âStoffstromanalyse nachhaltige Mobilität im Kontext ... - Renewbility
âStoffstromanalyse nachhaltige Mobilität im Kontext ... - Renewbility
âStoffstromanalyse nachhaltige Mobilität im Kontext ... - Renewbility
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
„Stoffstromanalyse <strong>nachhaltige</strong><br />
Mobilität <strong>im</strong> <strong>Kontext</strong><br />
erneuerbarer Energien bis 2030“<br />
(renewbility, FZK 0327546)<br />
Zwischenbericht an das<br />
Bundesministerium für Umwelt,<br />
Naturschutz und Reaktorsicherheit (BMU)<br />
Berlin, März 2007<br />
Öko-Institut e.V. (Büros Darmstadt und Berlin)<br />
DLR-IVF (Berlin)<br />
In Kooperation mit<br />
Institut für Energetik und Umwelt (Leipzig)<br />
Institut für Energie- und Umweltforschung (Heidelberg)<br />
Technische Universität Dresden<br />
Öko-Institut e.V. Büro Berlin<br />
Novalisstraße 10<br />
D-10115 Berlin<br />
Tel.: (030) 280 486-80<br />
Fax: (030) 280 486-88<br />
www.oeko.de<br />
Büro Darmstadt<br />
Rheinstraße 95<br />
D-64295 Darmstadt<br />
Tel.: (06151) 8191-0<br />
Fax: (06151) 8191-33<br />
Geschäftsstelle Freiburg<br />
Postfach 50 02 40<br />
D-79028 Freiburg<br />
Tel. : (0761) 45295-0<br />
Fax : (0761) 475437
Institut für Verkehrsforschung<br />
- 1 -<br />
Inhaltsverzeichnis<br />
1 Einleitung ....................................................................................... 9<br />
1.1 Instrumente und Maßnahmen einer <strong>nachhaltige</strong>n Mobilität:<br />
Potenziale und Restriktionen ................................................................. 11<br />
1.2 Anforderungen an Analyseinstrumente für eine <strong>nachhaltige</strong> Mobilität ... 12<br />
1.3 Zielsetzungen ........................................................................................ 14<br />
1.4 Struktur des Zwischenberichts............................................................... 17<br />
2 Projektstruktur und –steuerung................................................. 18<br />
2.1 Joint Fact Finding: Integration, Partizipation und Kommunikation zur<br />
Stärkung der Wissensbasis ................................................................... 20<br />
2.1.1 Projektgruppe ...................................................................................... 20<br />
2.1.2 Expertentreffen .................................................................................... 21<br />
2.1.3 Wissenschaftlicher Beirat .................................................................... 21<br />
2.1.4 Begleitkreis .......................................................................................... 22<br />
2.2 Informations- und Kommunikationsangebot <strong>im</strong> Internet......................... 23<br />
3 Modellierung der Personenverkehrsnachfrage ........................ 25<br />
3.1 Einleitung und Struktur .......................................................................... 25<br />
3.2 Methodischer Ansatz der Personenverkehrsmodellierung..................... 26<br />
3.3 Deutschlandweite Nachfrage Personenverkehr (AP 1.2)....................... 28<br />
3.3.1 Auswahl eines geeigneten Makromodells ........................................... 28<br />
3.3.2 Berechnung der Verkehrsnachfrage mit VISEVA................................ 31<br />
3.3.3 Anwendung von VISEVA und VISUM <strong>im</strong> Forschungsvorhaben<br />
renewbility............................................................................................ 37<br />
3.4 Mikroskopische S<strong>im</strong>ulation der Personenverkehrsnachfrage in<br />
räumlicher Differenzierung (AP 1.3.2).................................................... 42<br />
3.4.1 Datengrundlage und Funktionsablauf TAPAS..................................... 42<br />
3.4.2 Methodischer Ansatz zur Umsetzung von Maßnahmen ...................... 50<br />
3.4.3 Umsetzung der in renewbility geplanten Maßnahmen......................... 58<br />
3.4.4 Anwendung von TAPAS für Berlin....................................................... 73<br />
3.4.5 Auswahl zweier weiterer Beispielräume zur Anwendung von<br />
TAPAS................................................................................................. 74<br />
3.4.6 Anwendung von TAPAS für Braunschweig und Main-Rhön................ 93<br />
3.4.7 Aktueller Stand und Ausblick............................................................... 93<br />
3.5 Best<strong>im</strong>mung der zukünftigen PKW-Neuwagenzulassungen.................. 94<br />
3.5.1 Einleitung............................................................................................. 94<br />
3.5.2 Vorgehensweise .................................................................................. 94<br />
Zwischenbericht, März 2007
- 2 -<br />
Institut für Verkehrsforschung<br />
3.5.3 Das ökonometrische Modell ................................................................ 96<br />
3.5.4 Potenzialanalyse zur Veränderung des Käuferverhaltens................. 108<br />
3.5.5 Zusammenfassung und Ausblick....................................................... 112<br />
4 Modellierung der Güterverkehrsnachfrage............................. 114<br />
4.1 Einleitung............................................................................................. 114<br />
4.2 Einführung in die Modellierung der Wirtschaftsverkehrsnachfrage...... 115<br />
4.3 Grundlagen der mikroskopischen S<strong>im</strong>ulation der Wirtschafts- und<br />
Güterverkehrsnachfrage WiVS<strong>im</strong> ........................................................ 116<br />
4.4 Funktionsweise von WiVSiM ............................................................... 117<br />
4.5 Aktueller Stand und Ausblick ............................................................... 123<br />
4.6 Umsetzung von Maßnahmen............................................................... 124<br />
4.7 Best<strong>im</strong>mung der zukünftigen LKW-Neuzulassungen (AP 2.3.1).......... 125<br />
5 Technologiedatenbasis............................................................. 127<br />
5.1 Energievorketten und Kraftstoffe ......................................................... 127<br />
5.1.1 Aktualisierungen der Datenbasis für Energieträger und Kraftstoffe... 132<br />
5.1.2 Ergänzungen der Datenbasis für Energieträger und Kraftstoffe........ 133<br />
5.1.3 Ergebnisse der bisherigen Arbeiten................................................... 133<br />
5.1.4 Experten-Workshop zu Kraftstoff-Vorketten ...................................... 133<br />
5.1.5 Abschluss der Arbeiten zu Vorketten in RENEWbility Phase I .......... 133<br />
5.2 Verkehrsträger und Antriebe................................................................ 134<br />
5.2.1 Experten-Workshop zu Fahrzeugeffizienz und Antrieben ................. 134<br />
5.2.2 Vorgehen zur Datengenerierung ....................................................... 134<br />
6 Modellinteraktion und –integration.......................................... 140<br />
6.1 Die EDV-Werkzeuge des Stoffstrommodels zur <strong>nachhaltige</strong>n<br />
Mobilität ............................................................................................... 140<br />
6.2 Die Interaktion der EDV-Werkzeuge.................................................... 142<br />
6.3 Erreichter Stand der Arbeiten .............................................................. 142<br />
7 Szenarienentwicklung............................................................... 144<br />
7.1 Basisszenario ...................................................................................... 144<br />
7.1.1 Kurzbeschreibung der für eine Basisentwicklung ausgewerteten<br />
Studien .............................................................................................. 146<br />
7.1.2 Vergleich der Rahmenbedingungen .................................................. 157<br />
7.1.3 Vergleich der Ergebnisse................................................................... 165<br />
7.1.4 Vorgehen zur Erstellung des Basisszenarios <strong>im</strong> Rahmen von<br />
renewbility.......................................................................................... 182<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 3 -<br />
7.2 Szenarioprozess.................................................................................. 190<br />
7.2.1 Hintergrund........................................................................................ 190<br />
7.2.2 Ziele................................................................................................... 191<br />
7.2.3 Methodische Grundlagen................................................................... 192<br />
7.2.4 Umsetzungsvorschlag ....................................................................... 192<br />
8 Ausblick zur weitergehenden Arbeitsplanung ....................... 195<br />
8.1 Projektstruktur und Steuerung ............................................................. 195<br />
8.2 Modellierung der Verkehrsnachfrage................................................... 195<br />
8.2.1 Personenverkehr ............................................................................... 195<br />
8.2.2 Modellierung von Maßnahmen <strong>im</strong> Personenverkehr ......................... 196<br />
8.2.3 Käuferverhalten PKW ........................................................................ 196<br />
8.2.4 Güterverkehr...................................................................................... 197<br />
8.3 Technologiedatenbasis........................................................................ 197<br />
8.3.1 Vorketten Energieträger und Kraftstoffe ............................................ 197<br />
8.3.2 Verkehrsträger und Antriebe.............................................................. 198<br />
8.4 Modellinteraktion und –integration....................................................... 198<br />
8.5 Szenarienentwicklung.......................................................................... 198<br />
8.5.1 Referenz- bzw. Basisszenario ........................................................... 198<br />
8.5.2 Szenarioprozess................................................................................ 198<br />
9 Literatur ...................................................................................... 199<br />
10 ANHANG ..................................................................................... 215<br />
Energieträger- und Kraftstoffvorketten für Deutschland - Umwelteffekte ....... 217<br />
Technologien zur Effizienzsteigerung von Pkw .............................................. 217<br />
Zwischenbericht, März 2007
- 4 -<br />
Institut für Verkehrsforschung<br />
Abbildungsverzeichnis<br />
Abbildung 1 : Strukturdiagramm der geplanten Leistungen und<br />
Arbeitspakete.................................................................................. 16<br />
Abbildung 2: Startseite des Internet-Auftritts des Projekts renewbility ................ 23<br />
Abbildung 3: Der traditionelle Vier-Stufen-Algorithmus in der<br />
Verkehrsplanung ............................................................................ 26<br />
Abbildung 4: Ablaufschema Nachfrageberechnung in VISEVA und<br />
Umlegung in VISUM ....................................................................... 37<br />
Abbildung 5: Ablaufschema des Modells TAPAS................................................ 43<br />
Abbildung 6: Sukzessive Verkehrsmittelwahl in TAPAS ..................................... 48<br />
Abbildung 7: Zusammenspiel der Ausgabegrößen von TAPAS sowie<br />
Inputparameter für VISEVA ............................................................ 72<br />
Abbildung 8: Mittlerer Wertebereich für den Indikator Einwohnerdichte -<br />
Basis verstädterte Räume .............................................................. 79<br />
Abbildung 9: Mittlerer Wertebereich für den Indikator Pkw-Dichte - Basis<br />
verstädterte Räume ........................................................................ 80<br />
Abbildung 10: Vorgehensweise zur Analyse des Pkw-Käuferverhaltens .............. 95<br />
Abbildung 11: Vorgehensweise zum ökonometrischen Modell ........................... 100<br />
Abbildung 12: Auszug des Polk-Datensatzes...................................................... 102<br />
Abbildung 13: Segmentbezogene Auswertung der Pkw-Anzahl je Haushalt ...... 110<br />
Abbildung 14: Ablaufschema von WiVS<strong>im</strong> .......................................................... 118<br />
Abbildung 15: Standorte der Kunden in Abhängigkeit von der<br />
Unternehmensgröße (Quelle: Men06).......................................... 121<br />
Abbildung 16: Standorte der Zulieferer in Abhängigkeit von der<br />
Unternehmensgröße (Quelle [Men06])......................................... 122<br />
Abbildung 17: Arbeitsablauf in WiVS<strong>im</strong> von Sendungsinformationen bis hin<br />
zu Fahrzeugkilometern, die in renewbility dann durch andere<br />
Module weiterverarbeitet werden. Rund wiederum Daten,<br />
eckig Arbeitsschritte. .................................................................... 123<br />
Abbildung 18: Struktur von Energie- und Stoff-Prozessketten (Vorketten) ......... 128<br />
Abbildung 19: Mögliche Umwelteffekte in den Vorketten für Energieträger ........ 129<br />
Abbildung 20: Gesamt Umwelteffekte aus Vorketten und Nutzung von<br />
Energieträgern und Kraftstoffen ................................................... 130<br />
Abbildung 21: Die Datenbank von GEMIS .......................................................... 131<br />
Abbildung 22: Die Energieträger- und Kraftstoffmatrix für RENEWbility ............. 132<br />
Abbildung 23: Entwicklung und Prognose der CO 2 -Emissionen der neu<br />
zugelassenen Pkw nach TREMOD [IFEU 2007] .......................... 137<br />
Abbildung 24: Schematische Darstellung der Varianten-Entwicklung................. 138<br />
Abbildung 25: Die EDV-Werkzeuge zur Stoffstromanalyse „Nachhaltige<br />
Mobilität“ ....................................................................................... 141<br />
Abbildung 26: Die Interaktion der EDV-Werkzeuge zur Stoffstromanalyse<br />
„Nachhaltige Mobilität“.................................................................. 142<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 5 -<br />
Abbildung 27: Auswahl an makroskopischen Einflussfaktoren auf die<br />
zukünftige Entwicklung <strong>im</strong> Personenverkehr, Quelle: frei nach<br />
[Jülich 2002] ................................................................................. 158<br />
Abbildung 28: Vergleich der Entwicklung des Bruttoinlandsproduktes in den<br />
betrachteten Studien .................................................................... 160<br />
Abbildung 29: Prognostizierte Entwicklung der Pkw/MIV-Fahrleistung bis<br />
2030.............................................................................................. 166<br />
Abbildung 30: Fahrleistungsberechnung des DIW nach der alten und der<br />
neuen Methode............................................................................. 167<br />
Abbildung 31: Prognostizierte Entwicklung der durchschnittlichen<br />
Jahresfahrleistung von Pkw.......................................................... 168<br />
Abbildung 32: Prognostizierte Entwicklung der Personenverkehrsleistung<br />
Pkw bis 2030 ................................................................................ 169<br />
Abbildung 33: Prognostizierte Entwicklung der Personenverkehrsleistung bis<br />
2030.............................................................................................. 169<br />
Abbildung 34: Prognostizierte Personenverkehrsleistung 2002 und 2030<br />
nach Verkehrsträger ..................................................................... 170<br />
Abbildung 35: Prognostizierter Pkw-Bestand nach Antriebstechnologien<br />
2002 und 2030.............................................................................. 171<br />
Abbildung 36: Prognostizierte Entwicklung des Kraftstoffverbrauchs <strong>im</strong> Pkw-<br />
Bestand ........................................................................................ 172<br />
Abbildung 37: Prognostizierte Entwicklung der Güterverkehrsleistung nach<br />
Verkehrsträgern............................................................................ 173<br />
Abbildung 38: Entwicklung des Energieverbrauchs Verkehr in EWI/Prognos<br />
und TREMOD ............................................................................... 175<br />
Abbildung 39: Entwicklung nach Verkehr in Zahlen [VIZ] und Prognose nach<br />
TREMOD und EWI/Prognos der Personenverkehrsleistung ........ 181<br />
Abbildung 40: Entwicklung nach Verkehr in Zahlen [VIZ] und Prognose nach<br />
TREMOD und EWI/Prognos der Güterverkehrsleistung .............. 181<br />
Abbildung 41: Mittleres jährliches Wachstum der einzelnen<br />
Wirtschaftszweige nach EWI/Prognos und IWH........................... 188<br />
Abbildung 42: Mittleres jährliches Wachstum der einzelnen<br />
Wirtschaftszweige nach EWI/Prognos und IWH und „relatives“<br />
Gewicht als Anteil der jeweiligen BWS......................................... 189<br />
Zwischenbericht, März 2007
- 6 -<br />
Institut für Verkehrsforschung<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 7 -<br />
Tabellenverzeichnis<br />
Tabelle 1: Exemplarische 17er Quelle-Ziel-Gruppen Einteilung ..................... 33<br />
Tabelle 2: Datengrundlage Status Quo Deutschland-Modellierung ................ 39<br />
Tabelle 3: Verkehrsaufkommen in Wegen pro Tag......................................... 40<br />
Tabelle 4: Verkehrsleistung in Pkm pro Jahr................................................... 41<br />
Tabelle 5: Literaturübersicht Maßnahmenwirkung .......................................... 69<br />
Tabelle 6: Verstädterte Regionen - Auswahl anhand von Indikatorwerten,<br />
Basis mittleren 50%........................................................................ 82<br />
Tabelle 7: Ländliche Regionen - Auswahl anhand von Indikatorwerten,<br />
Basis mittleren 50%........................................................................ 83<br />
Tabelle 8: Verstädterte Regionen in der engeren Auswahl - Ergebnisse<br />
Indikatorengruppe 1........................................................................ 86<br />
Tabelle 9: Verstädterte Regionen in der engeren Auswahl - Ergebnisse<br />
Indikatorengruppe 2........................................................................ 87<br />
Tabelle 10: Ländliche Regionen in der engeren Auswahl - Ergebnisse<br />
Indikatorengruppe 1........................................................................ 89<br />
Tabelle 11: Ländliche Regionen in der engeren Auswahl - Ergebnisse<br />
Indikatorengruppe 2........................................................................ 90<br />
Tabelle 12: Mögliche beeinflussende Variablen, die <strong>im</strong> Modell getestet<br />
werden.......................................................................................... 100<br />
Tabelle 13: Modifizierte KBA-Segmentierung ................................................. 105<br />
Tabelle 14: Variablen aus der MiD zur Analyse der Pkw-Nutzer und deren<br />
Nutzungsverhalten........................................................................ 109<br />
Tabelle 15: Prozentuale Minderung des Kraftstoffverbrauchs der Pkw-<br />
Varianten (Otto) bezogen auf die Standard-Variante<br />
entsprechend der Entwicklung der CO 2 -Emissionen der neu<br />
zugelassenen Pkw des Bezugsjahres .......................................... 139<br />
Tabelle 16: Prozentuale Minderung des Kraftstoffverbrauchs der Pkw-<br />
Varianten (Diesel) bezogen auf die Standard-Variante<br />
entsprechend der Entwicklung der CO 2 -Emissionen der neu<br />
zugelassenen Pkw des Bezugsjahres .......................................... 139<br />
Tabelle 17: Überblick über die betrachteten Studien ...................................... 146<br />
Tabelle 18: Vergleich der Entwicklung der Bevölkerungszahlen in den<br />
betrachteten Studien (in Mio.) ...................................................... 159<br />
Tabelle 19: Vergleich des jahresdurchschnittlichen BIP-Wachstums, das<br />
in den betrachteten Studien als Rahmenbedingung<br />
angenommen wurde..................................................................... 160<br />
Tabelle 20: Anzahl der Erwerbstätigen in Mio................................................. 161<br />
Tabelle 21: Qualitative Darstellung der verkehrspolitischen<br />
Rahmenbedingungen in den betrachteten Studien ...................... 162<br />
Tabelle 22: Qualitative Darstellung der technischen Entwicklung <strong>im</strong> Sektor<br />
Verkehr in den betrachteten Studien ............................................ 163<br />
Tabelle 23: Annahmen zur Entwicklung der Kraftstoffpreise........................... 165<br />
Zwischenbericht, März 2007
- 8 -<br />
Institut für Verkehrsforschung<br />
Tabelle 24: Annahmen zum spezifischen Verbrauch neu zugelassener<br />
Pkw in l/100 km ............................................................................ 171<br />
Tabelle 25: Fahrzeugbestand LKW/Sattelzüge in Mio. ................................... 174<br />
Tabelle 26: Kraftstoffverbrauch der Straßengüterfahrzeuge in l/100 km......... 174<br />
Tabelle 27: Datenanforderungen für die Modellierung des<br />
Personenverkehrs in renewbility - Basis 2030.............................. 184<br />
Tabelle 28: Datenanforderungen für die Modellierung des Güterverkehrs<br />
in renewbility - Basis 2030............................................................ 186<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 9 -<br />
1 Einleitung<br />
Das Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) legte eine<br />
Richtlinie zur Förderung von Untersuchungen zur Fortentwicklung der Gesamtstrategie<br />
zum weiteren Ausbau der Erneuerbaren Energien <strong>im</strong> Rahmen des Programms Energieforschung<br />
und Energietechnologien der Bundesregierung vor, mit der querschnittsorientierte,<br />
spartenübergreifende und interdisziplinäre Aspekte untersucht werden<br />
sollten 1 .<br />
Im Rahmen dieser Ausschreibung wird seit dem 01. Juli 2005 das Projekt „renewbility:<br />
Stoffstromanalyse <strong>nachhaltige</strong> Mobilität <strong>im</strong> <strong>Kontext</strong> der erneuerbaren Energien bis<br />
2030“ gefördert. Das Projekt wird vom Öko-Institut (Institut für angewandte Ökologie<br />
e.V.) geleitet und mit dem Institut für Verkehrsforschung des Deutschen Zentrums für<br />
Luft- und Raumfahrt (DLR) als Partner sowie dem Institut für Energetik und Umwelt<br />
Leipzig, dem Institut für Energie- und Umweltforschung (IFEU) und der Technischen<br />
Universität Dresden als kooperierende Institute durchgeführt.<br />
Der vorliegende Zwischenbericht spiegelt den Stand der Arbeiten zum 28. Februar<br />
2007 wider und stellt gleichzeitig die weitergehenden Planungen und Arbeiten dar.<br />
Eine zukunftsfähige Energiepolitik mit dem weitergehenden Ausbau des Anteils der<br />
Erneuerbaren Energien (EE) am Gesamtenergieverbrauch Deutschlands und die Förderung<br />
einer <strong>nachhaltige</strong>ren Mobilität in der Verkehrspolitik in Deutschland sind bedeutende<br />
Schwerpunkte der Nachhaltigkeitsstrategie der Bundesregierung, um nennenswerte<br />
Beiträge zu den ehrgeizigen Zielen einer <strong>nachhaltige</strong>n Entwicklung, insbesondere<br />
dem globalen Kl<strong>im</strong>aschutz, leisten zu können (BuReg 2002, BuReg 2004).<br />
Der Verkehrsbereich in Deutschland hatte <strong>im</strong> Jahr 2000 einen Anteil von 30 % am Endenergieverbrauch<br />
und trug zu etwa 22 % zu den energiebedingten CO 2 -Emissionen bei<br />
(Enquete 2002). Entgegen dem Trend in anderen Sektoren sind die vom Verkehr ausgehenden<br />
Kohlendioxid (CO 2 )-Emissionen zwischen 1990 und 2000 um über 13 %<br />
gestiegen. Die Ursache dafür lag in erster Linie in der gestiegenen Verkehrsleistung,<br />
die zwischen 1990 und 2000 allein <strong>im</strong> Güterverkehr um 41 % anstieg. Auch für das<br />
nächste Jahrzehnt wird prognostiziert, dass die CO 2 -Emissionen nicht abnehmen<br />
werden (UBA 2003). Das verdeutlicht, welche Bedeutung den Bemühungen um eine<br />
<strong>nachhaltige</strong>re Mobilität auch für eine zukunftsfähige Energiepolitik zukommt.<br />
Um verstehen zu können, wie es effektiv und effizient gelingen kann, sowohl den Zielstellungen<br />
einer <strong>nachhaltige</strong>ren Mobilität als auch denen einer zukunftsfähigen Energiepolitik<br />
<strong>im</strong> Verkehrsbereich näher zu kommen, fehlen bisher integrierte Analysein-<br />
1<br />
Richtlinie zur Förderung von Untersuchungen zur Fortentwicklung der Gesamtstrategie zum weiteren<br />
Ausbau der Erneuerbaren Energien (EE) vom 31. August 2004, BMU Berlin<br />
Zwischenbericht, März 2007
- 10 -<br />
Institut für Verkehrsforschung<br />
strumente, die es ermöglichen, über konsistente Zukunftsszenarien den Einfluss von politischen<br />
Rahmenbedingungen auf Veränderungen des Verkehrsangebots und der<br />
-nachfrage abzubilden. Über derartige Analyseinstrumente können die potenziellen Beiträge<br />
oder Konflikte zu den Zielen einer <strong>nachhaltige</strong>n Entwicklung beurteilt werden. Sie<br />
können damit eine wesentliche Grundlage zur Analyse, Bewertung und Legit<strong>im</strong>ation zukünftig<br />
notwendigen politischen Handelns für eine <strong>nachhaltige</strong> Entwicklung darstellen.<br />
Die Analyse wesentlicher Umweltziele einer <strong>nachhaltige</strong>ren Mobilität vor dem Hintergrund<br />
der Trends und Entwicklungen der verkehrsbedingten Umweltbelastungen am<br />
Beispiel Deutschlands, verdeutlichen die Motivation und Legit<strong>im</strong>ation für weit reichende<br />
Maßnahmen für eine <strong>nachhaltige</strong>re Mobilität. Das wird auch über die aktuellen<br />
Debatten zu den Leistungen der europäischen Automobilindustrie für den Kl<strong>im</strong>aschutz<br />
oder die Diskurse zu den Potenzialen einzelner Maßnahmen wie einem bundesweiten<br />
Tempol<strong>im</strong>it deutlich.<br />
Die Ausführungen zeigen aber auch, dass langfristig vor allem die Kl<strong>im</strong>aschutzziele die<br />
größten Herausforderungen für die Realisierung einer <strong>nachhaltige</strong>n Mobilität darstellen.<br />
Je stärker die verkehrsbedingten Treibhausgas-Emissionen zu den Gesamtemissionen<br />
in Deutschland beitragen, desto umfassendere Maßnahmen sind <strong>im</strong> Verkehrsbereich<br />
notwendig, um den mittel- und langfristigeren Erfordernissen des globalen<br />
Kl<strong>im</strong>aschutzes und damit auch den Kl<strong>im</strong>aschutzzielen der Bundesregierung gerecht zu<br />
werden.<br />
Im <strong>Kontext</strong> der Richtlinie zur Förderung von Untersuchungen zur Fortentwicklung der<br />
Gesamtstrategie zum weiteren Ausbau der erneuerbaren Energien <strong>im</strong> Rahmen des Programms<br />
Energieforschung und Energietechnologien der Bundesregierung mit der querschnittsorientierte,<br />
spartenübergreifende und interdisziplinäre Aspekte untersucht<br />
werden sollen, stehen aus der Perspektive des Öko-Instituts und dem Institut für Verkehrsforschung<br />
des DLR dabei weiterhin folgende Fragen <strong>im</strong> Mittelpunkt:<br />
• Welche Instrumente und Maßnahmen sind erforderlich, um konsequent die Ziele<br />
einer <strong>nachhaltige</strong>n Mobilität erreichen zu können?<br />
• Welche Bedeutung haben die erneuerbaren Energien für diese Strategie einer<br />
<strong>nachhaltige</strong>ren Mobilität?<br />
• Welche politischen und rechtlichen Instrumente und Maßnahmen können den<br />
Einsatz erneuerbarer Energien für eine <strong>nachhaltige</strong>re Mobilität auch mit Blick auf<br />
eine zukunftsfähige Energieversorgung sinnvoll fördern?<br />
• Welche Konsequenzen ergeben sich daraus für die Gesamtstrategie des Ausbaus<br />
erneuerbarer Energien in Deutschland?<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 11 -<br />
1.1 Instrumente und Maßnahmen einer <strong>nachhaltige</strong>n Mobilität:<br />
Potenziale und Restriktionen<br />
Damit der Verkehr mittel- und langfristig zum Kl<strong>im</strong>aschutz und zu den weiteren Zielen<br />
einer <strong>nachhaltige</strong>n Mobilität beitragen kann, ist es erforderlich ein hohes Maß an<br />
Mobilität mit weniger verkehrsbedingten Umweltauswirkungen zu ermöglichen. Um<br />
dieses Ziel zu erreichen, werden aktuell verschiedenste Instrumente und Maßnahmen<br />
diskutiert. Die Spannweite reicht dabei von ordnungs-, preis- und fiskalpolitischen über<br />
strukturpolitische, planerische, verkehrstechnische und organisatorische Maßnahmen<br />
bis hin zu Maßnahmen zur Sensibilisierung der Verkehrsteilnehmer. Zielrichtung der<br />
Maßnahmen können dabei Verkehrsvermeidung und -verlagerung, Steigerung der<br />
Effizienz oder technische Verbesserungen sein. Bei den technischen Maßnahmen<br />
n<strong>im</strong>mt neben der Verbesserung der herkömmlichen Antriebe und Kraftstoffe die<br />
Diskussion um alternative Antriebe und Kraftstoffe insbesondere auf Basis erneuerbarer<br />
Energien eine bedeutende Rolle ein.<br />
Bei der Analyse der potenziellen Lösungsbeiträge für eine <strong>nachhaltige</strong>re Mobilität<br />
wurden in der Vergangenheit oft nur einzelne Instrumente und Maßnahmen isoliert<br />
betrachtet. Im Allgemeinen kann festgehalten werden, dass technische Maßnahmen<br />
für eine <strong>nachhaltige</strong>re Mobilität, die das Verkehrsangebot adressieren, in Analysen<br />
kaum in Verbindung gesetzt werden mit Instrumenten und Maßnahmen, die auf die<br />
Veränderung der Verkehrsnachfrage abzielen. Vergleichbares gilt vice a versa. Das ist<br />
aus der Perspektive der Verbundpartner dieses Antrags problematisch, da die Analyse<br />
der Potenziale einer <strong>nachhaltige</strong>ren Mobilität eine integrierte und konsistente Betrachtung<br />
erfordert.<br />
Die Ausgangsthese ist dabei, dass eine <strong>nachhaltige</strong>re Mobilität nicht ohne den Ausbau<br />
des Anteils erneuerbarer Energieträger bzw. Kraftstoffe möglich ist, aber auch nicht<br />
ohne weitergehende planerische, politische und rechtliche Instrumente und technische<br />
Maßnahmen – insbesondere diejenigen, die auch die Mobilitätserfordernisse und damit<br />
die Verkehrsnachfrage adressieren - zu erreichen ist. Die zeitlich dynamischen Wechselwirkungen<br />
zwischen<br />
• den planerischen, politischen und rechtlichen Rahmenbedingungen einer <strong>nachhaltige</strong>ren<br />
Mobilität,<br />
• den technischen Veränderungen des Verkehrsangebots insbesondere <strong>im</strong> Hinblick<br />
auf den Einsatz erneuerbarer Energieträger bzw. Kraftstoffe <strong>im</strong> Verkehrssektor<br />
und<br />
• der Entwicklung der Mobilitätserfordernisse bzw. Verkehrsnachfrage<br />
sind bei der opt<strong>im</strong>alen Instrumentierung einer <strong>nachhaltige</strong>ren Mobilität genauso adäquat<br />
zu berücksichtigen wie die Interdependenzen mit anderen Bedürfnisfeldern und<br />
Wirtschaftssektoren, in denen erneuerbare Energien gefördert werden sollen.<br />
Zwischenbericht, März 2007
- 12 -<br />
Institut für Verkehrsforschung<br />
1.2 Anforderungen an Analyseinstrumente für eine <strong>nachhaltige</strong><br />
Mobilität<br />
Zur Analyse dieser entscheidenden Wechselwirkung bedarf es adäquater Modellierungs-<br />
und Analyseinstrumente, um erfolgreiche und effiziente politische Entscheidungen<br />
für eine <strong>nachhaltige</strong>re Mobilität zu ermöglichen und abzusichern. Solche Politik<br />
unterstützenden Analyseinstrumente für den Mobilitätsbereich existieren bisher nicht.<br />
Wesentliche Defizite und damit Erfordernisse zur Weiterentwicklung sieht das<br />
Forschungskonsortium in den folgenden Bereichen:<br />
• Bei den existierenden Analysen zu den Potenzialen einzelner technischer,<br />
planerischer, ökonomischer und rechtlicher Instrumente und Maßnahmen für<br />
eine <strong>nachhaltige</strong>re Mobilität wurde die Entwicklung der Verkehrsnachfrage zu<br />
wenig berücksichtigt. Erst auf Basis einer detaillierten Analyse der Nachfrageseite<br />
(differenziert nach Verkehrssegmenten, Nutzer- und Kundegruppen) ergeben<br />
sich entscheidende Determinanten für die Umsetzungspotenziale und Realisierungschancen<br />
der Instrumente und Maßnahmen insbesondere in Bezug<br />
auf den Einsatz erneuerbarer Energien, die bisher nahezu unberücksichtigt<br />
blieben. Die unterschiedliche Dynamik in den einzelnen Verkehrssegmenten<br />
und die damit verbundenen Umweltauswirkungen legen eine Priorisierung der<br />
Handlungsfelder <strong>nachhaltige</strong>r Mobilität und damit der Maßnahmen und Instrumente<br />
zum Kl<strong>im</strong>a- und Immissionsschutz nahe. Nicht jedes Instrument und jede<br />
Maßnahme kommt für jedes Verkehrssegment zu jedem Zeitpunkt sinnvoll in<br />
Frage.<br />
Eine besondere Herausforderung stellt der Straßengüterfernverkehr dar. Sind<br />
zum Beispiel alternative Kraftstoffstrategien in anderen Bereichen in Ansätzen<br />
erfolgreich, kommen sie gerade in dem wachsenden und damit ökologisch relevanten<br />
Markt des Straßengüterfernverkehrs so gut wie nicht zum Tragen. Nur<br />
zielgruppenspezifische Strategien mit ökonomischen und rechtlichen Instrumenten<br />
werden den Einstieg auch in erneuerbare Energieträger bzw. alternative<br />
Kraftstoffe und Antriebssysteme ermöglichen. Dies bedeutet, dass Analyseinstrumente<br />
für eine realistische Potenzialabschätzung von Maßnahmen<br />
Restriktionen der Nachfrageseite berücksichtigen müssen.<br />
• In Bezug auf den Einsatz von erneuerbaren Energien bzw. alternativen Kraftstoffen<br />
<strong>im</strong> Verkehrssektor für einen effizienten Kl<strong>im</strong>a- und Immissionsschutz<br />
und damit für eine <strong>nachhaltige</strong>re Mobilität wurde bei den existierenden Analysen<br />
und den dahinter stehenden Instrumenten die Wechselwirkung mit der<br />
Förderung erneuerbarer Energien <strong>im</strong> stationären Sektor zu wenig berücksichtigt.<br />
Die meisten bisherigen Potenzialabschätzungen für alternative, regenerativ<br />
erzeugte Kraftstoffe fokussieren isoliert den Verkehrssektor. Sie können somit<br />
kaum die Basis für die Ausgestaltung politischer und rechtlicher Rahmenbedingungen<br />
für die Begleitung der effektiven und effizienten Einführung alternativer<br />
Kraftstoffe sein. Bei den verwendeten Potenzialen wird häufig außer Acht ge-<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 13 -<br />
lassen, dass aus Sicht einer gesamtgesellschaftlichen Nachhaltigkeitsstrategie<br />
insbesondere <strong>im</strong> Energiesektor die begrenzten Potenziale regenerativer Pr<strong>im</strong>ärenergieträger<br />
zumindest mittelfristig <strong>im</strong> Energiesektor eingesetzt werden<br />
sollten, wo ihr ökologischer Nutzen bis ca. 2020 am größten ist. Damit besteht<br />
eine Nutzungskonkurrenz insbesondere zum Einsatz regenerativer Energieträger<br />
<strong>im</strong> stationären Sektor, aufgrund der die Potenziale der öko-effizient <strong>im</strong><br />
Verkehrssektor einzusetzenden Energieträger stark beeinflusst werden.<br />
Konkurrenzsituationen ergeben sich auch in Bezug auf die Land- und Forstwirtschaft,<br />
wenn es um die Verfügbarkeit von Anbauflächen von Energiepflanzen<br />
für Biokraftstoffe geht. Ein integrativer Ansatz, der unter ökologischem und ökonomischem<br />
Blickwinkel Verkehrs-, Energie-, Landwirtschafts- und Ernährungsszenarien<br />
verbindet, fehlt 2 . Diese Nutzungskonkurrenz ist bei der Analyse<br />
realistischer Potenzialabschätzungen des Einsatzes erneuerbarer Energieträger<br />
und sinnvoller begleitender rechtlicher und ökonomischer Instrumente unabdingbar.<br />
• Im Hinblick auf die mittel- und langfristigen Herausforderungen des Kl<strong>im</strong>aschutzes<br />
<strong>im</strong> Rahmen einer <strong>nachhaltige</strong>ren Mobilität werden einzelne Instrumente<br />
oder einzelne Maßnahmen, selbst die Einführung alternativer Kraftstoffe,<br />
nicht ausreichen, um die aufgestellten Ziele zu erreichen. Hierfür bedarf es, so<br />
die Ausgangsthese des Forschungskonsortiums, des abgest<strong>im</strong>mten Einsatzes<br />
verschiedenster Arten von Instrumenten und Maßnahmen. Daraus folgt, dass<br />
adäquate Analyseinstrumente auch die Wechselwirkungen zwischen den einzelnen<br />
Instrumenten <strong>im</strong> Hinblick auf die Schwerpunktsetzung sowie <strong>im</strong> Hinblick<br />
auf Synergien und Antagonismen abbilden müssen. Da bisher vorwiegend die<br />
Potenziale einzelner Maßnahmen abgeschätzt wurden, besteht bei den herkömmlichen<br />
Analyseinstrumenten hier ein Defizit, das bei der Gestaltung von<br />
Analyseinstrumenten für eine möglichst erfolgreiche Politikgestaltung adressiert<br />
werden muss.<br />
Ein weiteres zentrales Problem stellt die alleinige Ausrichtung der Diskussion<br />
auf das erwünschte Ziel einer <strong>nachhaltige</strong>n Mobilität: Wege, wie und bis wann<br />
diese Ziele erreicht werden können, werden dabei kaum betrachtet. Brückenpfade,<br />
die aufzeigen, wie man von der heutigen Situation ökologisch und ökonomisch<br />
effizient zu einer <strong>nachhaltige</strong>ren Mobilität gelangt, werden in den bisherigen<br />
Analysen nicht aufgezeigt. Sie werden aber <strong>im</strong> Wesentlichen darüber<br />
2<br />
Das Mitte 2004 abgeschlossene BMU-geförderte Vorhaben „Stoffstromanalyse zur <strong>nachhaltige</strong>n<br />
energetischen Nutzung von Biomasse“ von Öko-Institut und Partnern (vgl. Fritsche u.a. 2004) lieferte<br />
hierzu zwar die Grundlagen, konnte jedoch <strong>im</strong> Bereich Verkehr nur erste orientierende Analysen<br />
durchführen, da der Schwerpunkt dieses Projekt auf Potenzialen, Technologieentwicklung und<br />
Szenarien für Wärme und Strom lag. Dieses Vorhaben wird <strong>im</strong> Laufe von 2005-2007 aktualisiert (insb.<br />
Energiepreisannahmen und Referenz-Szenario sowie Technikfortschreibung).<br />
Zwischenbericht, März 2007
- 14 -<br />
Institut für Verkehrsforschung<br />
entscheiden, ob das angestrebte Ziel einer <strong>nachhaltige</strong>n Mobilität auch wirklich<br />
erreicht werden kann. Gerade in der Übergangszeit hin zu einer verstärkten<br />
Nutzung von erneuerbaren Energien werden Investitionen zu tätigen sein, die<br />
alle Volkswirtschaften ökonomisch herausfordern werden. Auch Brückenpfade<br />
müssen daher einer Nachhaltigkeitsbewertung unterzogen werden; ihre ökologische<br />
und ökonomische Integrität müssen dabei gewährleistet werden. Bei der<br />
Diskussion möglicher Brückenpfade und Kraftstoffe der Zukunft ist zu berücksichtigen,<br />
dass Kostenvergleiche Momentaufnahmen darstellen. Kostendegressionen<br />
durch Lerneffekte sind in der Regel dabei nicht berücksichtigt. In<br />
<strong>nachhaltige</strong>n Kraftstoffstrategien müssen diese Lernkurveneffekte zwingend berücksichtigt<br />
werden. Dies wurde bisher nur rud<strong>im</strong>entär untersucht 3 . In Zukunft<br />
sollten Analyseinstrumente für eine <strong>nachhaltige</strong> Mobilität daher in der Lage<br />
sein, Entwicklungen und Effekte von Instrumenten und Maßnahmen dynamisch<br />
abzubilden. Nur so können die effizientesten Brückenpfade identifiziert werden,<br />
die zu einer <strong>nachhaltige</strong>n Mobilität führen, beispielsweise als essentielle Voraussetzung<br />
zur Gestaltung angemessener politischer und rechtlicher Rahmenbedingungen<br />
einer Markteinführungs- und Diffusionsstrategie erneuerbarer<br />
Energieträger für eine <strong>nachhaltige</strong> Mobilität.<br />
1.3 Zielsetzungen<br />
Aus der Kenntnis der skizzierten Defizite bestehender Analyseinstrumenten heraus, ist<br />
es das Ziel des laufenden Vorhabens, ein methodisch konsistentes und transparentes<br />
Analyseinstrument zu schaffen, das in der Lage ist, die Potenziale und<br />
Restriktionen<br />
• eines Bündels von Instrumenten und Maßnahmen für eine <strong>nachhaltige</strong>re<br />
Mobilität mit den Schwerpunkten auf dem langfristigen Kl<strong>im</strong>aschutz<br />
• in Wechselwirkung mit der Förderung erneuerbarer Energieträger <strong>im</strong><br />
stationären Sektor und<br />
• in Kenntnis der Wechselwirkung der Instrumente und Maßnahmen untereinander<br />
• differenziert nach relevanten Nachfragesegmenten sowohl <strong>im</strong> Bereich der<br />
Güter- als auch Personenverkehre<br />
• dynamisch abzubilden.<br />
Um dieses Ziel wissenschaftlich möglichst abgesichert und zugleich politiknah zu erreichen,<br />
arbeitet das Forschungskonsortium an “renewbility: Stoffstromanalyse<br />
3<br />
vgl. Öko-Institut (laufendes VES-Projekt) sowie WI/DLR/IFEU 2005.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 15 -<br />
<strong>nachhaltige</strong> Mobilität <strong>im</strong> <strong>Kontext</strong> der erneuerbaren Energien bis 2030“, die u. a.<br />
folgende Unterziele adressiert:<br />
• Realistische Potenzialabschätzungen von einzelnen Instrumenten und Maßnahmen<br />
für eine <strong>nachhaltige</strong>re Mobilität differenziert für die relevanten Segmenten<br />
der Verkehrsnachfrage <strong>im</strong> Bereich des Personen- und Güterverkehrs;<br />
• Abbildung der Interdependenzen (Synergien und Antagonismen) der Instrumente<br />
und Maßnahmen <strong>im</strong> Verkehrssektor untereinander – so zum Beispiel die<br />
zielgerichtete Kombination des Einsatzes von erneuerbaren Energien bzw.<br />
alternativen Kraftstoffen/Antrieben mit nachfrageseitigen Optionen (Verkehrsvermeidung<br />
und -verlagerung, Effizienzsteigerung);<br />
• Abbildung der Potenziale und Restriktionen der Förderung von erneuerbaren<br />
Energien <strong>im</strong> Verkehrsbereich in Wechselwirkung mit der Förderung der Regenerativen<br />
<strong>im</strong> stationären Sektor unter ökologischen und ökonomischen Gesichtspunkten<br />
als Basis für die Bewertung von Effektivität und Effizienz des<br />
Einsatzes;<br />
• Entwicklung dynamischer Szenarien einer <strong>nachhaltige</strong>ren Mobilität als Basis für<br />
die Identifizierung <strong>nachhaltige</strong>r (ökologisch und ökonomisch integrer) Brückenpfade<br />
und die notwendige politische Weichenstellung für eine <strong>nachhaltige</strong><br />
Mobilität;<br />
• Einbindung der unterschiedlichen Positionen und Interessen der wesentlichen<br />
gesellschaftlichen Akteure <strong>im</strong> Bereich Mobilität über partizipative Ansätze als<br />
Basis für die transparente und nachvollziehbare Arbeit <strong>im</strong> Hinblick auf eine<br />
größtmögliche Akzeptanz der Ausgestaltung des Analyseinstruments und der<br />
Projektergebnisse.<br />
Das Forschungskonsortium sieht in der Erstellung eines Analyseinstrumentariums die<br />
Basis, um <strong>nachhaltige</strong>, zukunftsfähige Entwicklungsoptionen Deutschlands <strong>im</strong> Bereich<br />
der Mobilität zu identifizieren, ihre umwelt- und sozioökonomischen Auswirkungen zu<br />
analysieren und politische Empfehlungen für die Umsetzung abzuleiten.<br />
Entsprechend des Antrags vom 17. Juni 2005 umfassen die Forschungsleistungen<br />
folgende Arbeitspakete.<br />
• AP 1: Entwicklung eines Nachfragemodells zur Abbildung zukünftiger Entwicklungen<br />
<strong>im</strong> Personenverkehr und von Maßnahmen einer <strong>nachhaltige</strong>n Mobilität<br />
(vgl. Kapitel)<br />
• AP 2: Entwicklung eines Nachfragemodells zur Abbildung zukünftiger Entwicklungen<br />
<strong>im</strong> Güterverkehr und von Maßnahmen einer <strong>nachhaltige</strong>n Mobilität<br />
(vgl. Kapitel)<br />
Zwischenbericht, März 2007
- 16 -<br />
Institut für Verkehrsforschung<br />
• AP 3: Erstellung einer Datenbasis zur ganzheitliche Technologieanalyse,<br />
d.h. zur ökologischen, ökonomischen und beschäftigungsseitigen Analyse von<br />
Techniken für die Mobilitätsbereitstellung inkl. ihrer Vorketten (vgl. Kapitel),<br />
• AP 4: Potenzial – und Restriktionsanalysen insbesondere in Hinblick auf die<br />
Bereitstellung von Energieträgern und Kraftstoffen für die Mobilität (v. a. Elektrizität,<br />
Biokraftstoffe, Wasserstoff) und die Best<strong>im</strong>mung der dazu notwendigen<br />
Infrastrukturbedarfe (vgl. Kapitel),<br />
• AP 5: Entwicklung bzw. Aktualisierung der EDV-Werkzeuge zur Stoffstromanalyse<br />
(vgl. Kapitel)<br />
• AP 6: Entwicklung von integrierten Szenarien zur künftigen Mobilitätsentwicklung<br />
unter Berücksichtigung von Maßnahmen einer <strong>nachhaltige</strong>n Mobilität<br />
(vgl. Kapitel)<br />
• AP 7: Ableitung von Handlungsempfehlungen für eine <strong>nachhaltige</strong> Mobilitätspolitik.<br />
(vgl. Kapitel)<br />
Abbildung 1 : Strukturdiagramm der geplanten Leistungen und Arbeitspakete<br />
Akteurs-Workshops zur Absicherung des Daten-Input<br />
AP 1<br />
Analyse Personenverkehrsnachfrage<br />
- Sekundäranalyse<br />
-Teilmodelle zur<br />
Personenverkehrsnachfrage<br />
- Gesamtmodell Personenverkehr<br />
AP 2<br />
Analyse Güterverkehrsnachfrage<br />
- Sekundäranalyse<br />
- Teilmodelle zur<br />
Güterverkehrsnachfrage<br />
- Gesamtmodell Güterverkehr<br />
AP 3<br />
Technologiedatenbasis<br />
-Fahrzeuge<br />
- Antriebstechnologien<br />
- Kraftstoffe<br />
- ganzheitliche Technologieanalyse<br />
AP 4<br />
Potenzial- und Restriktionsanalyse<br />
- Potenziale für erneuerbare Energien<br />
- Restriktionen zu deren Erschließung<br />
- Nutzungskonkurrenz mobil-stationär<br />
- Aufbau Infrastruktur<br />
AP 5<br />
Werkzeug<br />
Stoffstromanalyse<br />
Aktualisierung und<br />
Weiterentwicklung der<br />
Stoffstromanalyse<br />
Szenario-Tool<br />
MOBIL-SZEN<br />
Datenbank<br />
Gemis 4.3<br />
Potenzial-Tools<br />
ALTER+INFRA<br />
AP 6<br />
Szenarioentwicklung<br />
und -analyse<br />
Referenzszenario<br />
Referenzentwicklung<br />
für Angebots- und<br />
Nachfrageseite<br />
Szenarien zur<br />
<strong>nachhaltige</strong>n<br />
Mobilität<br />
Bsp. für „Szenaretten“:<br />
- Effizienzszenario<br />
- Biokraftstoffszenario<br />
- Wasserstoffszenario<br />
- Nachfrageszenario<br />
Szenarioanalyse<br />
- Vergleich von<br />
Referenzentwicklung<br />
mit Szenaretten<br />
- Identifizierung von<br />
„Trade-offs“<br />
AP 7<br />
Handlungsempfehlungen<br />
Nachfrageseitige<br />
Maßnahmen:<br />
u. a. Maßnahmen zur<br />
Verkehrsvermeidung<br />
und -verlagerung<br />
Angebotsseitige<br />
Maßnahmen:<br />
u. a. Maßnahmen zur<br />
Einführung alternativer<br />
Antriebssysteme und<br />
Kraftstoffe, Ausbau<br />
intermodaler Dienste<br />
Federführung durch… DLR Öko-Institut<br />
Akteurs-Workshops zu Annahmen + Ergebnissen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 17 -<br />
1.4 Struktur des Zwischenberichts<br />
Entsprechend der Strukturierung der Arbeitspakete und entsprechend des aktuellen<br />
Standes der Arbeiten <strong>im</strong> Rahmen des Projekts ist der Zwischenbericht folgendermaßen<br />
gegliedert:<br />
• Kapitel 2 erläutert und begründet die komplexe Steuerungs- und Beteiligungsstruktur<br />
des Vorhabens.<br />
• Im Kapitel 3 wird entsprechend AP 1 des Forschungsantrags der aktuelle Stand<br />
zur Modellierung der Personenverkehrsnachfrage detaillierter erläutert.<br />
• Kapitel 4 beschreibt analog dazu entsprechend dem AP 2 des Antrags die<br />
Modellierung der Güterverkehrsnachfrage.<br />
• Kapitel 5 geht in Anlehnung an das AP 3 des Forschungsantrags auf die Genese<br />
der Technologiedatenbasis ein. Dabei werden sowohl die Energievorketten und<br />
Kraftstoffe beschrieben als auch die Antriebs- und Fahrzeugtechnologien.<br />
• Die Interaktion und Integration der Modelle in Bezug auf die zu erstellenden EDV-<br />
Werkzeuge (AP 5 des Antrags wird in Kapitel 6 qualitativ beschrieben.<br />
• Kapitel 7 hingegen beschreibt die Vorbereitung be<strong>im</strong> partizipativen Szenarioprozess<br />
und die Untersuchungen zur Ausgestaltung des Basisszenarios,<br />
• während Kapitel 8 dann den Ausblick auf die weiteren Planungen <strong>im</strong> Rahmen des<br />
Vorhabens öffnet.<br />
• In Kapitel 9 werden die Literaturnachweise zu den einzelnen Kapiteln dieses<br />
Zwischenberichts referenziert.<br />
• Der Anhang enthält einzelne Details zu den vorangegangenen Kapiteln zur<br />
näheren Erläuterung.<br />
Zwischenbericht, März 2007
- 18 -<br />
Institut für Verkehrsforschung<br />
2 Projektstruktur und –steuerung<br />
Der Anspruch des Forschungsvorhabens renewbility ist es,<br />
• sowohl <strong>im</strong> Bereich der dem Projekt zugrunde liegenden umfangreichen Datenbasis<br />
• als auch be<strong>im</strong> grundsätzlichem methodischen Vorgehen<br />
eine möglichst breite Akzeptanz nicht nur in der wissenschaftlichen Community zu finden.<br />
So wurden aus Sicht des Projektkonsortiums wichtige grundsätzliche Anforderungen<br />
an die Arbeiten definiert, die das Rückrat für die Wahl des methodischen Vorgehens<br />
formen, um den Mehrwert des Forschungsvorhabens zu opt<strong>im</strong>ieren:<br />
Vollständigkeit: Es ist der Anspruch, möglichst „alle relevanten Studien“ zu identifizieren<br />
und in dem Forschungsvorhaben zu berücksichtigen. Das heißt über die Kompetenzen<br />
des Auftragnehmers wie auch über die methodische Konzeption der Arbeiten<br />
ist sicherzustellen, dass einerseits klarer umrissen wird, welche Kriterien die Relevanz<br />
beschreiben und wie darauf aufbauend die Vollständigkeit der Untersuchung gesichert<br />
werden kann.<br />
Nachvollziehbarkeit: Die vergleichende Analyse der untersuchten Studien und die<br />
daraus abgeleitete Bewertung <strong>im</strong> Hinblick auf Stärken und Schwächen und identifizierte<br />
Forschungsfragen muss auch für Außenstehende nachvollziehbar sein. Zu<br />
einem möglichst großen Teil sollten die Aussagen von wesentlichen Experten in den<br />
untersuchten Bereichen geteilt werden.<br />
Transparenz: Das setzt voraus, dass bereits <strong>im</strong> Verlauf der Erstellung aber auch mit<br />
der Diskussion der Ergebnisse und der späteren Publikation ein möglichst hohes Maß<br />
an Transparenz insbesondere <strong>im</strong> Hinblick auf die Begründung von bewertenden Aussagen<br />
von Seiten des Auftragnehmers gesichert wird.<br />
Kommunizierbarkeit: Mit dem Ziel einer „übersichtlichen“ Zusammenstellung geht<br />
einher, dass der Kommunizierbarkeit der Ergebnisse der vergleichenden Analyse eine<br />
sehr hohe Bedeutung beigemessen wird. Daher ist noch vor einer möglichen Veröffentlichung<br />
der Ergebnisse abzusichern, dass der Auftragnehmer diesen Anforderungen<br />
gerecht werden konnte.<br />
Für das Forschungskonsortium ist eine wesentliche Konsequenz daraus, dass bei dem<br />
Vorhaben der Kommunikation mit dem Auftraggeber aber vor allen Dingen auch<br />
partizipativen Elementen über die analytische Fachexpertise des Instituts hinaus eine<br />
bedeutende Rolle zukommt. Es wird angestrebt, dies <strong>im</strong> generellen methodischen<br />
Vorgehen zu berücksichtigen:<br />
Das Leitbild der Nachhaltigen Entwicklung und die adäquate Berücksichtigung von<br />
Umwelt und Nachhaltigkeit in gesellschaftlichen, politischen und unternehmerischen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 19 -<br />
Planungs- und Entscheidungsprozessen stellt neue, hohe Anforderungen an die Wissensbildung<br />
und -vermittlung sowie an die Verhandlung und Bewertung von Wissen in<br />
Planungsprozessen bei der Vorbereitung von Entscheidungen.<br />
Die Erfahrungen des Forschungskonsortiums, insbesondere des Öko-Instituts, in verschiedenen<br />
Bereichen der Umwelt- und Nachhaltigkeitspolitik zeigen, dass die Anteile<br />
der Bewertungen über alle Phasen der wissenschaftlichen, politischen und wirtschaftlichen<br />
Bewertungsmethoden und -prozesse zunehmen. Das belegen die aktuellen Diskussionen<br />
um die Methoden der Produkt- und Technikbewertung wie auch die<br />
Diskussion um die Entwicklung und Planung großer Infrastrukturprojekte. Daher erhält<br />
die frühzeitige und angemessene Partizipation gesellschaftlicher Gruppen in Planungsund<br />
Bewertungsprozessen, <strong>im</strong> Sinne einer <strong>nachhaltige</strong>n Entwicklung, eine wachsende<br />
Bedeutung. Das Postulat nach Beteiligung interessierter und betroffener<br />
Einzelpersonen und Institutionen erfährt ein wachsendes Maß an Zust<strong>im</strong>mung. Durch<br />
Stärkung der Partizipation können<br />
• die kognitiven Grundlagen in Planungsprozessen sowie bei der Vorbereitung<br />
von Entscheidungen verbessert,<br />
• ihre Glaubwürdigkeit und Akzeptanz erhöht,<br />
• ihr Konfliktlösungspotenzial gesteigert und<br />
• ihre politische Legit<strong>im</strong>ation verstärkt<br />
werden. Damit gewinnen partizipative Methoden der Wissensbildung - Joint Fact<br />
Finding, Negotiation of Knowledge - für eine <strong>nachhaltige</strong>re Entwicklung auch in<br />
vielen Arbeiten des Öko-Instituts <strong>im</strong>mer stärker an Bedeutung: Nicht zuletzt um Zielkonflikte<br />
hin zu einer <strong>nachhaltige</strong>ren Entwicklung zu identifizieren und zu thematisieren.<br />
Nur offen verhandelte Zielkonflikte können in der Planung und Vorbereitung gesellschaftlicher,<br />
politischer und unternehmerischer Entscheidungen zu befriedigenden<br />
Lösungen führen. Neben den partizipativen Methoden der Wissensbildung gewinnen<br />
damit auch die Methoden der Verhandlung unterschiedlicher Ziele und Entwicklungspfade<br />
bei einer <strong>nachhaltige</strong>ren Entwicklung eine wichtige Rolle in den Projekten<br />
des Öko-Instituts. Moderation und Ansätze von Mediation können bei der Vermittlung<br />
von Interessen hilfreich sein. 4<br />
4<br />
In diesem <strong>Kontext</strong> begleitet das Öko-Institut <strong>im</strong> Auftrag der Hessischen Landesregierung seit Mitte<br />
1998 wissenschaftlich die Verfahren zur Diskussion um die zukünftige Entwicklung des Flughafens<br />
Frankfurt am Main (von Mitte 1998 bis Anfang 2000 das „Mediationsverfahren Flughafen Frankfurt am<br />
Main“ und seit Mitte 2000 das „Regionale Dialogforum“ – siehe auch www.regionales-dialogforum.de).<br />
In beiden Verfahren hatte bzw. hat das Öko-Institut die Aufgabe, die partizipative Erarbeitung der<br />
wissenschaftlichen Grundlagen zur Vorbereitung der Diskussionen und Entscheidungen in diesen<br />
Gremien und seinen Arbeitskreisen zu unterstützen. Ein wichtiger Bestandteil war und ist die<br />
Implementierung eines Szenarioprozesses.<br />
Zwischenbericht, März 2007
- 20 -<br />
Institut für Verkehrsforschung<br />
Dieser Kompetenz kam und kommt <strong>im</strong> Rahmen des Forschungsvorhabens bei der<br />
Erarbeitung der Datenbasis als auch für den Szenarioprozess eine besondere Rolle zu.<br />
Das Forschungsvorhaben RENEWBILITY erfordert aufgrund der Vielzahl von<br />
Einzelfragen und Ergebnissen sowie dem Anspruch, relevante Akteure intensiv <strong>im</strong><br />
Forschungsprozess einzubeziehen, eine besondere Qualität der Kommunikation und<br />
Ergebnisaufbereitung sowie ihrer aktiven Verbreitung. Dies wird <strong>im</strong> folgenden Abschnitt<br />
näher dargestellt.<br />
2.1 Joint Fact Finding: Integration, Partizipation und<br />
Kommunikation zur Stärkung der Wissensbasis<br />
Entsprechend dem partizipativen und integrativen Anspruch des Vorhabens zur<br />
Erarbeitung der Wissensbasis für die Erarbeitung eines Instruments zur<br />
Stoffstromanalyse <strong>nachhaltige</strong>r Mobilität wurde über das Forschungsteam hinaus eine<br />
der Komplexität des Vorhabens angemessene Steuerungs- und Begleitungsstruktur<br />
etabliert. Die Governance-Struktur des Projektes umfasst:<br />
• Projektgruppe<br />
• Expertentreffen<br />
• Wissenschaftlicher Beirat<br />
• Begleitkreis und Szenariogruppe<br />
Außerdem wird über die Einrichtung der Projektgruppe, dem Begleitkreis und<br />
Arbeitstreffen externen Stakeholdern begegnet.<br />
2.1.1 Projektgruppe<br />
Eine gemeinsame Projektgruppe mit VertreterInnen des Fördergebers (BMU, K III 1<br />
und IG I 5) und Forschungsteam trifft sich mindestens quartalsweise zu eintägigen<br />
Besprechungen des Arbeitsstands. Bei vier projektinternen 1-½-tägigen Workshops,<br />
der nächste am 04. und 05. April 2007, diskutiert die Projektgruppe die (Zwischen-)<br />
Ergebnisse des Vorhabens und bereitet gemeinsam die Sitzungen des Begleitkreises<br />
bzw. <strong>im</strong> Rahmen des folgenden Szenarioprozesses vor und nach.<br />
Die Abst<strong>im</strong>mung zu dem Vorhaben innerhalb der Bundesregierung sichern die beiden<br />
betreuenden Referate BMU intern über eine Intraplan-Gruppe und darüber hinaus in<br />
einem Ressort-Arbeitskreis.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 21 -<br />
2.1.2 Expertentreffen<br />
Der Technologiedatenbasis und der Qualität der Modellierung stoffstromseitig und auf<br />
der Nachfrageseite kommt in diesem Vorhaben eine besonders hohe Bedeutung zu.<br />
Dieser wird über eine frühzeitige Absicherung der wesentlichen Datenbasen und<br />
Modellierungsansätze <strong>im</strong> Rahmen von Expertentreffen Rechnung getragen. Die<br />
Besetzung der Arbeitstreffen mit externen Experten wurde und wird <strong>im</strong> Rahmen der<br />
Projektgruppentreffen mit dem Fördergeber abgest<strong>im</strong>mt. Der Teilnehmerkreis erlaubt<br />
es, über das Projektteam hinaus weiteren Sachverstand, Erfahrungen und spezifische<br />
Kenntnisse einzubeziehen bzw. die Expertise aus dem Forschungsteam abzusichern.<br />
Für die nachfrage- wie angebotsseitige Datenbasis für die Stoffstromanalyse waren<br />
und sind folgende Arbeitstreffen vorgesehen:<br />
• Nachfragemodell Personenverkehr (27. April 2007);<br />
• Nachfragemodell Güterverkehr (03. Mai 2007);<br />
• Technologiedatenbasis zu Antrieben und Fahrzeugtechnik<br />
(05. Dezember 2006; ein weiterer Workshop ist für das 2. Quartal 2007 geplant)<br />
• Technologiedatenbasis zu Energievorketten und Kraftstoffen (2. Quartal 2007);<br />
• Potentiale und Restriktionen alternativer Kraftstoffe und Infrastruktur (Offen).<br />
Diese Arbeitstreffen haben pr<strong>im</strong>är das Ziel, die Datenbasis der Stoffstromanalyse umfangreich<br />
abzusichern und offene Fragen mit Hilfe von Experten zu klären. Für die fünf<br />
Arbeitstreffen sind – entsprechend der Fragestellung – jeweils unterschiedliche<br />
Teilnehmerkreise vorgesehen.<br />
Im Gegensatz zu den Arbeitstreffen <strong>im</strong> Rahmen der Erarbeitung der Datenbasis ist für<br />
den Szenarioprozess geplant, einen gleich bleibenden Teilnehmerkreis für die fünf vorgesehenen<br />
Arbeitstreffen zu gewinnen. Damit soll eine kontinuierliche Begleitung des<br />
Szenarioprozesses von externer Seite gewährleistet werden.<br />
2.1.3 Wissenschaftlicher Beirat<br />
Durch die vielfältigen Ansprüche des Vorhabens aus vielerlei Disziplinen kommt auch<br />
der Absicherung des wissenschaftlichen Vorgehens eine besondere Rolle zu – weit<br />
über die punktuelle Einbindung einzelner Experten hinaus. Aus diesem Grunde wurde<br />
für dieses Vorhaben ein Beirat namhafter Wissenschaftler unterschiedlichster<br />
Fachrichtungen berufen. Die Liste der Mitglieder des wissenschaftlichen Beirats findet<br />
sich <strong>im</strong> Anhang des Berichts.<br />
Der wissenschaftliche Beirat hat sich mit seiner Sitzung am 24. Mai 2006 konstituiert<br />
und tagte noch einmal am 15. Dezember 2006. Die nächste Sitzung ist für den 18. Juni<br />
verbindlich geplant.<br />
Zwischenbericht, März 2007
- 22 -<br />
Institut für Verkehrsforschung<br />
2.1.4 Begleitkreis<br />
Ein Alleinstellungsmerkmal des Vorhabens renewbility besteht darin, dass über eine<br />
weit reichende Partizipation schon in der Phase der Konzeption und Ausgestaltung des<br />
stoffstromanalytischen Instrumentariums und bei der Formulierung der Szenarien eine<br />
breite Partizipation angestrebt wird, von der sich das Forschungsteam erhofft, dass sie<br />
wesentlich zur Akzeptanz sowohl bei der methodischen Ausgestaltung als auch <strong>im</strong><br />
Hinblick auf die Ergebnisse und die daraus resultierenden Handlungsempfehlungen<br />
führen kann.<br />
In enger Abst<strong>im</strong>mung mit dem Fördergeber wurde daher ein hochrangig besetzter<br />
Begleitkreis von Vertreterinnen und Vertretern aus Wirtschaft und Zivilgesellschaft<br />
berufen. Die Mitglieder des Begleitkreises sind <strong>im</strong> Anhang zu diesem Bericht<br />
dargestellt. Auch mit diesem Ansatz beschreitet das Vorhaben wissenschaftliches<br />
Neuland.<br />
Die Auftaktsitzung des Begleitkreises fand am 18. Dezember 2006 in Berlin statt. Die<br />
nächste Sitzung ist für das 3. Quartal 2007 vorgesehen.<br />
Der Begleitkreis hat zum Ziel, die <strong>im</strong> Forschungsvorhaben verwendeten Methoden und<br />
erarbeiteten Ergebnisse zu validieren und auch zu kommunizieren bzw. mulitiplizieren.<br />
Die Institutionen, die <strong>im</strong> Begleitkreis vertreten sind, haben darüber hinaus die<br />
Möglichkeit Vertreter ihrer Institutionen an der Erarbeitung der Szenarien <strong>im</strong> Rahmen<br />
der Szenariogruppe zu beteiligen. Die Szenariogruppe wird einen wesentlichen Teil<br />
zum Erfolg dieses Vorhabens beitragen können.<br />
Szenariogruppe<br />
Im Rahmen des Szenarioprozess (siehe Kapitel 7) ist die Einbindung interessierter<br />
Mitglieder des Begleitkreises vorgesehen. Folgende orientierende Themen der<br />
Arbeitstreffen <strong>im</strong> Rahmen des Szenarioprozesses waren bereits frühzeitig geplant:<br />
• Prämissen und Einflussfaktoren für die Szenarien;<br />
• Wirkung von Maßnahmen und Maßnahmenbündeln;<br />
• Definition und Konkretisierung der Szenarien;<br />
• Analyse der Szenario-Ergebnisse<br />
• Optionen für umweltpolitische Handlungsempfehlungen.<br />
Die Nominierung der Mitglieder der Szenariogruppe wird Ende März 2007<br />
abgeschlossen werden. Sie wird dann das erste Mal am 27. April 2007 zusammen<br />
kommen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 23 -<br />
2.2 Informations- und Kommunikationsangebot <strong>im</strong> Internet<br />
Als wichtige Basis für die Informations- und Kommunikationsform wird gerade in der<br />
zweiten Projektphase auch das Angebot <strong>im</strong> Internet angesehen. Deshalb wurde bereits<br />
frühzeitig <strong>im</strong> Projekt eine eigene Website eingerichtet unter<br />
www.renewbility.de<br />
Projekt begleitend erfolgt laufend eine Aktualisierung der Darstellung des Projekts und<br />
der Ergebnisse, die in Absprache mit dem Fördergeber zum Download bereit gestellt<br />
werden können (PDF-Dateien usw.). Gerade nach Beginn des Szenarioprozesses<br />
steht die eigene Website auch als wichtiges Kommunikationsmittel für die Mitglieder<br />
der Szenariogruppe zur Verfügung.<br />
Daneben wird eine Sammlung wichtiger Internet-Ressourcen zum Thema Nachhaltige<br />
Mobilität <strong>im</strong> website angeboten („links“) werden.<br />
Das aktualisierte EDV-Werkzeug zur „Technologiedatenbasis“ wird als Teil des<br />
GEMIS-Programms öffentlich und kostenlos für interessierte Nutzer auf der GEMISwebsite<br />
unter www.gemis.de zum download angeboten werden.<br />
Die Technologiedatenbasis wird zudem kostenlos auf der ProBas-website des Umweltbundesamts<br />
unter www.probas.umweltbundesamt.de als Datenauszug ohne weitere<br />
Software direkt nutzbar gemacht.<br />
Abbildung 2: Startseite des Internet-Auftritts des Projekts renewbility<br />
Zwischenbericht, März 2007
- 24 -<br />
Institut für Verkehrsforschung<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 25 -<br />
3 Modellierung der Personenverkehrsnachfrage<br />
3.1 Einleitung und Struktur<br />
Die vom Verkehr ausgehenden Umweltwirkungen, Kosten- und Beschäftigungseffekte<br />
hängen neben fahrzeugtechnischen Entwicklungen maßgeblich von den Entwicklungen<br />
der Verkehrsnachfrage und der daraus resultierenden Verkehrsleistung ab. In der<br />
Vergangenheit wurde ein Großteil des technischen Fortschritts zur Reduzierung der<br />
fahrzeugspezifischen Emissionen und des Energieverbrauchs durch das starke<br />
Anwachsen der Verkehrsleistungen aufgezehrt. Daher kommt der detaillierten Analyse<br />
der Verkehrsnachfrage und der Verkehrsmodellierung <strong>im</strong> Rahmen des Projekts<br />
renewbility eine hohe Bedeutung zu. Außerdem stellt die Wahl eines best<strong>im</strong>mten<br />
PKWs be<strong>im</strong> Neukauf ein entscheidender Faktor für die zukünftigen Umweltwirkungen<br />
des Verkehrs dar.<br />
Aufgabe des Instituts für Verkehrsforschung <strong>im</strong> Vorhaben renewbility ist es, die<br />
vorgenannten Aspekte <strong>im</strong> Rahmen des Arbeitspaketes 1 „Nachfragemodell <strong>im</strong><br />
Personenverkehr“ zu bearbeiten. Die bis zum 30. März 2007 geleisteten Arbeiten sind<br />
in diesem Zwischenbericht dargestellt.<br />
Zunächst beschreibt Kapitel 3.2 den grundsätzlich verfolgten Ansatz zur Modellierung<br />
der Personenverkehrsnachfrage in renewbility.<br />
Kapitel 3 und 4 beinhalten mit der Gesamtnachfrage Deutschland (AP 1.2) 5 bzw. der<br />
räumlich differenzierten Nachfrage <strong>im</strong> Mikromodell (AP 1.3.2) die beiden<br />
Hauptbestandteile des gewählten Modellierungsansatzes. Dabei schließt Kapitel 3<br />
auch Abschnitte zur Auswahl des Makromodells ein und zu den Datenanforderungen.<br />
Die Integration des Basisszenarios findet sich in Kapitel 7 des Zwischenberichts.<br />
Neben der Erläuterung des mikroskopischen Ansatzes in Kapitel 3 findet sich dort auch<br />
eine ausführliche Beschreibung zur Modellierung von verkehrlichen Maßnahmen,<br />
sowohl zum methodischen Ansatz (3.4.2) als auch zur Umsetzung in renewbility<br />
(3.4.3). Diese Abschnitte basieren vor allem auf einer umfangreichen Sekundäranalyse<br />
(AP 1.1) und enthalten entsprechende Literaturhinweise bzw. erläutern wichtige<br />
Quellen.<br />
Außerdem ist in Kapitel 3 das Verfahren zur Auswahl der Beispielräume (siehe<br />
Abschnitt 3.4.5) beschrieben und der aktuelle Stand der Umsetzung.<br />
Die Arbeiten zur Best<strong>im</strong>mung des Pkw-Käuferverhaltens (AP 1.2.1) sind in Abschnitt<br />
3.5 dargestellt.<br />
5 Alle Angaben zu Arbeitspaketen (AP) beziehen sich auf den Antragstext des Forschungsvorhabens.<br />
Zwischenbericht, März 2007
- 26 -<br />
Institut für Verkehrsforschung<br />
3.2 Methodischer Ansatz der Personenverkehrsmodellierung<br />
Grundsätzlich ist die Aufgabe der Verkehrsmodellierung die Abbildung des Verkehrs.<br />
Dabei soll einerseits die aktuelle Situation dargestellt werden und zwar hinsichtlich des<br />
Verkehrsaufkommens auf unterschiedlichen Verkehrsnetzen (z.B. Straße und Schiene)<br />
in einem zeitlichen Ablauf (z.B. Tagesgang oder Wochengang). Zum zweiten soll die<br />
Modellierung es ermöglichen, die zukünftige Entwicklung des Verkehrs aufzuzeigen<br />
und potenzielle Einflussgrößen auf die Verkehrsentwicklung zu identifizieren (vgl.<br />
Kutter 2003, 9). Um dieses Ziel zu erreichen, existieren verschiedene Ansätze.<br />
Die klassischen Ansätze von makroskopischen Modellen basieren zumeist auf dem so<br />
genannten Vier-Stufen-Algorithmus, in dem vier Teilmodelle – Verkehrserzeugung,<br />
Verkehrsverteilung, Verkehrsmittelwahl, Verkehrsumlegung – sequenziell abgearbeitet<br />
werden (vgl. Abbildung 3).<br />
Abbildung 3: Der traditionelle Vier-Stufen-Algorithmus in der Verkehrsplanung<br />
Quelle: Hilty u. a. 1998, 67<br />
In diesen Modellen werden Personen zu verhaltenshomogenen Gruppen zusammengefasst,<br />
wobei Verhaltenshomogenität über die Variablen Erwerbstätigkeit/<br />
Nicht-Erwerbstätigkeit und Pkw-Verfügbarkeit hergestellt wird. Die damit generierten<br />
Gruppen – Schüler/Studenten, Auszubildende, Rentner, Erwerbstätige mit Pkw,<br />
Erwerbstätige ohne Pkw, Nicht-Erwerbstätige mit Pkw, Nicht-Erwerbstätige ohne Pkw<br />
(Schmiedel 1984) – werden über die gesamte S<strong>im</strong>ulation beibehalten. Für jede dieser<br />
Gruppen wird unterstellt, dass das Verhalten der Personen innerhalb der Gruppe gleich<br />
ist. Diese Herangehensweise hat den Vorteil, dass die Ansprüche an Daten und<br />
Rechnerleistung auch für große Untersuchungsgebiete überschaubar bleiben (vgl.<br />
Böhnke 2005, 16). Somit ist ein makroskopisches Modell grundsätzlich gut geeignet für<br />
die Modellierung des Verkehrs in ganz Deutschland.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 27 -<br />
Da die Ermittlung der Verkehrsnachfrage <strong>im</strong> Projekt renewbility jedoch auf sehr<br />
differenzierte Weise vorgenommen werden soll, erscheinen folgende Grenzen bzw.<br />
Defizite von klassischen makroskopischen Modellen nennenswert:<br />
• Sie erlauben es nicht, Maßnahmen direkt <strong>im</strong> Modell abzubilden. Zwar können in<br />
makroskopischen Modellen Annahmen zur Wirkung von Maßnahmen mittels<br />
externer Parameter eingebracht und auf dieser Basis Modellrechnungen angestellt<br />
werden, das Modell selbst hat jedoch keinen Mechanismus, um Auswirkungen<br />
abzuprüfen, die sich aus einer „Maßnahme“ i.w.S. auf das gesamte Verkehrsverhalten<br />
einer Person ergeben. Zum Beispiel werden die Auswirkungen einer<br />
deutlichen Verteuerung des Kraftstoffpreises in Form von Einschränkungen der<br />
Fahrtenhäufigkeit und Fahrtenlänge in einem makroskopischen Modell als<br />
Schätzwert eingegeben, z.B. 5% weniger Fahrten über 50km.<br />
• Veränderungen <strong>im</strong> Verkehrsverhalten von Personen, die sich aus der Interaktion<br />
innerhalb von Haushalten und aus Veränderungen außerhalb des Verkehrssystems<br />
(z. B. Veränderung der Ladenöffnungszeiten) ergeben, können in makroskopischen<br />
Modellen nicht abgebildet werden (vgl. Widmer, Axhausen 2001, 6).<br />
Um die genannten Schwächen und Defizite auszugleichen, werden in jüngerer Zeit<br />
zunehmend mikroskopische aktivitätenbasierte Ansätze verfolgt. Grundidee dieser<br />
Ansätze ist es, dass das zeitliche Nacheinander von Wegen das Ergebnis der Abfolge<br />
von individuellen Aktivitäten ist (Hertkorn 2004, 2). Ein Modell, das diesem Ansatz folgt,<br />
geht von den Aktivitäten der handelnden Personen, in diesem Fall der Verkehrsteilnehmer,<br />
aus. Dabei wird nicht nur die Ausübung der Aktivitäten in ihrer zeitlichen<br />
und räumlichen Anordnung betrachtet, sondern auch die jeweils konkret gegebenen<br />
Rahmenbedingungen für die Aktivitäten. Solche Rahmenbedingungen sind<br />
beispielsweise die Berücksichtigung der jeweils aktuellen räumlichen Position des<br />
Handelnden. Ebenso gehören dazu die Attribute potenzieller Gelegenheiten, der<br />
bekannte oder vermutete aktuelle Status des Verkehrsnetzes, institutionelle<br />
Bedingungen (wie z.B., Öffnungszeiten), aber auch personen- und haushaltsbezogene<br />
Merkmale (wie z.B. Pkw-Verfügbarkeit; vgl. Arentze u. a. 1997, II-J/3). Entsprechend<br />
detailliert sind die Datenanforderungen, die aktivitätenbasierte Modelle haben. Somit<br />
wird ein mikroskopisches Modell für steigende Kraftstoffpreise beispielsweise nicht nur<br />
eine pauschale Reduzierung der Wege annehmen, sondern darüber hinaus abbilden,<br />
für welche Personengruppen, welche Fahrtzwecke und damit auch welche Relationen<br />
und welche Tages- bzw. Wochenzeiten eine Reduzierung eintritt.<br />
Für das Forschungsvorhaben renewbility wird ein solches mikroskopische Verkehrsnachfragemodell<br />
in Verbindung mit einem makroskopischen eingesetzt. Die Auswahl<br />
und Beschreibung des deutschlandweiten Makromodells ist in Abschnitt 3.3 dieses<br />
Berichts zu finden. Als mikroskopisches Modell wird das am Institut für<br />
Verkehrsforschung entwickelte Modell TAPAS (Travel and Activity PAtterns<br />
S<strong>im</strong>ulation) verwendet. Es kommt zur Abbildung von Maßnahmenwirkungen in<br />
verschiedenen Beispielräumen zum Einsatz. Aus den Ergebnissen von TAPAS lassen<br />
sich Verhaltensparameter ableiten, die die maßnahmenbedingten Veränderungen<br />
Zwischenbericht, März 2007
- 28 -<br />
Institut für Verkehrsforschung<br />
beschreiben und in einem weiteren Schritt in das Makromodell eingehen. Dadurch<br />
kann die Wirkung der Maßnahmen auf die Verkehrsleistung in Gesamt-Deutschland<br />
berechnet werden. Die Funktionsweise von TAPAS einschließlich der Modellierung von<br />
Maßnahmenwirkungen wird in Abschnitt 3.4 beschrieben.<br />
3.3 Deutschlandweite Nachfrage Personenverkehr (AP 1.2)<br />
3.3.1 Auswahl eines geeigneten Makromodells<br />
Im Rahmen des Projektes renewbility erfolgten die Recherche und danach die Auswahl<br />
eines makroskopischen Modells, mit dessen Hilfe die Verkehrs- und Fahrleistung in<br />
Deutschland bereits prognostiziert worden ist. Bei der Auswahl des Modells mussten<br />
folgende Kriterien beachtet werden:<br />
1) die Einarbeitung in Dokumentation und Modellsoftware sowie die Bereitstellung<br />
der erforderlichen Eingabedaten muss <strong>im</strong> Rahmen des Projektes zu leisten<br />
sein,<br />
2) das Ergebnis der S<strong>im</strong>ulation muss eine Fahrleistungsberechnung ermöglichen<br />
und<br />
3) Aussagen über Szenarien auf der Basis einer Referenzentwicklung zulassen.<br />
Es wurden deshalb folgende Modelle hinsichtlich der genannten Kriterien geprüft:<br />
a) Kennwertmethode des Bundesministeriums für Verkehr, Bau- und Stadtentwicklung<br />
Das Bundesministerium für Verkehr, Bau und Stadtentwicklung lässt die Prognosen für<br />
den Bundesverkehrswegeplan (BVWP) von der Firma ITP Intraplan Consult GmbH in<br />
einem Konsortium gemeinsam mit den Firmen ifo, PLANCO und BVU erstellen.<br />
Gemäß den <strong>im</strong> BVWP gegebenen Modellerklärungen kann eingeschätzt werden, dass<br />
dieses Modell bezogen auf die Kriterien 2) und 3) geeignet erscheint. Das Modell wird<br />
jedoch nicht zum Kauf angeboten, so dass damit eine Anwendung durch das DLR <strong>im</strong><br />
Rahmen des Projektes nicht möglich ist.<br />
b) Ökonometrische Modelle wie ESCOT und Panta Rhei<br />
Das systemdynamische Modell ESCOT (Economic Assessment of Sustainability<br />
policies of Transport) basiert auf Zusammenhängen von Systemelementen, die die<br />
Strukturdaten zur Wirtschaft und zur Mobilität der Bevölkerung enthalten. Dabei liegt<br />
der Schwerpunkt der Aussage dieses Modells nicht auf der Genauigkeit einer<br />
best<strong>im</strong>mten zu prognostizierenden, singulären Variable, sondern auf der Prognose des<br />
wechselseitigen Verhaltens von Schlüsselvariablen aus verschiedenartigen Bereichen.<br />
Eine Rückkopplung ökonomischer oder sozialer Interaktionen wird berücksichtigt, um<br />
langfristig sekundär auftretende Veränderungen zu erfassen. ESCOT ermittelt eine<br />
Vorhersage von Entwicklungstendenzen in komplexen Zusammenhängen über längere<br />
Zeiträume (vgl. Schade 1 ohne Datum und 2 2002, UBA 2001).<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 29 -<br />
ESCOT besteht aus vier Systemelementen, die die Ausgangsbasis für die<br />
Modellierung darstellen. Diese Systemelemente oder auch Subsysteme sind<br />
• die Makroökonomie, welche Informationen auf einem aggregierten ökonomischen<br />
Level mit den das Volkseinkommen best<strong>im</strong>menden Parametern für Angebot und<br />
Nachfrage liefert,<br />
• die Regionalwirtschaft, basierend auf zwölf verschiedenen ökonomischen Sektoren<br />
sowie auf neun funktionalen Gebietstypen u.a. mit Parametern zur Bevölkerung<br />
und zur Motorisierung,<br />
• der Verkehr mit den einzelnen Verkehrsträgern, wobei als Hauptfunktion das<br />
Verkehrsaufkommen, die Verkehrsmittelwahl, die Verkehrsleistung und die<br />
Fahrleistung ermittelt werden sowie verschiedene Typen von<br />
Infrastrukturverbindungen (z.B. Hochgeschwindigkeitsverbindungen zwischen<br />
Ballungsräumen)<br />
• die Umwelt mit Abschätzungen u.a. von Emissionsdaten incl. Lärm basierend auf<br />
den Verkehrsleistungen.<br />
Die Nachfrageabschätzung basiert auf Parametern aus den vier Hauptnachfragesektoren:<br />
Konsum, Investition, Staatsausgaben und Export. Diese vier Nachfragesektoren<br />
wurden jeweils zunächst in 12 ökonomische Bereiche unterteilt. Durch<br />
kontinuierliche Weiterentwicklung wurde das Modell inzwischen auf 32 ökonomische<br />
Bereiche erweitert. Die Angebotsseite unterteilt sich in die Produktionsfaktoren Arbeit<br />
und Kapital, wobei zusätzlich der technische Fortschritt berücksichtigt wurde, um<br />
technologische Entwicklungen in der ökonomischen Betrachtung berücksichtigen zu<br />
können.<br />
Das Modell bietet die Möglichkeit zur Szenarienbildung. Für die einzelnen Parameter<br />
können Annahmen über deren künftige Veränderungen getroffen und in die Parameter<br />
übersetzt werden. Die zentrale Steuergröße ist dabei die Entwicklung der Infrastruktur<br />
basierend auf Infrastrukturdaten sowie politischen Maßnahmen.<br />
Dieses Modell würde für renewbility geeignete Aussagen über die Fahrleistungen der<br />
einzelnen Verkehrsträger liefern und zeichnet sich durch eine klare Parameterstruktur<br />
aus, die für die Szenarienbildung wichtig ist (Kriterien 2) und 3) werden erfüllt).<br />
Hinsichtlich Kriterium 1) ist jedoch festzustellen, dass das Modell nicht mehr an der<br />
Universität Karlsruhe weiterentwickelt und verwaltet wird. Eine Anwendung wäre<br />
ausschließlich durch damalige, inzwischen an anderer Stelle tätige, Entwickler möglich.<br />
Dies steht dem Ziel gegenüber, dass eine selbstständige Einarbeitung und Anwendung<br />
des Modells <strong>im</strong> Rahmen von renewbility gewährleistet sein muss. Aufgrund dieser<br />
wesentlichen Einschränkung wurde entschieden, ESCOT <strong>im</strong> Rahmen des Projekts<br />
nicht anzuwenden.<br />
Das ökonometrische S<strong>im</strong>ulations- und Prognosemodell Panta Rhei wurde bereits in<br />
der Vergangenheit zur Berechnung von Fahrleistungen sowohl <strong>im</strong> Personen- als auch<br />
<strong>im</strong> Güterverkehr genutzt. Das Modell ist zur Analyse umweltökonomischer<br />
Fragestellungen geeignet und es wird speziell <strong>im</strong> Bereich Energie und Luftschadstoffe<br />
angewendet. Auf der Nachfrageseite basiert das Modell auf Parametern für<br />
Zwischenbericht, März 2007
- 30 -<br />
Institut für Verkehrsforschung<br />
Auslandsvariablen (zur Erklärung der Exporte), dem verfügbaren Einkommen der<br />
privaten und öffentlichen Haushalte (privater Verbrauch, Staatsverbrauch), Zinsen und<br />
Gewinne (Investitionen) sowie auf den relativen Preisen für alle Komponenten der<br />
Endnachfrage (vgl. Meyer 1999 und Distelkamp ohne Datum).<br />
Zur Modellierung des Personenverkehrs werden das verfügbare Einkommen, der<br />
Fahrzeugbestand und der Verbrauch als Modellgrößen verwendet. Nach Aufteilung auf<br />
die Verkehrsträger wird die Fahrleistung direkt, also ohne Best<strong>im</strong>mung der<br />
Verkehrsleistung, berechnet. Für den Güterverkehr stellt die Produktion die<br />
ausschlaggebende Modellgröße dar. Dies bedeutet, dass hier von einer dauerhaften<br />
Koppelung von Wachstum des BIP und Steigerung der Verkehrsleistung ausgegangen<br />
wird, was zumindest in der Diskussion mit einigen Experten auf lange Sicht in Frage<br />
gestellt wird. Darauf basierend wird direkt die Fahrleistung der einzelnen<br />
Verkehrsträger berechnet.<br />
Panta Rhei erfüllt die Auswahlkriterien 2) und 3), doch die aus der Sicht der<br />
Verkehrsmodellierung sehr einfache Strukturierung lässt erwarten, dass die Ergebnisse<br />
nur grobe Einschätzungen zulassen. Mit Blick auf die Verfügbarkeit (Kriterium 1) bleibt<br />
festzuhalten, dass dieses Modell nur direkt vom Entwickler der GWS Gesellschaft für<br />
Wirtschaftliche Strukturforschung angewendet werden kann. Somit könnte dieses<br />
Modell nur <strong>im</strong> Rahmen einer zusätzlichen Unterbeauftragung Daten zur Validierung<br />
eigenständig zu generierender Ergebnisse liefern.<br />
c) VISEVA und VISUM<br />
Die Programmkombination aus VISEVA und VISUM basiert auf dem methodisch<br />
etablierten Ansatz des 4-Stufen-Algorithmus der Verkehrsplanung. Die ersten drei<br />
Stufen der Erzeugung, Verkehrsverteilung und –aufteilung übern<strong>im</strong>mt dabei das<br />
Softwarepaket VISEVA, die Umlegung der Nachfrage erfolgt separat unter Anwendung<br />
von VISUM. Die Überlegungen zur Modelltheorie von VISEVA gehen dabei zurück bis<br />
in die 1970er Jahre und wurden von Prof. Dr. Dieter Lohse entwickelt. Als Programm<br />
wurde VISEVA seit 1995 am Lehrstuhl für Theoretische Verkehrsplanung der<br />
Technischen Universität Dresden weiterentwickelt und in Kooperation mit der PTV AG,<br />
Karlsruhe vertrieben.<br />
Die Kombination der beiden Softwaretools eignet sich zur Best<strong>im</strong>mung der Verkehrsund<br />
Fahrleistung für die Verkehrsträger in renewbility. Der 4-Stufen-Algorithums bzw.<br />
dessen Umsetzung mit VISEVA und VISUM repräsentiert dabei den derzeitig in der<br />
angewandten Verkehrsplanung etablierten Stand der Technik. Berechnungen zur<br />
Verkehrsnachfrage unter Verwendung der beiden Programme haben bereits in<br />
zahlreichen Studien statt gefunden. Neben den Anforderungen zur Berechnung der<br />
Verkehrsleistung <strong>im</strong> Status-quo bietet VISEVA die Möglichkeit, durch die Integration<br />
veränderter Eingangsdaten oder Annahmen zu Änderungen <strong>im</strong> Verkehrsverhalten,<br />
eine Referenzentwicklung abzubilden und Prognosen zu berechnen. In Abgleich zu<br />
Kriterium 1) kann festgehalten werden, dass für die Programmkombination eine<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 31 -<br />
ausreichende Dokumentation vorliegt und aufgrund der bereits bestehenden<br />
Erfahrungen <strong>im</strong> DLR in der Arbeit mit Verkehrsmodellen eine Einarbeitung <strong>im</strong> Rahmen<br />
des Projektes möglich ist. Die Software wird von der PTV AG Karlsruhe vertrieben,<br />
kann demnach erworben werden und <strong>im</strong> Rahmen von renewbility zur Anwendung<br />
kommen.<br />
Weil es sich bei VISEVA/VISUM explizit um ein Modell der Verkehrsplanung handelt,<br />
sind in Abgleich mit den zuvor diskutierten Modellen differenziertere Ergebnisse für den<br />
Bereich der Verkehrsnachfrage zu erwarten sowie ergeben sich auch detaillierte<br />
Möglichkeiten zur Integration einer Referenzentwicklung. Die zu Beginn aufgestellten<br />
Auswahlkriterien werden insgesamt durch die Programmkombination in einem hohen<br />
Maße erfüllt.<br />
d) INVERMO<br />
Zur Abbildung des Personenfernverkehrs wurde das Modell INVERMO vom Institut für<br />
Verkehrswesen der Universität Karlsruhe entwickelt. Auslöser dafür war die<br />
beachtliche Fahrleistung <strong>im</strong> Personenfernverkehr (>100 km einfache Wegstrecke) und<br />
die Veränderungen, die sich in ansehnlichen Wachstumsraten widerspiegelten. Dabei<br />
wird dieser Teil des Verkehrs auf Basis mikroskopischer Daten nachgebildet und<br />
gleichzeitig intermodale Wegeketten berücksichtigt. Auf den Ebenen Haushalt, Person<br />
und Reise werden die für die Modellierung erforderlichen Daten synthetisch auf der<br />
Grundlage vorhandener und selbst erhobener empirischer Daten zum Reiseverhalten<br />
erzeugt. Als Ergebnis liefert das Modell ein repräsentatives Abbild der Nachfrage.<br />
Die Auswahlkriterien 2) und 3) sind mit der Einschränkung erfüllt, dass INVERMO nur<br />
den Personenfernverkehr abbildet. Hinsichtlich des Kriteriums 1) ist eine eigenständige<br />
Einarbeitung und der Erwerb der Software nicht möglich, da die Vermarktung von<br />
Untersuchungen mit diesem Modell ausschließlich durch die Firma STRATA GmbH<br />
erfolgt. Aufgrund dieser Einschränkungen hinsichtlich des relevanten<br />
Auswahlkriteriums wird von einer Anwendung INVERMOs als zentralem<br />
Modellierungsinstrument abgesehen.<br />
3.3.2 Berechnung der Verkehrsnachfrage mit VISEVA<br />
Um die Verkehrs- und Fahrleistung <strong>im</strong> Personenverkehr für Deutschland zu berechnen,<br />
wurde die Modellkombination VISEVA/VISUM ausgewählt. Die Programme sind<br />
kurzzeitig verfügbar, in der Praxis hinreichend getestet und eignen sich für die<br />
Fragestellungen in renewbility. Insbesondere hinsichtlich der angestrebten<br />
Berechnungen zur Verkehrsleistung in Deutschland, wurde die Programminfrastruktur<br />
bereits von der PTV AG zu vergleichbaren Zwecken angewandt. Als Unterbau für die<br />
Berechnungen zur Nachfrage in Deutschland, werden mikroskopische Modellrechnungen<br />
für drei ausgewählte Räume durchgeführt. Diese erlauben vertiefende<br />
Betrachtungen zur Wirkung verkehrlicher Maßnahmen (siehe Abschnitt 3.4.3).<br />
Zwischenbericht, März 2007
- 32 -<br />
Institut für Verkehrsforschung<br />
In Anlehnung an den 4-Stufen-Algorithmus der Verkehrsplanung sind in VISEVA die<br />
ersten drei Stufen von Erzeugung, Verteilung und Aufteilung der Verkehrsnachfrage<br />
Gegenstand der Betrachtungen. Im Zusammenwirken mit der in VISUM realisierbaren<br />
Umlegung (4. Stufe des Algorithmus) und einem darauf basierenden sukzessiven<br />
Rückkopplungsprozess einer sich wiederholenden Verkehrsnachfrage- und Angebotsberechnung<br />
lässt sich <strong>im</strong> betrachteten Verkehrsnetz ein Nutzergleichgewicht ermitteln. 6<br />
Die nachfolgenden Erläuterungen beschreiben zunächst die grundlegenden<br />
Funktionen von VISEVA und thematisieren die Interaktion mit VISUM. Weitere Schwerpunkte<br />
der Ausführungen beziehen sich auf die zur Modellbildung notwendigen<br />
Datengrundlagen allgemein sowie für renewbility <strong>im</strong> Speziellen.<br />
3.3.2.1 Verkehrserzeugung<br />
Das Verkehrsaufkommen wird in VISEVA unter Anwendung des Quelle-Ziel-Gruppen<br />
Konzepts berechnet. Dabei wird das Verkehrsgeschehen in homogene Teilbereiche<br />
untergliedert, so genannte aktivitätenhomogene Schichten, der Annahme folgend, dass<br />
ausgewählte Aktivitäten (z.B. Arbeiten, Einkauf, Freizeit) von dafür maßgebenden<br />
Personengruppen durchgeführt werden. Die maßgebenden Personengruppen werden<br />
<strong>im</strong> Modell dabei durch die zu bildenden verhaltenshomogenen Bevölkerungsgruppen<br />
repräsentiert. So werden Wege von und zur Arbeit ausschließlich durch die Gruppe der<br />
Erwerbstätigen zurückgelegt, während Wege zur Ausbildungsstätte zum Beispiel von<br />
Schülern und Studenten realisiert werden.<br />
Die Aufteilung des Gesamtverkehrsgeschehens in aktivitätenhomogene Schichten und<br />
damit verbundene Personengruppen kann je nach Planungsfall und entsprechender<br />
Datenverfügbarkeit für jedes Projekt individuell best<strong>im</strong>mt werden. Tabelle 1 gibt<br />
exemplarisch eine Aufteilung des Verkehrsgeschehens in 17 aktivitätenhomogene<br />
Quelle-Ziel-Gruppen wieder.<br />
Tatsächlich realisierte Ortsveränderungen von Personen sind in verkehrlichen<br />
Erhebungen in der Regel in Form von Wegeketten dokumentiert. Dabei fließen<br />
zusätzliche Informationen über den soziodemografischen Hintergrund und über<br />
benutzte Verkehrsmittel der Personen in die Erhebung mit ein. Für die Nachfrageberechnungen<br />
in VISEVA werden die Wegeketten „aufgebrochen“ und in ihre<br />
Bestandteile, also einzelne Ortsveränderungspaare (Quelle-Ziel-Gruppen) umgewandelt.<br />
Die Berechnung der Verkehrsnachfrage in einzelnen Quelle-Ziel-Gruppen<br />
erfolgt für jede Gruppe separat, so dass zum einen ermittelte Randsummenbedingungen<br />
in den Quelle-Ziel-Gruppen eingehalten werden können und sich zum<br />
anderen die Rechenzeit gegenüber wiederholter S<strong>im</strong>ulation einzelner Wegeketten<br />
6<br />
Zur Umlegung auf ein Verkehrsnetz lässt sich grundsätzlich auch eine andere Software nutzen. Der<br />
Vorteil einer kombinierten Nutzung von VISEVA und VISUM bezieht sich auf die abgest<strong>im</strong>mten<br />
Datenschnittstellen zwischen beiden Programmen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 33 -<br />
verkürzt. 7 Tabelle 1 verdeutlicht ebenfalls, dass relativ selten vorkommende<br />
Aktivitätenpaare zur allgemeinen Quelle-Ziel-Gruppe Sonstiges-Sonstiges (SS)<br />
zusammengefasst werden.<br />
Tabelle 1:<br />
Exemplarische 17er Quelle-Ziel-Gruppen Einteilung<br />
Wohnung Arbeit Kita Schule Universität Einkauf Freizeit Sonstiges<br />
Wohnung WA WK WB WH WE WF WS<br />
Arbeit AW AS<br />
Kita<br />
Schule<br />
Universität<br />
Einkauf<br />
Freizeit<br />
Sonstiges<br />
KW<br />
BW<br />
HW<br />
EW<br />
FW<br />
SW<br />
SA<br />
Abkürzungshinweis: WA steht z.B. für die Beziehung Wohnung-Arbeitsplatz, AS für Wege der<br />
Beziehung Arbeitsplatz-Sonstiges, EW für die Beziehung Einkaufsort-Wohnung, usw.<br />
3.3.2.2 Datengrundlagen zur Berechnung der Verkehrsaufkommen<br />
An der projektspezifischen Festlegung von Quelle-Ziel-Gruppen orientieren sich<br />
unmittelbar die für die Nachfrageberechnung notwendigen Datengrundlagen. Im<br />
Wesentlichen sind Daten zum Verkehrsverhalten und zur Raumstruktur für den<br />
jeweiligen Untersuchungsraum zu beschaffen. Grundsätzlich gilt dabei, dass je größer<br />
die Anzahl an Quelle-Ziel-Gruppen, umso höher die Anforderungen an Verfügbarkeit<br />
und Umfang von Datenmaterial.<br />
Verkehrsverhaltensdaten können aus verschiedenen Haushaltsbefragungen generiert<br />
werden, zum Beispiel aus Mobilität in Deutschland (MiD) oder anderen regionalen<br />
Verkehrserhebungen. Folgende Verhaltensparameter müssen dabei aus einer<br />
Erhebung generiert werden:<br />
• spezifisches Verkehrsaufkommen (Mobilitätsrate) der Bezugspersonengruppe<br />
einer jeden Quelle-Ziel-Gruppe 8<br />
• Modal Split Werte pro Personen- und Quelle-Ziel-Gruppe<br />
• Besetzungsgrade <strong>im</strong> Individualverkehr<br />
SS<br />
7<br />
8<br />
Die separat berechneten Quell- und Zielverkehrsaufkommen für die einzelnen Quelle-Ziel-Gruppen<br />
werden <strong>im</strong> Schritt der Umlegung wieder zusammengefügt.<br />
Das spezifische Verkehrsaufkommen ist definiert als die mittlere Anzahl an Ortsveränderungen pro<br />
Person (in einer Bezugspersonengruppe) und Tag.<br />
Zwischenbericht, März 2007
- 34 -<br />
Institut für Verkehrsforschung<br />
Von besonderer Bedeutung ist dabei das spezifische Verkehrsaufkommen. An diesem<br />
Parameter orientiert sich unmittelbar die Höhe des zu berechnenden<br />
Verkehrsaufkommens. Deutlich wird damit gleichzeitig auch ein wesentlicher<br />
Unterschied zur Mikros<strong>im</strong>ulation. In VISEVA wird über das spezifische Verkehrsaufkommen<br />
ein Wert an eine ganze Personengruppe zugewiesen, der Annahme<br />
folgend, dass alle Personen einer Gruppe entsprechend einer Mobilitätsrate eine<br />
homogene Verhaltensweise aufzeigen. Im mikroskopischen Modell (TAPAS) hingegen<br />
kann über die Erzeugung einer synthetischen Bevölkerung zum einen der<br />
Haushaltskontext einzelner Personen berücksichtigt werden, zum anderen wird über<br />
die individuelle Zuweisung von Aktivitätenplänen an einzelne „Agenten“ eine<br />
disaggregierte Reproduktion von Verkehrsverhalten <strong>im</strong> Modell möglich.<br />
In VISEVA werden des Weiteren Parameter eingelesen, die das Attraktionspotenzial<br />
einer Gelegenheit <strong>im</strong> Raum beschreiben. 9 Im Modell sind diese Gelegenheiten mit so<br />
genannten Erzeugungsraten zu besetzen. Diese sind definiert durch die mittlere Anzahl<br />
an Ortsveränderungen pro Tag und Einheit der raumstrukturellen Größe, letztlich also<br />
dadurch, wie viel Verkehr eine Gelegenheit „anzieht“. Quellen zur Ermittlung von<br />
Erzeugungsraten können empirische Erhebungen (z.B. zur Frequentierung unterschiedlicher<br />
Verkaufseinrichtungen) oder bestehende Erfahrungswerte sein. 10<br />
In Anlehnung an Tabelle 1 und die darin aufgeführten Quelle-Ziel-Gruppen sind zur<br />
Abbildung der Raumstruktur auf der Quellseite insbesondere Angaben zu den<br />
Einwohnern, Erwerbstätigen, Kleinkindern, Schülern und Studenten sowie auf der<br />
Zielseite zu Beschäftigten insgesamt, Beschäftigten <strong>im</strong> tertiären Bereich, Schul- und<br />
Kitaplätzen, Verkaufsraumflächen und Beschäftigten/Kapazitäten <strong>im</strong> Freizeitbereich<br />
notwendig. Die Auflistung verdeutlicht den engen Zusammenhang zwischen<br />
notwendigen Datengrundlagen auf Verhaltens- und Raumstrukturseite sowie dem Grad<br />
an differenzierter Aufteilung des Verkehrsgeschehens in Quelle-Ziel-Gruppen.<br />
Liegen die beschriebenen Daten auf der dem Planungsraum zu Grunde liegenden<br />
Verkehrszelleneinteilung 11 vor und sind die relevanten Verhaltensparameter ermittelt,<br />
lässt sich sowohl das Gesamtverkehrsaufkommen als auch das Quell- und<br />
Zielverkehrsaufkommen berechnen (siehe auch Stufe 1 in Abbildung 4).<br />
9<br />
10<br />
11<br />
Unter Gelegenheiten versteht man in den Verkehrswissenschaften die Ziele von Ortsveränderungen<br />
an denen eine Tätigkeit realisiert wird, also zum Beispiel das Kino, Kaufhaus oder die Wohnung eines<br />
Verwandten.<br />
Einen Überblick über Erzeugungsraten nach unterschiedlichen Verkaufseinrichtungen und<br />
Flächennutzungstypen gibt Bosserhoff 2000, 2007.<br />
Verkehrszellen bilden die räumliche Grundlage für die Nachfrageberechnungen. Als abgegrenzte<br />
Gebietseinheit werden der Verkehrszelle die jeweiligen Raumstrukturdaten zugespielt. Sie sind damit<br />
Quellen und Ziele von Ortsveränderungen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 35 -<br />
3.3.2.3 Verkehrsverteilung und Verkehrsaufteilung<br />
Eine wesentliche Eigenschaft von VISEVA ist der s<strong>im</strong>ultane Berechnungsschritt von<br />
Verkehrsverteilung und Verkehrsaufteilung. Mittels der Verkehrsverteilung werden die<br />
<strong>im</strong> Rahmen der Erzeugung ermittelten absoluten Zahlen für Quell- und<br />
Zielverkehrsaufkommen auf die den Planungsraum konstituierenden Verkehrszellen<br />
verteilt. Mittels der Verkehrsaufteilung, also der Integration des Modal Split in das<br />
Model, ist zu hinterlegen, mit welchem Verkehrsmittel die jeweilige Quelle-Ziel-<br />
Beziehung realisiert wird. Hintergrund für die s<strong>im</strong>ultane Berechnung von Ver- und<br />
Aufteilung in VISEVA ist der enge Zusammenhang, der zwischen der Entscheidung für<br />
ein Ziel und dem zum Erreichen des Ziels verwendeten Verkehrsmittels gesehen wird.<br />
Für die gesuchten Verkehrsströme zwischen Quell- und Zielzellen ergeben sich dabei<br />
n-lineare Systeme aus Gleichungen und gegebenenfalls auch Ungleichungen die über<br />
iterative Berechnungsverfahren gelöst werden. Die Verkehrsver- und -aufteilung in<br />
VISVEA ähnelt dabei einem Gravitationsmodell hat jedoch eine weitere D<strong>im</strong>ension und<br />
eine andere Bewertungsfunktion. 12<br />
Zur Integration der Qualität des Verkehrsangebots in den Entscheidungsprozess von<br />
Ziel- und Verkehrsmittelwahl werden in VISEVA so genannte Bewertungswahrscheinlichkeiten<br />
berechnet. 13 Diese ergeben sich in Anlehnung an den Widerstand<br />
in Form der komplexen Reisezeit, den ein Verkehrsteilnehmer zur Realisierung einer<br />
spezifischen Quelle-Ziel Beziehung unter Benutzung eines Verkehrsmittels erfährt. Die<br />
komplexe Reisezeit kann sich aus je nach Verkehrsträger verschiedenen Bestandteilen<br />
wie Zu- und Abgangszeit zum und vom Verkehrsmittel, der Fahrzeit sowie weiteren<br />
Komponenten zusammensetzen. Durch die Bewertung der Qualität der Verkehrsbeziehung<br />
hinsichtlich des zu erwartenden Widerstands in Form der komplexen<br />
Reisezeit, wird damit die Bewertung des Verkehrsangebots zur Ziel- und Verkehrsmittelwahl<br />
<strong>im</strong> Modell berücksichtigt.<br />
3.3.2.4 Kopplung von VISEVA und VISUM<br />
Die Anwendung der Umlegungssoftware VISUM ist aus zwei Gründen notwendig. Zum<br />
einen ermöglicht sie die Ermittlung der notwendigen Aufwandsmatrizen, die als Basis<br />
für die Berechnung der Bewertungswahrscheinlichkeiten unmittelbaren Einfluss auf die<br />
s<strong>im</strong>ultane Ziel- und Verkehrsmittelwahl haben. Zum anderen können Quelle-Ziel-<br />
12<br />
13<br />
Zur mathematischen Lösung des s<strong>im</strong>ultanen Verkehrsverteilungs- und Aufteilungsansatz, siehe für<br />
eine ausführliche Beschreibung Lohse et. al 1997 oder in Zusammenfassungen Lohse et. al 2006,<br />
1+2.<br />
Die Funktion zur Bewertung der mit unterschiedlichen Aufwänden besetzten Quelle-Ziel-Beziehungen<br />
ergibt einen Zahlenwert zwischen 0 und 1. Im wahrscheinlichkeitstheoretischen Sinn beschreibt der<br />
Wert die Wahrscheinlichkeit, dass eine best<strong>im</strong>mte Ortsveränderung mit einem best<strong>im</strong>mten<br />
Verkehrsmittel durchgeführt wird.<br />
Zwischenbericht, März 2007
- 36 -<br />
Institut für Verkehrsforschung<br />
Matrizen, als Ergebnis der Berechnungen in VISEVA, <strong>im</strong> Netz umgelegt werden und<br />
damit die Grundlage für die Ermittlung der Fahrleistungen bilden. 14<br />
Über den zuvor erwähnten Widerstand für spezifische Quelle-Ziel-Beziehungen sind<br />
Umlegungssoftware VISUM und Nachfrageberechnungsinstrument VISEVA miteinander<br />
verbunden. Aus einem Verkehrsnetz in VISUM lassen sich Widerstandsmatrizen<br />
zwischen Quellen und Zielen schreiben. Diese nach VISEVA übertragen,<br />
dienen als Grundlage zur Berechnung der Bewertungswahrscheinlichkeiten. Auf Basis<br />
sich verändernder Netzbelastungen in VISUM können in einem iterativen Prozess<br />
jeweils aktualisierte Widerstandsmatrizen ausgelesen und Bewertungswahrscheinlichkeiten<br />
neu berechnet werden. Ziel dieses wechselseitigen Austauschs ist es,<br />
ein Gleichgewicht zwischen Verkehrsnachfrage und Verkehrsangebot herzustellen.<br />
Nachfolgend greift Abbildung 4 die Ausführungen bis an diesen Punkt nochmals auf<br />
und visualisiert die Rückkopplung zwischen VISEVA (Erzeugung, Verteilung,<br />
Aufteilung) und VISUM (Umlegung).<br />
14<br />
An dieser Stelle sei darauf hingewiesen, dass keine Umlegung der Verkehrsnachfrage auf einem ÖV-<br />
Netz statt findet. Aussagen über Personenkilometer (Pkm) <strong>im</strong> ÖV sind unter Einbezug externer<br />
Informationen (z.B. Informationen zu durchschnittlichen Reiseweiten in den verschiedenen Segmenten<br />
des ÖV) möglich.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 37 -<br />
Abbildung 4: Ablaufschema Nachfrageberechnung in VISEVA und Umlegung in VISUM<br />
Stufe<br />
1<br />
VISEVA<br />
Verkehrserzeugung<br />
Berechnung der Verkehrsaufkommen<br />
für die Verkehrsarten unter Berücksichtigung<br />
von spezifischen Verkehrsaufkommen<br />
und Erzeugungsraten<br />
Ergebnis<br />
Gesamtverkehrsaufkommen<br />
Quell- und Zielverkehrsaufkommen der Zellen<br />
Input<br />
Kennwerte zum Verkehrsverhalten<br />
und zur Raumstruktur<br />
Berechnung der Bewertungswahrscheinlichkeiten<br />
Ergebnis<br />
Bewertungswahrscheinlichkeiten<br />
nach Verkehrsarten<br />
Zwischenschritt<br />
VISEVA<br />
Input<br />
Matrizen mit berechneten<br />
Widerständen aus dem Netzmodell<br />
Verkehrsverteilung/Verkehrsaufteilung<br />
S<strong>im</strong>ultane, nach QZG getrennte, Verteilung der<br />
Quell- bzw. Zielverkehrsaufkommen auf die<br />
2+3<br />
Ziel bzw. Quellverkehrsbezirke bei<br />
gleichzeitiger Aufteilung der Verkehrsströme<br />
VISEVA<br />
auf die Verkehrsarten<br />
Stufe<br />
Ergebnis<br />
Verkehrsstrommatrizen nach QZG<br />
und Verkehrsarten<br />
Input<br />
Bewertungswahrscheinlichkeiten<br />
nach Verkehrsarten<br />
kalibrierte EVA-Parameter<br />
Output<br />
Gesamtfahrtenmatrix bzw.<br />
Quelle-Ziel-Matrix über alle QZG<br />
Stufe<br />
4<br />
VISUM<br />
Netzmodell<br />
Verkehrsumlegung<br />
Zuordnung der Quelle-Ziel-Beziehungen<br />
zu den <strong>im</strong> Netzmodell möglichen Routen<br />
Ergebnis<br />
Verkehrsbelastungen <strong>im</strong> Netzmodell<br />
Fahrzeugkilometer<br />
Input<br />
Quelle-Ziel-Matrix<br />
Output<br />
Berechnete Widerstandsmatrizen<br />
(hier: Reisezeit)<br />
Quelle: eigene Darstellung<br />
3.3.3 Anwendung von VISEVA und VISUM <strong>im</strong> Forschungsvorhaben<br />
renewbility<br />
VISEVA und VISUM werden in renewbility dazu genutzt, die Fahr- und Verkehrsleistungen<br />
<strong>im</strong> Personenverkehr Deutschlands bis 2030 zu berechnen. In separaten<br />
Rechendurchläufen wird zunächst der Status-Quo best<strong>im</strong>mt, das Basisszenario<br />
definiert und berechnet, um anschließend die Abweichungen vom Basisfall unter<br />
Zwischenbericht, März 2007
- 38 -<br />
Institut für Verkehrsforschung<br />
Berücksichtigung der aus der Mikros<strong>im</strong>ulation ermittelten Wirkmächtigkeit von<br />
verkehrlichen Maßnahmen innerhalb verschiedener Szenarien zu best<strong>im</strong>men.<br />
VISEVA bietet die Möglichkeit, Änderungen in den raumstrukturellen Rahmenbedingungen<br />
(Demografie, Erwerbstätigkeit, etc.) einzubeziehen. Die <strong>im</strong> Modell eingelesenen<br />
Verhaltensparameter (z.B. das spezifische Verkehrsaufkommen) erlauben<br />
es des Weiteren, Veränderungen von Verkehrsverhaltensweisen in die Berechnungen<br />
zu integrieren. Damit sind in VISEVA die wesentlichen Voraussetzungen zur Abbildung<br />
des Basisszenarios und der Szenariorechnung insbesondere <strong>im</strong> Hinblick auf sich<br />
ändernde Rahmenbedingungen (Bevölkerungs- und Raumstruktur) bis 2030 gegeben.<br />
Die Integration eines veränderten individuellen Verkehrsverhaltens aufgrund<br />
spezifischer Maßnahmen kann in VISEVA über die entsprechende Anpassung von<br />
Verhaltensparametern erfolgen. Diese müssen in der Regel außerhalb von VISEVA<br />
zunächst geschätzt werden. In renewbility hingegen werden zur geeigneten Anpassung<br />
der Verhaltensparameter die Möglichkeiten und Potenziale der Mikro- und<br />
Makros<strong>im</strong>ulation miteinander in Verbindung gebracht. Die in der spezifischen<br />
Mikros<strong>im</strong>ulation für ausgewählte Räume ermittelten Auswirkungen von Maßnahmen<br />
werden hinsichtlich ihrer Wirkmächtigkeit in Parameter „übersetzt“, die ihrerseits in<br />
VISEVA eingelesen werden können. Die Übertragung der Parameter nach VISEVA<br />
ermöglicht dann die Abschätzung der Wirkmächtigkeit von Maßnahmen auf ganz<br />
Deutschland.<br />
3.3.3.1 Eingangsdaten für die Berechnungen in renewbility<br />
Den Berechnungen zur Verkehrsnachfrage in renewbility gingen umfangreiche<br />
Datenanalysen voran. Analog zu den in 3.3.2.2 beschriebenen grundsätzlichen Datenerfordernissen<br />
mussten geeignete Verkehrsverhaltens- und Raumstrukturdaten<br />
beschafft, aufbereitet und in das Modell integriert werden.<br />
Basis für die Berechnungen der Verhaltensparameter bildet die Erhebung Mobilität in<br />
Deutschland 2002, eine deutschlandweite Erhebung zum Mobilitätsverhalten,<br />
durchgeführt vom Institut für angewandte Sozialwissenschaft (infas) und Deutschen<br />
Institut für Wirtschaftsforschung (DIW) <strong>im</strong> Auftrag des damaligen Bundesministeriums<br />
für Verkehr, Bau- und Wohnungswesen (heute: BMVBS). Zur Berechnung der<br />
Parameter sind Umcodierungen des Datenbestandes der MiD notwendig, um die in der<br />
MiD berichteten Wegeinformationen entsprechend der Quelle-Ziel-Gruppen Systematik<br />
auswerten und die notwendigen Verhaltensparameter für das Modell bilden zu<br />
können. 15 Neben dem spezifischen Verkehrsaufkommen je Personen- und Quelle-Ziel-<br />
Gruppe waren weitere Parameter wie Modal Split und Besetzungsgrade <strong>im</strong><br />
15<br />
Ein entsprechend aufbereiteter Datensatz wurde von der TU Dresden zur Verfügung gestellt und<br />
gemäß der in renewbility angewandten Aufteilung des Verkehrsgeschehens in Quelle-Ziel-Gruppen<br />
angepasst.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 39 -<br />
Individualverkehr aus der MiD zu ermitteln. Im weiteren Berechnungsverlauf werden<br />
Angaben zu durchschnittlichen Reiseweiten und Reisezeiten in den Quelle-Ziel-<br />
Gruppen notwendig, um Ergebnisse der Berechnungen an empirische Erfahrungswerte<br />
anzugleichen.<br />
Die Anforderungen an raumstrukturelle Daten variieren entsprechend der Ausprägung<br />
des Quelle-Ziel-Gruppen Konzepts und der damit verbundenen maßgebenden<br />
Personengruppen. Für die Berechnungen in renewbility kommen 15 verhaltenshomogene<br />
Personengruppen bei einer Differenzierung nach 13 Quelle-Ziel-Gruppen<br />
zum Einsatz. Die Datengrundlagen der nachstehenden Tabelle 2 wurden dieser<br />
Differenzierung entsprechend aufbereitet.<br />
Tabelle 2:<br />
Datengrundlage Status Quo Deutschland-Modellierung<br />
Raumstruktur<br />
Art der Daten<br />
Bevölkerungsstruktur<br />
(nach Altersklassen)<br />
Beschäftigte (am Wohnort)<br />
Erwerbstätige (am Arbeitsort)<br />
Altersklassen<br />
Studierende<br />
Schüler<br />
Auszubildende<br />
Sonstige Daten für Quellen und Ziele von Verkehr<br />
Status Quo<br />
infas GEOdaten (2001),<br />
Statistische Landesämter<br />
infas GEOdaten (2001),<br />
Erwerbstätigenrechnung des<br />
Bundes und der Länder<br />
infas GEOdaten (2001),<br />
Erwerbstätigenrechnung des<br />
Bundes und der Länder<br />
Bundesagentur für Arbeit<br />
Hochschulstatistik, Statistisches<br />
Bundesamt<br />
Statistik Regional, Statistische<br />
Ämter des Bundes und der<br />
Länder<br />
Statistisches Bundesamt<br />
z.B. Statistisches Bundesamt,<br />
Statistische Landesämter,<br />
Hauptverband des deutschen<br />
Einzelhandels<br />
Zwischenbericht, März 2007
- 40 -<br />
Institut für Verkehrsforschung<br />
Verkehrsverhalten<br />
Mobilitätsparameter<br />
- Mobilitätsraten<br />
- Modal Split<br />
- Besetzungsgrade <strong>im</strong> IV<br />
Mobilität in Deutschland (2002)<br />
Für alle in Tabelle 2 aufgelisteten Daten galt es, den unterschiedlichen räumlichen<br />
Aufbereitungsgrad zu berücksichtigen. Durch entsprechende Verfahren der Disaggregation<br />
und Aggregation waren die Daten auf die den Berechnungen zu Grunde<br />
liegende räumliche Ebene der 439 bundesdeutschen Kreise und kreisfreien Städte hin<br />
aufzubereiten. Als in renewbility gemeinsam benutzter Datensatz durch die Modelle<br />
des Personen- und Güterverkehrs ist an dieser Stelle der am DLR vorliegende,<br />
umfangreiche infas Geodatensatz zu nennen. In diesem finden sich die für die<br />
Modellierung wesentlichen, detaillierten Eingangsgrößen zu Einwohnern und Erwerbstätigen<br />
wieder. 16<br />
3.3.3.2 Berechnung des Status Quo<br />
Nach Aufbereitung und Integration der Daten ließen sich die Verkehrsaufkommen nach<br />
der oben beschriebenen Aufteilung des Verkehrsgeschehens in Personen- und Quelle-<br />
Ziel-Gruppen ermitteln. Mit der Erzeugung der entsprechenden Wegematrizen ist die<br />
Berechnung der Verkehrsnachfrage für die einzelnen Verkehrsträger grundsätzlich<br />
abgeschlossen. Die folgende Tabelle 3 fasst die berechneten globalen Eckwerte für<br />
das Wegeaufkommen <strong>im</strong> motorisierten Individualverkehr, öffentlichen Verkehr sowie<br />
nichtmotorisierten Verkehr (Fuß- und Radwege) zusammen.<br />
Tabelle 3:<br />
Verkehrsaufkommen in Wegen pro Tag<br />
MIV ÖV NMV<br />
Wege in Millionen pro Tag 154,3 20,0 93,9<br />
Das Ergebnis der Berechnungen bewegt sich mit einer durchschnittlichen Wegeanzahl<br />
von 3,25 pro Person und Tag sowie den berechneten Aufkommen der Verkehrsträger<br />
<strong>im</strong> Rahmen der bekannten Erfahrungswerte. Insbesondere der Abgleich mit den<br />
16<br />
Um in Anbetracht der Modellerfordernisse z.B. Altersgruppen innerhalb der Erwerbstätigen einer<br />
Verkehrszelle zu ermitteln, müssen unterschiedliche Datenquellen miteinander gekreuzt werden. Im<br />
hier beschriebenen Fall würde die Aufteilung der Erwerbstätigen nach Altersklassen unter<br />
Berücksichtigung von Auswertungen aus der Beschäftigtenstatistik der Bundesagentur für Arbeit<br />
erfolgen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 41 -<br />
Ergebnissen der Studie „Mobilität 2050“ zeigt bei den berechneten Aufkommen eine<br />
gute Übereinst<strong>im</strong>mung. Von Relevanz ist dieser Vergleich vor allem vor dem<br />
Hintergrund, dass die dort durchgeführten Berechnungen ebenfalls die Studie „Mobilität<br />
in Deutschland 2002“ als zentrale Quelle zur Ermittlung der Verkehrsverhaltensdaten<br />
verwendet haben. Bestehende Unterschiede <strong>im</strong> berechneten Verkehrsaufkommen<br />
beruhen auf verschiedenen zu Grunde gelegten Strukturdaten bzw. leichten<br />
Abweichungen bei der Ermittlung der Mobilitätsparameter.<br />
Zur Ermittlung der Verkehrsleistung (Personen- und Fahrzeugkilometern) befinden sich<br />
zum gegenwärtigen Zeitpunkt zwei Varianten in der Anwendung:<br />
a) Best<strong>im</strong>mung der Verkehrsleistung für alle Verkehrsträger unter Berücksichtigung<br />
empirisch ermittelter durchschnittlicher Reiseweiten<br />
b) Best<strong>im</strong>mung der Verkehrsleistung für den Pkw-Verkehr auch durch Umlegung<br />
auf ein MIV-Verkehrsnetz<br />
Die Best<strong>im</strong>mung der Pkm mittels Variante a) bedarf der dezidierten Ermittlung mittlerer<br />
Reiseweiten, unterschieden nach den Verkehrsträgern sowie nach Personen- und<br />
Quelle-Ziel-Gruppen. Daraus ergibt sich eine inhaltlich zunächst starke Differenzierung,<br />
die zur Best<strong>im</strong>mung der für die Stoffstromanalyse relevanten Größen jedoch einfach<br />
zusammengefasst werden kann. Nachfolgende Tabelle 4 fasst die so berechneten<br />
Eckwerte zusammen.<br />
Tabelle 4:<br />
Verkehrsleistung in Pkm pro Jahr<br />
MIV ÖV NMV<br />
Pkm in Milliarden pro Jahr 715,0 216,4 59,3<br />
Die für die Stoffstromanalyse relevante Größe der Fahrzeugkilometer lässt sich für den<br />
MIV daran anschließend durch die Berücksichtigung von Besetzungsgraden<br />
best<strong>im</strong>men (~530 Mrd. Fahrzeugkilometer <strong>im</strong> MIV). Für den ÖV gestaltet sich dies<br />
aufwendiger, da es zusätzlicher Analysen und Berechnungen bedarf, um von den<br />
ermittelten Personenkilometern auf realisierte Fahrzeugkilometer zu schließen. In<br />
Abst<strong>im</strong>mung mit der TU Dresden laufen derzeit die Arbeiten an einem Hochrechnungsmodell<br />
für den ÖV, welches diesen Zusammenhang aufgreift.<br />
Für den MIV ergibt sich des Weiteren die Möglichkeit b), die Fahrzeugkilometer durch<br />
die Umlegung der Verkehrsnachfrage auf ein Verkehrsnetz zu best<strong>im</strong>men. Dazu bedarf<br />
es neben der Kalibrierung der Verkehrsnachfrage auf Reiseweitenverteilungen,<br />
umfangreichen Anpassungen des IV-Verkehrsnetzes. Die Arbeiten an Kalibrierung und<br />
Umlegung auf das Verkehrsnetz dauern gegenwärtig noch an.<br />
Zwischenbericht, März 2007
- 42 -<br />
Institut für Verkehrsforschung<br />
3.3.3.3 Aktueller Stand und Ausblick<br />
Erste Rechenergebnisse für den Status Quo wurden bereits erzeugt und ein<br />
Probedatensatz für die Stoffstromanalyse bereitgestellt. Die Arbeiten zur Umlegung<br />
und Kalibrierung des Status Quo dauern noch an. Sie bilden einen elementaren<br />
Bestandteil zur Berechnung der Verkehrsleistung sowie für die daran anknüpfenden<br />
Schritte von Basisszenario und Auswirkungen verschiedener Szenarien. Die<br />
aufwendigen Kalibrierungsarbeiten werden in der ersten Maihälfte abgeschlossen sein.<br />
Die wesentlichen Arbeitsschritte zur Integration des Basisszenarios umfassen die<br />
Aufbereitung der Datenbasis für die Modellrechnungen (nähere Beschreibung hierzu<br />
siehe Abschnitt 7.1). Derzeit laufen die Arbeiten an der Integration der Rahmendaten<br />
aus „Mobilität 2050“. Sollten hieran keine Modifikationen mehr notwendig sein, z. B.<br />
aufgrund von Anforderungen aus anderen Arbeitspaketen des Projekts oder der Wahl<br />
eines anderen Basisszenarios, ist mit der Fertigstellung der Aufbereitung und<br />
Ergebnissen der Rechnungsdurchläufe bis Ende Mai zu rechnen.<br />
Zur Best<strong>im</strong>mung der Fahrleistung <strong>im</strong> Öffentlichen Verkehr wird in Kooperation mit der<br />
TU Dresden derzeit an zwei Varianten der Hochrechnung von Personen- zu<br />
Fahrzeugkilometern gearbeitet. Dies ist notwendig, weil andernfalls die Betriebskonzepte<br />
der Deutschen Bahn und der Nahverkehrsverbünde s<strong>im</strong>uliert werden<br />
müssten. In einer Variante wird der Zusammenhang zwischen dem VISEVA-Output der<br />
Personenkilometer zu den real gefahrenen Fahrzeugkilometern <strong>im</strong> ÖV aus entsprechenden<br />
Statistiken betrachtet. Die andere Variante orientiert sich an einem<br />
Bottom-Up-Ansatz, indem auf der Basis der Ergebnisse für die drei Beispielräume auf<br />
die geleisteten Fahrzeugkilometer <strong>im</strong> gesamtdeutschen ÖV geschlossen wird.<br />
Ergänzende Studien zum Flugverkehr wurden beschafft und vorläufig analysiert. In<br />
Abhängigkeit des letztlich gewählten Basisszenarios und der Maßnahmenbündel in<br />
den Szenarien wird geprüft werden, welche Szenarien aus welchen Studien am besten<br />
zu renewbility passen und die Modellierungsergebnisse dann entsprechend ergänzt.<br />
3.4 Mikroskopische S<strong>im</strong>ulation der Personenverkehrsnachfrage<br />
in räumlicher Differenzierung (AP 1.3.2)<br />
3.4.1 Datengrundlage und Funktionsablauf TAPAS<br />
Das Projekt renewbility hat das Ziel, Wirkungen von Maßnahmen in Szenarien für eine<br />
<strong>nachhaltige</strong> Verkehrsentwicklung bis zum Jahr 2030 abzuschätzen. Für drei<br />
ausgewählte Räume wird die Verkehrsnachfrage dabei mittels des am Institut für<br />
Verkehrsforschung entwickelten mikroskopischen Verkehrsnachfragemodell TAPAS<br />
(Travel and Activity PAtterns S<strong>im</strong>ulation) ermittelt. Es ist modular aufgebaut, bildet den<br />
Verkehr in einem abgegrenzten Raum – z. B. einer Stadt oder einem Landkreis – ab<br />
und ermöglicht eine besonders detaillierte Abbildung individueller Verhaltensweisen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 43 -<br />
bzw. Reaktionen auf Maßnahmen. Bisher wurde es insbesondere für die Stadt Köln<br />
angewendet. 17<br />
Das Modell TAPAS bildet für jede einzelne Person einer Bevölkerung deren tägliches<br />
Aktivitätenprogramm sowie die damit verbundenen Wege räumlich und zeitlich ab.<br />
Deswegen kann TAPAS auch als „agentenbasiertes Modell“ bezeichnet werden, wobei<br />
als „Agent“ eine einzelne Person zu verstehen ist, die mit Attributen belegt werden<br />
kann. Zur Abbildung der Aktivitäten und Wege der „Agenten“ verwendet TAPAS<br />
folgende Daten als Grundlage:<br />
• Statistische Bevölkerungsdaten einschließlich personen- und haushaltsbezogener<br />
Angaben; daraus wird in einem Programmmodul eine<br />
„synthetische Bevölkerung“ generiert,<br />
• Raum- und Strukturdaten zur Abbildung der Gelegenheiten, d.h. der<br />
potenziellen Ziele, an denen die Aktivitäten Arbeit, Einkauf, Freizeit etc.<br />
ausgeübt werden können,<br />
• Daten zur Zeitverwendung, die in den Modulen „Sequenzanalyse“,<br />
„Clusterung“ und „Aktivitätenauswahl“ in Aktivitätenprogramme umgesetzt<br />
werden,<br />
• Daten zur Nutzung von Verkehrsmitteln; diese werden <strong>im</strong> Modul<br />
„Verkehrsmittelwahl“ verarbeitet.<br />
Abbildung 5: Ablaufschema des Modells TAPAS<br />
Person<br />
wähle ein Muster<br />
Zielwahl<br />
Synthetische Bevölkerung<br />
Muster<br />
Orte<br />
Tagebücher<br />
Klassifikation<br />
Reisezeiten<br />
Verkehrsmittelwahl<br />
Verkehrsmittelwahlwahrscheinlichkeiten<br />
Plan<br />
Anpassung von Dauer und Anfangszeiten<br />
Quelle: eigene Darstellung<br />
Verkehrsfluss-S<strong>im</strong>ulation<br />
17<br />
Eine ausführlichere Beschreibung des Anwendungsfalls Köln ist zu finden in Hertkorn 2004.<br />
Zwischenbericht, März 2007
- 44 -<br />
Institut für Verkehrsforschung<br />
Datenbedarf und Datengrundlagen sowie die notwendigen Schritte bei der<br />
Datenbearbeitung werden nachfolgend ausführlicher dargestellt. Die Beschreibung<br />
konzentriert sich dabei auf die Frage der Funktion und Erstellung der einzelnen<br />
Programmmodule.<br />
3.4.1.1 Synthetische Bevölkerung<br />
Die räumliche Bevölkerungsverteilung wird benötigt um abzubilden, an welchen Stellen<br />
<strong>im</strong> Raum überhaupt Verkehrsnachfrage entsteht. Grundsätzlich könnte diese<br />
Verteilung direkt aus Datensätzen übernommen werden, wie sie z.B. <strong>im</strong> Rahmen von<br />
landesweiten Bevölkerungszählungen erstellt werden. Solche Datensätze liegen<br />
jedoch in den seltensten Fällen vor – in Deutschland beispielsweise hat die letzte<br />
Bevölkerungszählung, in der die Gesamtbevölkerung räumlich differenziert, d.h. auf der<br />
Ebene von Gemeinden und Stadtbezirken, erfasst wurde, <strong>im</strong> Jahr 1987<br />
stattgefunden 18 .<br />
Mikroskopische agentenbasierte Modelle benötigen eine möglichst kleinräumige<br />
Bevölkerungsverteilung, bei der die einzelne Person mit soziodemographischen<br />
Eigenschaften versehen ist. Nur dann ist eine Verknüpfung mit den Verkehrsdaten<br />
möglich. Aus diesem Grund arbeiten agentenbasierte Modelle mit einer sog.<br />
„synthetischen Bevölkerung“. Die entscheidende Einheit ist dabei der Haushalt, da die<br />
Zusammensetzung des einzelnen Haushalts eine wesentliche Einflussgröße auf die<br />
Aktivitätenprogramme der einzelnen Personen darstellt.<br />
Die synthetische Bevölkerung wird üblicherweise für Verkehrszellen 19 best<strong>im</strong>mt: Auf<br />
der Grundlage vorhandener Bevölkerungsdaten ist – zumindest in Deutschland –<br />
bekannt, wie viele Personen in der einzelnen Zelle leben, auf wie viele Haushalte sie<br />
sich verteilen und welche soziodemographischen Merkmale sie aufweisen. Diese<br />
Daten sind jedoch als jeweilige Einzelgrößen vorhanden. Das heißt, man weiß zwar,<br />
wie viele Menschen in einer Verkehrszelle leben, wie viele Haushalte dort vorhanden<br />
sind, wie viele Männer bzw. Frauen dort leben, wie die Altersstruktur aussieht und wie<br />
viele der in der Verkehrszelle lebenden Personen erwerbstätig bzw. in Ausbildung sind.<br />
Man weiß aber nicht, wie die einzelnen Haushalte aufgebaut sind: Welche<br />
Altersstruktur hat der einzelne Haushalt? Wie viele Erwerbstätige leben in diesem<br />
Haushalt? Wie viele Kinder leben in dem Haushalt? Mit den vorhandenen Daten<br />
18<br />
19<br />
Die Erhebung erfolgt auf der Ebene von Kreisen.<br />
Eine Verkehrszelle ist ein möglichst homogenes Gebiet innerhalb eines Planungsraumes. Die<br />
Einteilung erfolgt dabei nach verschiedenen verkehrsplanerischen Kriterien wie z. B. Einwohnerzahl<br />
oder Flächengröße und Struktur. Verkehrszellen sind teilweise deckungsgleich mit der Einteilung der<br />
amtlichen Statistik wie zum Beispiel in Berlin (vgl. Statistisches Landesamt Berlin 2003).<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 45 -<br />
werden deswegen gewissermaßen „künstlich“ Haushalte zusammengestellt 20 , d.h. eine<br />
synthetische Bevölkerung generiert, die auf aggregierter Ebene der Realität entspricht,<br />
auf der Ebene des einzelnen Haushaltes dagegen plausiblen Annahmen folgt (z. B.<br />
keine allein lebenden Schulkinder). Mit der Erstellung der synthetischen Bevölkerung<br />
liegt schließlich ein Datensatz vor, in dem jede einzelne Person – jeder „Agent“ – durch<br />
soziodemographische Eigenschaften sowie die Zugehörigkeit zu einem Haushalt<br />
definiert ist.<br />
3.4.1.2 Auswahl der Aktivitäten<br />
Im nächsten Schritt ermittelt TAPAS die Aktivitäten der „Agenten“. Dabei wird für jede<br />
Person der synthetischen Bevölkerung festgelegt, welchen Aktivitäten sie <strong>im</strong><br />
betrachteten Zeitraum nachgeht. Grundlage hierfür sind die Daten der<br />
Zeitbudgeterhebungen des Statistischen Bundesamtes 21 . Bei den Zeitbudgetdaten<br />
handelt es sich um das Ergebnis einer repräsentativen Erhebung des Statistischen<br />
Bundesamtes von 1991/1992, die in Zusammenarbeit mit dem Familienministerium<br />
durchgeführt wurde. Jede Person der 7.200 befragten Haushalte hatte <strong>im</strong> Fünf-<br />
Minuten-Takt notiert, welche Aktivitäten sie an zwei aufeinander folgenden Tagen<br />
ausgeführt hatte.<br />
Seit Ende 2005 liegen die Ergebnisse der Zweiten bundesdeutschen Zeitbudgetstudie<br />
vor, an der zwischen 2001 und 2002 12.600 Personen aus 5.400 Haushalten<br />
teilgenommen haben. Dadurch ist eine Vielzahl von Vergleichsmöglichkeiten der<br />
abgefragten Entwicklung mit dem älteren Datensatz gegeben und es bieten sich<br />
spezielle Test- und Erweiterungsmöglichkeiten für die Verwendung in TAPAS an.<br />
Allerdings kam es zu Veränderungen des Designs der Erhebung, die auf Vorschlag<br />
von EUROSTAT vorgenommen wurden, um einen Vergleich mit Zeitbudgetstudien<br />
anderer europäischer Länder zu ermöglichen 22 :<br />
• 1991/1992 wurden die Aktivitäten <strong>im</strong> Fünf-Minuten-Takt erhoben,<br />
2001/2002 hingegen <strong>im</strong> Zehn-Minuten-Takt.<br />
20<br />
21<br />
22<br />
An dieser Stelle sei nochmals auf die Unschärfe in den Daten für einzelne Personen der synthetischen<br />
Bevölkerung hingewiesen. Es existieren sicherlich Korrelationen zwischen einzelnen Merkmalen von<br />
Personen, wie z. B. Alter, Geschlecht oder Erwerbstätigkeit. Diese Korrelationen sind nur teilweise<br />
durch Statistiken abgebildet und können vollständig schon aus datenschutzrechtlichen Gründen nicht<br />
bekannt sein. Die Merkmale werden deshalb heuristisch so zugewiesen, dass sie mit den zur<br />
Verfügung stehenden Daten auf aggregierter Ebene (z.B. Anzahl Personen pro statistischem Bezirk)<br />
übereinst<strong>im</strong>men.<br />
Informationen zur Zeitbudgeterhebung: Statistisches Bundesamt 2003<br />
http://www.destatis.de/presse/deutsch/abisz/zeitbudgeterhebung.htm<br />
Vgl. z.B. für Großbritannien (2000) http://www.statistics.gov.uk/t<strong>im</strong>euse/default.asp oder für Kanada<br />
(1998) http://www.statcan.ca/Daily/English/991109/d991109a.htm<br />
Zwischenbericht, März 2007
- 46 -<br />
Institut für Verkehrsforschung<br />
• In der ersten Studie wurden von den Personen die Aktivitäten von zwei<br />
aufeinander folgenden Tagen protokolliert, in der Zweiten von drei Tagen,<br />
die aber nicht mehr aufeinander folgend sein mussten.<br />
• 1991/1992 wurden 231 Aktivitätencodes vergeben, in der Studie von<br />
2001/2002 dagegen 281.<br />
• In der ersten Studie wurden vor allem Aktivitäten in Bezug auf unbezahlte<br />
Arbeit sehr detailliert unterschieden, in der zweiten Erhebung liegt der<br />
Schwerpunkt jedoch <strong>im</strong> Bereich Weiterbildung und berufliche Qualifikation;<br />
entsprechend fein sind die Aktivitäten dort aufgeschlüsselt.<br />
Aufgrund der genannten Unterschiede ist ein erheblicher Aufwand notwendig, um die<br />
Erkenntnisse aus der neuen Zeitbudgeterhebung für TAPAS und somit auch für<br />
renewbility nutzbar zu machen. Die Vorteile, mit einem aktuelleren Datensatz sowie<br />
grundsätzlich mit zwei Zeitscheiben arbeit zu können, rechtfertigen diesen Aufwand<br />
jedoch.<br />
Die Ankopplung der Zeitbudgetdaten an die personenbezogenen Daten, wie sie für die<br />
synthetische Bevölkerung vorliegen, erfordert eine aufwendige Aufarbeitung der<br />
Zeitbudgetdaten. So werden die Zeitbudgetdaten, die in Form von Tagebüchern<br />
vorliegen, zunächst mittels einer Kombination von Sequenz- und Clusteranalysen in<br />
Gruppen ähnlicher Aktivitätenmuster eingeteilt. Die Sequenzanalyse dient dazu, die<br />
Unterschiede jeweils eines Tagebuchs zu allen anderen Tagebüchern festzustellen (für<br />
die 35691 Tagebücher werden somit 35691 mal 35691 Distanzwerte ermittelt). Die<br />
Distanzwerte sind die Basis der Clusteranalyse, die zu Kategorien ähnlicher<br />
Tagebücher führt 23 . Es wurden 24 Kategorien gebildet, da bei einer höheren Zahl ein<br />
sprunghafter Anstieg der Unähnlichkeit der Cluster zu verzeichnen ist. Auf Basis von<br />
soziodemographischen und sozioökonomischen Merkmalen wird jeder Person der<br />
synthetischen Bevölkerung eine der 24 typischen Tagebuchklassen zugewiesen. Auf<br />
Basis dieser Tagebuchklasse erfolgt die Ermittlung eines spezifischen Tagesplans,<br />
dessen Aktivitäten(-ketten) seitens der Person auszuführen sind.<br />
23<br />
Bei der Sequenzanalyse wird zu jedem Zeitintervall (insgesamt 144) und jedem Tagebuch (insgesamt<br />
35.691) der Zeitbudgeterhebung ein Vektor gebildet, der für jede mögliche Aktivitätenkategorie einen<br />
Eintrag besitzt. Danach wird ein Betrachtungsintervall um das Zeitintervall definiert. Derzeit ist das<br />
Betrachtungsintervall eine Stunde – d. h. eine halbe Stunde vor und eine halbe Stunde nach dem<br />
derzeit betrachteten Zeitintervall. Es werden nun Gewichte an die Position der Aktivitäten eingetragen,<br />
die innerhalb des Betrachtungsintervalls stattfinden. Dabei ist das Gewicht für die Aktivität am größten,<br />
die <strong>im</strong> aktuell betrachteten Zeitintervall durchgeführt wird. Zwei Tagebücher werden nun verglichen<br />
durch die Größe des Betrags des Differenzvektors jedes einzelnen Zeitintervalls. Der Differenzvektor<br />
ergibt sich durch einfache Subtraktion der Elemente der zu betrachtenden Vektoren. Der Betrag ist<br />
dann die Wurzel des Skalarprodukts dieses Differenzvektors. Die anschließende Aufsummierung über<br />
alle Beträge ergibt ein Maß für die Distanz der beiden Tagebücher zueinander. Dieser Prozess wird<br />
dann so lange wiederholt bis jedes Tagebuch mit jedem anderen verglichen wurde. Als Ergebnis<br />
erhält man eine Distanzmatrix für alle Tagebücher. Diese Matrix ist dann Ausgangspunkt für eine<br />
Clusterung, um typische Tagebücher zu identifizieren. Das dabei angewendete Verfahren ist das<br />
average linkage Verfahren.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 47 -<br />
3.4.1.3 Ziel- und Verkehrsmittelwahl<br />
Nach Festlegung der Verteilung der Personen und Haushalte auf die Verkehrszellen<br />
und der <strong>im</strong> Modell zu s<strong>im</strong>ulierenden Aktivitätenketten, erfolgt die Zielwahl sowie die<br />
Verkehrsmittelwahl für den Weg zum Zielort. Hierzu wird für jede Aktivität einer Person<br />
best<strong>im</strong>mt, an welchem Ort sie stattfindet. Dementsprechend benötigt das Modell<br />
detaillierte Daten zur räumlichen Lage von potenziellen Gelegenheiten sowie zu deren<br />
Kapazität. Gelegenheiten sind in diesem Zusammenhang Orte, an denen Aktivitäten<br />
nachgegangen werden kann.<br />
Welche Gelegenheit konkret zur Ausübung einer Aktivität gewählt wird, wird <strong>im</strong> Modell<br />
in Anlehnung an das Modell der intervening opportunities ermittelt, bei dem davon<br />
ausgegangen wird, dass eine best<strong>im</strong>mte Alternative mit einer gewissen<br />
Wahrscheinlichkeit abgelehnt wird. Die möglichen Gelegenheiten werden dafür<br />
entsprechend ihrer Reisezeit geordnet und anhand von Nebenbedingungen (z. B.<br />
Auslastung) mit einem Attraktivitätsgewicht belegt. Aus diesem Grund benötigt das<br />
Modul „Ziel- und Verkehrsmittelwahl“ ergänzend eine Reisezeitmatrix für den<br />
betrachteten Raum. Dies hat automatisch zur Folge, dass bereits an dieser Stelle<br />
potenzielle Verkehrsmittel in Betracht gezogen werden müssen.<br />
Damit die Tagespläne, die über die Auswahl von Aktivitäten und die daran<br />
anschließende Auswahl von Zielorten sinnvolle Tagespläne darstellen, d.h. vor allem<br />
Tagespläne, die eine Dauer von 24 Stunden nicht überschreiten bzw. innerhalb von<br />
24 Stunden tatsächlich geleistet werden können, werden die Episoden eines<br />
Tagesablaufs hierarchisiert. Dem liegt die Annahme zugrunde, dass die verschiedenen<br />
Episoden innerhalb eines Tages für die handelnde Person unterschiedlich wichtig sind.<br />
Bezugspunkt für die Gestaltung des Tagesablaufes sind diejenigen Episoden, die die<br />
höchste Hierarchiestufe besitzen. Im Ansatz von TAPAS sind dies <strong>im</strong>mer diejenigen<br />
Episoden, die zu Hause stattfinden, wie Essen, Schlafen (vgl. Abbildung 6). Im<br />
Anschluss daran werden die Orte für außerhäusliche Episoden der nächsten<br />
Hierarchiestufe – z. B. Arbeit oder Ausbildung – gewählt sowie die entsprechenden<br />
Verkehrsmittel, um dorthin zu gelangen. Dieser Prozess wird solange wiederholt, bis<br />
der Tagesplan einer Person komplett gefüllt ist.<br />
Dieses Vorgehen hat zwei ganz entscheidende Vorteile für die Best<strong>im</strong>mung der<br />
Verkehrsnachfrage:<br />
1) Zum einen wird dann, wenn ein motorisiertes Individualverkehrsmittel<br />
verwendet wird, dieses Verkehrsmittel für eine komplette Tour verwendet; unter<br />
„Tour“ ist hier die Abfolge von mindestens zwei Wegen (Hin- und Rückweg) zu<br />
verstehen. Dies entspricht der beobachtbaren Realität, wonach insbesondere<br />
motorisierte Individualverkehrsmittel auf Wegeketten <strong>im</strong> Alltagsverkehr (!) nur<br />
selten von kollektiven Verkehrsmitteln zeitweise abgelöst werden – dies gilt<br />
zumindest <strong>im</strong> städtischen Umfeld.<br />
2) Da die Zahl der PKW in der synthetischen Bevölkerung auf den Haushalt<br />
bezogen wird, wird zum anderen der Tatsache Rechnung getragen, dass<br />
Zwischenbericht, März 2007
- 48 -<br />
Institut für Verkehrsforschung<br />
mehrere Personen nicht gleichzeitig einen PKW für unterschiedliche Zwecke<br />
nutzen können.<br />
Abbildung 6: Sukzessive Verkehrsmittelwahl in TAPAS<br />
Quelle: Hertkorn 2004, 89<br />
Die Verkehrsmittel selbst werden in der bisherigen Version von TAPAS mittels eines<br />
CHAID-Entscheidungsbaums (Chi-Squared Automatic Interaction Detection) gewählt,<br />
der auf Daten der deutschlandweiten Erhebung „Mobilität in Deutschland 2002“ 24<br />
beruht. Bei diesem Verfahren wird aus einer Menge unabhängiger Variablen diejenige<br />
herausgesucht, die die Probenmenge am besten abgesichert teilt. Dieser Vorgang wird<br />
so lange rekursiv wiederholt, bis entweder keine statistisch signifikante Unterteilung<br />
24<br />
Für eine ausführliche Beschreibung der Studie „Mobilität in Deutschland“ siehe: infas, DIW (2004):<br />
Mobilität in Deutschland: Ergebnisbericht. Projekt-Nr. 70.0736/2003, Bundesministerium Verkehr, Bauund<br />
Wohnungswesen. (http://daten.clearingstelle-verkehr.de/192/10/mid2002_ergebnisbericht.pdf),<br />
infas, DIW (2003): Mobilität in Deutschland 2002 – Kontinuierliche Erhebung zum Verkehrsverhalten.<br />
Projekt-Nr. 70.0681/2001, Forschungsprogramm Stadtverkehr des Bundesministeriums Verkehr, Bauund<br />
Wohnungswesen. Endbericht.<br />
(http://daten.clearingstelle-verkehr.de/192/07/mid2002_projektbericht.pdf)<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 49 -<br />
mehr möglich ist, oder bis eine vorgegebene Anzahl von Stufen erreicht ist (vgl.<br />
Hertkorn 2004, 86). Für die in TAPAS verwendeten Daten ergeben sich als Trennvariablen<br />
in den obersten Stufen des Entscheidungsbaumes die Anzahl der Pkws <strong>im</strong><br />
Haushalt, die Distanz der Wege und das Alter der Person. In den Blättern des Baumes<br />
sind dann die Wahrscheinlichkeiten abgelegt, mit der ein Verkehrsmittel gewählt wird.<br />
Für eine synthetische Person wird dann der Entscheidungsbaum entsprechend der<br />
zugehörigen Merkmale bis zum Blatt durchlaufen. Das konkrete Verkehrsmittel wird<br />
dann über die hinterlegte Wahrscheinlichkeit best<strong>im</strong>mt.<br />
Nachdem die Zielorte und Verkehrsmittel für die Ausübung von Aktivitäten ausgewählt<br />
worden sind, werden mit Hilfe der Reisezeitmatrix die konkret benötigten Reisezeiten<br />
zugewiesen. An dieser Stelle können sich nun Inkonsistenzen <strong>im</strong> Tagesablauf<br />
ergeben. So könnte beispielsweise ein geplanter Theaterbesuch nach der Arbeit durch<br />
erhöhte Reisezeiten <strong>im</strong> abendlichen Berufsverkehr gefährdet werden, da der Beginn<br />
einer Theaterveranstaltung fix ist. Um dem Agenten nun eine gewisse Variabilität<br />
seiner Tagesabläufe einzuräumen, werden die Episoden eines Tagesplans gewichtet.<br />
Dieses Gewicht entspricht den Kosten für eine Verschiebung der Anfangszeiten und<br />
der Dauer einer Aktivität innerhalb eines Tagesplans. Für das Beispiel des<br />
Theaterbesuchs ist damit klar, dass die Kosten für eine Verschiebung dieser Aktivität<br />
verhältnismäßig hoch sein müssen, da sie weder in der Anfangszeit noch in der Dauer<br />
flexibel ist. Sehr geringe Kosten hat dagegen z. B. die Aktivität Schlafen, da eine<br />
Person sowohl flexibel hinsichtlich der Anfangszeit als auch der Dauer sein wird. In der<br />
Verknüpfung dieser beiden Aktivitäten bedeutet das, dass der Theaterbesuch<br />
vorgezogen werden würde und man dafür eher bereit dazu ist später ins Bett zu gehen<br />
oder/und auch auf einen Teil seines Schlafs zu verzichten. Mit Hilfe dieser beiden<br />
Parameter ist es möglich, über ein Ausgleichsverfahren Episoden und Reisezeiten<br />
hinsichtlich ihrer Anfangszeit und Dauer einander anzupassen. Ist der Ausgleich nicht<br />
sofort erfolgreich, werden zunächst so lange neue Ziele und Verkehrsmittel gewählt,<br />
bis ein Ausgleich möglich ist. Wird allerdings ein Max<strong>im</strong>um der Zahl neuer Versuche für<br />
Ziele und Verkehrsmittel erreicht, so wird ein neuer Aktivitätenplan verwendet, und der<br />
Prozess beginnt von neuem.<br />
Das Ergebnis des Moduls „Ziel- und Verkehrsmittelwahl“ sind konsistente Tagespläne<br />
der synthetischen Bevölkerung. In diesen Tagesplänen stehen somit die Quelle-Ziel-<br />
Beziehungen je Person und je Aktivität, die einen Weg verursacht. Den Wegen können<br />
<strong>im</strong> Folgenden über die Distanz von Quelle und Ziel konkrete Entfernungen zugeordnet<br />
werden 25 , die in Fahrzeug- bzw. Personenkilometer gemessen wird. Diese Angabe<br />
stellt schließlich die Übergabegröße für die Stoffstromanalyse dar.<br />
25<br />
Für den MIV wird zur Absicherung zusätzlich eine konkrete Umlegung erfolgen.<br />
Zwischenbericht, März 2007
- 50 -<br />
Institut für Verkehrsforschung<br />
3.4.2 Methodischer Ansatz zur Umsetzung von Maßnahmen<br />
Die Berechnung der Wirkung von Maßnahmen auf die Verkehrsnachfrage, wie sie in<br />
den Szenarien angenommen werden, ist ein Kernstück der Arbeiten <strong>im</strong> Projekt<br />
renewbility. Für den Personenverkehr wird die Maßnahmenwirkung insbesondere in<br />
den drei Beispielräumen Berlin, Braunschweig sowie Main-Rhön anhand von TAPAS<br />
abgebildet. Durch den kleinteiligen Aufbau und die internen Prüfmechanismen ist<br />
TAPAS sehr gut dafür geeignet, auch die zukünftige Verkehrsnachfrage in Abhängigkeit<br />
verschiedener verkehrlicher Maßnahmen abzubilden.<br />
Das nachfolgende Kapitel umfasst zunächst eine Übersicht der vorgesehenen<br />
Abbildung der verkehrspolitischen Maßnahmen und ihrer Auswirkungen in TAPAS. In<br />
3.4.2.2 folgt eine Vorstellung des generellen Modellierungsansatzes, der auf der<br />
Berücksichtigung zeitlicher und finanzieller Budgets der Haushalte bei der Ermittlung<br />
ihrer Anpassungsreaktionen beruht. Anschließend wird in 3.4.2.3 aufgezeigt, welche<br />
konkreten Reaktionsmuster auf Veränderungen der Mobilitätsbedingungen <strong>im</strong><br />
S<strong>im</strong>ulationsmodell vorgesehen sind.<br />
3.4.2.1 Übersicht der Modellierung von Maßnahmenreaktionen<br />
Die Funktionsweise von TAPAS beruht grundsätzlich auf der Auswertung empirisch<br />
belegter Verhaltensweisen und muss daher in seinen Kernelementen erweitert werden,<br />
um Reaktionen auf zukünftige verkehrspolitische Maßnahmen abbilden zu können.<br />
Dies betrifft insbesondere die Best<strong>im</strong>mung des Aktivitätenplans einer Person, die Wahl<br />
der Modalart für die enthaltenen Aktivitäten sowie die aufzusuchenden Ausführungsorte<br />
der Aktivitäten.<br />
Grundsätzlich gilt es zu beachten, dass sich die aus den Maßnahmen ergebenden<br />
finanziellen und zeitlichen Veränderungen der Rahmenbedingungen für Mobilität mit<br />
unterschiedlichen Fristigkeiten auswirken:<br />
−<br />
−<br />
−<br />
Zu den kurzfristigen Anpassungsmöglichkeiten einer Person zählen eine<br />
veränderte Verkehrsmittel- und Gelegenheitswahl, Veränderungen bei der<br />
Anzahl, der Reihenfolge und der Verkettung von Aktivitäten, einer Veränderung<br />
der Anfangs- oder Endzeiten von Aktivitäten sowie einer eventuellen Änderung<br />
der Streckenwahl <strong>im</strong> MIV. Des Weiteren kann eine Anpassung des zeitlichen<br />
und finanziellen Budgets erfolgen, das für Mobilität verwendet wird.<br />
Zu den mittelfristigen Anpassungen können Veränderungen bei der Investition<br />
in Mobilitätsoptionen (Investition in neue PKW, Ab-/ Anschaffung von PKW,<br />
Anschaffung einer Monatskarte oder Bahncard etc.), Veränderungen von<br />
Verhaltensmustern (Telearbeit, Online-Shopping, Shopping am Wochenende<br />
bei veränderten Ladensöffnungszeiten) sowie die Schaffung neuer Mobilitätsoptionen<br />
(Bildung von Fahrgemeinschaften, Nutzung von Park And Ride etc.)<br />
gezählt werden.<br />
Langfristige Anpassungstendenzen können zu einer Veränderung in der<br />
Wohnstandort- und Arbeitsplatzwahl <strong>im</strong> Speziellen sowie einer veränderten<br />
Flächennutzung generell führen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 51 -<br />
Eine Modellierung der kurzfristigen Veränderungen erfolgt in TAPAS vor allem mittels<br />
einer Veränderung der Verkehrsmittelwahl. Hierbei wird davon ausgegangen, dass sich<br />
Zeit- und Finanzbudgetrestriktionen auf die Auswahlwahrscheinlichkeit eines Verkehrsmittels<br />
auswirken bzw. die Erwägung einer alternativen Modalart fördern.<br />
Die Beachtung von finanziellen und zeitlichen Kosten wird daher bei der Wahl eines<br />
Verkehrsmittels integriert.<br />
Eine Best<strong>im</strong>mung der konkreten Streckenwahl <strong>im</strong> MIV erfolgt weitestgehend bei der<br />
Verkehrsumlegung und damit in einem Arbeitsschritt außerhalb von TAPAS.<br />
In Analogie erfolgt eine differenziertere Betrachtung bei der Selektion eines Gelegenheitsortes.<br />
Die Gelegenheitswahl beruht bisher weitestgehend auf der Entfernung<br />
vom Ausgangsort. Die betrachteten Eigenschaften eines Ortes werden um den<br />
finanziellen und zeitlichen Aufwand, der zu seiner Erreichung notwendig ist, erweitert.<br />
Bei der Auswahl eines Aktivitätenplans für die Personen wurde bisher auf statische<br />
Tagesmuster zurückgegriffen, die für spezifische Personengruppen anhand der<br />
Zeitbudgeterhebung ermittelt wurden. Um eine Reaktion in Form veränderter Verhaltensmuster<br />
generell sowie angepasster Aktivitätenpläne <strong>im</strong> Speziellen abbilden zu<br />
können, wird die Möglichkeit einer dynamischen Anpassung der Aktivitätenpläne<br />
<strong>im</strong>plementiert.<br />
Im Rahmen der Integration einer Maßnahmensensitivität ist darüber hinaus eine<br />
Erweiterung der bisherigen personenbezogenen Informationen notwendig. Neben einer<br />
Anreicherung der Daten um Einkommensangaben betrifft dies v.a. eine differenziertere<br />
Betrachtung der PKW-Verfügbarkeit. Bei der Generierung der synthetischen Bevölkerung<br />
erfolgt daher eine Ermittlung der Wahrscheinlichkeit der PKW-Art in<br />
Anlehnung an die Ergebnisse des PKW-Käufermodells. Mittelfristige Veränderungen<br />
bezüglich der Investitionen in Mobilitätsoptionen können aufbauend auf diesen<br />
Informationen modelliert werden.<br />
Die Veränderung der Flächennutzung und Wohnstandortwahl sowie der Aktivitätengelegenheiten<br />
<strong>im</strong> Generellen wird nicht betrachtet, da es sich hierbei um<br />
grundsätzliche strukturelle Annahmen handelt, die <strong>im</strong> Rahmen der Referenzauswahl<br />
einmalig getroffen werden und in den Szenarien konstant bleiben.<br />
Nachfolgend wird dieser auf der Beachtung zeitlicher und finanzieller Budgets<br />
beruhende Modellierungsansatz der Maßnahmenwirkungen vertiefend vorgestellt.<br />
Nach einer theoretischen Herleitung des Ansatzes (3.4.2.2) werden die geplanten<br />
Veränderungen bei den genannten Kernelementen von TAPAS sowie die damit<br />
einhergehende Budgetbetrachtung aufgezeigt (3.4.2.3).<br />
3.4.2.2 Theoretische Grundlagen des Mobilitätsbudgets<br />
Die bisherige Berechnung des Personenverkehrsaufkommens beruht auf der<br />
Auswertung statistischer Daten. Eine Vorhersage bezüglich der Veränderung der<br />
Zwischenbericht, März 2007
- 52 -<br />
Institut für Verkehrsforschung<br />
Mobilitätsparameter als Resultat verkehrspolitischer Maßnahmen verlangt nach einer<br />
Erweiterung des S<strong>im</strong>ulationskonzeptes, die in der Lage ist, Anpassungsreaktionen von<br />
Personen auf veränderte Rahmenbedingungen bei der Wahl ihrer Mobilitätsvarianten<br />
abzubilden. Diese Integration der Maßnahmenwirkung in TAPAS basiert auf der These,<br />
dass Personen sowohl ihre zeitlichen als auch ihre finanziellen Ausgaben für Mobilität<br />
ihren Opt<strong>im</strong>alvorstellungen und Möglichkeiten anzupassen versuchen. Beruflicher<br />
Status, Haushaltsgröße und Einkommen gelten dabei als Determinanten der Höhe<br />
beider Budgets. Im Falle des Zeitaufwandes kann davon ausgegangen werden, dass<br />
eine Opt<strong>im</strong>ierung in Hinsicht auf eine best<strong>im</strong>mte, als erstrebenswert angesehene<br />
Zeitspanne erfolgt; finanziell scheint eine Min<strong>im</strong>ierung der Kosten bzw. die Anstrebung<br />
