Die vorliegende Arbeit analysiert am Beispiel Hamburg die Stadtteile hinsichtlich der Bikesharing-Nutzung. Ein Großteil der Untersuchungen im Bereich der öffentlichen Fahrradverleihsysteme geben einen Überblick über verschiedene Kundengruppen. Nur Wenige spezialisieren sich auf eine räumlich städtische Betrachtung bezüglich des Bikesharing. Für zukünftige Auswertungen ist es bedeutsam für Städte, die Bikesharing-Systeme betreiben, Auswirkungen eines solchen Systems auf verschiedene Räumlichkeiten in einer Stadt zu prüfen. Das Ziel dieser Forschung ist es zu erfassen, wie sich ausgewählte zeitbezogene und technische Merkmale der Bikesharing-Nutzung auf Stadtteile auswirken. Über einen Zeitraum vom Mai 2016 bis Mai 2017 werden Fahrten in ausgewählten Stadtteilen 24 Stunden lang betrachtet. Die dabei entstehenden Gruppen sollen untereinander möglichst heterogen sein. Als Datengrundlage wurden Daten des „Call a Bike“ Dienstes der Deutschen Bahn aufbereitet. Der Datensatz beinhaltet alle Stadtteile, in denen sich eine oder mehrere Verleihstationen befinden. Eine Clusteranalyse wurde durchgeführt. Drei in sich homogene Cluster sind entstanden, die daraufhin in allen ihren Merkmalsausprägungen ausgewertet wurden. Diese Gruppen unterscheiden sich hauptsächlich in der durchschnittlichen Dauer einer Fahrt und im Anteil der Kurzfahrten unter 30 Minuten. Je weiter ein Ortsteil vom Zentrum entfernt ist, desto länger dauert eine Fahrt. Der Kurzfahrtenanteil sinkt ebenfalls mit zunehmender Entfernung. Diese Erkenntnisse beweisen, dass die Dauer einer Fahrt den größten Einfluss auf das Klassifizieren besitzt. Die meisten Fahrten in den Stadtteilen beginnen primär am Nachmittag. In Hinblick auf die Wochentage fahren Kunden des ersten Clusters vermehrt am Wochenende. In den anderen beiden Clustern bewegen sich die Personen mehr unter der Woche. Bei der technischen Ausleihe ist festzustellen, dass die ersten beiden Cluster mehr Android-Nutzer beinhalten im dritten Cluster mehr iPhone-Nutzer. Die technische Ausleihe ist unabhängig von der Lage der Stadtteile. Untersuchungen haben ergeben, dass die Stadtteile in drei heterogene Cluster zu unterscheiden sind. Das zweite und das dritte Cluster ähneln sich in Zeiträumen sowie in Wochentagen. Weitere Forschung könnte auf andere zeitbezogene Eigenschaften wie Monate und Jahreszeiten eingehen. Der Einfluss der Techniker wäre ebenfalls interessant.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:31974 |
| Date | 22 October 2018 |
| Creators | Li, Alina |
| Contributors | Okhrin, Ostap, Kormoll, Kathrin, Technische Universität Dresden |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | doc-type:bachelorThesis, info:eu-repo/semantics/bachelorThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds