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