eines als adäquat erachteten finanziellen Aufwandes plausibel. Bestehen in beider<br />
Hinsicht Beschränkungen (konkret Budgetbeschränkungen nach oben), so ist eine<br />
Person gezwungen, den für sie günstigsten Kompromiss einzugehen. Die Zeit- und<br />
Geldausgaben und die Akzeptanz ihrer Höhe variieren zwischen einzelnen<br />
Personengruppen. Die Bedeutung, die dem Verlust oder dem Gewinn einer Zeiteinheit<br />
zugeschrieben wird, wird mit dem Konstrukten des sog. VOT (Value of T<strong>im</strong>e) bzw. des<br />
VTTS (Value of Travel T<strong>im</strong>e Savings) ausgedrückt (Axhausen 2005, Cirillo & Axhausen<br />
2004). Diese ermöglichen eine Abschätzung, wie viel Geld eine Personengruppe für<br />
eine Zeitersparnis zu bezahlen gewillt sein sollte und somit eine direkte<br />
Gegenüberstellung von Ersparnissen und Ausgaben der zeitlichen und finanziellen<br />
Budgets. Bei einer Betrachtung der Anpassungsreaktionen auf etwaige Beschränkungen<br />
der Budgets gilt es zu beachten, dass Änderungen nicht <strong>im</strong>mer spontan und<br />
abrupt erfolgen, sondern Beharrungstendenzen, Wissenslücken und nicht-opt<strong>im</strong>ales<br />
Verhalten <strong>im</strong> Generellen berücksichtigt werden müssen. Tendenziell versuchen<br />
Personen jedoch, ihre Aktivitäten, Wege und Verkehrsmittel so zu planen, dass eine<br />
opt<strong>im</strong>ale Nutzung der zeitlichen und finanziellen Ressourcen erfolgt.<br />
Reisezeitbudget<br />
Empirische Untersuchungen zeigen, dass die von Personen mit ähnlichen<br />
sozioökonomischen und demographischen Eigenschaften aufgewendeten Reisezeiten<br />
in der Gesamtbetrachtung relativ gleichmäßig ausgeprägt sind und sich Unterschiede<br />
hauptsächlich in der Verkehrsleistung zeigen, die innerhalb dieses zeitlichen Rahmens<br />
umgesetzt wird (Chen & Mokhtarian 2000, Kuhn<strong>im</strong>hof 2006). Intrapersonelle Unterschiede<br />
in der Mobilitätszeit sind hierbei stärker ausgeprägt als interpersonelle<br />
Varianzen, wobei unterschiedliche Mobilitätsaufkommen von vorherigen und nachgelagerten<br />
Tagen beeinflusst werden.<br />
Die geringen interpersonellen Varianzen und die Beobachtung, dass Personen <strong>im</strong> Falle<br />
eingesparter Zeit diese zur Ausübung weiterer Aktivitäten oder zum Erreichen<br />
entfernterer Gelegenheiten einsetzen, stützen die These, dass die zu beobachtenden<br />
Reisezeiten einer Personengruppe einer „opt<strong>im</strong>alen Reisezeit“ entsprechen oder<br />
ähneln.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 53 -<br />
Dieses Opt<strong>im</strong>um ist abhängig von Persönlichkeit, Lifestyle, sozioökonomischen und<br />
demographischen Faktoren (Chen & Mokhtarian 2000, Kuhn<strong>im</strong>hof 2006).<br />
Bei der Betrachtung des finanziellen und zeitlichen Budgets einer Person gilt es, neben<br />
dem beruflichen Status die Haushaltsstruktur zu berücksichtigen. Ähnlich wie bei der<br />
PKW-Verfügbarkeit ist davon auszugehen, dass das zeitliche Budget von der<br />
Haushaltsgröße beeinflusst wird. Es ist feststellbar, dass der beruflichen Status sowie<br />
die Haushaltsgröße, vor allem bei der Existenz zu versorgender Kinder, starken<br />
Einfluss auf den Anteil der frei verfügbaren Zeit ausüben (Zumkeller, Chlond & Lipps<br />
1998). Der Anteil der freien disponierbaren Zeit beeinflusst die Flexibilität der einzelnen<br />
Personen und somit ihre Reaktionsmöglichkeiten auf veränderte Rahmenbedingungen<br />
in Bezug auf die Mobilität. Generell lässt sich konstatieren, dass mit einem steigenden<br />
Anteil fest definierter Aktivitäten die Wahlfreiheit be<strong>im</strong> Scheduling und die Reaktion auf<br />
preispolitische Maßnahmen deutlich sinkt, da keine Wahlfreiheit bezüglich des<br />
Zeitpunktes und des Ortes und nur geringe Varianz in der Modalwahl möglich ist<br />
(Frusti, Bhat & Axhausen 2002). So lässt sich nachweisen, dass Vollzeitarbeitende<br />
sowie Personen mit stark festgelegten sozialen Rollenstrukturen ein stark von Routinen<br />
geprägtes Verhaltensmuster und damit einhergehend unterdurchschnittliche Anpassungsreaktionen<br />
aufweisen (Zumkeller, Chlond & Lipps 1998).<br />
Die in der Modellierung verwendeten Reisezeitbudgets werden sich an der Auswertung<br />
der MiD 2002 orientieren (Infas & DIW 2003) und mit den zuvor genannten Studien<br />
abgeglichen werden. Beruflicher Status, Haushaltsgröße und Alter werden hierbei als<br />
Hauptdeterminanten verwendet.<br />
Finanzbudget<br />
In Analogie zu den Reisezeitbudgets kann eine Ermittlung des finanziellen Budgets<br />
erfolgen, das Reisende in ihre Mobilität investieren. Hierfür werden die in der MiD 2002<br />
erfassten Informationen zum Haushaltseinkommen sowie die vom Statistischen<br />
Bundesamt verfügbaren Daten zum Konsumverhalten und den Ausgaben für<br />
Verkehrsleistungen in Abhängigkeit vom Einkommen Verwendung finden. 26 In den<br />
letzten 30 Jahren können die verkehrsbezogenen Ausgaben der Haushalte als relativ<br />
stabile Größe <strong>im</strong> Konsumverhalten der Haushalte betrachtet werden. Der Anteil der<br />
Verkehrsausgaben am Konsumentenbudget, gemessen am Realeinkommen, blieb<br />
nach Angaben des BMVBS (2006) konstant. Bei Querschnittsbetrachtungen für das<br />
Jahr 2003 wurde des Weiteren festgestellt, dass der Anteil der Mobilitätsausgaben am<br />
Einkommen zunächst mit dem verfügbaren Einkommen steigt und sich bei einem<br />
26<br />
Siehe Voigt (2000) für eine beispielhafte Auswertung der Daten des Statistischen Bundesamtes zu<br />
Ausgaben der Haushalte für Verkehrsleistungen mit Unterteilung nach Haushaltseinkommen sowie<br />
verschiedenen Ausgabenanteilen.<br />
Zwischenbericht, März 2007
- 54 -<br />
Institut für Verkehrsforschung<br />
mittleren Einkommen prozentual konsolidiert (BMVBS 2006). Wenngleich erste<br />
Berechnungen der Elastizität der mobilitätsbezogenen Ausgaben in Hinsicht auf das<br />
verfügbare Einkommen sowie das Alter einer Person bestehen, können keine<br />
belastbaren Aussagen zur Obergrenze der Ausgaben getroffen werden (Hautzinger et<br />
al. 2004). Die Modellierung der Budgetgrenzen wird sich daher an den von bisherigen<br />
Untersuchungen identifizierten Durchschnittsausgaben orientieren. Hautzinger et al.<br />
(2004) beziffern den Anteil der Mobilitätsausgaben am verfügbaren Haushaltsbudget<br />
für das Jahr 1998 auf 9-11 %. In einer Studie des IFMO davon ausgegangen, dass sich<br />
das haushaltsbezogene Mobilitätsbudget <strong>im</strong> Jahr 2020 auf etwas über 14% des<br />
Haushaltsbudgets belaufen wird (Institut für Mobilitätsforschung 2002). Das BMVBS<br />
hingegen geht in seiner Prognose für das Jahr 2050 vereinfachend von einem trotz<br />
steigender Höhe der Kraftstoffpreise auf jetzigem Niveau stagnierenden Mobilitätsbudget<br />
aus, differenziert hierbei jedoch nach Alter und Einkommensklasse (BMVBS<br />
2006).<br />
Anhand einer Analyse des in der MiD erhobenen Fahrtenaufkommens sowie des<br />
Einkommens auf Haushaltsebene wird <strong>im</strong> Projekt eine vereinfachte Abschätzung der<br />
Variabilität der Finanzbudgets auf Haushaltsebene und somit eine Annäherung an die<br />
Budgetobergrenzen vorgenommen. Wie auch be<strong>im</strong> Zeitbudget ist zu beachten, dass<br />
die finanziellen Ausgaben schwanken können, d.h. zwischen den verschiedenen<br />
Tagen eine Varianz besteht. Es wird daher eine Mittelung über die einzelnen Tage<br />
erfolgen.<br />
3.4.2.3 Erweiterungskomponenten von TAPAS<br />
Nachfolgend werden die Erweiterungen der vier Kernelemente von TAPAS um die<br />
Maßnahmenreagibilität sowie die Betrachtung von Budgetrestriktionen vorgestellt.<br />
Veränderungen der Verkehrsmittelwahl<br />
Eine Erweiterung von TAPAS ist die Entwicklung einer eigenständigen Kostenfunktion<br />
27 , bei der die Entscheidung einer Person für eine spezifische Modalart anhand<br />
der damit einhergehenden zeitlichen und finanziellen Kosten getroffen wird. Auf diese<br />
27<br />
Eine Erweiterung des bisher in TAPAS für die Verkehrsmittelwahl genutzten CHAID-Baumes um detail<br />
liertere Modalarten wie beispielweise eine Unterscheidung nach mautpflichtigen und mautfreien<br />
Straßen, der Option des Car Pooling oder des Park And Ride ist ebenfalls denkbar. Eine Integration<br />
dieser neuen Mobilitätsoptionen erlaubt jedoch keine dynamische Betrachtung der Wirkungsweise<br />
verkehrspolitischer Maßnahmen. Vielmehr müsste anhand bestehender Potenzialanalysen für<br />
verschiedene Maßnahmen eine externe Festlegung der Wirkungshöhe erfolgen, um die Verschiebung<br />
der bestehenden Modalwahlwahrscheinlichkeit zu Gunsten der neuen Mobilitätsoptionen modellieren<br />
zu können. Besonders angesichts etwaiger Kreuzeffekte verschiedener Maßnahmen dürfte die<br />
Abschätzung der Verlagerungspotentiale für den CHAID-Baum einige Schwierigkeiten mit sich<br />
bringen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 55 -<br />
Weise werden die eben beschriebenen Budgets und Restriktionen in TAPAS<br />
umgesetzt. Hierbei gilt es, die nachfolgenden Aspekte zu integrieren:<br />
Finanzielle Aufwendungen:<br />
• PKW: Anschaffung, Unterhalt, Betrieb (Kraftstoff, Straßenbenutzungsgebühren,<br />
Parkgebühren)<br />
• ÖPNV: durchschnittlichen Einzelfahrpreis; Dauerkarte<br />
• Rad / Fuß: keine<br />
• Carsharing: Kosten der PKW-Nutzung / Anzahl der Sharingpartner<br />
Zeitliche Aufwendungen:<br />
• PKW, Rad / Fuß: Strecke pro Zeiteinheit<br />
• Carsharing, ÖPNV: zusätzliche Betrachtung von Wartezeiten und<br />
Abst<strong>im</strong>mungszeiten<br />
Die entwickelte Nutzenfunktion orientiert sich an bestehenden Arbeiten (Charypar &<br />
Nagel 2003, Meister, Frick & Axhausen 2005). Neben den konkreten Kosten einer<br />
Verkehrsmittelwahl finden hierbei die Art der angestrebten Aktivität und ihre Dauer<br />
Berücksichtigung bei der Beurteilung des Nutzens einer Modalwahl. Die Vergleichbarkeit<br />
der finanziellen Kosten mit den zeitlichen Kosten wird anhand der Monetarisierung<br />
letzterer mittels des VOT erreicht.<br />
Für den Status Quo wird die Verkehrsmittelnutzungswahrscheinlichkeit bisher anhand<br />
der Auswertung der MiD-Studie ermittelt. Dabei finden sozioökonomische und demographische<br />
Faktoren Berücksichtigung bei der Zuordnung der Wahrscheinlichkeiten zu<br />
spezifischen Personengruppen. Des Weiteren erfolgt eine Differenzierung der<br />
Modalwahl anhand des Aktivitätentyps sowie der Entfernung zum Gelegenheitsort. Der<br />
so ermittelte personengruppen- und aktivitätendifferenzierte Modal Split wird zur<br />
Kalibrierung der zeit- und kostensensitiven Bewertungsfunktion herangezogen.<br />
Eine Kalibrierung der Modalwahl bei veränderten Mobilitätsbedingungen erfolgt für die<br />
einzelnen Maßnahmen getrennt anhand empirisch belegter Reaktionsumfänge sowie<br />
publizierten Verlagerungspotenzial – und Regressionsanalysen. Wenngleich eine<br />
Übertragung konkreter Elastizitäten skeptisch beurteilt werden muss, ermöglichen<br />
diese Vergleiche eine Abschätzung der Plausibilität der <strong>im</strong>plementierten Kostenfunktion<br />
und der Gewichtung ihrer einzelnen Einflussparameter.<br />
Ein Rückgriff auf eine explizite Modalwahl unter Berücksichtigung eines konkreten<br />
Modal Splits gemäß publizierter Studien erfolgt gegebenenfalls, sollte sich die<br />
Wirkungsweise einer Maßnahme nicht direkt mittels der Kostenintegration abbilden<br />
lassen. Eine Berücksichtigung eventueller Kreuzeffekte verschiedener Maßnahmen<br />
muss hierbei erfolgen.<br />
Veränderung der Gelegenheitswahl<br />
Zwischenbericht, März 2007
- 56 -<br />
Institut für Verkehrsforschung<br />
Der Aktivitätenplan einer Person best<strong>im</strong>mt die Aktivitäten, denen eine Person <strong>im</strong> Laufe<br />
ihres Tages nachgeht. Zur Ermittlung der dafür zurückgelegten Wege muss zunächst<br />
eine Wahl des jeweiligen Ausführungsortes einer Aktivität erfolgen. In der<br />
ursprünglichen Version von TAPAS erfolgt diese Zielwahl ausschließlich unter<br />
Berücksichtigung der Entfernung sowie der Kapazität der einzelnen Gelegenheiten.<br />
Zur Abbildung der Auswirkungen einzelner Maßnahmen ist eine Integration weiterer<br />
Beurteilungskriterien notwendig. Auswirkungen der Einführung einer Parkraumbewirtschaftung<br />
oder einer Attraktivitätssteigerung des ÖPNV (Erhöhung der<br />
Taktfrequenz, Einrichtung neuer Verkehrsverbindungen) lassen sich nur dann in die<br />
Zielwahl integrieren, wenn die Beurteilung einer Gelegenheit nicht nur aufgrund ihrer<br />
Entfernung vom Ausgangsort, sondern ebenfalls anhand ihrer Verkehrsgunst sowie<br />
den zeitlichen und finanziellen Kosten ihrer Erreichung vorgenommen wird. Bei der<br />
Gelegenheitswahl werden daher die für die gewählte Modalart zutreffenden<br />
Mobilitätskosten berücksichtigt. Im Falle des MIV handelt es sich beispielsweise hierbei<br />
neben den entfernungsbasierten Treibstoffkosten um etwaig anfallende Maut- und<br />
Parkkosten sowie zu erwartende Zugangs- und Abgangszeiten.<br />
Die Bedeutung dieser Faktoren variiert mit der Art und Dauer der Aktivität. Am Beispiel<br />
der Parkbewirtschaftung lässt sich beispielsweise zeigen, dass Änderungen der<br />
Modalwahl vornehmlich bei Langzeitparkern ohne Anwohnerausweis (Pendler mit<br />
PKW-Nutzung) anzutreffen sind. Durch verkürzte Parkplatzsuchzeiten gewinnen<br />
Gelegenheiten in Bewirtschaftungszonen gleichzeitig an Attraktivität für Einkäufer<br />
(Dörnemann 1998). Durch die Integration der Zugangsdauer lässt sich gleichzeitig die<br />
Reaktionsmöglichkeit einer Parkverlagerung bei Beibehaltung der Gelegenheitswahl<br />
abbilden. Ein ähnliches Vorgehen bei der makroskopischen Modellierung (Integration<br />
von Zugangs- und Abgangszeiten sowie Parkkosten umgerechnet in Zeiteinheiten und<br />
zu den Reisezeiten hinzugefügt) findet sich bei Hebel, Peter & Schäfer (2000).<br />
Änderung der Aktivitätenpläne<br />
Eine Veränderung der Rahmenbedingungen für Mobilität zieht nicht nur eine<br />
veränderte Verkehrsmittel- und Gelegenheitenwahl nach sich. Vielmehr ist davon<br />
auszugehen, dass eine Anpassung der Aktivitätenpläne stattfindet. Diese Anpassung<br />
lässt sich auf folgende Gründe zurückführen:<br />
• Veränderungen des Zeitbudget durch veränderte Reisezeiten zu den<br />
Aktivitätengelegenheiten aufgrund einer alternativen Modalwahl, veränderten<br />
Geschwindigkeiten der Verkehrsmittel (ÖV-Taktung, MIV-Dichte etc.) oder<br />
geänderten Zielorten der Aktivität,<br />
• Restriktionen aufgrund des finanziellen Budgets,<br />
• Wegfall von außerhäuslichen Aktivitäten, beispielweise durch eine verstärkte<br />
Verbreitung von Telearbeitsplätzen.<br />
Bei der Ermittlung des Aktivitätenplans für die einzelnen Personen kann daher nicht<br />
nur ein Rückgriff auf die aus der Zeitbudgeterhebung abgeleiteten Aktivitätenpläne<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 57 -<br />
erfolgen. Vielmehr muss eine Anpassung der Aktivitätenpläne erfolgen, die sich an den<br />
nachfolgenden Elementen orientiert:<br />
• Veränderung der Auswahlwahrscheinlichkeit bestehender Muster<br />
• Wegfall von Aktivitäten: Nach verschiedenen Studien wirkt sich ein restriktives<br />
Zeitbudget v.a. in der Abnahme der zu Hause verbrachten Zeit sowie einer<br />
Abnahme der außerhäuslichen Freizeitaktivitäten aus (Kuhn<strong>im</strong>hof 2006, Heine-<br />
N<strong>im</strong>s, Schnittger und Wittowsky 2003).<br />
• Veränderte Aktivitätenfolgen: Verkettung von Episoden zu Wegeketten zum<br />
Ausgleich zeitlicher und finanzieller Restriktionen<br />
Aktivitäten haben nicht nur eine Mindestzeit, die sie ausgeführt werden sollten, sondern<br />
weisen auch einen Zeitpunkt auf, ab dem der Grenznutzen sinkt. Des Weiteren lässt<br />
sich feststellen, dass die akzeptable Reisezeit mit der Dauer und der Art der Aktivität<br />
zusammenhängt (Chen & Mokhtarian 2000, Hertkorn 2004). Aus diesem Grund wird<br />
bei der Veränderung der Aktivitätenpläne eine Nutzenfunktion Verwendung finden, die<br />
von einer aktivitätenspezifischen Idealdauer ausgeht und eine Differenzierung der<br />
akzeptablen Reisezeiten nach der Aktivitätenart vorn<strong>im</strong>mt (Vgl.: Meister, Frick &<br />
Axhausen 2005). Fakultative Aktivitäten (v.a. <strong>im</strong> Freizeitbereich) werden bei einer<br />
etwaigen Überprüfung des Aktivitätenplans hinsichtlich einer alternativen Gelegenheitswahl<br />
oder Wegfall präferiert betrachtet.<br />
Veränderung der individuellen Mobilitätsoptionen<br />
Die Auswirkung verkehrspolitischer Maßnahmen kann nur unter Beachtung der<br />
verschiedenen sozioökonomischen Eigenschaften der betroffenen Personen sowie der<br />
ihnen zur Verfügung stehenden Mobilitätsoptionen abgeschätzt werden. Bei der<br />
Erstellung der synthetischen Bevölkerung der Untersuchungsgebiete erfolgt daher<br />
bisher eine Auswertung der Datenbasis hinsichtlich des beruflichen Status, der<br />
Haushaltsgröße (Kinder), des Geschlechts sowie der PKW-Verfügbarkeit der einzelnen<br />
Personen. Genannte Kennziffern wurden bei einer Clusterung der Wegtagebücher als<br />
Determinaten der Zeitverwendung identifiziert.<br />
Im Rahmen der Maßnahmenintegration in TAPAS erfolgt eine weitere Differenzierung<br />
der Personeneigenschaften. Wie in Abschnitt 3.4.2.2 dargestellt, werden für die<br />
einzelnen Personen die zeitlichen und finanziellen Budgets abgeleitet. Investitionen in<br />
Mobilitätsoptionen, sei es in Form einer PKW-Anschaffung, eines ÖPNV-Abos oder<br />
einer Mitgliedschaft in einer Car-Sharing-Vereinigung, prägen langfristig – wenn auch<br />
in unterschiedlicher Stärke – das Mobilitätsverhalten einer Person (S<strong>im</strong>ma & Axhausen<br />
2003). Aus diesem Grund erfolgt ggf. eine Ergänzung der Personeneigenschaften um<br />
einen Dauerkartenbesitz für den ÖPNV, welcher aus den Daten der MiD 2002<br />
abgeleitet wird, sowie einer Wahrscheinlichkeit des Zugangs zu einer Car-Sharing-<br />
Möglichkeit, deren Höhe aus bestehenden Forschungsarbeiten abzuleiten sein wird.<br />
Um eine differenzierte Analyse der Auswirkungen von Maßnahmen zu ermöglichen, die<br />
je nach Typ des PKW unterschiedlich stark greifen, ist eine Differenzierung hinsichtlich<br />
Zwischenbericht, März 2007
- 58 -<br />
Institut für Verkehrsforschung<br />
des zur Verfügung stehenden PKW eines Haushalts erstrebenswert. Eine direkte<br />
Kopplung der Modellierung der Personenverkehrsnachfrage mit dem PKW-Käufermodell<br />
kann aufgrund des Mangels an der dafür notwendigen detaillierten Datenbasis<br />
nicht vorgenommen werden. Diese Beschränkung betrifft vor allem die eindeutige<br />
Zuordnung best<strong>im</strong>mter PKW-Typen zu konkreten Personen. Aus diesem Grund wird<br />
eine Abschätzung der Veränderung der PKW-Anteile auf aggregierter Ebene erfolgen.<br />
Die Erkenntnisse des PKW-Käufermodells werden hierbei weitest möglich integriert.<br />
3.4.3 Umsetzung der in renewbility geplanten Maßnahmen<br />
3.4.3.1 Einleitung<br />
Nachfolgend wird aufgezeigt, wie die vorgestellten Wirkmechanismen zur Integration<br />
von verkehrspolitischen Maßnahmen <strong>im</strong> Rahmen des Projektes renewbility eingesetzt<br />
werden, d.h. für eine Auswahl von Maßnahmen wird die konkrete Umsetzung <strong>im</strong><br />
Personenverkehrsmodell dargestellt. Hiermit erfolgt keine Vorauswahl der in den<br />
Szenarien einzusetzenden Maßnahmen, vielmehr handelt es sich um die<br />
konzeptionelle Erweiterung der Modelle, um die später definierten Maßnahmen<br />
umsetzen zu können. Das Vorgehen wird dabei anhand ausgewählter Maßnahmen,<br />
der jeweiligen Annahmen zu ihren Auswirkungen sowie der entsprechenden<br />
Umsetzung <strong>im</strong> Modell illustriert. Es handelt sich hierbei um idealtypische Möglichkeiten<br />
der Umsetzung, die die Möglichkeiten des Modells aufzeigen, <strong>im</strong> Projekt aber nicht in<br />
jedem Falle so erfolgen werden. Abhängig von der gewählten Stärke der Maßnahme<br />
oder der Priorisierung innerhalb eines Maßnahmenbündels, erfolgt die Implementierung<br />
wie dargestellt oder in vereinfachter Form.<br />
Als Ansatzpunkte für die Integration einer Maßnahmenreagibilität in die Verkehrsberechnung<br />
mit Hilfe von TAPAS wurden vier verschiedene Reaktionsmuster<br />
identifiziert:<br />
• Veränderte Verkehrsmittelwahl als Reaktion auf veränderte Reisezeiten oder<br />
Fahrtkosten in Abhängigkeit des zur Verfügung stehenden zeitlichen und<br />
finanziellen Budgets,<br />
• Veränderte Gelegenheitswahl durch eine Attraktivitätsänderung der einzelnen<br />
Gelegenheitsorte, hervorgerufen durch modifizierte, entfernungsbasierte Kosten<br />
der Erreichbarkeit der Orte oder Kosten des Aufenthalts,<br />
• Veränderung der Aktivitätenpläne, verursacht durch zeitliche und finanzielle<br />
Budgetbeschränkungen oder veränderte Mobilitätsvoraussetzungen (Telearbeit,<br />
E-Commerce, Fahrgemeinschaften),<br />
• Veränderungen der individuellen Mobilitätsoptionen, bspw. PKW-Besitz,<br />
Dauerkartenbesitz für ÖV, Zugang zu Car-Sharing-Angeboten etc.<br />
Am Beispiel ausgewählter Maßnahmen stellt Tabelle 2 die pr<strong>im</strong>äre Wirkung der<br />
jeweiligen verkehrspolitischen Maßnahme sowie die Modellierung ihrer Auswirkungen<br />
analog zu den vier Reaktionskomponenten innerhalb von TAPAS dar. Maßnahmen mit<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 59 -<br />
ähnlichen Wirkungsmechanismen werden in der Tabelle zusätzlich aufgelistet. Eine<br />
Beschreibung der angenommenen grundsätzlichen Wirkung verschiedener<br />
Maßnahmen sowie deren konkrete Umsetzung innerhalb der S<strong>im</strong>ulation folgen <strong>im</strong><br />
Anschluss.<br />
Zwischenbericht, März 2007
- 60 -<br />
Institut für Verkehrsforschung<br />
Hauptsächliche Reaktionskomponenten<br />
Pr<strong>im</strong>äre<br />
Wirkung<br />
Maßnahmen<br />
-beispiel<br />
Verkehrs<br />
-mittelwahl<br />
Finanziell Zeitlich<br />
Gelegen-<br />
heitswahl<br />
Aktivitätenplan<br />
HH-<br />
Eigenschaften<br />
Ähnlich wirkende<br />
Maßnahmen<br />
induziert<br />
induziert<br />
Zielgebietsabhängige MIV-<br />
Verteuerung<br />
Road Pricing mit<br />
Kordonmaut<br />
X X (X) (X) - Parkraummanagement<br />
Zielgebiets- und<br />
emissionsabhängige MIV-<br />
Verteuerung<br />
Entfernungsabhängige MIV-<br />
Preisänderung<br />
Veränderung des zeitlichen<br />
Aufwandes der<br />
Verkehrsmittelnutzung<br />
Road Pricing mit<br />
Differenzierung nach<br />
CO2-Emissionen<br />
X X (X) X<br />
Kraftstoffpreiserhöhung X (X)<br />
- CO2-Emissionshandel <strong>im</strong><br />
Verkehr (Upstream-Modell)<br />
- Abbau der Kilometerpauschale<br />
- CO2-bezogene KFZ-Steuer<br />
- Kampagnen zur<br />
Verbrauchssenkenden<br />
Fahrweise<br />
Angebotserweiterung <strong>im</strong><br />
X (X) X - Einsatz von Telematiksystemen <strong>im</strong><br />
ÖPNV<br />
Personenverkehr<br />
Veränderung des<br />
finanziellen Aufwandes der<br />
Verkehrsmittelnutzung<br />
Förderung alternativer<br />
Modalarten<br />
Herausbildung alternativer<br />
Tagesabläufe<br />
Tarifmaßnahmen <strong>im</strong><br />
ÖPNV<br />
Förderung Car-Sharing /<br />
Car-Pooling<br />
Förderung der<br />
Telearbeit<br />
X (X)<br />
X X X<br />
(X) X (X)<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 61 -<br />
3.4.3.2 Pr<strong>im</strong>är wirksame Maßnahmen<br />
Gebietsbezogene Erhebung von Straßenbenutzungsgebühren<br />
(Kordonmaut)<br />
Die Kosten der Pkw-Nutzung erhöhen sich innerhalb des bemauteten Gebiets, was zu<br />
einer verminderten Attraktivität der dort gelegenen Ziele führt bzw. einen Umstieg auf<br />
öffentliche Verkehrsmittel zum Erreichen dieser Ziele begünstigt. Die modelltechnische<br />
Umsetzung erfolgt folgendermaßen:<br />
• Innerhalb der Kostenfunktion werden erhöhte Wegekosten berücksichtigt, was<br />
die Auswahlwahrscheinlichkeit des PKW zu Gunsten des ÖPNV und nicht<br />
motorisierten Verkehrs reduziert.<br />
• Die erhöhten Wegekosten werden bei der Gelegenheitswahl berücksichtigt;<br />
dies führt zu einer Verminderung der Attraktivität der Gelegenheiten innerhalb<br />
der Mautzone.<br />
• Ggf. werden die Mobilitätsoptionen für best<strong>im</strong>mte Personengruppen angepasst<br />
(Anschaffung einer ÖV-Dauerkarte, Abschaffung des Pkw etc.), d.h. die<br />
Attribute einer Person bzw. eines Haushalts werden verändert (z.B. in<br />
Anlehnung an die von S<strong>im</strong>ma & Axhausen (2003) identifizierten Einflussgrößen.)<br />
• Ggf. erfolgt eine geringfügige Änderung der Aktivitätenmuster (Fahrtverzicht <strong>im</strong><br />
Freizeit- und Einkaufsbereich).<br />
Die dargestellte Modellierung eignet sich zur Wirkungsabschätzung einer Kordonmaut.<br />
Eine etwaige Differenzierung der Abgabenhöhe nach Antriebsart wird innerhalb des<br />
Modells umgesetzt, indem der Anteil der betroffenen Fahrzeuge in Anlehnung an die<br />
Ergebnisse des PKW-Käufer-Modells abgeschätzt wird.<br />
Die Umsetzung einer streckenbezogenen Abgabe kann ggf. durch eine Anpassung der<br />
Fahrzeiten mittels des VOT innerhalb der betroffenen Gebiete erfolgen. Sie erfordert<br />
jedoch einen stark erhöhten Aufwand, da streckenbezogene Konzepte bisher für<br />
einzelne Straßenkategorien angewendet werden. Die hier errechneten Verkehrsmengen<br />
können jedoch nicht auf einzelne Straßenkategorien hin kalibriert werden,<br />
wodurch die notwendige Berechnung von Mautausweichverkehren ebenfalls nicht in<br />
adäquater Weise stattfinden kann.<br />
Darüber hinaus werden <strong>im</strong> Rahmen der S<strong>im</strong>ulation in TAPAS keine Auswirkungen<br />
einer zeitlich differenzierten Maut modelliert, da die Abgabenerhebung in Spitzenverkehrszeiten<br />
vornehmlich der Stauvermeidung dient und somit nicht <strong>im</strong> Zentrum des<br />
Interesses von renewbility steht.<br />
Angebotserweiterungen oder Angebotsänderungen <strong>im</strong> ÖPNV<br />
Die Attraktivität des ÖPNV wird durch zwei unterschiedliche Maßnahmen gesteigert:<br />
− modifizierte Preis- und Tarifgestaltung, und/oder<br />
Zwischenbericht, März 2007
- 62 -<br />
Institut für Verkehrsforschung<br />
− ein verbessertes Angebot durch betriebliche Maßnahmen wie dichtere<br />
Taktungen, opt<strong>im</strong>ierte Umsteigebeziehungen oder erhöhte Reisegeschwindigkeiten<br />
bspw. durch Ampelvorrangschaltungen, Busspuren etc.<br />
Grundsätzlich wird davon ausgegangen, dass eine Attraktivitätssteigerung <strong>im</strong> ÖPNV zu<br />
einer Verlagerung des MIV hin zum ÖPNV führt. Die Anzahl der Besitzer einer<br />
Monatskarte wird steigen, jedoch nicht nur durch Umsteiger vom MIV, sondern auch<br />
durch Personen die zuvor z.B. das Fahrrad genutzt haben oder grundsätzlich weniger<br />
mobil waren.<br />
Tarifliche Veränderungen werden <strong>im</strong> Modell in folgender Weise abgebildet:<br />
• Veränderung der finanziellen Kosten der ÖPNV-Nutzung innerhalb der<br />
Kostenfunktion, die zu einer veränderten Verkehrsmittelwahl führen.<br />
• Die Maßnahmenwirkung variiert je nach zur Verfügung stehenden Mobilitätsoptionen<br />
der verschiedenen Personengruppen in ihrer Wirkungsstärke.<br />
• Veränderung der Mobilitätsoptionen treten ein (Anschaffung einer ÖV-<br />
Dauerkarte).<br />
• Bei deutlich reduzierter MIV-Nutzung und unter der Annahme, dass die<br />
Straßenkapazitäten nicht vermindert werden, verkürzen sich die Reisezeiten <strong>im</strong><br />
PKW-Verkehr, v.a. durch eine verringerte Stauwahrscheinlichkeit. Dadurch<br />
steigt die Wahrscheinlichkeit, dass der Pkw als Verkehrsmittel gewählt wird. Die<br />
Umsetzung dieses Effekts wird ggf. über eine entsprechend verringerte<br />
Wirkungsintensität der pr<strong>im</strong>ären Wirkung realisiert.<br />
Angebotserweiterungen <strong>im</strong> ÖPNV werden wie folgt umgesetzt:<br />
• Durch die Verdichtung der Takte und Erhöhung der grundsätzlichen<br />
Reisegeschwindigkeiten verringert sich die durchschnittliche Reisezeit bei der<br />
Nutzung des ÖPNV. Die zeitlichen Kosten dieser Modalart werden gesenkt. Die<br />
Fahrzeitveränderung kann sich direkt in den Reisezeitmatrizen widerspiegeln.<br />
Eine Verringerung der Anzahl der Umstiege wird durch eine direkte Senkung<br />
der Fahrzeiten modelliert (in Abst<strong>im</strong>mung mit dem ÖPNV-Modul der TU<br />
Dresden).<br />
Der zusätzliche Ausbau der Infrastruktur des Öffentlichen Verkehrs über den <strong>im</strong><br />
Basisszenario angenommenen Ausbauzustand hinaus, etwa der Bau von weiteren S-<br />
Bahn-Linien oder der Aufbau eines Straßenbahnsystems, wird entsprechend der<br />
Festlegungen <strong>im</strong> Projekt nicht betrachtet.<br />
Es wird darauf hingewiesen, dass die alleinige finanzielle Attraktivitätssteigerung des<br />
ÖV keine wesentlichen Auswirkungen hinsichtlich einer Verlagerung des MIV zum<br />
ÖPNV nach sich führt. Erfahrungsgemäß liegt die Zeitelastizität der Nachfrage deutlich<br />
über dem Preisäquivalent (Vrtic & Axhausen 2000). Zumeist erfolgt daher eine<br />
Attraktivitätssteigerung des ÖV sowohl unter zeitlichen als auch finanziellen<br />
Gesichtspunkten.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 63 -<br />
Erhöhung des Kraftstoffpreises<br />
Die Verteuerung von Kraftstoff, z. B. als Folge einer Erhöhung der Mineralölsteuer, hat<br />
eine grundsätzliche Erhöhung der Pkw-Betriebskosten zur Folge. Dabei gilt es,<br />
zwischen einer generellen Preiserhöhung sowie einer Erhöhung in Abhängigkeit von<br />
der Kraftstoffart zu unterscheiden. Als Beispiel für letzteres kann eine Preisgestaltung<br />
in Abhängigkeit von den spezifischen CO 2 -Emissionen der Kraftstoffe gelten (siehe<br />
auch CO 2 -Emissionshandel <strong>im</strong> Upstream-Modell 3.4.3.3).<br />
Die kurzfristige Reaktionsmöglichkeit auf eine Kraftstoffpreiserhöhung besteht<br />
vornehmlich in einer Anpassung des Fahrverhaltens sowie der Erhöhung der<br />
durchschnittlichen Auslastung eines PKW. Dadurch ist ein Rückgang bzw. ein weniger<br />
starkes Wachstum des MIV zu erwarten und außerdem – je nach Maß der Erhöhung -<br />
eine steigende Zahl der ÖV-Nutzer. Langfristig ist mit einer Tendenz zur Beachtung der<br />
Höhe des spezifischen Kraftstoffverbrauchs bzw. der Antriebsart <strong>im</strong> Falle eines PKW-<br />
Neuerwerbs zu rechnen.<br />
• Innerhalb der Kostenfunktion werden erhöhte Wegekosten berücksichtigt, was<br />
die Auswahlwahrscheinlichkeit des PKW zu Gunsten des ÖPNV und nicht<br />
motorisierten Verkehrs reduziert.<br />
• Im Falle einer differenzierten Erhöhung wird der Anteil der betroffenen PKW auf<br />
Basis des Käufermodells abgeschätzt.<br />
• Eine Berücksichtigung der langfristigen Auswirkungen einer Kraftstoffpreiserhöhung<br />
auf das Kaufverhalten erfolgt <strong>im</strong> Käufermodell.<br />
Abbau der Kilometer- / Wegepauschale<br />
Der Abbau der Kilometerpauschale kann – in Abhängigkeit vom Einkommen, der<br />
Entfernung zum Arbeitsort sowie den sonstigen Werbungskosten - zu einer Kostenerhöhung<br />
der berufsbedingten Fahrten führen. Nach Prognosen des UBA (Panta Rhei -<br />
Modellrechnungen) bewirkt die Abschaffung der Kilometerpauschale eine geringfügige,<br />
in Abhängigkeit vom Einkommen und der Region stark streuende Anpassung bei<br />
berufsbedingten Fahrten, die generelle Absenkung der Fahrleistung aufgrund des<br />
geringeren zur Verfügung stehenden Einkommens überwiegt jedoch (UBA 11/2004,<br />
Diestelkamp et al. 2004). Bei kostensensitiven Haushalten führt dies zu einer<br />
Verlagerung des MIV auf den ÖV. Die Attraktivität, in der Nähe des Arbeitsortes zu<br />
wohnen, steigt. Die modelltechnische Umsetzung wird folgendermaßen durchgeführt:<br />
• Kosten der PKW-Nutzung steigen und wirken sich auf die Modalwahl aus.<br />
• Es erfolgt keine getrennte Betrachtung nach Aktivitätenart (Arbeit) sondern eine<br />
Berücksichtigung des Gesamtbudgets und seiner Veränderung. Dabei werden<br />
nur Erwerbstätige berücksichtigt, die über ein überdurchschnittliches<br />
Einkommen verfügen und deren Arbeitsplatz mehr als 20km vom Wohnort<br />
entfernt ist. Es wird davon ausgegangen, dass diese Personengruppe<br />
überproportional von der Abschaffung betroffen ist, während Personen mit<br />
geringerem Einkommen aufgrund der pauschalen Werbekostenabsetzung<br />
unterdurchschnittlich betroffen sind (Vgl.: Kloas & Kuhfeld 2003).<br />
Zwischenbericht, März 2007
- 64 -<br />
Institut für Verkehrsforschung<br />
Parkraumbewirtschaftung<br />
Die Auswirkungen einer Parkraumbewirtschaftung können vielfältig sein: In den<br />
betroffenen Gebieten steigen die Kosten der PKW-Nutzung durch steigende<br />
Parkgebühren. Wenn die Bewirtschaftung mit einer Verknappung einhergeht, kommt<br />
es aufgrund des Parksuchverkehrs zur Erhöhung der Reisezeit und einer Senkung der<br />
Attraktivität der umliegenden Gebiete. Außerdem variieren die Auswirkungen mit Art<br />
und Dauer des zum Parkvorgang gehörigen Fahrtzweckes.<br />
Bei einem Konzept mit Anwohnerausweisen wird für die entsprechende Personengruppe<br />
durch die besserer Stellplatzverfügbarkeit vor Ort der Pkw-Verkehr ggf.<br />
attraktiver. Möglichkeiten der Umsetzung sind:<br />
• Kostenfunktion der PKW-Nutzung wird um Parkplatzgebühren für die<br />
entsprechenden Reiseziele ergänzt und somit die Wahlwahrscheinlichkeit der<br />
Modalart beeinflusst.<br />
• Die Gelegenheitswahl berücksichtigt Verkehrsmittelgunst (Parkraum, Maut,<br />
ÖPNV-Anschluss); knappe oder teure Parkmöglichkeiten verringern die<br />
Attraktivität dieser Orte, eventuell auch über Beachtung von veränderten<br />
Zugangs- und Abgangszeiten durch eine Angebotsveränderung.<br />
• Modellierung erfolgt in Anlehnung an die von Baier et al. (2000), Dörnemann<br />
(1998) und Höhnberg (2002) identifizierten Verlagerungspotenziale mit<br />
Unterscheidung nach Aktivitätendauer und Aktivitätenart.<br />
• Geringfügige Änderung der Aktivitätenmuster (Fahrtverzicht <strong>im</strong> Freizeit- und<br />
Einkaufsbereich)<br />
Eine Abschätzung der Wirkungsstärke einer Parkraumbewirtschaftung erfolgt oftmals<br />
in Zusammenhang mit der Förderung verkehrsberuhigter Innenstadtzonen sowie einem<br />
einhergehenden Ausbau des ÖPNV-Angebots als Voraussetzung einer Modalsplitverlagerung<br />
(Vgl. Nielsen 2001).<br />
Steueranreize für Telearbeit<br />
Durch steuerliche Anreize zur Telearbeit n<strong>im</strong>mt die Anzahl der zu Hause Arbeitenden<br />
zu. Dadurch fallen Wege von und zur Arbeit weg, evtl. sind jedoch zusätzliche Einkaufswege<br />
vorzunehmen. Ein höherer Anteil von Telearbeit wird wie folgt umgesetzt:<br />
• Herausbildung neuer Aktivitätenmuster bzw. stärkere Berücksichtigung<br />
bestehender Aktivitätenmuster mit Telearbeit durch Veränderung der Auswahlwahrscheinlichkeit<br />
für best<strong>im</strong>mte Personengruppen. Im Projekt vi-va wurde eine<br />
ähnliche Analyse durchgeführt für die Verlagerung von Einkäufen zu E-<br />
Commerce (Institut für Verkehrsforschung 2007). Die dort zu diesem Zweck<br />
durchgeführten Erweiterungen von TAPAS bei der Zuordnung von Aktivitätenmustern<br />
werden übertragen.<br />
• Es erfolgt eine indirekte Beeinflussung der Gelegenheits- und Modalwahl.<br />
• Die Wahrscheinlichkeit einer Adaption alternativer Aktivitätenmuster als Folge<br />
