Transit surveys based on on-board passenger interviews suffer from bias. Most commonly observed is the short trip bias: passengers travelling short distances are underrepresented in survey results. Biased data leads to an incorrect estimation of passenger demand can result in an inequitable allocation of revenues between transport operators.
This paper examines how the short trip bias can be mitigated during the data ex-trapolation process. Four methods are examined: A simple extrapolation by boarding counts, three iterative proportional fitting models and an additional weighting concept are tested on simulated survey data. The simulative approach enables the evaluation of the examined methods concerning their effects in reducing short trip bias. A total of eight survey situations with selected parameters variated are simulated to allow conclusions about influencing factors.
Results suggest that the most effective method is the weighting approach, followed by the iterative proportional fitting methods. Within the class of the iterative propor-tional fitting methods no significant difference is observed. Furthermore it is observed that the effectiveness of the weighting approach strongly relates to passenger numbers and selection rates.
Furthermore an overview on topic related literature is given to examine practical approaches to reduce bias in survey data.:ABBILDUNGSVERZEICHNIS VII
TABELLENVERZEICHNIS VII
ABKÜRZUNGSVERZEICHNIS VIII
SYMBOLVERZEICHNIS IX
1 EINLEITUNG 1
2 ANFORDERUNGEN AN VERKEHRSERHEBUNGEN 5
2.1 Einnahmeaufteilung im SPNV 5
2.2 Aufbau von Verkehrserhebungen 8
2.2.1 Zweistufige Stichprobenziehung 8
2.2.2 Felderhebung: Zählung und Befragung 10
2.2.3 Datenaufbereitung 11
2.2.4 Hochrechnung und Auswertung 11
2.3 Problem der Stichprobenverzerrung 14
2.3.1 Präzision und Genauigkeit 14
2.3.2 Untererfassung von Kurzstreckenfahrern 15
2.3.3 Weitere Verzerrungsursachen 16
3 LITERATURÜBERBLICK: ANSÄTZE ZUR PROBLEMVERMEIDUNG 19
3.1 Hochrechnungsverfahren 19
3.1.1 Iterative Randsummenverfahren (IPF) 19
3.1.2 Gewichtungsverfahren 21
3.2 Weitere Ansätze 24
3.2.1 Platzgruppenverfahren 24
3.2.2 Anpassung der Startlösung des Hochrechnungsverfahrens 25
3.2.3 Veränderung der Auswahlprozedur der Fahrgäste 27
3.2.4 Veränderung des Erhebungsdesigns 28
4 METHODIK 31
4.1 Auswahl der Verfahren 31
4.1.1 Einsteigerhochrechnung 31
4.1.2 Fratarverfahren 32
4.1.3 Durchschnittsfaktormethode 32
4.1.4 MULTI-Verfahren 33
4.1.5 Gewichtungsverfahren von Keppeler und Schulze 34
4.2 Simulationsdaten 36
4.2.1 Fahrtdaten Linie 1 37
4.2.2 Fahrtdaten Linie 2 38
4.2.3 Befragungsszenarien 39
4.3 Gestaltung der IPF-Verfahren 40
4.3.1 Weitere Randbedingungen 40
4.3.2 Abbruchkriterien 42
4.3.3 Bester Iterationsschritt 44
4.3.4 Aufstellung der Startmatrix 44
4.4 Anwendung des Gewichtungsverfahrens 45
5 ERGEBNISSE 49
5.1 Charakteristik der Befragungsstichproben 49
5.2 Aggregierte Ergebnisse 51
5.3 Einfluss der Befragungsquoten 53
5.4 Verteilung der Verkehrsleistung nach Tarif 54
5.5 Konvergenzverhalten 55
6 DISKUSSION 57
6.1 Ergebnisinterpretation 57
6.2 Einordnung und Schlussfolgerungen 59
7 FAZIT UND AUSBLICK 63
EHRENWÖRTLICHE ERKLÄRUNG XVII
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:30361 |
| Date | 07 June 2017 |
| Creators | Neumann, Marcus |
| Contributors | Lösch, Stefanie, Okhrin, Ostap, Technische Universität Dresden |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | doc-type:masterThesis, info:eu-repo/semantics/masterThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds