturrecherche 15 3. Praktischer Teil 23 3.1 Deskriptive Analyse 24 3.1.1 Auswertung auf Personenebene 25 3.1.2 Auswertung auf Wegeebene 33 3.2 Diskriminanzanalyse 40 3.2.1 Anwendung auf Personenebene 40 3.2.2 Anwendung auf Wegeebene 48 4. Fazit 54 5. Kritische Würdigung 58 6. Ausblick 61 Literaturverzeichnis I

Der hohe Anteil des Verkehrs an den Gesamtemissionen, dem damit verbundenen Beitrag zum Klimawandel sowie der extensive Flächenverbrauch des Individualverkehrs verstärken die politischen Forderungen nach einer Verkehrswende. Das Ziel dieser Arbeit ist es, mithilfe ausführlich methodisch dargestellter Verfahren des maschinellen Lernens ein optimales Klassifikationsmodell zu entwickeln. Dieses ermöglicht die Evaluation und Prognose der Verkehrsmittelwahl und damit den Modal Split auf Basis verschiedener Einflussfaktoren insbesondere im Zeitverlauf zwischen 2013 und 2018. Bisherige Untersuchungen konzentrieren sich auf außereuropäische Gebiete und einmalige Erhebungsdurchläufe. Für die Analyse wird auf die von der Technischen Universität Dresden durchgeführte Mobilitätsbefragung 'SrV - Mobilität in Städten' für die 25 großen deutschen Vergleichsstädte der Jahre 2013 und 2018 zurückgegriffen. Nach der Datenaufbereitung werden unter Verwendung deskriptiver Methoden und Zusammenhangsmaße die einzelnen Merkmalsvariablen auf die Eignung in der Modellbildung beurteilt, um möglichst aussagekräftige Modellergebnisse zu erhalten. Basierend auf CART-Entscheidungsbäumen werden Modelle mit dem Bagging-, Random Forest- und dem Boosting-Algorithmus für beide Jahre erstellt. Zur Einordnung der Effektivität der Modelle werden ebenfalls Modelle für Künstliche Neuronale Netzwerke und der Multinomialen Logistischen Regression für beide Jahre untersucht. Auf Basis von Random Forest, das insgesamt in der Untersuchung mit einer Gesamttrefferquote von 82,9 % (AUC-Wert 0,9458) für 2013 und 79,8 % (AUC-Wert 0,9377) für 2018 die besten Gütemaße erzielt, werden die Einflussfaktoren mittels eines Variable Importance Plots und des Partial Dependence Plots beschrieben und ausgewertet. Insbesondere wird festgestellt, dass Länge und Dauer des Weges und die Verfügbarkeit einer Dauerkarte für den öffentlichen Verkehr den größten Einfluss auf die Verkehrsmittelwahl haben. Im Zeitverlauf fällt auf, dass insbesondere MIV-Wege durch Rad- und ÖV-Fahrten substituiert werden, während bei den Fußwegen nur geringe Veränderungen auffallen. Die geschätzten Klassifikationsmodelle erreichen überwiegend herausragende Vorhersagen der Verkehrsmittelwahl, wobei diese Prognosen für das Fahrrad sich am schwierigsten gestalten.:Inhaltsverzeichnis Abbildungsverzeichnis VII Tabellenverzeichnis XI Abkürzungsverzeichnis XIII Symbolverzeichnis XV 1 Einleitung 1 2 Literaturübersicht 3 3 Methodik 5 3.1 Entscheidungsbäume 5 3.1.1 Notation der Baumstruktur 5 3.1.2 Regressionsbäume 6 3.1.3 Klassifikationsbäume 6 3.1.4 Stutzen eines Baumes und Abbruchkriterien 9 3.1.5 Bewertung des Verfahrens 10 3.2 Bagging 11 3.2.1 Idee 11 3.2.2 Bootstrap 12 3.2.3 Subsampling 12 3.2.4 Prinzip des Bagging-Algorithmus 12 3.2.5 Bewertung des Verfahrens und Anpassung 15 3.3 Random Forest 16 3.3.1 Idee 16 3.3.2 Prinzip des Random-Forest-Algorithmus 17 3.3.3 Bewertung des Verfahrens und Anpassung 20 3.3.4 Bewertung der Einflussfaktoren 21 3.4 Boosting 23 3.4.1 Idee 23 3.4.2 Prinzip des AdaBoost-Verfahrens 24 3.4.3 Evaluation 25 3.5 Künstliches Neuronales Netzwerk 25 3.5.1 Idee 26 3.5.2 Prinzip des Künstlichen Neuronalen Netzwerks 26 3.5.3 Evaluation und Anpassungsparameter 29 3.6 Multinomiale Logistische Regression 30 3.7 Gütemaße 30 3.7.1 Trefferquote 30 3.7.2 ROC-Kurve und AUC 30 4 Daten 33 4.1 Datensatz 33 4.2 Datenaufbereitung 34 4.2.1 Auflösung der Multilevelstruktur 34 4.2.2 Daten in der Haushaltsebene 35 4.2.3 Daten in der Personenebene 36 4.2.4 Daten in der Wegeebene 37 4.2.5 Ausreißer und fehlende Werte 37 5 Deskriptive Analyse 39 5.1 Auswertung der kategorialen abhängigen Variablen 39 5.2 Auswertung der kardinalen Variablen 40 5.2.1 Streu- und Lagemaße 40 5.2.2 Korrelation zwischen den kardinalen Variablen 42 5.3 Auswertung der ordinalen und nominalen Variablen 43 5.3.1 Relative Häufigkeiten 43 5.3.2 Beurteilung der ordinalen und nominalen Variablen mithilfe des korrigierten Kontingenzkoeffizienten nach Pearson 46 5.4 Analyse statistischer Unterschiede der beiden untersuchten Stichproben 47 6 Ergebnisse der Modelle 49 6.1 Baumbasierte Klassifikationsverfahren 49 6.1.1 CART-Entscheidungsbäume 49 6.1.2 Bagging 52 6.1.3 Random Forest 53 6.1.4 Boosting 66 6.2 Künstliches Neuronales Netzwerk 69 6.3 Multinomiale Logistische Regression 71 7 Fazit 73 8 Kritische Würdigung und Ausblick 75 Literaturverzeichnis XIX Anhang XXV Danksagung LXI / The high share of traffic in total emissions, the associated contribution to climate change and the extensive land consumption of individual traffic reinforce the political demands for a traffic turnaround. The aim of this thesis is to develop an optimal classification model with the help of detailed methodical presented methods of machine learning. This enables the evaluation and forcast of the choice of means of transport and thus the modal split on the basis of various influencing factors, particularly over the course of time between 2013 and 2018. Previous studies have focused on non-European areas and one-off surveys. For the analysis, the mobility survey 'SrV-Mobilität in Städten' carried out by the Technische Universität Dresden for the 25 large German cities in 2013 and 2018 is used. After the data processing, the individual feature variables are assessed for their suitability in the modeling process using descriptive methods and correlation measures in order to obtain the most meaningful model results possible. Based on CART Decision Trees, models with the Bagging, Random Forest and Boosting algorithms are created for both years. To classify the effectiveness of the models, models for Artificial Neural Networks and Multinomial Logistic Regression are also examined for both years. Based on Random Forest, which achieved the best quality measures in the study with an overall accuracy of 82.9 % (AUC value 0.9458) for 2013 and 79.8 % (AUC value 0.9377) for 2018, the influencing factors are described and evaluated using a Variable Importance Plot and the Partial Dependence Plot. In particular, it is found that the length and duration of the journey and the availability of a season ticket for public transport have the greatest influence on the choice of the mode of transport. Over the course of time, it is noticeable that in particular motorized traffic routes are being replaced by cycling and public transport, while only minor changes are noticeable in the case of walking. Most of the estimated classification models achieve excellent predictions in the choice of mode of transport, although these predictions are the most difficult for the bicycle.:Inhaltsverzeichnis Abbildungsverzeichnis VII Tabellenverzeichnis XI Abkürzungsverzeichnis XIII Symbolverzeichnis XV 1 Einleitung 1 2 Literaturübersicht 3 3 Methodik 5 3.1 Entscheidungsbäume 5 3.1.1 Notation der Baumstruktur 5 3.1.2 Regressionsbäume 6 3.1.3 Klassifikationsbäume 6 3.1.4 Stutzen eines Baumes und Abbruchkriterien 9 3.1.5 Bewertung des Verfahrens 10 3.2 Bagging 11 3.2.1 Idee 11 3.2.2 Bootstrap 12 3.2.3 Subsampling 12 3.2.4 Prinzip des Bagging-Algorithmus 12 3.2.5 Bewertung des Verfahrens und Anpassung 15 3.3 Random Forest 16 3.3.1 Idee 16 3.3.2 Prinzip des Random-Forest-Algorithmus 17 3.3.3 Bewertung des Verfahrens und Anpassung 20 3.3.4 Bewertung der Einflussfaktoren 21 3.4 Boosting 23 3.4.1 Idee 23 3.4.2 Prinzip des AdaBoost-Verfahrens 24 3.4.3 Evaluation 25 3.5 Künstliches Neuronales Netzwerk 25 3.5.1 Idee 26 3.5.2 Prinzip des Künstlichen Neuronalen Netzwerks 26 3.5.3 Evaluation und Anpassungsparameter 29 3.6 Multinomiale Logistische Regression 30 3.7 Gütemaße 30 3.7.1 Trefferquote 30 3.7.2 ROC-Kurve und AUC 30 4 Daten 33 4.1 Datensatz 33 4.2 Datenaufbereitung 34 4.2.1 Auflösung der Multilevelstruktur 34 4.2.2 Daten in der Haushaltsebene 35 4.2.3 Daten in der Personenebene 36 4.2.4 Daten in der Wegeebene 37 4.2.5 Ausreißer und fehlende Werte 37 5 Deskriptive Analyse 39 5.1 Auswertung der kategorialen abhängigen Variablen 39 5.2 Auswertung der kardinalen Variablen 40 5.2.1 Streu- und Lagemaße 40 5.2.2 Korrelation zwischen den kardinalen Variablen 42 5.3 Auswertung der ordinalen und nominalen Variablen 43 5.3.1 Relative Häufigkeiten 43 5.3.2 Beurteilung der ordinalen und nominalen Variablen mithilfe des korrigierten Kontingenzkoeffizienten nach Pearson 46 5.4 Analyse statistischer Unterschiede der beiden untersuchten Stichproben 47 6 Ergebnisse der Modelle 49 6.1 Baumbasierte Klassifikationsverfahren 49 6.1.1 CART-Entscheidungsbäume 49 6.1.2 Bagging 52 6.1.3 Random Forest 53 6.1.4 Boosting 66 6.2 Künstliches Neuronales Netzwerk 69 6.3 Multinomiale Logistische Regression 71 7 Fazit 73 8 Kritische Würdigung und Ausblick 75 Literaturverzeichnis XIX Anhang XXV Danksagung LXI

Die vorliegende Arbeit untersucht das Mobilitätsverhalten junger Erwachsener. Dies ist von besonderer Relevanz, da die heutige jüngere Generation die Mobilität der Zukunft prägen wird. Aus jenem Grund ist es von eminenter Bedeutung, dass diese Altersklasse intensiv und über einen längeren Zeitraum betrachtet wird, um Veränderungen in deren Verkehrsmittelwahlverhalten zu erkennen. Weiterhin beeinflussen neben den mobilitätsspezifischen Einflüssen auch soziodemografische Entwicklungen das genannte Verhalten, welche sowohl identifiziert, als auch bzgl. der Einflussstärke ausgewertet werden müssen. Ein Vergleich diverser Studien zeigt jedoch, dass die Altersklasse der jungen Erwachsenen eine noch relativ unerforschte Gruppe darstellt. Zudem besteht im Hinblick auf die Altersabgrenzung in der Literatur Uneinigkeit. Daraus ergibt sich die zentrale Frage dieser Arbeit, inwieweit sich die Gruppe der jungen Erwachsenen im Mobilitätsverhalten unterscheidet und ob es somit sinnvoll ist eine differenziertere Betrachtung vorzunehmen. Nach intensiver Recherche wurde hier die Altersspanne der jungen Erwachsenen wie folgt definiert: Personen zwischen 18 und 35 Jahren. Als Datengrundlage dieser empirischen Analyse wurden die großen SrV-Vergleichsstädte von 2013 herangezogen. Der Datensatz jener Stadtgruppe bezieht sich auf deutsche Großstädte mit mind. 100.000 Einwohnern. Mithilfe einer Clusteranalyse konnte zunächst eine Struktur im Datensatz aufgedeckt werden, wonach die 18-21-, 22-26- und 27-35-Jährigen homogene Cluster bilden. Diese Cluster wurden anschließend deskriptiv analysiert. Hierbei sind deutliche Unterschiede im Verkehrsmittelwahlverhalten festzustellen. Der MIV-Anteil steigt z. B. mit zunehmendem Alter an, wohingegen beim ÖPV ein entgegengesetztes Verhalten zu erkennen ist. Die Fahrradnutzung ist wiederum konstant und mit steigendem Alter werden mehr Wege zu Fuß zurückgelegt. Weiterhin werden die einzelnen Gruppen u. a. durch unterschiedliche Lebensumstände sowie neue Kommunikationstechnologie beeinflusst. Abschließend wurde eine Diskriminanzanalyse durchgeführt, um ein Modell zur Gruppentrennung der drei gebildeten Cluster zu entwickeln. Das resultierende Modell beinhaltet jeweils drei soziodemografische und mobilitätsspezifische Variablen und trennt die Gruppen sehr gut. Darüber hinaus wurden die Elemente eines Kontrolldatensatzes ähnlich optimal eingeordnet, wodurch die Anwendbarkeit dieses Modells bestätigt werden konnte. Die Analyse des Mobilitätsverhaltens der jungen Erwachsenen hat somit ergeben, dass es sich hierbei um eine heterogene Altersklasse handelt. Aus diesem Grund scheint es sinnvoll jene Zielgruppe bei zukünftigen Untersuchungen differenzierter zu betrachten und die ermittelten Cluster zu berücksichtigen.:Inhaltsverzeichnis v Abbildungsverzeichnis vii Abkürzungsverzeichnis ix 1 Einleitung 1 2 Theoretische Grundlagen 3 2.1 Datengrundlage 3 2.2 Multivariate Analysemethoden 5 2.2.1 Clusteranalyse 6 2.2.2 Diskriminanzanalyse 10 3 Literaturanalyse 17 3.1 Altersabgrenzung 17 3.2 Mobilitätsstudien 20 4 Clusteranalyse 25 4.1 Merkmalsvariablen 25 4.2 Clusterbildung 26 4.3 Ergebnisprüfung 27 5 Deskriptive Analyse 31 5.1 Soziodemografische Betrachtung 31 5.2 Mobilitätsspezifische Betrachtung 33 5.2.1 Modal-Split 33 5.2.2 Wegespezifische Daten 39 5.2.3 Verkehrstechnische Daten 41 6 Diskriminanzanalyse 47 6.1 Merkmalsvariablen 47 6.2 Untersuchungsergebnisse 50 6.3 Güteprüfung 52 6.3.1 Modellklassifikation 53 6.3.2 Kontrollgruppe 54 7 Fazit 57 8 Kritische Würdigung 59 9 Ausblick 61 Literaturverzeichnis XI Anhang XVII

京都大学 / 0048 / 新制・課程博士 / 博士(工学) / 甲第20338号 / 工博第4275号 / 新制||工||1662(附属図書館) / 京都大学大学院工学研究科社会基盤工学専攻 / (主査)教授 石田 毅, 教授 林 為人, 准教授 奈良 禎太 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM

Seit 1972 werden in Zusammenarbeit mit Städten nach dem an der Technischen Universität Dresden entwickelten System repräsentativer Verkehrsbefragungen (SrV) Informationen erhoben und Verkehrskennziffern berechnet. Die beteiligten Städte nutzten die gewonnenen Informationen für ihre Planungsaufgaben. Darüber hinaus war und ist der gesamte SrV - Ergebnispool auch stets Grundlage für Forschung und übergeordnete Planung. Dennoch konnten neue differenzierte Fragen mit diesem vorhandenen Ergebnispool nur mit hohem Aufwand oder oftmals gar nicht beantwortet werden. Die Entwicklung einer konsolidierten Datenbank war daher erforderlich. Der Verfasser hat SrV - Daten von 1987, 1991, 1994 und 1998 in einer einzigen neuen Datenbank vollständig integriert, so dass über diese Zeitreihe identische und ganzheitliche Abfragen möglich sind. In der vorliegenden Arbeit wurden auf dieser Grundlage wesentliche Entwicklungen des Verkehrs in ostdeutschen Städten dargestellt und interpretiert. Insbesondere konnte erstmalig der Freizeitverkehr, der bislang zu Unrecht eine untergeordnete Bedeutung im werktäglichen Verkehr hatte, quantifiziert werden. Die Darstellung und Interpretation des Ist - Zustandes, die Quantifizierung der Teilaktivitäten im Freizeitverkehr sowie die Abschätzung der Auswirkungen höherer Pkw - Verfügbarkeit älterer Bürger auf das spezifische Verkehrsaufkommen, der Verkehrsmittelwahl und der Verkehrsarbeit im werktäglichen Freizeitverkehr bis zum Jahr 2010 stellt beispielhaft dar, welche Möglichkeiten die erarbeitete SrV - Datenbank bietet. Zudem beschreibt die Arbeit auch methodische Zusammenhänge und Entwicklungen des SrV. Besondere Beachtung findet dabei das SrV 1998, das am Beispiel der Stadt Frankfurt am Main vertieft wird.