von Telearbeit hängt sowohl von den Eigenschaften der Person als auch den<br />
Arbeitgebern <strong>im</strong> Umfeld des Wohnortes ab.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 65 -<br />
• Die durchschnittliche Anzahl der Arbeitswege als Übergabeparameter an<br />
VISEVA sinkt.<br />
• Die verringerte PKW-Nutzung aufgrund des Wegfalls von Arbeitswegen kann<br />
zu einer leichten Veränderung des PKW-Besitzes führen.<br />
Förderung gemeinschaftlicher Nutzung des PKW (Car-Pooling und Car-<br />
Sharing)<br />
Eine weitere Verbreitung von günstigen und professionellen Car-Sharing-Dienstleistungen<br />
führt zu steigenden Nutzerzahlen. In einem Teil der Haushalte wird auf<br />
einen Pkw verzichtet und es findet eine zusätzliche Verlagerung zugunsten der<br />
öffentlichen Verkehrsmittel statt. Es erfolgt eine Abnahme des MIV, insbesondere <strong>im</strong><br />
Berufsverkehr.<br />
Die Förderung oder steuerliche Vergünstigung von Car Pooling führt zur Anschaffung<br />
von betrieblichen Fahrzeugflotten für die gemeinsame Nutzung zur Fahrt zum<br />
Arbeitsplatz. Alternativ werden Privatfahrzeuge vermehrt von Fahrgemeinschaften<br />
genutzt. Beide Varianten finden sich vor allem bei Großunternehmen, bei denen die<br />
Bildung von Fahrgemeinschaften angesichts des gleichen Fahrzieles und einem<br />
Mindestaufkommen möglich ist.<br />
Für die Maßnahme gemeinschaftliche Nutzung von Pkw ist folgende Umsetzung<br />
geplant:<br />
• Fahrgemeinschaften sowie Car-Sharing werden als alternative Mobilitätsoption<br />
neben dem PKW- und ÖV-Dauerkartenbesitz eingeführt.<br />
• Der PKW-Besitz geht bei Car-Sharing-affinen Personengruppen leicht zurück.<br />
Ein Anteil der Aktivitäten wird dennoch unter Nutzung eines Leih-PKW durchgeführt;<br />
dabei handelt es sich vor allem um Einkaufs- und Freizeitaktivitäten.<br />
• Bei der Bildung von Fahrgemeinschaften erfolgt für den Weg zur Arbeit die<br />
Nutzung des Modus „fremder PKW“. Die Fahrt dieses PKW wurde bereits be<strong>im</strong><br />
Besitzer berücksichtigt. Dies wirkt sich auf den arbeitswegspezifischen<br />
Besetzungsgrad aus, der entsprechend steigt und an VISEVA übergeben wird.<br />
• Die Aktivitätenmuster von Personen mit Fahrgemeinschaften ändern sich leicht,<br />
da in diesem Fall eine Verkettung der Arbeitsfahrt mit anderen Aktivitäten<br />
erschwert wird.<br />
3.4.3.3 Sekundär wirksame Maßnahmen<br />
Unter sekundär wirksamen Maßnahmen werden Maßnahmen verstanden, die in erster<br />
Linie keinen Einfluss auf die Verkehrsnachfrage haben und daher in anderen Modellen<br />
(z.B. Pkw-Käufermodell oder Angebotsseite) berücksichtigt werden. Für einige dieser<br />
Maßnahmen ist aber nicht auszuschließen, dass sie je nach Stärke der Anwendung<br />
oder in Kombination mit anderen Maßnahmen eine sekundäre Wirkung auf die<br />
Verkehrsnachfrage entfalten. Eine Auswahl dieser Maßnahmen ist nachfolgend<br />
Zwischenbericht, März 2007
- 66 -<br />
Institut für Verkehrsforschung<br />
dargestellt einschließlich der Hinweise, an welcher Stelle die pr<strong>im</strong>äre Wirkung<br />
voraussichtlich berücksichtigt wird.<br />
Förderung Alternativer Kraftstoffe sowie alternativer Pkw-Antriebe<br />
Die Förderung alternativer Kraftstoffe führt letztlich zu einem geringeren Preis<br />
gegenüber herkömmlichen Kraftstoffen. Dadurch sinken die Betriebskosten und erhöht<br />
sich die Attraktivität des MIV für diejenigen Personen, deren Pkw für die Nutzung<br />
alternativer Kraftstoffe geeignet ist.<br />
Die Förderung von Neufahrzeugen mit alternativer Antriebstechnik wirkt sich in einem<br />
geringeren Mehrpreis gegenüber konventionellen Fahrzeugen aus, wodurch für eine<br />
größere Personengruppe der Kauf eines alternativ angetriebenen Pkw interessant wird.<br />
• Die Förderung alternativer Kraftstoffe wird pr<strong>im</strong>är auf der Angebotsseite<br />
abgebildet um die Auswirkungen auf den Kraftstoffpreis zu ermitteln.<br />
• Die streckenbezogenen Fahrtkosten der PKW-Nutzung verändern sich je nach<br />
Kraftstoffart, wobei der Anteil der Fahrzeuge auf Basis des Ergebnisses aus<br />
dem Käufermodell abgeschätzt wird.<br />
• Die Wahl eines alternativen Fahrzeugs wird <strong>im</strong> Käufermodell betrachtet.<br />
CO 2 -Emissionshandel <strong>im</strong> Verkehr (Upstream- oder Midstream-Modell)<br />
Upstream-Modell: Der Preis für verschiedene Kraftstoffe erhöht sich grundsätzlich und<br />
in Abhängigkeit von der Höhe der spezifischen CO 2 -Emissionen des Kraftstoffs. Die<br />
entfernungsbasierten Nutzungskosten eines entsprechenden PKW steigen und führen<br />
zu einer geringfügig vermehrten Nutzung alternativer Verkehrsmittel. Der Anreiz zum<br />
Erwerb eines PKW mit geringeren spezifischen CO 2 -Emissionen steigt.<br />
Midstream-Modell: Die Herstellung von PKW mit hohen Emissionsraten verteuert sich<br />
aufgrund des CO 2 -Handels; die Preissteigerungen werden an Verbraucher<br />
weitergereicht und fördern die Anschaffung von PKW mit alternativen Antriebsarten.<br />
Fahrleistung und Fahrverhalten bleiben unverändert.<br />
Umsetzung des Upstream-Modell:<br />
• Der Anteil der PKW mit alternativen Antriebsarten steigt gemäß den Berechnungen<br />
<strong>im</strong> PKW-Käufermodell.<br />
• Kosten der PKW-Nutzung steigen bei entsprechenden PKW und wirken sich<br />
auf die Modalwahl aus. Die Auswahlwahrscheinlichkeit des PKW als Verkehrsmittel<br />
verringert sich geringfügig.<br />
• Die Ermittlung der Wirkungsstärke erfolgt analog zur allgemeinen Verteuerung<br />
der Kraftstoffpreise und wird anteilig des entsprechenden PKW-Anteils<br />
berücksichtigt.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 67 -<br />
Umsetzung des Midstream-Modell:<br />
• Eine Umsetzung erfolgt <strong>im</strong> Rahmen des PKW-Käufermodells. Es findet keine<br />
Veränderung innerhalb von TAPAS statt, es sei denn, die Maßnahme geht mit<br />
einer generellen Kraftstoffpreiserhöhung einher.<br />
CO 2 -bezogene Kfz-Steuer<br />
Durch eine Umgestaltung der Kfz-Steuer werden Anreize zum Erwerb verbrauchsärmerer<br />
Fahrzeuge geschaffen. Je nach Gestaltung der Kfz-Steuer und in Abhängigkeit<br />
der Gestaltung anderer relevanter Steuern - insbesondere der Mineralölsteuer –<br />
kann es zu einer Kostenreduktion bei den Haltern dieser Fahrzeuge kommen, wodurch<br />
die Attraktivität der Fahrzeugnutzung steigt.<br />
• Die pr<strong>im</strong>äre Wirkung einer neugestalteten Kfz-Steuer wird <strong>im</strong> PKW-<br />
Käufermodell abgebildet und findet unabhängig von der Verkehrsnachfragemodellierung<br />
statt.<br />
• Je nach Gestaltung der Maßnahmen innerhalb eines Szenarios werden aus<br />
dem Käufermodell Rückschlüsse für die Verkehrsmodellierung gezogen und für<br />
einen best<strong>im</strong>mten Anteil der Bevölkerung geringere Fixkosten der PKW-<br />
Nutzung angesetzt. Diese Veränderung wird anteilig bei der Berechnung der<br />
streckenbezogenen Kosten der PKW-Nutzung integriert. Die Kosten finden<br />
sowohl bei der Modalwahl als auch bei der Gelegenheitswahl Beachtung.<br />
Einsatz von Telematiksystemen<br />
Telematiksysteme haben in erster Linie das Ziel, den Verkehrsfluss zu opt<strong>im</strong>ieren und<br />
Stausituationen zu verhindern. Hierdurch wird die Reisezeit in Einzelfällen reduziert.<br />
Gleichzeitig tragen die Systeme durch eine opt<strong>im</strong>ale Routenführung allgemein zu einer<br />
verkürzten Reisezeit bei, was allerdings nicht notwendigerweise mit einer streckenmäßig<br />
kürzeren Route einhergehen muss. Parkleitsysteme fördern die Attraktivität der<br />
um die Parkgelegenheiten liegenden Ziele durch sinkende Suchzeiten; die Fahrleistung<br />
der entsprechenden PKW n<strong>im</strong>mt durch die Verminderung des Suchverkehrs ab.<br />
• Die Reisezeiten verkürzen sich (Reisezeitmatrizen) und führen bei der<br />
Kostenfunktionsberechnung zu einer Senkung der Reisekosten. Die PKW-Wahl<br />
wird dadurch attraktiver bzw. ggf. werden gestiegene monetäre Kosten dadurch<br />
ausgeglichen.<br />
• Die erhöhte Attraktivität der Zielorte mit Parkleitsystemen wird bei der<br />
Gelegenheitswahl berücksichtigt.<br />
Einführung von Flottenverbrauchsgrenzwerten<br />
Die Einführung von Flottenverbrauchsgrenzwerten führt grundsätzlich zu einem<br />
größeren Angebot verbrauchsarmer Fahrzeuge bzw. zu einer allgemeinen Verringerung<br />
des Verbrauchs der angebotenen Pkw. Dies drückt sich zunächst durch<br />
reduzierte Emissionsfaktoren in der Stoffstromanalyse aus und wird nur bei sehr<br />
Zwischenbericht, März 2007
- 68 -<br />
Institut für Verkehrsforschung<br />
gravierender Maßnahmengestaltung für die Verkehrsmodellierung relevant. Die<br />
Umsetzung erfolgt dann analog zu 6.<br />
Verbraucherinformationen und Kampagnen zur verbrauchssenkenden<br />
Fahrweise<br />
Die Kampagnen führen zu einem geringeren Verbrauch bei gleicher Fahrleistung<br />
aufgrund spritsparender Fahrweise, opt<strong>im</strong>alen Reifendrucks und ähnlicher Maßnahmen.<br />
Sekundär kann es durch die geringeren Betriebskosten zu einem Anstieg des<br />
MIV bzw. einer Kompensation von eventuellen Verteuerungen kommen.<br />
• Die Maßnahme wird pr<strong>im</strong>är durch veränderte Emissionsfaktoren in der<br />
Stoffstromanalyse umgesetzt.<br />
• Sollten die sekundäre Auswirkung aufgrund der Maßnahmenstärke oder der<br />
sonstigen Randbedingungen für relevant erachtet werden, erfolgt die<br />
Umsetzung über eine Absenkung der streckenbezogenen Kosten der PKW-<br />
Nutzung, die dadurch das Mobilitätsbudget weniger belasten und die<br />
Attraktivität des MIV erhöhen.<br />
Tempol<strong>im</strong>it auf Autobahnen<br />
Eine Geschwindigkeitsbeschränkung auf Autobahnen führt zu einem gleichmäßigeren<br />
Verkehrsfluss bei niedrigeren Geschwindigkeiten. Entsprechend geht der<br />
Energiebedarf und Schadstoffausstoß für eine best<strong>im</strong>mte Teilmenge von Autobahnfahrten<br />
zurück, was in einer Korrektur der Emissionsfaktoren und des Energieverbrauchs<br />
in der Stoffstromanalyse resultiert.<br />
Es ist anzunehmen, dass Fernreisen mit dem MIV durch ein Tempol<strong>im</strong>it auf<br />
Autobahnen für best<strong>im</strong>mte Personengruppen an Attraktivität verlieren und somit auch<br />
in der Verkehrsnachfrage ein Rückgang auftreten kann. Andererseits kann ein<br />
harmonischerer Verkehrablauf bei niedrigeren Geschwindigkeiten z.B. für Nutzer von<br />
leistungsschwachen Pkw wiederum interessanter werden. Grundsätzlich ist bereits der<br />
aktuelle Anteil der Wege, die auf Straßen ohne Tempol<strong>im</strong>it durchgeführt werden<br />
können, sehr gering, so dass von einer differenzierten Betrachtung der Auswirkung<br />
eines Tempol<strong>im</strong>its auf die Verkehrsnachfrage zunächst abgesehen wird.<br />
Städtische Verkehrsplanungsmaßnahmen<br />
Maßnahmen wie zum Beispiel die Verringerung der Zahl der Fahrspuren, Straßenverengungen,<br />
Radwegebau etc. senken die Attraktivität für den Pkw-Verkehr und<br />
können für die entsprechenden Gebiete eine Reduzierung des Verkehrs bewirken. Da<br />
die S<strong>im</strong>ulation <strong>im</strong> Modell auf die Gesamtverkehrsmengen kalibriert wird und nicht auf<br />
der Ebene einzelner Wohnquartiere oder Straßenabschnitte, lassen sich derartige<br />
Maßnahmen nur indirekt abbilden. Unter der Annahme großräumiger verkehrsplanerischer<br />
Maßnahmen können pauschale Reduktionsraten berücksichtigt werden.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 69 -<br />
3.4.3.4 Literaturüberblick zur Wirkungsbeurteilung verschiedener<br />
Maßnahmen<br />
Zur Kalibrierung des Modells und der Verifizierung der erzielten S<strong>im</strong>ulationsergebnisse<br />
erfolgt <strong>im</strong> Rahmen der Sekundäranalyse eine umfangreiche Literaturrecherche. Die<br />
bisher zur Wirkungsabschätzung analysierte Literaturbasis ist in Tabelle 3 zusammengefasst.<br />
Die aufgeführten Quellen repräsentieren den momentanen Stand der<br />
Recherche und werden <strong>im</strong> Laufe des Projekts Ergänzung finden. Die Ermittlung<br />
publizierter Elastizitäten für den MIV und den ÖV wird unter Mithilfe der TU Dresden<br />
durchgeführt.<br />
Tabelle 5:<br />
Literaturübersicht Maßnahmenwirkung<br />
Maßnahme<br />
Literaturreferenzen<br />
Road Pricing Franken & Bochynek 2006; Nielsen 2001;<br />
Olszewski & Xie 2005; Ponel, 1999; Ministry of<br />
Transport, Public Works and Water<br />
Management 2005; Schade 2005; Spiekermann<br />
& Wegener 2005<br />
Angebotsänderung ÖPNV Kalbow 2001; Nielsen 2001; Rölle et al. 2002;<br />
Schroll 2003<br />
Erhöhung und Umgestaltung des<br />
Kraftstoffpreises generell<br />
Diestelkamp et al. 2004; Grünwald et al. 2002;<br />
Hautzinger et al. 2004; Kloas et al. 2004;<br />
Nielsen 2001; Schmidt& Axhausen 1999<br />
Elastizitäten ÖV und MIV Button 1993; Goodwin 1992; Hang 2003;<br />
Keuchel 1994; Vrtic et al. 2000; Vrtic 2001; Vrtic<br />
& Axhausen 2000;<br />
Abbau der Kilometerpauschale Distelkamp et al. 2004; Dittrich-Wesbuer et al.<br />
2006; Deutscher Bundestag 2003; Grünwald et<br />
al. 2002; Kloas & Kuhfeld 2003; UBA 2004<br />
Parkraumbewirtschaftung<br />
Baier et al. 2000; Dörnemann 1998; Grötsch et<br />
al. 2004; Höhnberg 2002; Nielsen 2001<br />
Telearbeit Betz & Schwarz 1998; BMVBW 2002;<br />
Denzinger & Vogt 2000; Gareis & Kordey 2000;<br />
Gebauer 2002, Glaser & Glaser 2000; Glaser &<br />
Vogt 2000; Glaser & Vogt 2004; Glogger et al.<br />
2003; James 2004; Kordey 2002;<br />
Kreisverwaltungsreferat Landeshauptstadt<br />
München 2003; Mokhtarian et al. 1997; Niggl &<br />
Kreilkamp 2004; Spittje 1999; Vogt & Denzinger<br />
2001<br />
Zwischenbericht, März 2007
- 70 -<br />
Institut für Verkehrsforschung<br />
Car Pooling und Car Sharing Baum & Pesch 1994; Baum & Pesch 1996;<br />
Dürholt 1998; Huwer 2002; Loose et al. 2001;<br />
Mertins 2006; Müller 1998; Schäfer 2002; ILS<br />
NRW 2006: Sammer et al. 1999; Shaheen et al.<br />
1998<br />
CO 2 -Emissionshandel <strong>im</strong> Verkehr Bergmann et al. 2005; für das Up-Stream-<br />
Modell siehe auch Literatur zur Auswirkungen<br />
von Kraftstoffpreisänderungen generell; Mid-<br />
Stream-Modell siehe Kapitel 5.3<br />
Einsatz von Telematiksystemen Neunzig & Benm<strong>im</strong>oun 2002; Prognos 2001<br />
Verbraucherinformationen und<br />
Kampagnen zur verbrauchssenkenden<br />
Fahrweise<br />
Bergmann et al. 2005; Innenministerium Baden-<br />
Württemberg 2006; Kl<strong>im</strong>a-Bündnis der<br />
Europäischen Städte 2000;UBA 2001<br />
Tempol<strong>im</strong>it auf Autobahnen Gohlisch & Malow 1999; Grünwald et al. 2002<br />
Förderung alternativer Kraft-stoffe;<br />
CO 2 -bezogene Kfz-Steuer;<br />
Einführung von Flottenverbrauchsgrenzwerten<br />
Städtische Verkehrsplanungsmaßnahmen<br />
Literatur zur Maßnahmenwirkung finden sich <strong>im</strong><br />
Kapitel 5.3 (Käufermodell)<br />
Nielsen 2001; Ponel 1999, Sammer 2000<br />
3.4.3.5 Übertragung der mikroskopisch ermittelten Maßnahmenreaktionen<br />
auf Gesamtdeutschland mit Hilfe von VISEVA<br />
In den Beschreibungen der beiden Personenverkehrsmodelle in den Abschnitten 3.3.2<br />
und 3.4.1 wird deutlich, dass sie sich in ihren Ansätzen (Makro-Mikro) grundsätzlich<br />
unterscheiden und dies insbesondere in der Fähigkeit zum Ausdruck kommt, die<br />
Wirkung von verkehrsrelevanten Maßnahmen <strong>im</strong> Modell abzubilden. Im Makromodell<br />
VISEVA besteht zwar durchaus die Möglichkeit, externe Veränderungen über eine<br />
entsprechende Parametrisierung zu berücksichtigen 28 , die Wirksamkeit von Veränderungen<br />
müssen <strong>im</strong> Falle der Verhaltensparameter jedoch außerhalb des Modells<br />
ermittelt und geschätzt werden.<br />
TAPAS hingegen bietet durch den Einsatz einer synthetischen Bevölkerung und<br />
individueller, detaillierter Aktivitätenmuster vielfältige Möglichkeiten, das Individuum<br />
betreffende Maßnahmen bzw. deren Wirkungen innerhalb des Modells zu ermitteln. Bei<br />
derzeitigem Stand der Modellentwicklung ist es jedoch nicht möglich, mikroskopische<br />
28<br />
Dabei würde z.B. eine Verteuerung des Individualverkehrs als Änderung eines Parameters abgebildet<br />
werden. Für den Parameter „durchschnittliche Anzahl der Fahrten <strong>im</strong> Freizeitverkehr pro Tag und<br />
Person“ würde sich der Wert verringern.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 71 -<br />
Ansätze <strong>im</strong> großen räumlichen Maßstab, z.B. auf der Ebene eines Nationalstaates,<br />
anzuwenden.<br />
Die Berechnungsergebnisse, die für die drei ausgewählten Regionen bei der<br />
S<strong>im</strong>ulation mit TAPAS erzielt werden, werden daher mit Hilfe des auf makroskopischer<br />
Ebene arbeitenden Modells VISEVA weiterverarbeitet. Durch die Berechnung der<br />
Verkehrsnachfrage auf aggregierter Ebene besitzt VISEVA die Fähigkeit, die<br />
notwendigen Rechenprozesse für große Räume mit einer hohen Anzahl von<br />
Verkehrszellen durchzuführen. Die mit TAPAS best<strong>im</strong>mten Wirkmächtigkeiten verkehrspolitischer<br />
Maßnahmen werden hierbei genutzt, um Verhaltensparameter für die<br />
untersuchten Raumtypen abzuleiten und die Veränderung der Verkehrsleistung in<br />
Gesamtdeutschland zu extrapolieren. Die ermittelten Maßnahmen-Reaktionen durch<br />
die Verkehrsteilnehmer in TAPAS werden somit in angepasste Mobilitätsparameter als<br />
Eingangsgrößen für VISEVA übersetzt.<br />
Grundlage für diese Verbindung zwischen beiden Modellansätzen bildet die inhaltliche<br />
Ausarbeitung der bestehenden Interpretationsebene bzw. Informationslücke, die<br />
zwischen Modelloutput TAPAS und Modellinput VISEVA besteht. Ausgangspunkt ist,<br />
dass quantifizierte Maßnahmenreaktionen in TAPAS nicht ohne weiteres nach VISEVA<br />
übertragen werden können. Angesichts manifester räumlicher Verkehrsverhaltensunterschiede<br />
<strong>im</strong> nationalen <strong>Kontext</strong> (städtisch-ländlich; Zentrum-Peripherie), besteht<br />
die Notwendigkeit, die Ergebnisse singulärer Modellierungen der Verkehrsnachfrage<br />
durch einen zusätzlichen Interpretationsschritt für deren Anwendung in einem deutschlandweiten<br />
Modell aufzubereiten. Dabei muss den Besonderheiten der drei untersuchten<br />
Räume Rechnung getragen werden. Die Untersuchung einer Maßnahme für<br />
die Region Berlin liefert zwar quantifizierte Ergebnisse, die für andere Großstädte aber<br />
z.B. vor dem Hintergrund des unterschiedlichen Ausbaugrads des öffentlichen<br />
Verkehrs für die Verwendung in VISEVA interpretiert werden müssen. Dabei wird die<br />
Interpretation auch von der betrachteten Maßnahme selbst abhängen.<br />
Ausgehend von den mit TAPAS erzielten Ergebnissen der drei ausgewählten Räume<br />
wird über anteilige Gewichtung des jeweiligen Raumtyps u.a. das spezifische<br />
Verkehrsaufkommen nach Personengruppen für VISEVA generiert. Nach diesem<br />
interpretativen Arbeitsschritt der Übertragung der Parameter auf alle Regionen des<br />
entsprechenden Typs erfolgt in VISEVA die Hochrechnung der Auswirkungen auf die<br />
gesamte Personenverkehrsnachfrage.<br />
Als Ergebnis der Berechnungen in TAPAS liegen für die einzelnen Mitglieder der<br />
synthetischen Population Fahrtenlisten vor. Sie enthalten Start- und Endpunkt der<br />
Fahrt, den Wegezweck, die Distanz zwischen Start- und Zielort und das gewählte<br />
Verkehrsmittel. Darüber hinaus wird für den MIV der fahrtenzweckspezifische<br />
Besetzungsgrad berechnet.<br />
Zwischenbericht, März 2007
- 72 -<br />
Institut für Verkehrsforschung<br />
Statistische Auswertungen dieser Fahrtenlisten ermöglichen die Ermittlung der<br />
nachfolgenden Kenngrößen für die ausgewählten Referenzregionen, die für eine<br />
Weiterverarbeitung in VISEVA zur Verfügung gestellt werden:<br />
• Mittlere Weghäufigkeiten nach Wegezweck und sozioökonomischer<br />
Personengruppe<br />
• Mittlere Weglänge sowie Weglängenverteilung nach sozioökonomischer<br />
Personengruppe und Wegezweck<br />
• Verkehrsmittelanteile nach Personengruppe und Wegezweck<br />
• Besetzungsgrade <strong>im</strong> MIV nach Wegezweck<br />
Das Zusammenspiel der Berechnungen in TAPAS und VISEVA ist in Abbildung 7<br />
graphisch dargestellt.<br />
Abbildung 7: Zusammenspiel der Ausgabegrößen von TAPAS sowie Inputparameter für<br />
VISEVA<br />
TAPAS<br />
VISEVA<br />
Bevölkerung<br />
Zeitverwendung<br />
Strukturdaten (u.a. zu<br />
Bevölkerung, Zielgelegenheiten )<br />
Ziele<br />
Mobilitätsparameter<br />
Verkehrsmittel<br />
Mittlere Weghäufigkeit nach<br />
Wegezweck und Personengruppe<br />
Mittlere Weglänge nach<br />
Personengruppe und Wegezweck<br />
Auswertung<br />
und Anpassung<br />
für VISEVA<br />
Wegematrizen ausgewählter<br />
Räume (Abfolge von<br />
Wegeketten mit Start- und<br />
Endpunkt, Wegezweck,<br />
Entfernung, Modalart sowie<br />
Angaben zu<br />
sozioökonomischen<br />
Eigenschaften der jeweiligen<br />
Person)<br />
Modal Split nach Personengruppe<br />
und Wegezweck<br />
Besetzungsgrade nach<br />
Wegezweck<br />
Wegematrix<br />
Deutschland<br />
Interpretation und<br />
Plausibilitätsprüfung<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 73 -<br />
3.4.4 Anwendung von TAPAS für Berlin<br />
Basis der Anwendung von TAPAS für den Untersuchungsraum Berlin ist die Aufbereitung<br />
von Bevölkerungsdaten in Form einer synthetischen Bevölkerung und die<br />
Recherche und Bereitstellung von Gelegenheiten zur Ausübung von Aktivitäten. Für<br />
die synthetische Bevölkerung wurden Daten der Firma infas GeoDaten GmbH und des<br />
Berliner Statistischen Landesamtes ausgewertet. Da diese Datensätze auf Verkehrszellen<br />
aufbauen, während TAPAS straßenabschnittsgenau arbeitet, erfolgte eine<br />
Zuordnung auf der Basis des Haupt- und Nebenstraßennetzes von Berlin. Daten zu<br />
Gelegenheiten wurden von einer Reihe von Quellen je nach Gelegenheitstyp (z.B.<br />
Kinos, Einkaufs-Center etc) bezogen und mit Hilfe eines GIS-Systems der S<strong>im</strong>ulation<br />
bereitgestellt.<br />
Während die Umlegung der Fahrten <strong>im</strong> Individualverkehr mit Hilfe von VISUM erfolgt,<br />
wird die Umlegung der Fahrten des ÖPNV in Zusammenarbeit mit der Universität<br />
Dresden, Professur für Verkehrsströmungslehre durchgeführt. Dort ist ein Modell zur<br />
Angebots- und Betriebsplanung des Öffentlichen Verkehrs in Berlin vorhanden, das an<br />
die speziellen Bedürfnisse des Projekts renewbility angepasst wurde.<br />
Der Datenaustausch mit der TU Dresden erfolgt in Form einer Liste von Fahrten, die<br />
mit TAPAS berechnet und dem ÖV-Modul übergeben werden. Nach der Berücksichtigung<br />
des Liniennetzes und der Betriebsabläufe des ÖPNV wird die Liste der<br />
Einzelfahrten mit Reisezeiten ergänzt und an TAPAS zurückgegeben und weiter verarbeitet.<br />
Mit Hilfe des ÖV-Moduls werden dann Fahrleistungen und Auslastungsgrade<br />
ermittelt.<br />
Erste Berechnungsergebnisse wurden als Probedatensatz erstellt. Derzeit erfolgt eine<br />
weitere Kalibration <strong>im</strong> Rahmen der Erstellung des Basis-Szenarios.<br />
Wege (Mio.)<br />
MIV S-Bahn/Reg.verk. U-Bahn Tram Bus<br />
2005 Status-Quo 1035,2 356,8 463,7 167,5 404,7<br />
Personenkilometer (Mio. pkm)<br />
MIV S-Bahn/Reg.verk. U-Bahn Tram Bus<br />
2005 Status-Quo 16679 3124,2 2231,8 490,2 1324,2<br />
Fahrzeugkilometer (Mio. km)<br />
MIV S-Bahn/Reg.verk. U-Bahn Tram Bus<br />
2005 Status-Quo 14135 26,1 20,4 13,9 89,1<br />
Zwischenbericht, März 2007
- 74 -<br />
Institut für Verkehrsforschung<br />
Den Arbeiten am Basis-Szenario bis 2030 liegen die geplanten Infrastrukturmaßnahmen<br />
des Stadtentwicklungsplans Verkehr zugrunde, der dahingehend ausgewertet<br />
wird. Die geplanten Erweiterungen des ÖV-Netzes werden <strong>im</strong> Modul der TU<br />
Dresden berücksichtigt.<br />
3.4.5 Auswahl zweier weiterer Beispielräume zur Anwendung von<br />
TAPAS<br />
Im Rahmen des Projektes wird die Verkehrsnachfrage mit TAPAS für unterschiedliche<br />
Räume abgebildet. Das wesentliche Erkenntnisinteresse gilt der Frage, ob Personen in<br />
Abhängigkeit vom Raumtyp unterschiedlich auf verkehrsbezogene Maßnahmen<br />
reagieren und welche Schlussfolgerungen sich daraus für die Wirkmächtigkeit von<br />
Maßnahmen ergeben. Eine wichtige Aufgabe besteht folglich darin, geeignete Räume<br />
für die Verkehrsnachfragemodellierung zu finden. Die ausgewählten Räume sollen sich<br />
einerseits deutlich voneinander unterscheiden und ein gewisses Spektrum an<br />
Raumtypen abdecken. Andererseits soll darauf geachtet werden, dass die ausgewählten<br />
Räume keine allzu großen Besonderheiten aufweisen und nach Möglichkeit<br />
für eine größere Zahl an Räumen repräsentativ sind.<br />
Nachfolgend wird zunächst das Verfahren für die Auswahl geeigneter Räume für die<br />
Modellierung der Verkehrsnachfrage beschrieben. Im Weiteren werden die Räume, die<br />
danach in die engere Wahl fallen, vorgestellt.<br />
3.4.5.1 Verfahren der Raumauswahl<br />
Ausgangsbasis für die Raumauswahl sind die 97 Raumordnungs- bzw. Analyseregionen<br />
des Bundesamtes für Bauwesen und Raumordnung (BBR). 29 Mit dieser<br />
räumlichen Basiseinheit stützt sich das Auswahlverfahren auf Räume, die zumindest<br />
“annähernd den funktionalräumlichen Zusammenhang von oberzentralen Kernen und<br />
Umland“ 30 wiedergeben und damit auch der modelltechnischen Anforderung der<br />
Raumabgrenzung gerecht werden, dass wesentliche Verkehrsbeziehungen innerhalb<br />
29<br />
30<br />
Die Raumordnungs- bzw. Analyseregionen des BBR basieren auf den Planungsregionen der Länder.<br />
Da sich die Aktionsräume der Menschen zunehmend ausweiten und über administrative Grenzen<br />
hinweggehen, hat das BBR anhand von Daten zu Pendlerverflechtungen der sozialversicherungspflichtig<br />
Beschäftigten untersucht, ob wesentliche funktionalräumliche Verflechtungen durch die<br />
Abgrenzung der Räume adäquat wiedergegeben, d. h. nicht durch die administrative Grenzziehung<br />
durchschnitten werden. Dies hat bei den drei Stadtstaaten dazu geführt, dass die Analyseregionen<br />
weiter gefasst werden und über die Grenzen der Raumordnungsregionen hinweg auch das Umland<br />
einbezogen wird. In allen anderen Fällen entsprechen die Analyseregionen, die die Grundlage für die<br />
Raumtypisierung des BBR bilden, den Raumordnungsregionen.<br />
BBR, Bundesamt für Bauwesen und Raumordnung (2005): Siedlungsstrukturelle Regions- und<br />
Kreistypen: Instrumente zum inter- und intraregionalen Vergleich. Veröffentlicht auf CD-ROM: INKAR<br />
– Indikatoren und Karten zur Raumentwicklung, Ausgabe 2005, BBR, Bonn.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 75 -<br />
des zu modellierenden Raumes stattfinden und nicht über die Grenzen hinausgehen<br />
sollen.<br />
Das BBR gliedert die Raumordnungs- bzw. Analyseregionen in drei Regionsgrundtypen:<br />
„Agglomerationsräume“, „verstädterte Räume“ und „ländliche Räume“. Da<br />
Berlin als Beispiel für einen Agglomerationsraum bereits gesetzt ist, gilt es aus den<br />
41 verstädterten Räumen und den 23 ländlichen Räumen je einen für die Verkehrsmodellierung<br />
auszuwählen.<br />
Methodisch basiert die Raumauswahl auf den folgenden zwei Arbeitsschritten<br />
- Visualisierung der Heterogenität der Räume der Kategorie „verstädterter Raum“<br />
sowie der Kategorie „ländlicher Raum“ über die vom BBR neu entwickelte,<br />
differenzierte Raumdarstellung anhand der Raumstrukturtypen<br />
- Verwendung von Indikatoren zur Raumbeschreibung<br />
Visualisierung anhand der Raumstrukturtypen<br />
Bei den siedlungsstrukturellen Gebietstypen erfolgt die Zuweisung der Raumordnungsbzw.<br />
Analyseregionen zu einem der drei Regionsgrundtypen über die Merkmale<br />
Bevölkerungsdichte und zentralörtliche Funktion der Kerne von Regionen<br />
(Vorhandensein und Größe von Oberzentren). Auf diese Weise werden Räume mit<br />
ähnlicher Siedlungsstruktur in einer Kategorie zusammengefasst. Die einer Kategorie<br />
zugeordneten Räume weisen jedoch angesichts der groben Dreiereinteilung eine recht<br />
hohe Heterogenität auf. Um diese Heterogenität sichtbar zu machen und die Auswahl<br />
geeigneter Räume auch visuell zu unterstützen, wird auf die neu entwickelte<br />
Raumgliederung des BBR, die Raumstrukturtypen, zurückgegriffen.<br />
Der Ansatz der Raumstrukturtypen hat das Ziel, Raumstrukturen unabhängig von<br />
administrativen Grenzen geographisch möglichst genau abzubilden. Im Gegensatz<br />
zum Top-Down-Ansatz der siedlungsstrukturellen Gebietstypen, bei dem ganze<br />
Regionen einem Regionstyp zugewiesen und dann räumlich weiter differenziert<br />
werden, wird bei den Raumstrukturtypen der umgekehrte Weg gewählt. Unter<br />
Verwendung derselben Abgrenzungskriterien wie bei den siedlungsstrukturellen<br />
Gebietstypen – Bevölkerungsdichte und Zentralität – wird ausgehend von einem sehr<br />
feinen Raster eine Kategorisierung sehr kleiner Raumeinheiten vorgenommen.<br />
Die Best<strong>im</strong>mung der Bevölkerungsdichte erfolgt über Rasterzellen von einem Kilometer<br />
Kantenlänge. Für jede Rasterzelle wird best<strong>im</strong>mt, wie hoch die Bevölkerung bezogen<br />
auf die Ortslagenfläche 31 ausfällt. Die Lagegunst zu zentralen Orten wird über die<br />
Zentrenerreichbarkeit gemessen (Pkw-Fahrzeit zu hochrangigen Zentren). Über eine<br />
Matrix aus Bevölkerungsdichte und Zentrenerreichbarkeit werden die Räume den drei<br />
31 Bei der Ortslagenfläche handelt es sich um die <strong>im</strong> Zusammenhang bebaute Siedlungsfläche.<br />
Zwischenbericht, März 2007
- 76 -<br />
Institut für Verkehrsforschung<br />
Grundtypen Zentralraum, Zwischenraum und Peripherraum zugewiesen. Jede der drei<br />
Kategorien wird anhand der Bevölkerungsdichte in zwei Unterklassen eingeteilt. Das<br />
Ergebnis ist eine feingliedrige Karte, bei der unabhängig von administrativen Grenzen<br />
die zonalen Übergänge zwischen den verschiedenen Raumkategorien sichtbar<br />
werden. 32<br />
Die zur Auswahl stehenden Räume für die Modellierung wurden jeweils mit den<br />
Raumstrukturtypen hinterlegt. Das Ergebnis ist für die verstädterten Räume Karte 1, für<br />
die ländlichen Räume Karte 2 zu entnehmen. In beiden Karten wurden die Regionen<br />
der jeweils nicht betrachteten Raumkategorien farblich blasser dargestellt.<br />
Die Karten lassen die Heterogenität der inneren Struktur der zur Auswahl stehenden<br />
Räume sehr gut erkennen. Während sich bei den verstädterten Räumen z. B. die<br />
Region Münster (Raumordnungsregion Nr. 35) <strong>im</strong> Wesentlichen aus den Kategorien<br />
innerer und äußerer Zentralraum sowie den beiden Zwischenraumkategorien<br />
zusammensetzt, gibt es ebenso verstädterte Räume, bei denen ein hoher Anteil der<br />
Fläche Merkmale des Peripherraums aufweist, wie z. B. die Regionen Oberlausitz-<br />
Niederschlesien (Nr. 59) und Ost-Friesland (Nr. 12). Dasselbe gilt für die ländlichen<br />
Räume. Nord- (Nr. 53) und Südthüringen (Nr. 55) sowie das Emsland (Nr. 17) sind<br />
bspw. Regionen, die auf Basis der Gliederung anhand von Raumstrukturtypen<br />
ausschließlich als Peripherraum eingestuft werden. Dagegen weist die Region Trier<br />
(Nr. 63) sogar Bereiche mit zentralräumlichem Charakter auf. Die Region Main-Rhön<br />
(Nr. 82) ist zu nicht unwesentlichen Teilen Zwischenraum.<br />
Um aus diesen heterogenen Räumen je einen auszuwählen, der keine allzu großen<br />
Besonderheiten/ Unterschiede gegenüber den anderen Räumen desselben<br />
Regionstyps aufweist und eine Art mittleres Maß darstellt, werden in einem zweiten<br />
Schritt zusätzliche Indikatoren zur Raumbeschreibung herangezogen.<br />
32<br />
Schürt, A., Spangenberg, M., Pütz, Th. (2005): Raumstrukturtypen: Konzept – Ergebnisse -<br />
Anwendungsmöglichkeiten – Perspektiven. BBR-Arbeitspapier, Bonn.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 77 -<br />
Karte 1: Verstädterte Räume mit Raumstrukturtypen hinterlegt<br />
Karte 2: Ländliche Räume mit Raumstrukturtypen hinterlegt<br />
12<br />
17<br />
35<br />
59<br />
63<br />
55<br />
53<br />
82<br />
Zwischenbericht, März 2007
- 78 -<br />
Institut für Verkehrsforschung<br />
3.4.5.2 Verwendung von Indikatoren zur Raumbeschreibung<br />
Das BBR veröffentlicht jährlich aktualisierte Indikatoren, anhand derer ein Vergleich<br />
von Räumen auf Basis von unterschiedlichen räumlichen Bezugsebenen möglich ist. 33<br />
Aus der Vielzahl der zur Verfügung stehenden Indikatoren wurden solche ausgewählt,<br />
die für das Personenverkehrsmodell TAPAS relevante Größen beschreiben.<br />
Wichtige Größen für das Modell sind grundsätzlich alle Indikatoren, die einen der<br />
folgenden Bereiche betreffen:<br />
- Bevölkerungszusammensetzung<br />
- Orte für die Ausübung von Aktivitäten: Entsprechend sind Indikatoren von<br />
Bedeutung, die etwas über das Vorhandensein best<strong>im</strong>mter Tätigkeitsgruppen<br />
<strong>im</strong> betrachteten Raum sowie die Verteilung bzw. Dichte von<br />
Aktivitätsstandorten aussagen<br />
- Sowie alle Indikatoren die unmittelbar verkehrsrelevante Informationen liefern<br />
(z. B. Pkw-Dichte) oder hohe Auswirkungen auf das Mobilitätsverhalten haben<br />
(z. B. das Haushaltseinkommen).<br />
Auf Basis dieser Überlegungen wurden folgende Indikatoren für die Untersuchung<br />
ausgewählt:<br />
- Einwohner je km 2 – die Einwohnerdichte ist ein Maß, das u. a. Aufschluss über<br />
die Infrastrukturausstattung und –auslastung eines Raumes gibt;<br />
- Beschäftigungsquote – diese erfasst die sozialversicherungspflichtig<br />
Beschäftigten am Arbeitsort;<br />
- Regionales Bevölkerungspotenzial der Gemeinden <strong>im</strong> Umkreis von 100 km –<br />
dieses ist ein Maß für die zur Verfügung stehenden räumlichen Interaktionsmöglichkeiten;<br />
- Personen je Haushalt<br />
- Schüler je 100 Einwohner<br />
- Studenten je 1.000 Einwohner<br />
- Verfügbares Haushaltseinkommen<br />
- Durchschnittliche Pkw-Fahrzeit zum nächsten Oberzentrum in Minuten<br />
- Pkw-Dichte<br />
- Heutige Altersstruktur (2003)<br />
33 BBR, Bundesamt für Bauwesen und Raumordnung (2005): INKAR – Indikatoren und Karten zur<br />
Raumentwicklung. CD-ROM, Ausgabe 2005, BBR, Bonn.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 79 -<br />
- Altersstruktur 2020 und Bevölkerungsindex 2020 <strong>im</strong> Vergleich zu 2002 – für die<br />
Raumauswahl ist auch die zukünftige Bevölkerungszusammensetzung sowie<br />
die zu erwartende Bevölkerungsdynamik von Bedeutung; mangels Daten für<br />
das vom Modell abzubildende Jahr 2030 werden die vom BBR für das 2020 zur<br />
Verfügung gestellten Daten genutzt.<br />
Zur Best<strong>im</strong>mung eines Raumes, der ansatzweise als repräsentativ für die jeweilige<br />
Raumkategorie bezeichnet werden kann, wurde für jeden Indikator einmal auf Basis<br />
aller verstädterten Räume und einmal auf Basis aller ländlichen Räume ein mittlerer<br />
Wertebereich berechnet. D. h., es wurden pro Indikator die Werte ermittelt, zwischen<br />
denen der Wert einer Region liegen muss, um <strong>im</strong> Vergleich mit allen anderen<br />
Regionen weder nach oben noch nach unten zu stark abzuweichen. Der mittlere<br />
Wertebereich wurde dabei einmal als das mittlere Drittel und einmal als die mittleren<br />
50 % der Werte aller Regionen definiert. Die Abbildung 8 Abbildung 9 stellen für die<br />
Indikatoren Einwohnerdichte und Pkw-Dichte die Ergebnisse der Berechnungen für die<br />
Gruppe der verstädterten Räume dar.<br />
Abbildung 8: Mittlerer Wertebereich für den Indikator Einwohnerdichte - Basis verstädterte<br />
Räume<br />
350<br />
Einwohnerdichte 2003<br />
300<br />
276<br />
276<br />
250<br />
234<br />
200<br />
150<br />
= 33 % aller<br />
Regionen<br />
212<br />
172<br />
Einwohner je km 2 Variante 1 Variante 2<br />
= 50 % aller<br />
Regionen<br />
166<br />
100<br />
118 118<br />
50<br />
Zwischenbericht, März 2007
- 80 -<br />
Institut für Verkehrsforschung<br />
Abbildung 9: Mittlerer Wertebereich für den Indikator Pkw-Dichte - Basis verstädterte Räume<br />
Pkw auf 1.000<br />
Einwohner<br />
Pkw-Dichte 2003<br />
650<br />
630<br />
610<br />
613 613<br />
590<br />
570<br />
550<br />
530<br />
= 33 % aller<br />
Regionen<br />
563<br />
542<br />
= 50 % aller<br />
Regionen<br />
575<br />
533<br />
510<br />
490<br />
470<br />
482 482<br />
450<br />
Variante 1 Variante 2<br />
Ziel ist es nun, jene Regionen herauszufiltern, die bei möglichst vielen Indikatoren <strong>im</strong><br />
mittleren Wertebereich liegen. Da sowohl der Indikator heutige als auch der Indikator<br />
zukünftige Altersstruktur jeweils anhand mehrerer Variablen abgebildet wird (insgesamt<br />
12), für alle anderen Indikatoren dagegen jeweils nur eine einzige Variable zur<br />
Verfügung steht, wurden die Indikatoren in zwei Gruppen eingeteilt. Auf diese Weise<br />
soll vermieden werden, dass die Altersvariabeln einen übermäßig hohen Einfluss<br />
darauf haben, ob eine Region in die nähere Wahl kommt oder nicht. Für beide<br />
Indikatorengruppen wurde nun getrennt ermittelt, welche Regionen möglichst oft <strong>im</strong><br />
mittleren Wertebereich der Indikatoren liegen. Die Ergebnisse sind den nachfolgenden<br />
Tabelle 6 und Tabelle 7 zu entnehmen. Da sich die Anforderung, dass die Werte der<br />
Regionen bei möglichst vielen Indikatoren <strong>im</strong> mittleren Drittel des Wertebereichs liegen<br />
müssen, als relativ hoch erwies, ist die 50 %-Variante die Basis für die Auswahl der<br />
Regionen. Um ablesen zu können, wie die so ausgewählten Regionen bei der Variante<br />
mit den höheren Anforderungen abschneiden, sind die Ergebnisse auch für die 33 %-<br />
Variante in den Tabellen aufgeführt.<br />
Die Tabellen sind wie folgt aufgebaut: Auf der rechten Seite erfolgen die Auswahl und<br />
das Ranking der Regionen über die Altersindikatoren. 34 D. h. Regionen, die bei<br />
besonders vielen dieser Indikatoren <strong>im</strong> mittleren Wertebereich liegen, stehen oben in<br />
der Tabelle. Auf der linken Seite der Tabelle erfolgen die Auswahl und das Ranking der<br />
34<br />
Einwohner in 2003 nach Anteilen der Altersgruppen: unter 6 Jahren, 6 bis unter 18 Jahre, 18 bis unter<br />
25 Jahre, 25 bis unter 30 Jahre, 30 bis unter 50 Jahre, 50 bis unter 65 Jahre, 65 Jahre und älter,<br />
Hochbetagte (75 Jahre und älter); Einwohner in 2020 nach Anteilen der Altersgruppen: unter 20<br />
Jahren, 20 bis 60 Jahre, 60 Jahre und älter; Bevölkerungsindex 2020 gegenüber 2002<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 81 -<br />
Regionen über die sonstigen Indikatoren. 35 Da für die Modellierung geeignete<br />
Regionen in beiden Indikatorengruppen gut abschneiden müssen, sind für die<br />
Regionen jeweils auch die Ergebnisse für die Indikatorengruppe aufgelistet, die nicht<br />
Basis für das Ranking waren. Die Regionen der engeren Wahl sind in der Tabelle nach<br />
folgendem Schema farblich gekennzeichnet:<br />
orange =<br />
Region schneidet bei beiden Indikatorengruppen gut ab; gut bedeutet,<br />
dass mindestens drei Viertel der Werte <strong>im</strong> mittleren Bereich liegen; die<br />
Anforderung wird nicht nur bei der 50 %-, sondern auch bei der 33 %-<br />
Variante erfüllt<br />
dunkles gelb = Region schneidet auf Basis der 50 %-Variante bei beiden<br />
Indikatorengruppen gut ab<br />
helles gelb =<br />
Region schneidet auf Basis der 50 %-Variante nur bei einer der<br />
beiden Indikatorengruppen gut ab; bei der anderen Indikatorengruppe<br />
liegen mindestens noch zwei Drittel der Werte <strong>im</strong> mittleren Bereich<br />
35<br />
Einwohnerdichte, Beschäftigungsquote, Regionales Bevölkerungspotenzial, Personen je Haushalt,<br />
Studenten je 1.000 Einwohner, Schüler je 100 Einwohner, Haushaltseinkommen, Durchschnittliche<br />
Pkw-Fahrzeit zum nächsten Oberzentrum, Pkw-Dichte<br />
Zwischenbericht, März 2007
- 82 -<br />
Institut für Verkehrsforschung<br />
Tabelle 6: Verstädterte Regionen - Auswahl anhand von Indikatorwerten, Basis mittleren 50%<br />
Ranking anhand der sonstigen Indikatoren<br />
Ranking anhand der Altersindikatoren<br />
Region<br />
erfüllte Indikat. (50 %-Var.) erfüllte Indikat. (33 %-Var.) erfüllte Indikat. (50 %-Var.) erfüllte Indikat. (33 %-Var.)<br />
Region<br />
sonstige Altersindikator sonstige Altersindikator<br />
Altersindikator sonstige Altersindikator sonstige<br />
Augsburg 8 10 7 9 Nordschwarzwald 12 5 11 3<br />
Oldenburg 8 5 7 3 Siegen 12 3 12 2<br />
Braunschweig 7 10 3 6 Mittelhessen 11 6 10 5<br />
Würzburg 7 9 4 6 Donau-Iller (Bayern) 11 6 7 3<br />
Bodensee Oberschwaben 7 6 5 5 Schleswig Holstein Mitte 11 5 6 2<br />
Hildeshe<strong>im</strong> 7 6 5 2 Oberfranken West 11 4 11 3<br />
Osnabrück 7 5 3 2 Bayerischer Untermain 11 4 9 3<br />
Mittelhessen 6 11 5 10 Augsburg 10 8 9 7<br />
Donau-Iller (Bayern) 6 11 3 7 Braunschweig 10 7 6 3<br />
Westpfalz 6 10 5 5 Westpfalz 10 6 5 5<br />
Mittelrhein-Westerwald 6 9 5 7 Arnsberg 10 4 8 4<br />
Nordhessen 6 8 4 1 Rheinhessen-Nahe 10 4 8 4<br />
Mittelthüringen 6 5 3 3 Würzburg 9 7 6 4<br />
Paderborn 6 3 4 3 Mittelrhein-Westerwald 9 6 7 5<br />
Donau-Iller (BW) 6 2 5 1 Hochrhein-Bodensee 9 5 9 5<br />
Nordschwarzwald 5 12 3 11 Schwarzw.-Baar-Heuberg 9 5 9 3<br />
Schleswig-Holstein Mitte 5 11 2 6 Ostwürttemberg 9 4 7 2<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 83 -<br />
Tabelle 7: Ländliche Regionen - Auswahl anhand von Indikatorwerten, Basis mittleren 50%<br />
Ranking anhand der sonstigen Indikatoren<br />
Ranking anhand der Altersindikatoren<br />
Region<br />
erfüllte Indikat. (50 %-Var.) erfüllte Indikat. (33 %-Var.) erfüllte Indikat. (50 %-Var.) erfüllte Indikat. (33 %-Var.)<br />
Region<br />
sonstige Altersindikatoren sonstige Altersindikatoren<br />
Altersindikatoren sonstige Altersindikatoren sonstige<br />
Trier 8 9 5 6 Schleswig-Holstein 10 7 9 6<br />
Schleswig-Holstein 7 10 6 9 Main-Rhön 10 7 9 4<br />
Main-Rhön 7 10 4 9 Oberpfalz-Nord 10 6 8 3<br />
Südthüringen 7 5 6 3 Allgäu 10 6 6 4<br />
Südostoberbayern 6 10 5 5 Südostoberbayern 10 6 5 5<br />
Allgäu 6 10 4 6 Osthessen 10 5 9 3<br />
Oberpfalz-Nord 6 10 3 8 Trier 9 8 6 5<br />
Donau-Wald 6 8 6 6 Westmittelfranken 9 5 6 5<br />
Schleswig-Holstein 6 8 5 5 Südheide 9 4 5 2<br />
Lüneburg 6 8 3 7 Oberfranken-Ost 9 3 7 3<br />
Landshut 6 5 3 1 Lüneburg 8 6 7 3<br />
Dessau 6 2 2 1 Donau-Wald 8 6 6 6<br />
Osthessen 5 10 3 9 Schleswig-Holstein 8 6 5 5<br />
Westmittelfranken 5 9 5 6 Oberland 8 5 8 3<br />
Oberland 5 8 3 8 Westmecklenburg 8 4 3 2<br />
Zwischenbericht, März 2007
- 84 -<br />
Institut für Verkehrsforschung<br />
Die Ergebnisse in Tabelle 6 machen deutlich, dass eine Reihe von Regionen jeweils<br />
nur bei einer der Indikatorengruppen häufig Werte <strong>im</strong> mittleren Wertebereich aufweist.<br />
So erfüllt bei den verstädterten Räumen bspw. Siegen die Voraussetzung bei allen 12<br />
Altersvariablen und tut dies <strong>im</strong> Übrigen auch bei der 33 -Variante. In der Gruppe der<br />
sonstigen Indikatoren genügt Siegen dagegen nur bei drei von insgesamt neun<br />
Indikatoren den Anforderungen. Das umgekehrte Verhältnis liegt z. B. bei Oldenburg<br />
vor. Während die Region in Bezug auf die Einwohnerdichte, Beschäftigtenquote,<br />
Haushaltseinkommen und Pkw-Dichte etc. mit einer Ausnahme (der Schülerzahl)<br />
<strong>im</strong>mer <strong>im</strong> mittleren Wertebereich liegt, weist sie in Bezug auf die Alterszusammensetzung<br />
deutliche Abweichungen vom Durchschnitt auf.<br />
Im nachfolgenden Kapitel werden alle Räume, die in den Tabelle 6und Tabelle 7<br />
farblich gekennzeichnet sind und in der engeren Wahl stehen, beschrieben.<br />
3.4.5.3 Beschreibung der Räume in der engeren Wahl<br />
Verstädterte Räume<br />
Von den 41 verstädterten Räumen schneiden vor allem Augsburg und Braunschweig<br />
sowie Würzburg sehr gut ab. Des Weiteren kamen folgende Räume für die<br />
Modellierung in Frage: Mittelhessen, Donau-Iller (Bayern), Westpfalz und Mittelrhein-<br />
Westerwald. In den Tabelle 8 und Tabelle 9 sind die Werte, die diese Regionen bei den<br />
einzelnen Indikatoren erzielen, dargestellt. Um den jeweiligen Wert beurteilen zu<br />
können, enthalten die Tabellen darüber hinaus für jeden Indikator den auf alle<br />
verstädterten Räume bezogenen höchsten und niedrigsten Wert sowie die beiden<br />
Perzentilwerte (25 % und 75 %), die den mittleren Wertebereich der 50 %-Variante<br />
markieren. Grau hinterlegte Werte bedeuten, dass die Anforderung, <strong>im</strong> mittleren<br />
Wertebereich zu liegen, erfüllt ist. Die Tabelle 10 und Tabelle 11 enthalten dieselben<br />
Angaben für die ländlichen Räume der engeren Wahl.<br />
In Bezug auf die erste Indikatorengruppe (siehe Tabelle 8) weisen die ausgewählten<br />
städtischen Regionen folgende Merkmale auf:<br />
- Die Region Augsburg erfüllt mit einer Ausnahme bei allen Indikatoren die<br />
Anforderung, <strong>im</strong> mittleren Wertebereich zu liegen und schneidet damit von allen<br />
Regionen am besten ab. Lediglich die Erreichbarkeit der Oberzentren fällt in<br />
Augsburg deutlich schlechter aus. Betrachtet man die Indikatoren, die von der<br />
Region erfüllt werden, so zeigt sich, dass Augsburg ein tendenziell hohes<br />
Haushaltseinkommen aufweist.<br />
- Die Region Braunschweig hat eine überdurchschnittlich hohe Beschäftigtenquote.<br />
Damit einher geht eine leicht unterhalb des mittleren Wertebereichs<br />
liegende Personenzahl je Haushalt. Betrachtet man auch hier zusätzlich die<br />
Indikatoren, die von der Region erfüllt werden, so wird deutlich, dass<br />
Braunschweig eine – wenn auch <strong>im</strong> Wertebereich liegende – hohe<br />
Einwohnerdichte hat, und entsprechend der vergleichsweise niedrigen<br />
Personenzahl je Haushalt einen recht niedrigen Schüleranteil aufweist.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 85 -<br />
- In der Region Würzburg fällt das regionale Bevölkerungspotenzial vergleichsweise<br />
niedrig aus. Angesichts der Studentenstadt Würzburg weist die ganze<br />
Region einen weit über dem mittleren Wertebereich liegenden Anteil Studenten<br />
auf. Die Indikatoren, die von der Region erfüllt werden, lassen eine<br />
vergleichsweise geringe Einwohnerdichte, eine hohe Beschäftigtenquote und<br />
eine gute Erreichbarkeit von Oberzentren erkennen.<br />
- Von der Region Mittelhessen werden drei der insgesamt neun Indikatoren<br />
nicht erfüllt. In Mittelhessen liegt die Beschäftigtenquote leicht unter dem<br />
mittleren Wertebereich. Auch hier fällt der Anteil der Studenten besonders hoch<br />
aus. Darüber hinaus sind Oberzentren deutlich besser zu erreichen als in fast<br />
allen anderen städtischen Regionen.<br />
- In der Region Donau-Iller sind die Haushalte überdurchschnittlich groß, der<br />
Anteil der Studenten an der Gesamtbevölkerung ist sehr gering, die Pkw-Dichte<br />
erreicht einen Wert oberhalb des mittleren Wertebereichs.<br />
- Die Westpfalz ist durch eine niedrige Beschäftigtenquote und ein niedriges<br />
durchschnittliches Haushaltseinkommen sowie eine hohe Pkw-Dichte<br />
gekennzeichnet.<br />
- Die Region Mittelrhein-Westerwald weist ein hohes regionales Bevölkerungspotenzial<br />
auf, eine niedrige Beschäftigtenquote und eine überdurchschnittlich<br />
hohe Pkw-Dichte.<br />
Zwischenbericht, März 2007
- 86 -<br />
Institut für Verkehrsforschung<br />
Tabelle 8: Verstädterte Regionen in der engeren Auswahl - Ergebnisse Indikatorengruppe 1<br />
Einwohner je km 2<br />
Reg. Bevölkerungspotenzial<br />
<strong>im</strong> Umkreis von<br />
100 km<br />
Beschäftigtenquote (in %)<br />
Personen je Haushalt (n)<br />
Studenten<br />
Einwohner (n)<br />
je 1.000<br />
Schüler je 100 Einwohner<br />
(n)<br />
Verfügbares Haushaltseinkommen<br />
(EUR)<br />
Erreichbarkeit<br />
Oberzentren (Pkw-<br />
Fahrzeit in Min.)<br />
Pkw-Dichte (Pkw auf<br />
1.000 Einwohner)<br />
Gesamt<br />
Max<strong>im</strong>um 276 491 54,8 2,4 47,4 14,9 1554 48 613<br />
Min<strong>im</strong>um 118 115 39,3 1,98 0 8,8 1158 22 482<br />
Mittlerer Wertebereich<br />
Max. (75 %-Perz.) 233,5 310,5 49,9 2,33 30,8 13,1 1419, 34,5 574,5<br />
Min. (25 %-Perz.) 165,5 224,5 44,7 2,09 8,6 11,9 1.274, 26 532,5<br />
Augsburg 210 269 48,6 2,22 19,7 12,3 1419 40 553<br />
Braunschweig 230 270 51,5 2,07 21,3 11,9 1336 26 571<br />
Würzburg 168 220 49,4 2,19 42,2 12,2 1335 26 559<br />
Mittelhessen 198 289 43,7 2,23 41,3 12,4 1312 23 565<br />
Donau-Iller 180 240 49,6 2,37 3,2 13,0 1380 26 584<br />
Westpfalz 178 300 40,9 2,15 23,4 12,1 1274 30 582<br />
Mittelrhein-Westerwald 199 328 43,0 2,25 9,0 12,2 1343 32 583<br />
* Summe der mit der Fläche gewichteten Gemeindebevölkerung <strong>im</strong> Umkreis von 100 km Luftlinie<br />
Betrachtet man die zweite Indikatorengruppe (siehe Tabelle 9), so gibt es zwei<br />
Regionen, in denen die gegenwärtige Altersstruktur der Bevölkerung vergleichsweise<br />
gut den Durchschnitt verstädterter Regionen repräsentiert: Augsburg und Mittelhessen.<br />
Bei allen anderen Regionen liegen die Werte von einer, i. d. R. eher von zwei oder drei<br />
der acht Variablen, die die Altersstruktur beschreiben, außerhalb des mittleren<br />
Wertebereichs. Dabei sind zwei unterschiedliche Altersstrukturen in den Regionen<br />
erkennbar. Zum einen gibt es Regionen mit einem niedrigen Anteil junger Menschen<br />
(zwischen 18 und 25/ 30 Jahren) und einem hohen Anteil Hochbetagter (ab 75 Jahren).<br />
Hierzu gehören Braunschweig und Mittelrhein-Westerwald sowie – mit etwas<br />
schwächerer Ausprägung – die Westpfalz. Zum anderen gibt es Regionen, bei denen<br />
der Anteil junger Personen über dem mittleren Wertebereich liegt. Dies ist in Würzburg<br />
der Fall und angesichts des hohen Studentenanteils auch wenig überraschend. In<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 87 -<br />
Donau-Iller liegt der Anteil der unter 6-jährigen leicht oberhalb des mittleren<br />
Wertebereichs.<br />
In Bezug auf die zukünftige Bevölkerungsentwicklung weisen lediglich drei Regionen<br />
leichte Besonderheiten auf. In Augsburg ist bis 2020 eine Bevölkerungszunahme zu<br />
erwarten, die leicht oberhalb des mittleren Wertebereichs liegt. Darüber hinaus ist zu<br />
erwarten, dass der Anteil der Personen zwischen 20 und 60 Jahren in den Regionen<br />
Augsburg, Würzburg und Mittelhessen etwas höher als der mittlere Wertebereich<br />
ausfällt.<br />
Tabelle 9: Verstädterte Regionen in der engeren Auswahl - Ergebnisse Indikatorengruppe 2<br />
Einwohner in 2003 (nach Altersgruppen, Anteile in %) Einwohner in 2020<br />
(Anteile in % bzw.<br />
Indexwert)<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
18 bis unter 25 J.<br />
25 bis unter 30 J.<br />
30 bis unter 50 J.<br />
50 bis unter 65 J.<br />
65 und älter<br />
Hochbetagte<br />
(75+)<br />
unter 20 Jahren<br />
20 bis unter 60<br />
60 und älter<br />
Bev.index 2020<br />
gegenüber 2002<br />
Gesamt<br />
Max<strong>im</strong>um 6,6 15,2 10,3 6,2 32,4 21,5 21,9 9,7 20,2 55,6 37,9 112<br />
Min<strong>im</strong>um 4,1 10,4 7,2 4,8 28,6 16,1 15,7 6,2 14,5 47,1 25,2 83,6<br />
Mittlerer<br />
Max. (75 %-Perz.) 6,2 14,5 8,7 5,9 31,5 18,9 19,5 8,3 19,1 54,3 31,7 104,3<br />
Min. (25 %-Perz.) 5,3 12,8 7,9 5,3 30,2 17,2 16,8 7,3 16,8 51,8 27,2 94,6<br />
Augsburg 6,0 14,0 8,0 5,8 31,3 17,9 17,0 7,5 18,1 54,5 27,4 104,7<br />
Braunschweig 5,4 12,8 7,6 5,4 30,5 18,8 19,5 8,7 17,3 53,0 29,8 96,4<br />
Würzburg 5,3 13,2 9,3 6,2 31,3 17,2 17,4 7,8 17,0 55,1 27,9 101,8<br />
Mittelhessen 5,6 13,4 8,5 5,9 31,3 17,5 17,7 7,9 17,5 54,4 28,1 99,6<br />
Donau-Iller 6,3 14,5 8,2 5,6 30,7 17,8 16,9 7,5 19,1 53,1 27,8 103,2<br />
Westpfalz 5,3 13,5 7,9 5,2 30,6 18,2 19,4 8,4 17,4 52,6 30,0 96,7<br />
Mittelrhein- 5,7 13,9 7,8 5,1 30,3 18,1 19,0 8,6 18,0 52,6 29,3 102,7<br />
In Karte 3 sind alle verstädterten Räume der engeren Wahl nochmals mit der<br />
Hinterlegung der Raumstrukturtypen dargestellt. Diese Darstellung verdeutlicht, dass<br />
es mit Ausnahme der Regionen Donau-Iller und der Westpfalz in allen Regionen einen<br />
zentralen Kern gibt, der entweder dem inneren oder dem äußeren Zentralraum<br />
Zwischenbericht, März 2007
- 88 -<br />
Institut für Verkehrsforschung<br />
zuzuordnen ist. Nach außen folgen zonale Übergangsbereiche. In den Regionen<br />
Mittelhessen und Augsburg liegt dieser Kern am Rand der Region. Damit liegt eine für<br />
das Verkehrsmodell schwierig abzubildende Lage des Siedlungskerns vor, wenn man<br />
davon ausgeht, dass es zwischen dem Siedlungskern und der Nachbarregion<br />
wesentliche Verkehrsbeziehungen gibt. In der Region Augsburg, die in Bezug auf die<br />
Indikatoren am besten abschneidet, kommt die Nähe zu München hinzu. Vor diesem<br />
Hintergrund erscheinen insbesondere Braunschweig und Würzburg gut für die<br />
Modellierung der Verkehrsnachfrage geeignet zu sein. Die Region Braunschweig<br />
schneidet dabei in Bezug auf die Indikatorwerte etwas besser ab als Würzburg. Für<br />
Braunschweig spricht zudem, dass die Region eine polyzentrische Struktur mit zwei<br />
dichteren Siedlungskernen aufweist und damit einen guten Gegenpol zu dem bereits<br />
feststehenden, monozentrischen Agglomerationsraum Berlin bildet.<br />
Ländliche Räume<br />
Auf Basis der Indikatorwerte kommen von den 23 ländlichen Räumen v. a. die<br />
Regionen Trier, Schleswig-Holstein Nord und Main-Rhön als Modellregion in Frage.<br />
Etwas schlechter als die genannten, aber <strong>im</strong>mer noch gut schneiden die Regionen<br />
Südostoberbayern, Allgäu und Oberpfalz-Nord ab.<br />
In Bezug auf die erste Indikatorengruppe (siehe Tabelle 10) weisen die ausgewählten<br />
ländlichen Regionen folgende Merkmale auf:<br />
- Die Werte der Region Trier liegen mit einer Ausnahme alle <strong>im</strong> mittleren<br />
Wertebereich. Lediglich der Anteil der Studenten liegt in der Region aufgrund<br />
der Universitätsstadt Trier weit über dem Durchschnitt.<br />
- Die Region Schleswig-Holstein Nord weist ein sehr geringes regionales<br />
Bevölkerungspotenzial auf. Der Anteil der Schüler liegt leicht über dem<br />
mittleren Wertebereich.<br />
- Die Region Main-Rhön hat eine überdurchschnittlich hohe Beschäftigtenquote<br />
und eine hohe durchschnittliche Personzahl pro Haushalt.<br />
- Alle nachfolgenden Regionen liegen bei jeweils drei der neun Indikatoren<br />
außerhalb des mittleren Wertebereichs. Die Region Oberpfalz-Nord hat eine<br />
bessere Erreichbarkeit der nächsten Oberzentren als die meisten anderen<br />
ländlichen Regionen. Die Pkw-Dichte liegt etwas über dem mittleren<br />
Wertebereich, der Anteil der Studenten dagegen deutlich darunter.<br />
- Die Regionen Allgäu und Südostoberbayern haben beide eine<br />
überdurchschnittlich hohe Einwohnerdichte. Südostoberbayern erreicht hier den<br />
max<strong>im</strong>alen Wert aller ländlichen Regionen. In beiden Regionen liegt das<br />
Haushaltseinkommen über dem mittleren Wertebereich. Südostoberbayern<br />
weist darüber hinaus ein höheres regionales Bevölkerungspotenzial auf.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 89 -<br />
Tabelle 10: Ländliche Regionen in der engeren Auswahl - Ergebnisse Indikatorengruppe 1<br />
Einwohner je km 2<br />
Reg. Bevölkerungspotenzial<br />
<strong>im</strong><br />
Umkreis von 100 km<br />
Beschäftigtenquote<br />
(in %)<br />
Personen je<br />
Haushalt (n)<br />
Studenten je 1.000<br />
Einwohner (n)<br />
Schüler je 100<br />
Einwohner (n)<br />
Verfügbares Haushaltseinkommen<br />
(EUR)<br />
Erreichbarkeit Oberzentren<br />
(Pkw-<br />
Fahrzeit in Min.)<br />
Pkw-Dichte (Pkw auf<br />
1.000 Einwohner)<br />
Gesamt<br />
Max<strong>im</strong>um 152 261 51,1 2,62 32,9 14,4 1509 68 600<br />
Min<strong>im</strong>um 50 69 37,7 2,08 0 9,2 1125 20 519<br />
Mittlerer Wertebereich<br />
Max. (75 %-Perz.) 121 184 46,1 2,34 13,3 12,8 1343 49 579<br />
Min. (25 %-Perz.) 95 138 41,3 2,17 2,7 10,9 1161 29 538<br />
Trier 104 175 42,8 2,17 30,8 12,7 1212 39 573<br />
Schleswig-Holstein 108 103 42,3 2,18 13,3 13,0 1246 41 550<br />
Main-Rhön 114 171 50,1 2,36 3,7 12,8 1274 30 578<br />
Südostoberbayern 152 191 45,4 2,30 4,6 12,3 1381 42 566<br />
Allgäu 139 182 48,1 2,20 5,4 12,5 1374 29 565<br />
Oberpfalz-Nord 97 144 46,1 2,33 2,6 12,4 1272 26 584<br />
In Bezug auf die momentane Bevölkerungsstruktur (siehe Tabelle 11) gibt es wie bei<br />
den verstädterten auch bei den ländlichen Regionen Räume mit einem über dem<br />
mittleren Wertebereich liegenden Anteil Hochbetagter und einem zumindest teilweise<br />
niedrigeren Anteil an jungen Personen. Hierzu gehören die Regionen Trier und Allgäu.<br />
Demgegenüber weisen die beiden Regionen Main-Rhön und Oberpfalz-Nord über dem<br />
mittleren Wertebereich liegenden Anteile an Personen <strong>im</strong> Alter von 6 bis 18 Jahren auf.<br />
Eine überdurchschnittliche hohe Bevölkerungszunahme bis 2020 ist lediglich für die<br />
Region Südostoberbayern zu erwarten.<br />
Zwischenbericht, März 2007
- 90 -<br />
Institut für Verkehrsforschung<br />
Tabelle 11: Ländliche Regionen in der engeren Auswahl - Ergebnisse Indikatorengruppe 2<br />
Einwohner in 2003 (nach Altersgruppen, Anteile in %)<br />
Einwohner in 2020 (Anteile in<br />
% bzw. Indexwert)<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
unter 6 J.<br />
6 bis unter 18 J.<br />
Gesa<br />
Maxi 6,8 16,2 10,1 5,7 32 21,2 20,4 9,2 20 55,1 38,1 111,7<br />
Mini 3,9 10,8 6,9 4,7 29,6 16,4 15,9 6,2 14,1 47,8 26,6 79,9<br />
Zu<br />
Max. 6,0 14,3 9,4 5,5 31,2 19 19 8,4 18,2 53,5 34,6 103,9<br />
Min. 4,5 12,2 7,8 5,2 30,2 17,5 17,8 7,4 16,2 49,7 28,4 90,1<br />
Trier 5,5 13,6 8,3 5,5 30,7 17,2 19,0 8,7 17,6 53,9 28,4 102,0<br />
Schle<br />
swig-<br />
5,9 14,1 7,8 5,4 29,6 18,8 18,4 8,1 18,6 51,6 29,8 100,7<br />
Main- 5,6 14,6 8,1 5,1 30,5 17,5 18,6 8,3 17,5 51,8 30,6 95,6<br />
Südo 5,9 13,8 7,8 5,5 30,6 18,6 17,9 8,4 17,8 53,8 28,4 107,8<br />
Allgä 6,0 14,1 7,8 5,3 30,0 18,5 18,4 8,7 18,2 53,0 28,8 103,9<br />
Ober 5,7 14,4 8,1 5,4 30,9 17,3 18,1 7,8 17,9 53,5 28,6 99,9<br />
In Karte 4 sind alle ländlichen Räume, die sich potenziell als zu modellierende Region<br />
eignen, mit Raumstrukturtypen hinterlegt. Dabei wird deutlich, dass bis auf die Region<br />
Main-Rhön alle Regionen direkt an ein Nachbarland Deutschlands angrenzen. Um die<br />
Verkehrsnachfrage dieser Räume sinnvoll s<strong>im</strong>ulieren zu können, müssten Daten über<br />
die jeweils angrenzende Region des Nachbarlandes herangezogen werden, da nur so<br />
die zwischen den Regionen vorhandenen Verkehrsströme weitgehend abgebildet<br />
werden können. Dieser schwierig einzuschätzende, zusätzliche Aufwand soll nach<br />
Möglichkeit vermieden werden. Da die Region Main-Rhön zusätzlich zu der Tatsache,<br />
dass sie nicht an ein Nachbarland grenzt, auch bei den Indikatorwerten sehr gut<br />
abschneidet, spricht alles dafür, diese Region als Beispielraum für ländliche Räume zu<br />
nutzen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 91 -<br />
Karte 3: Verstädterte Räume in der engeren Wahl<br />
Braunschweig<br />
Karte 4: Ländliche Räume in der engeren Wahl<br />
Schleswig-Holstein<br />
-Nord<br />
Mittelhessen<br />
Main-Rhön<br />
Würzburg<br />
Oberpfalz-Nord<br />
Mittelrhein-<br />
Westerwald<br />
Trier<br />
Westpfalz<br />
Donau-Iller<br />
Augsburg<br />
Allgäu<br />
Südostoberbayern<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 93 -<br />
3.4.6 Anwendung von TAPAS für Braunschweig und Main-Rhön<br />
Im Rahmen der Vorbereitung für die Modellierung der beiden zusätzlichen<br />
Beispielräume hat bereits die Kontaktaufnahme mit den zuständigen Institutionen<br />
(Region Main-Rhön sowie Zweckverband Großraum Braunschweig) stattgefunden. Für<br />
Main-Rhön und Braunschweig müssen analog zu den Arbeiten für Berlin, die für die<br />
Modellierung relevanten Datensätze beschafft und aufbereitet werden.<br />
Des Weiteren fanden individuelle Recherchen für beide Räume statt hinsichtlich der<br />
Verfügbarkeit von sozioökonomischen Datensätzen sowie zu Zielgelegenheiten. Erste<br />
Datensätze wurden erworben und werden gegenwärtig für die Verwendung <strong>im</strong> Modell<br />
TAPAS aufbereitet. Erworben wurden z.B. detaillierte Informationen zu Kinder- und<br />
Schuleinrichtungen, Krankenhäusern, Freizeiteinrichtungen sowie Verkaufseinrichtungen<br />
(Einkaufszentren und Lebensmitteleinzelhandel).<br />
Die wesentlichen Rahmendaten zu Bevölkerung und Anzahl der Erwerbstätigen bzw.<br />
auch deren Entwicklung bis 2030 gehen auf den Infas Geodatensatz, die Raumordnungsprognose<br />
des BBR und die Fortschreibung der Erwerbstätigenzahlen des IW<br />
Halle zurück. Hinsichtlich dieser für die Berechnung des Verkehrsaufkommens<br />
relevanten Datensätze besteht somit eine Konsistenz mit den für die gesamtdeutsche<br />
Modellierung verwendeten Daten.<br />
3.4.7 Aktueller Stand und Ausblick<br />
Die Basisarbeiten zum mikroskopische Nachfragemodell TAPAS sind abgeschlossen,<br />
d.h. das Modell wurde soweit entwickelt und angepasst, dass die Funktionalitäten zur<br />
Abbildung der Maßnahmenwirkungen in renewbility integriert werden können. Dies<br />
geschieht aktuell und gleichzeitig mit der Kalibrierung und Verfeinerung des<br />
Grundmodells anhand des Beispielraums Berlin. Begleitet werden die Arbeiten<br />
außerdem von einer detaillierten Literaturrecherche zur Wirksamkeit von Maßnahmen.<br />
Nach Lieferung der Daten aus den beiden anderen Beispielräumen können diese<br />
ebenfalls in die Modellierung eingebunden werden.<br />
Die Implementierung der wesentlichen Maßnahmen wurde begonnen und wird bei der<br />
Festlegung der Grobszenarien durch die Szenariogruppe bzw. noch in der ersten<br />
Jahreshälfte abgeschlossen sein. Dies umfasst auch die Plausibilitätsprüfung. S<strong>im</strong>ultan<br />
zur weiteren Szenarienentwicklung werden dann nach Bedarf die nachrangigen<br />
Maßnahmen <strong>im</strong>plementiert. Außerdem erfolgen parallel die notwendigen Anpassungen<br />
für die Kombination von Maßnahmen, die zu einer El<strong>im</strong>inierung oder auch einer<br />
Verstärkung von Wirkungen führen kann. Schließlich wird die Maßnahmenmodellierung<br />
auch dahingehend überprüft, ob Modifikationen bei besonders stark angewendeten<br />
Maßnahmen, z.B. besonders starke Preisreduzierung oder –anstieg, notwendig sind.<br />
Zwischenbericht, März 2007
- 94 -<br />
Institut für Verkehrsforschung<br />
3.5 Best<strong>im</strong>mung der zukünftigen PKW-Neuwagenzulassungen<br />
3.5.1 Einleitung<br />
Im <strong>Kontext</strong> erneuerbarer Energien und <strong>nachhaltige</strong>r Mobilität n<strong>im</strong>mt die<br />
Kaufentscheidung bei neuen Pkw einen hohen Stellenwert ein. Die Wahl eines<br />
best<strong>im</strong>mten Fahrzeugs be<strong>im</strong> Neukauf beeinflusst unmittelbar den Erfolg der Einführung<br />
effizienterer Fahrzeugtechnologien und ist maßgeblich dafür entscheidend, wie sich die<br />
Umweltwirkungen in den folgenden Jahren entwickeln. Insbesondere unter Berücksichtigung<br />
der steigenden Lebensdauer der Fahrzeuge bzw. des steigenden Alters des<br />
Bestands (von 6,3 Jahren 1991 auf aktuell ca. 8 Jahren, KBA) wird dieser Faktor noch<br />
wichtiger. Außerdem fällt <strong>im</strong> motorisierten Individualverkehr der weitaus größte Teil des<br />
Personenverkehrsaufkommens an.<br />
Daher ist es für das Projekt renewbility nicht nur notwendig, die zukünftige Verkehrsnachfrage<br />
in Form der Verkehrs- oder Fahrleistungen nach Fahrzeugart zu betrachten,<br />
sondern auch die Einflüsse und Zusammenhänge auf dem Pkw-Neuwagenmarkt einer<br />
genaueren Analyse zu unterziehen. Ziel ist es, zunächst die relevanten Faktoren zu<br />
identifizieren, die die Neuwagenkäufer dazu motivieren, sich zukünftig für effizientere<br />
Fahrzeuge zu entscheiden. Die Entscheidung kann zum Einen die Fahrzeuggröße oder<br />
die gewählte Motorisierungsvariante bei konventionellen Pkw betreffen, zum anderen<br />
aber auch die Wahl eines alternativen Fahrzeugkonzepts, etwa hinsichtlich des<br />
Motorenkonzepts oder der Kraftstoffart. Neben der Identifikation sollen die<br />
Einflussfaktoren in ihrer Wirkungsstärke quantifiziert werden, um schließlich Aussagen<br />
für die zukünftige Entwicklung in Abhängigkeit von verschiedenen politischen und<br />
technischen Maßnahmen treffen zu können. Das heißt, dass mittels S<strong>im</strong>ulationsrechnungen<br />
und Abschätzungen die zukünftigen Anteile verschiedener nach<br />
Technologie oder nach Größe und Funktion definierter Fahrzeuggruppen an den<br />
Neuzulassungen best<strong>im</strong>mt werden. Dies schließt auch die absolute Zahl der<br />
Neuzulassungen mit ein.<br />
Das methodische Vorgehen in diesem Arbeitspaket und die verwendeten Eingangsdaten<br />
sind Inhalt dieses Kapitels. Unberücksichtigt bleiben die Einflüsse auf die<br />
Bestandszusammensetzung sowie etwaige Rückwirkungen des Gebrauchtwagenmarktes<br />
auf den Neuwagenmarkt.<br />
3.5.2 Vorgehensweise<br />
Die Analyse zum Verhalten der Neuwagenkäufer setzt sich <strong>im</strong> Wesentlichen aus einem<br />
ökonometrischen Modell und einer analytischen Potenzialabschätzung zusammen. Die<br />
Ergebnisse gehen in Form von Zulassungszahlen nach Fahrzeuggruppen und<br />
Antriebsarten in das Stoffstrommodell ein, wie in der folgenden Abbildung 10<br />
dargestellt ist.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 95 -<br />
Abbildung 10:<br />
Vorgehensweise zur Analyse des Pkw-Käuferverhaltens<br />
Detaillierte<br />
Zulassungsdaten<br />
Sozio-demographische Daten,<br />
exemplarische Auswertung von<br />
Zulassungsdaten, Akzeptanzstudien<br />
Ökonometrisches<br />
Modell<br />
Potentialanalyse zum<br />
veränderten<br />
Käuferverhalten<br />
Aufteilung des Neuwagenmarktes<br />
nach Fahrzeuggruppen und<br />
Antriebsarten<br />
Angebotsseite<br />
Stoffstrommodell<br />
Verkehrsmodellierung<br />
Das ökonometrische Modell greift auf Neuzulassungsdaten der Jahre 1995 bis 2005<br />
zurück. Sie enthalten sehr detaillierte Angaben zu technischen Merkmalen und<br />
Größenklassen. Anhand der für die Vergangenheit identifizierten Zusammenhänge<br />
werden hiermit Abschätzungen für die mögliche Entwicklung in der Zukunft vorgenommen.<br />
Darin werden sowohl Einflüsse von technologischer Seite wie auch politische<br />
Einflüsse in Form fiskalischer Maßnahmen berücksichtigt. Die Erstellung des<br />
ökonometrischen Modells ist <strong>im</strong> nachfolgenden Abschnitt 3.5.3 Arbeitspapiers näher<br />
beschrieben.<br />
Das Entscheidungsverhalten von Neuwagenkäufern wird neben rationalen oder<br />
ökonomischen Kriterien auch stark von subjektiven Kriterien best<strong>im</strong>mt. Für das Jahr<br />
2004 beispielsweise ermittelte die Deutsche Automobil Treuhand das „Aussehen“ des<br />
Fahrzeugs als zweitwichtigstes Kaufkriterium (DAT 2005). Daher wird die ökonometrische<br />
Analyse des bisherigen Käuferverhaltens um eine deskriptive Potenzialanalyse<br />
ergänzt (siehe Abschnitt 3.5.4). Außerdem ließen sich allein aus dem<br />
ökonometrischen Modell keine Potenziale für alternative Fahrzeugkonzepte ableiten,<br />
weil diese bisher nur einen sehr geringen Marktanteil hatten.<br />
Die Potenzialanalyse dient der Absicherung und ggf. der Modifikation der Berechnungen<br />
des ökonometrischen Modells. Ferner ergänzen die analytisch ermittelten<br />
Potenziale die S<strong>im</strong>ulationsrechnungen in den Bereichen, in denen keine befriedigenden<br />
Ergebnisse erzielt werden konnten bzw. keine Rechnungen durchführbar<br />
waren, um schließlich Aussagen <strong>im</strong> Rahmen der in den Szenarien zur Anwendung<br />
kommenden Maßnahmenbündel treffen zu können.<br />
Zwischenbericht, März 2007
- 96 -<br />
Institut für Verkehrsforschung<br />
Für die Potenzialanalyse werden soziodemographische Daten sowie Daten zur<br />
Fahrzeugnutzung mit Angaben zum verwendeten Fahrzeug verknüpft. Damit lassen<br />
sich, bezogen auf definierte Fahrzeuggruppen, die jeweiligen soziodemografischen<br />
Hintergründe der Fahrzeughalter näher analysieren. Damit können z.B. Grenzen der<br />
Käuferverschiebung hin zu kleineren Fahrzeugtypen aufgezeigt werden, da Fahrzeugnutzung<br />
und Haushaltsstruktur bekannt sind. Außerdem können exemplarische<br />
Analysen bezüglich der Halter best<strong>im</strong>mter Fahrzeugtypen durchgeführt werden, die<br />
aufgrund ihrer Marktpositionierung oder ihrer Technologie eine herausgehobene<br />
Stellung einnehmen. Ergänzt wird die Potenzialanalyse um eine Betrachtung der<br />
Wirkung politischer Maßnahmen in anderen Ländern, aus denen ggf. Analogien für die<br />
Szenarien in renewbility abgeleitet werden können.<br />
Die Ergebnisse aus der Best<strong>im</strong>mung der zukünftigen Neuwagenstruktur gehen in die<br />
weiteren Berechnungen der Stoffstromanalyse ein, d.h. in die Berechnung der<br />
Emissionen, des Energiebedarfs und des Materialbedarfs zur Fahrzeugherstellung.<br />
Dort werden in weiteren Arbeitsschritten auch die Auswirkungen der Neuzulassungen<br />
auf den Fahrzeugbestand ermittelt und eine Abschätzung vorgenommen, wie sich die<br />
gesamte Pkw-Fahrleistung auf die Fahrzeuge der verschiedenen Alters- und<br />
Größenklassen verteilt.<br />
Die umfangreichen Arbeiten <strong>im</strong> Rahmen von renewbility zur Best<strong>im</strong>mung der Verkehrsund<br />
Fahrleistung <strong>im</strong> Personenverkehr werden nicht direkt mit dem Neuwagenkaufverhalten<br />
gekoppelt. Auf der Ebene der räumlich differenzierten Betrachtung von<br />
Beispielsregionen ist eine Attributierung der sogenannten synthetischen Bevölkerung<br />
mit Fahrzeugtypen zwar theoretisch möglich, würde aber eine Reihe von zusätzlichen<br />
Annahmen und Verknüpfungen erfordern, die weit über den Rahmen des Projekts<br />
hinausgingen. Ansätze der Verkehrsmodellierung, in denen eine Zuweisung von<br />
Bevölkerung zu Fahrzeugtypen erfolgt, sind grundsätzlich noch nicht bekannt, wären<br />
jedoch eine wichtiger Schritt zur genaueren Best<strong>im</strong>mung der Fahrzeugemissionen in<br />
Ballungsräumen.<br />
3.5.3 Das ökonometrische Modell<br />
3.5.3.1 Modellansatz<br />
Ziel des ökonometrischen Modells ist es, die Rolle verschiedener Einflussfaktoren auf<br />
den Neuwagenmarkt <strong>im</strong> Zeitraum 1995 bis 2005 zu parametrisieren und damit<br />
Berechnungen über die zukünftige Aufteilung des Markts nach Fahrzeuggruppen und<br />
Kraftstoffart durchzuführen. Hierfür wird der Zusammenhang von Variablenwerten (z.B.<br />
Kraftstoffpreis) und Zulassungszahlen best<strong>im</strong>mter Fahrzeuggruppen (z.B.