This thesis addresses the experimental investigation of the cavitation phenomenon and its main consequences on the normal operation of a safety relief valve (SRV). More particularly, limitation of the mass flux discharged and alteration of the hydraulic fluid forces behavior is of main interest for the proper design and sizing of such devices. In nuclear or thermal engineering systems, the use of SRVs is mandatory since it represents the ultimate protection device before an accident occurs, caused by a sudden pressurization of the system. A careful design and sizing of the SRV is therefore essential. The complete understanding of the physics taking place in the flow through the valve is required to guaranty and optimize the security of the protected process.<p><p>In order to investigate the above effects of cavitation in a SRV, two different orifice sized valves (API 2J3 type and a transparent model based on an API 1 1/2G3 type) are tested in two different experimental facilities expressly built for this purpose. Instead of using a spring, the design of both valves allows the adjustment of the disc at any desired lift. Hence the static behavior of the valves is investigated. Both facilities, operating at different magnitude scales, allow the study of single phase and cavitating flow conditions required to properly determine the most important hydraulic characteristics, and access on any potential scaling effect between both sized SRVs. Experimental techniques used for the determination of the hydraulic characteristics include temperature, flow rate, fluid forces and pressure measurements both upstream and downstream the test sections. <p><p>Results show a similar influence of cavitation on the flow characteristics of both valves, minimizing any potential scaling effect. The liquid pressure recovery factor FL, which is normally used to identify a choked flow condition in a control valve, is experimentally determined for the first time in a SRV. The existence of a local minimum located at small openings of the lift indicates a change on the flow characteristics of both valves, which is related to the location of the minimum cross section of the flow that does not remain constant for every lift position. An extended experimental campaign is performed to analyse the effect of the blowdown ring adjustment located around the nozzle of the API 2J3 valve. Results confirm that the position of the ring has an important contribution for the hydraulic forces acting on the valve disc. <p><p>In the second part of the research, precise optical diagnostic techniques are successfully applied in the transparent valve to locally characterize the flow topology in a SRV experiencing cavitation. These results are innovative and enrich the experimental database available in the literature for the characterization and understanding of the flow physics in such devices. In a first configuration, high speed visualization is applied to observe qualitatively the flow pattern and the inception of liquid vaporization. Particle tracking results suggest that vapor bubbles are formed in the core of vortices detached from the shear layers attached to the valve. These rotational structures promote lower pressure regions allowing the liquid to vaporize. In the second configuration, particle image velocimetry is applied to extract the velocity field in both single phase and cavitating flow conditions. Results of PIV confirm the existence of a submerged jet just downstream the minimum section. This jet is characterized by two non-symmetric shear layers at its sides. Under cavitation conditions, PIV results confirm that vapor bubbles are formed preferentially inside the jet shear layers. The phenomenon of mass flux limitation caused by cavitation is reproduced at small openings of the valve and interaction with the flow topology is highlighted. It is observed that limitation of the flow occurs when the vena contracta is shifted towards the minimum geometrical section of the flow. Finally, instabilities of the flow downstream the critical section are investigated in the frequency domain by means of time resolved data. Results suggest that vortex shedding mechanism is dominated by a constant Strouhal number which is slightly affected by the valve opening. <p><p>In the last part of the research, the methodology used in water is extended and applied to cryogenic liquids. Two different geometries are investigated experimentally and numerically using water and liquid nitrogen as working fluids. Results suggest that both the flow coefficient (determined at single flow conditions), and the liquid recovery factor (used to identify choked flows), are independent on the fluid properties and therefore, an hydraulic similarity relation can be proposed.<p><p>This research project was carried out at the von Karman Institute for Fluid Dynamics (VKI), in Belgium, in close collaboration and with the funding of Centre Technique des Industries Mécaniques (CETIM) in France. / Doctorat en Sciences de l'ingénieur / info:eu-repo/semantics/nonPublished