Institut für Verkehrsforschung<br />
- 97 -<br />
Entwicklungen, d.h. die Zulassungszahlen und -anteile in Abhängigkeit eines veränderten<br />
Variablenwertes, zu berechnen.<br />
Zur Best<strong>im</strong>mung des statistischen Zusammenhangs der ausgewählten Variablen<br />
können verschiedene Modellansätze verwendet werden. Dabei wird auf Erfahrungen<br />
zurückgegriffen, die zum Beispiel <strong>im</strong> Projekt „Flottenverbrauch 2010“ (Mehlin et al,<br />
2003) gesammelt wurden. Dort erfolgte eine Analyse der Neuzulassungen der Jahre<br />
1990 bis 2000, in die der Neuwagenpreis, die Kfz-Steuer und die Kraftstoffkosten<br />
einbezogen wurden. Ferner erwies sich das Drehmoment des Motors als geeigneter<br />
Indikator, den technischen Entwicklungsstand der Fahrzeuge zu berücksichtigen.<br />
Zusätzlich wurde der Faktor „Lifestyle” erstellt, um die Veränderungen in den<br />
Segmenten Mini, Van und Geländewagen adäquat abzubilden. Es wurde für jedes<br />
Segment eine logarithmische Nutzenfunktion gebildet:<br />
Ln U s = α s + β 1 * PP s + β 2 * KT s + β 3 * KS s + β 4 * DM s + γ s * LS s<br />
mit: Us: Nutzen eines Fahrzeugs des Segments s<br />
αs, βi, γs: Nutzenkoeffizienten<br />
PPs: Normierter Preis eines PKWs<br />
KTs: Normierte Kfz-Steuer<br />
KSs: Normierte Kraftstoffkosten<br />
DMs: Normiertes Drehmoment<br />
LSs: Life-Style<br />
s: Segment<br />
Aus den Nutzenfunktionen ließ sich schließlich eine Wahrscheinlichkeit für die Wahl<br />
eines Fahrzeuges eines Segments i best<strong>im</strong>men. Daraus ergaben sich S<strong>im</strong>ulationsrechnungen,<br />
die die Segmentzusammensetzung in Abhängigkeit der angenommenen<br />
Maßnahmen bezifferten. Aus dieser Struktur errechneten sich die durchschnittlichen<br />
CO 2 Emissionen der Neuwagen. Zum Erreichen einer Halbierung des Durchschnittswertes<br />
von 210 g/km <strong>im</strong> Jahr 1990 wurden unter anderem CO 2 basierte Kfz-<br />
Steuern von 70 bis 2.400 Euro angesetzt und eine Neuwagenförderung bzw. –abgabe<br />
von 4.600 bis 10.600 Euro.<br />
Im Projekt renewbility wird zwar ein ähnlicher Ansatz verfolgt wie in Flottenverbrauch<br />
2010, doch aufgrund der dort vergleichsweise groben Datengrundlage – die Studie<br />
basierte auf summierten Zulassungsdaten je Segment und technischen Daten<br />
repräsentativer Beispielfahrzeuge – ist für renewbility eine modifizierte Vorgehensweise<br />
notwendig.<br />
In einer weiteren Untersuchung des DLR-Instituts für Verkehrsforschung <strong>im</strong> Auftrag der<br />
Europäischen Kommission (Mehlin et al, 2004) kamen bereits sehr detaillierte Zulassungsdaten<br />
zum Einsatz, die auch einzelne Modellvarianten auswiesen. Ziel dieser<br />
Zwischenbericht, März 2007
- 98 -<br />
Institut für Verkehrsforschung<br />
Arbeit war, unterschiedliche Einflüsse auf die CO 2 -Entwicklung der Neuzulassungen<br />
der Jahre 1995 bis 2003 zu identifizieren und quantifizieren. Mittels eines<br />
logarithmischen Ansatzes wurde der Einfluss von Kfz-Steuern, Kraftstoffpreis und BIP<br />
pro Einwohner auf die Struktur der Neuwagenflotte analysiert und berechnet. Ein<br />
analytischer Teil der Untersuchung ergab wesentliche Erkenntnisse hinsichtlich des<br />
Einflusses des Dieselanteils und der Segmentverschiebung auf die erreichte CO 2 -<br />
Reduktion des betrachteten Zeitraums.<br />
Zur Best<strong>im</strong>mung der Parameter in der europaweiten Analyse wurde insbesondere die<br />
unterschiedliche Struktur der Neuzulassungen und der Einflussgrößen unter den<br />
einzelnen europäischen Ländern ausgenutzt. Diese Möglichkeit besteht in renewbility<br />
nicht, da lediglich die Zulassungen von Deutschland analysiert werden. Die zur<br />
Quantifizierung der Einflussgrößen vorgenommenen S<strong>im</strong>ulationsrechnungen der EU-<br />
Studie wurden für Europa insgesamt ausgeführt und nicht für einzelne Länder. Daher<br />
können die Ergebnisse nicht auf Deutschland übertragen werden.<br />
Basierend auf den Kenntnissen der bereits bearbeiteten Studien erfolgte für renewbility<br />
zunächst die Betrachtung der hier vorliegenden grundsätzlichen Datenstruktur. Sie<br />
besteht sowohl aus einer Zeitreihe als auch aus Querschnitten. D.h. Determinanten,<br />
die nur über die Zeit variieren (z.B. Variablen wie BIP und Bevölkerungswachstum)<br />
können gleichzeitig mit solchen modelliert werden, die über die einzelnen Modelle und<br />
Versionen variieren (z.B. Hubraum und Verbrauch). Für Letztere kann darüber hinaus<br />
getestet werden, ob der Einfluss zeitlich konstant ist oder auch vom jeweiligen Jahr<br />
abhängt. Es ist zum Beispiel möglich, dass der Einfluss der Kraftstoffpreise auf<br />
Neuwagenverkäufe in den letzten Jahren wegen seines starken Preisanstiegs<br />
zugenommen hat.<br />
Für die Auswahl eines geeigneten ökonometrischen Modellansatzes ist maßgebend,<br />
wie stark die Linearität der betrachteten Größen eingeschätzt wird. Das Vorliegen von<br />
nichtlinearen Beziehungen benötigt die Anwendung von transformierten Variablen wie<br />
zum Beispiel in logarithmischer oder quadratischer (U-förmig) Form. Letztere wird<br />
häufig bei der Modellierung von Einkommen benutzt, da Einkommensveränderungen<br />
oftmals einen größeren Effekt <strong>im</strong> unterem als <strong>im</strong> oberen Spektrum auf die abhängige<br />
Variable haben. Für das Konsumentenverhalten bei Fahrzeugen haben sich - wie<br />
oben beschrieben - logarithmische Ansätze bewährt, insbesondere der log-log Ansatz<br />
(Van Garderen 2001, Hensher 1992). Dieser wurde auch <strong>im</strong> vorliegenden Falle <strong>im</strong><br />
Rahmen eines einfachen Modells getestet, das zunächst nur die wesentlichsten<br />
Einflussfaktoren auf die Neuwagenflotte berücksichtigt hat (u.a. Neuwagenpreis, KFZ-<br />
Steuer und Kraftstoffpreis). Hierbei wurde – wie erwartet – bestätigt, dass der<br />
Kaufpreis eine signifikant negative und inelastische Auswirkung auf die Zahl der<br />
Neuzulassungen hat. D.h. ein einprozentiger Anstieg des Preises verursacht einen<br />
weniger als einprozentigen Rückgang der Nachfrage. Die Vorzeichen von KFZ-Steuern<br />
und Kraftstoffpreisen waren ebenfalls negativ und statistisch signifikant.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 99 -<br />
Ein weiterer Test, der den Neuwagenmarkt in Hubraumklassen unterteilte, hat zwar<br />
nachvollziehbare, für die S<strong>im</strong>ulation der Szenarien jedoch nicht durchgängig<br />
verwendbare Ergebnisse erbracht. So ergab sich etwa für hubraumstarke Diesel eine<br />
Elastizität, die besagt, dass mit steigenden Neuwagenpreisen auch mehr Fahrzeuge<br />
gekauft werden; ein zunächst wenig plausibler Zusammenhang, der in der Form sicher<br />
nicht in die Zukunft übertragen werden kann. Aus der Historie lässt sich dies jedoch<br />
leicht erklären, da sich das Angebot <strong>im</strong> Bereich großer, teurer Dieselmodelle am<br />
Anfang des Betrachtungszeitraums eher klein war und sich stark ausgeweitet hat.<br />
Somit stellt weniger der Preis als vielmehr das Angebot einen wesentlichen<br />
Einflussfaktor dar.<br />
Im nächsten Schritt werden aber auch Modellierungsalternativen zum log-log-Ansatz<br />
hinsichtlich ihrer Anwendbarkeit untersucht. In diesem Zusammenhang ist es<br />
besonders wichtig zu erkennen, dass es sich bei Pkws um einen „differenzierten<br />
Produktmarkt“ handelt. Dies bedeutet, dass über den Kaufpreis hinaus andere, zum<br />
Teil nachrangige Merkmale eine zentrale Rolle sowohl bei der Marketingstrategie als<br />
auch bei der Kaufentscheidung spielen. Um den Einfluss dieser Merkmale zu<br />
modellieren, hat sich der Logit-Ansatz als geeignet bewiesen (Berry, 1994; Nevo,<br />
2000). Mit diesem Ansatz kann direkt untersucht werden, unter welchen<br />
technologischen und wirtschaftlichen Bedingungen sich der Marktanteil der<br />
verschiedenen Fahrzeuggruppen ändert.<br />
Nach Best<strong>im</strong>mung der Parameter für signifikante Zusammenhänge in einem<br />
geeigneten Modellansatz können Elastizitäten berechnet werden und S<strong>im</strong>ulationen<br />
durchgeführt werden. Hierzu werden für einzelne Variable veränderte Werte<br />
angenommen (z.B. weitere Erhöhung der Kraftstoffpreise), um daraus die<br />
Veränderungen der Zulassungszahlen zu ermitteln. Nachfolgende Abbildung 11 stellt<br />
die einzelnen Schritte bei der Erstellung des ökonometrischen Modells dar.<br />
Zwischenbericht, März 2007
- 100 -<br />
Institut für Verkehrsforschung<br />
Abbildung 11:<br />
Vorgehensweise zum ökonometrischen Modell<br />
Hypothesen kausaler Zusammenhänge<br />
Gruppierung in<br />
Größenklassen<br />
Aufbereitung<br />
der Analysedaten<br />
Identifikation<br />
eines Modellansatzes<br />
Aufbereitung<br />
der<br />
Variablen<br />
Berechnung und<br />
Zuordnung<br />
entsprechend<br />
Gruppierung<br />
Best<strong>im</strong>mung der Parameter des Modells<br />
S<strong>im</strong>ulation zukünftiger Entwicklungen<br />
Auswertung und Interpretation der Ergebnisse<br />
Als zu analysierende Variablen kommen fahrzeugspezifische wie auch allgemeine<br />
Variablen in Betracht. Eine Übersicht der als relevant erachteten Variablen gibt Tabelle<br />
12.<br />
Tabelle 12:<br />
Mögliche beeinflussende Variablen, die <strong>im</strong> Modell getestet werden<br />
Fahrzeugspezifische Variablen<br />
Neupreis<br />
Spezifischer Verbrauch<br />
Jährliche Kilometerleistung<br />
Jährliche Kfz-Steuer<br />
Indikator für Herstellungsland<br />
Technischer Indikator*<br />
Allgemeine Variablen<br />
BIP pro Kopf (oder HH-Einkommen)<br />
Altersstruktur der Bevölkerung<br />
Haushaltsstruktur der Bevölkerung<br />
Erwerbstätigenzahl<br />
Führerscheinbesitz: weiblich - männlich<br />
Fahrzeughalter: weiblich - männlich<br />
* zum Beispiel zum Beschleunigungsvermögen des Fahrzeugs<br />
Zunächst werden die Variablen einzeln analysiert, in einem weiteren Schritt jedoch<br />
auch zusammengefasst. So stellt die Kombination aus spezifischem Verbrauch,<br />
Kraftstoffpreis und jährlicher Fahrleistung zwar die sinnvolle Größe „jährliche<br />
Kraftstoffkosten“ dar, dennoch ist auch der Benzinpreis allein zu berücksichtigen, weil<br />
dieser in der Wahrnehmung der Menschen einen stärkeren Einfluss haben könnte als<br />
die jährlichen Gesamtkosten. Ziel ist es, Variablen mit statistisch signifikanten<br />
Zusammenhängen zu den Neuzulassungen zu identifizieren. Mit den Variablen, für die<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 101 -<br />
signifikante Abhängigkeiten festgestellt werden, werden <strong>im</strong> Rahmen der Szenarien<br />
dann S<strong>im</strong>ulationen gerechnet werden.<br />
Neben den aufgelisteten Variablen können auch neue Variablen entwickelt werden.<br />
Diese würden auf einer weitergehenden Betrachtung der Thematik basieren und<br />
aufgrund des hohen Aufwands nur <strong>im</strong> Bedarfsfall erstellt werden. Dazu kann zum<br />
Beispiel die Entwicklung eines Fahrzeug-Nutzenindikators gehören, der die Größe des<br />
Innenraums, des Kofferraums und dessen Variabilität repräsentiert. Ferner kann ein<br />
Indikator zur Charakterisierung der Angebotsstruktur, d.h. der angebotenen<br />
Karosserie-, Motor- und Ausstattungsvarianten in Erwägung gezogen werden.<br />
3.5.3.2 Datengrundlage<br />
Die Basis für das ökonometrische Modell bilden detaillierte Neuzulassungsdaten der<br />
Jahre 1995 bis 2005 der R.L. Polk Marketing Systems GmbH (Polk). Diese Datenbasis<br />
wurde bereits in früheren Arbeiten verwendet, sodass zum Einen schon auf<br />
Erfahrungen bei der Aufbereitung zurückgegriffen werden kann und zum Anderen eine<br />
kostengünstige Zweitnutzung vereinbart werden konnte.<br />
Die Polk-Daten enthalten die jährlichen Neuzulassungen auf der Ebene einzelner<br />
Modellversionen enthalten, d.h. nicht nur nach einzelnen Typen wie z.B. VW Golf, Opel<br />
Vectra oder Renault Megane differenziert, sondern auch nach Karosserieversionen wie<br />
z.B. L<strong>im</strong>ousine oder Kombi und nach Versionen hinsichtlich der Stärke der<br />
Motorisierung. Außerdem liegen für die einzelnen Versionen technische Daten zu<br />
Größe, Gewicht und Verbrauch sowie der Getriebeart vor, wie sich aus der folgenden<br />
Abbildung 12 ergibt.<br />
Es handelt sich hierbei um einen Auszug des Datensatzes für wenige Modellversionen aus dem Jahr<br />
1997. Die Zahl der neuzugelassenen Fahrzeuge ist in der Spalte y_1997_c zu finden. Da damals offiziell<br />
noch keine CO2-Werte registriert wurden, findet sich in der entsprechenden Spalte kein Wert. Für die<br />
weitere Analyse wurden die CO2-Werte aus den Verbrauchswerten abgeleitet.<br />
Zwischenbericht, März 2007
- 102 -<br />
Institut für Verkehrsforschung<br />
Abbildung 12: Auszug des Polk-Datensatzes<br />
Manufacturer name<br />
Model name<br />
Description 1<br />
Description 2<br />
Alfa Romeo 145 1.3 1.3l,66kw,5vits,3ptes 3 48 82500 01.08.1996 0 10.1 6.3 8.2 0 0<br />
Alfa Romeo 145 1.3 "L" 1.3l,66kw,5vits,3ptes 3 15 87500 01.08.1996 0 10.1 6.3 8.2 0 0<br />
Alfa Romeo 145 1.4 Twin Spark 16V 1.4l, 76 kw, 5-speed, 3-door 3 435 82500 24.10.1997 0 10.1 6.3 8.2 10.7 6.3<br />
Alfa Romeo 145 1.4 Twin Spark 16V "L" 1.4l, 76 kw, 5-speed, 3-door 3 145 88200 24.10.1997 0 10.1 6.3 8.2 10.7 6.3<br />
Alfa Romeo 145 1.6 "L" 1.6l,76kw,5vits,3ptes 3 85 96500 01.08.1996 0 9.6 5.7 7.8 0 0<br />
Alfa Romeo 145 1.6 Twin Spark 16V "L" 1.6l, 88 kw, 5-speed, 3-door 3 319 98200 24.10.1997 0 0 0 0 11 6.4<br />
Segment<br />
y_1997_c<br />
Price<br />
Price date<br />
CO2 Emission pro KM in Gramm<br />
Fuel cons. urban (EC80)<br />
Fuel cons. 56mph (EC80)<br />
Fuel cons. 75mph (EC80)<br />
Fuel cons. urban (EC93)<br />
Fuel cons. extra urban (EC93)<br />
Transmission type<br />
Number of speeds<br />
Body style<br />
Cubic capacity<br />
Number of doors<br />
Driven wheels<br />
Fuel type<br />
KW<br />
Transmission type (Standard)<br />
Number of cylinders<br />
Engine type<br />
Length in mm<br />
Width in mm<br />
Height in mm<br />
Kerbweight in kg<br />
GVW in kg<br />
Payload in kg<br />
No. of seats (standard)<br />
No. of seats (alternative)<br />
M 5 HB 1351 3 F PLS 66 M 4 B 4093 1712 1427 1140 0 0 5 0<br />
M 5 HB 1351 3 F PLS 66 M 4 B 4093 1712 1427 1140 0 0 5 0<br />
M 5 HB 1370 3 F PLS 76 M 4 R 4093 1712 1427 1135 0 0 5 0<br />
M 5 HB 1370 3 F PLS 76 M 4 R 4093 1712 1427 1135 0 0 5 0<br />
M 5 HB 1596 3 F PLS 76 M 4 B 4093 1712 1427 1140 0 0 5 0<br />
M 5 HB 1598 3 F PLS 88 M 4 R 4093 1712 1427 1185 0 0 5 0<br />
Die Zulassungsdaten von Polk enthalten für einige wenige Modelle keine technischen<br />
Angaben. Wo dies zutrifft und mehr als 5000 Zulassungen registriert sind, wurden die<br />
Angaben manuell ergänzt.<br />
Die Datenbasis wurde mit der detaillierten Datenbank des Kraftfahrt-Bundesamtes, wie<br />
sie für die Emissionsberechnung in TREMOD be<strong>im</strong> IFEU vorliegt, abgeglichen. Dies ist<br />
erforderlich, weil die Eingangsdaten für die zukünftige technische Entwicklung von<br />
IFEU auf Basis der KBA-TREMOD Datenbank erstellt werden. Als Ergebnis des<br />
Abgleichs konnte festgehalten werden:<br />
• Beide Datenbanken ergeben die gleichen jährlichen Gesamtsummen an<br />
Fahrzeugen.<br />
• Die Überprüfung der Zulassungszahlen anhand der in beiden Datenbanken<br />
vorhandenen Segmentierung ergab für wenige Segmente unterschiedliche<br />
Summenwerte in einem Einzeljahr, ansonsten aber eine gute Übereinst<strong>im</strong>mung.<br />
Die Abweichung konnte unter anderem auf die unterschiedliche Behandlung der<br />
Cabriolets zurückgeführt werden.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 103 -<br />
• Hinsichtlich der mittleren Kennwerte für die CO 2 -Emissionsen und der<br />
Motorleistung, die für einzelne Hubraumklassen innerhalb der Segmente<br />
best<strong>im</strong>mt wurden, sind keine nennenswerten Abweichungen festgestellt<br />
worden.<br />
Da die Polk-Daten alle Informationen zur Zuordnung von Hubraumklassen oder<br />
Segmenten enthalten, können für die aufgetretenen Abweichungen die entsprechenden<br />
Neuzuordnungen zu den Segmenten vorgenommen werden, um dadurch eine<br />
konsistente Schnittstelle für die weitere Bearbeitung zu gewährleisten.<br />
Neben den Zulassungsdaten bilden die allgemeinen Variablen (z.B. Einkommensentwicklung)<br />
einen weiteren Bestandteil der Datengrundlage. Diese Informationen<br />
werden den Statistiken des Statistischen Bundesamtes entnommen.<br />
Die Best<strong>im</strong>mung der Variablenwerte für die S<strong>im</strong>ulationen in den Szenarien baut auf<br />
zwei Säulen auf:<br />
• Zum Einen ergeben sie sich aus den politischen Maßnahmen, wie sie während<br />
des Szenarioprozesses definiert werden,<br />
• zum Anderen sind sie das Resultat der technischen Entwicklung auf der<br />
Angebotsseite (siehe renewbility, AP 3).<br />
Aus beiden Quellen zusammengefasst leiten sich dann mittelbar oder unmittelbar<br />
geänderte Kosten bzw. Preise für die Anschaffung, den Unterhalt oder den Betrieb der<br />
Fahrzeuge ab. Zusätzlich können sich durch technische Entwicklungen auf der<br />
Angebotsseite Änderungen in den Nutzungseigenschaften der Pkw ergeben. Sie<br />
können sowohl Einschränkungen (z.B. Reichweite, Leistungsfähigkeit, Platzangebot)<br />
nach sich ziehen wie auch Vorteile bringen (z.B. Geräuscharmut, höhere Variabilität<br />
des Fahrzeuginnenraums durch neue Fahrzeugkonfigurationen).<br />
Ferner können durch politische Maßnahmen auch Restriktionen für best<strong>im</strong>mte Fahrzeuggruppen<br />
entstehen, wie z.B. absolute Emissionsobergrenzen oder spezifische<br />
Obergrenzen bezogen auf das Gewicht oder einen Nutzenindikator.<br />
3.5.3.3 Gruppierung und Antriebsarten<br />
Zur Analyse des bisherigen Käuferverhaltens müssen die Fahrzeuge sinnvoll<br />
kategorisiert werden, d.h. Fahrzeuge mit sehr ähnlichen Eigenschaften müssen<br />
gebündelt betrachtet werden, andernfalls würden sie als unabhängige Beobachtungen<br />
gelten. Hierzu existieren verschiedene Ansätze, die sich alle mehr oder minder auf die<br />
Größe der PKW beziehen. Unterschiede liegen in den verwendeten Indikatoren, aus<br />
denen sich die Gruppen ableiten.<br />
Ein klassischer Ansatz ist die Gruppierung anhand der Antriebsarten Benzin und Diesel<br />
sowie nach Hubraumklassen. Diese Einteilung sichert die Kompatibilität mit den<br />
Arbeiten zum zukünftigen technologischen Angebot und der Emissionsberechnung. Da<br />
Zwischenbericht, März 2007
- 104 -<br />
Institut für Verkehrsforschung<br />
auch die Höhe der jährlichen Kfz-Steuer in Deutschland traditionell nach Hubraum<br />
bemessen wird, kommt diese Einteilung der Modellfindung grundsätzlich entgegen. Die<br />
Hubraumklassen werden dabei folgendermaßen gebildet, jeweils für Benzin und<br />
Diesel:
Institut für Verkehrsforschung<br />
- 105 -<br />
Tabelle 13:<br />
Modifizierte KBA-Segmentierung<br />
Segmentbezeichnung Beispielfahrzeuge Segmentbezeichnung Beispielfahrzeuge<br />
Mini<br />
VW Lupo, Renault<br />
Twingo<br />
Sportwagen<br />
Alfa Spider, Audi TT,<br />
Porsche<br />
Kleinwagen<br />
Opel Corsa, Fiat<br />
Punto, Ford Fiesta<br />
Geländewagen<br />
Toyota RAV 4, Suzuki Vitara<br />
Untere Mittelklasse<br />
VW Golf, Peugeot<br />
307, Toyota Corolla Luxus-Geländewagen BMW X5, Range Rover,<br />
Jeep Grand Cherokee<br />
Mittelklasse<br />
Mazda 626, BMW<br />
3er, Ford Mondeo<br />
Kompakt-Van<br />
Opel Zafira, Renault Scenic,<br />
Fiat Multipla<br />
Obere Mittelklasse<br />
Audi A 6, Mercedes<br />
E-Klasse<br />
Großraum-Van<br />
Peugeot 807, Ford Galaxy,<br />
VW Sharan<br />
Oberklasse<br />
BMW 7er,<br />
Mercedes S-Klasse Utilities* Ford Transit, VW Caravelle,<br />
Mercedes Viano<br />
*Leichte Nutzfahrzeuge, die als PKW zugelassen sind<br />
Für die Arbeiten in renewbility wurden zunächst Modellansätze mit 6 Fahrzeuggruppen<br />
gemäß der oben erwähnten Hubraumklassen getestet, weil diese am besten mit den<br />
Arbeiten von IFEU Heidelberg zur zukünftigen technologischen Entwicklung zu<br />
verknüpfen sind. Gleichzeitig werden auch Ansätze mit einer sehr starken Differenzierung<br />
wie oben vorgeschlagen getestet um das Spektrum der Fahrzeuge adäquat<br />
berücksichtigen zu können. In Abhängigkeit der jeweiligen Ergebnisse ist es das Ziel,<br />
eine Segmentierung zu finden, die die Vorteile beider Varianten möglichst gut auf sich<br />
vereint und somit also zwischen 6 und 20 Segmenten liegt.<br />
Alternative Antriebsarten<br />
Hinsichtlich der Kraftstoff- oder Antriebsarten stellt sich neben der gesetzten Aufteilung<br />
nach Benzin und Diesel die Frage, eine weitere Unterteilung für alternative Antriebe<br />
vorzunehmen. Dies würde die Möglichkeit schaffen, die zukünftige Entwicklung besser<br />
abbilden zu können, hängt aber davon ab, ob in den Analysejahren eine ausreichende<br />
Anzahl von Beobachtungen vorhanden ist bzw. ob Zusammenhänge zu best<strong>im</strong>mten<br />
Variablen hergestellt werden können. Es sind hierbei zwei Varianten zu prüfen: 1. Die<br />
Einführung einer Antriebsart für Erdgasfahrzeuge, weil dies eine konsequente<br />
Zuordnung hinsichtlich des Kraftstoffes und der Kostenstruktur bedeuten würde, oder<br />
2. die Erstellung einer Kategorie für alternative Konzepte, die neben den Erdgasfahrzeugen<br />
auch besonders sparsame und modellpolitisch herausgehobene Modelle<br />
beinhaltet, wie z.B. VW Lupo 3L, Astra Eco4 oder Toyota Prius. Letztere Variante hätte<br />
den Vorteil einer größeren Zahl von Beobachtungen, die statistisch erfasst werden<br />
können.<br />
Zwischenbericht, März 2007
- 106 -<br />
Institut für Verkehrsforschung<br />
Aufgrund der versionenfeinen Zulassungsdatenbank von Polk kann ergänzend oder<br />
alternativ die Entwicklung der bisherigen Zulassungszahlen von oben genannten<br />
speziellen Fahrzeugarten und –typen auch analytisch beschrieben werden. In<br />
Gegenüberstellung mit möglichen Einflussfaktoren wie z.B. Subventionen der örtlichen<br />
Gaswerke oder Steuerbefreiung für 3- und 5-Liter Autos können hier Rückschlüsse für<br />
eine mögliche zukünftige Entwicklung gebildet werden.<br />
Gewerblich zugelassene Fahrzeuge<br />
Der Anteil der gewerblich zugelassenen Fahrzeuge bewegt sich bei Neuwagen um<br />
50%. Dabei entfällt der Großteil auf Vermietungsfirmen und Fahrzeughändler und nur<br />
ein geringerer Anteil auf tatsächlich gewerblich genutzte Fahrzeuge. Bereits nach<br />
einem Jahr ist die Mehrheit der Mietfahrzeuge und Händlerfahrzeuge in den privaten<br />
Bestand übergegangen. Dieser schnelle Übergang in den Privatbesitz weist<br />
Vermietungsfirmen und Händlern einerseits eine wichtige Rolle bei der Fahrzeugwahl<br />
zu, lässt andererseits auch die Vermutung zu, dass diese Fahrzeuge bereits<br />
entsprechend den Kaufkriterien des Privatmarktes beschafft werden, um sie dann auch<br />
möglichst gewinnbringend dorthin weiterverkaufen zu können.<br />
Grundsätzlich ist zu erwarten, dass gewerbliche Käufer auf politische Maßnahmen, wie<br />
sie in den Szenarien angenommen werden sollen, ähnlich reagieren, was die<br />
Reaktionsrichtung betrifft. Die Stärke der Reaktion kann sich aber unterscheiden. Zu<br />
ihrer Best<strong>im</strong>mung sind zwei wesentliche Schritte notwendig: Zunächst die klare<br />
Trennung aller Zulassungsdaten nach gewerblichen und privaten Käufern sowie die<br />
Best<strong>im</strong>mung der Einflussfaktoren (Variablen), die auf die gewerblichen Zulassungen<br />
einwirken, wie z.B. die wirtschaftliche Situation der Unternehmen, Abschreibungsmöglichkeiten<br />
etc.. Für beide Schritte liegen nur unzureichend Daten vor, und es ist<br />
zudem ungeklärt, wie viele der privat zugelassenen Pkw dennoch für gewerbliche<br />
Zwecke genutzt werden und umgekehrt gewerblich zugelassene Fahrzeuge vorrangig<br />
für Privatfahrten eingesetzt werden. Daher werden aus Praktikabilitätsgründen<br />
zunächst die privaten und die gewerblichen Zulassungen in das ökonometrische<br />
Modell integriert und in Beziehung zu den genannten Variablen gesetzt, wodurch die<br />
Einflüsse auf die gewerblichen Fahrzeuge zwar berücksichtigt sind, aber nicht getrennt<br />
ausgewiesen werden. Die differenzierte Modellierung der Einflüsse auf die gewerblich<br />
zugelassenen Fahrzeuge bleibt zunächst eine interessante und offene Forschungsfrage.<br />
Eine endgültige Entscheidung für die Anwendung von Antriebsvarianten sowie<br />
Hubraumklassifizierungen oder Segmentierungsvarianten bleibt den Ergebnissen der<br />
ökonometrischen Analyse vorbehalten. Die Aufbereitung der Zulassungsdaten ist<br />
derart angelegt, dass verschiedene Möglichkeiten getestet werden können.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 107 -<br />
3.5.3.4 Erwartete Ergebnisse aus der Berechnung<br />
Aus den gefundenen Zusammenhängen der Daten werden zukünftige Entwicklungen<br />
berechnet, d.h. Fahrzeugzulassungen in Abhängigkeit einer angenommenen Entwicklung<br />
einer Variablen. Hierbei wird sukzessive vorgegangen durch die Veränderung<br />
jeweils einer Variablen, d.h. alle anderen werden für konstant betrachtet und nur eine<br />
variiert. In einem weiteren Schritt können auch zwei Variablen – nach kreuzweiser<br />
Analyse in einem geeigneten Modellansatz – verändert und ihr Einfluß auf die<br />
Zulassungszahlen berechnet werden.<br />
Die S<strong>im</strong>ulationsergebnisse beziehen sich <strong>im</strong>mer auf die in der Analyse konfigurierten<br />
Fahrzeuggruppen, also z.B. Hubraumklassen, Antriebsarten oder Segmente. Somit<br />
kann durch die S<strong>im</strong>ulation, neben der Gesamtzahl der Neuzulassungen, für diese<br />
zuvor gewählten Gruppen die zukünftige Entwicklung der Zulassungsanteile berechnet<br />
werden. Wie robust die erzielten Ergebnisse schließlich sind, hängt von der gewählten<br />
Fahrzeuggruppierung und vom Grad der Abweichung der Variablen ab, d.h. ob sie für<br />
die Zukunft ausreichend variiert werden. Geringe Kostensteigerungen beeinflussen<br />
zwar das Berechnungsergebnis, würden aber vermutlich <strong>im</strong> Bereich der Unschärfen<br />
bleiben und keine belastbaren Aussagen liefern. Ebenso sind keine eindeutigen<br />
Ergebnisse zu erwarten, wenn unterschiedliche zukünftige Fahrzeugkonzepte<br />
annährend gleiche technische Eigenschaften aufweisen, was z.B. je nach Variante für<br />
Benzin-Hybrid und Dieselantrieb nicht ausgeschlossen werden kann.<br />
Die Ergebnisse aus den S<strong>im</strong>ulationen werden mit den Resultaten aus der Potenzialanalyse<br />
abgeglichen. Aus ihr werden wesentliche Erkenntnisse gewonnen, inwiefern<br />
die Berechnungsergebnisse plausibel sind, und es können für Extremszenarien Oberoder<br />
Untergrenzen der Verschiebung der Zulassungszahlen definiert werden.<br />
Perspektivisch lassen sich nicht zwischen allen gewählten Variablen und den<br />
Zulassungsdaten Abhängigkeiten feststellen. Dies kann sein, weil sich grundsätzlich<br />
kein Zusammenhang feststellen lässt und somit die Hypothese ihrer Abhängigkeit<br />
verworfen werden muss, oder weil für die gewählte Variable oder Fahrzeuggruppe zu<br />
wenige Beobachtungen vorhanden sind. In beiden Fällen erfolgt eine weitere Bearbeitung<br />
<strong>im</strong> Rahmen der Potenzialanalyse, denn eine statistische Unabhängigkeit ist<br />
kein hinreichender Beweis für eine kausale Unabhängigkeit. Für technisch oder<br />
modellpolitisch interessante Fahrzeuge mit zu wenigen verwertbaren Beobachtungen<br />
können aus der analytischen Beschreibung außerdem Schlussfolgerung für die<br />
zukünftige Entwicklung gezogen werden.<br />
Zwischenbericht, März 2007
- 108 -<br />
Institut für Verkehrsforschung<br />
3.5.4 Potenzialanalyse zur Veränderung des Käuferverhaltens<br />
3.5.4.1 Sozio-demographische Hintergründe der Fahrzeugbesitzer<br />
Auf Basis der Ergebnisse der Studie „Mobilität in Deutschland“ (infas/DIW 2003) ist es<br />
erstmals möglich, für eine hohe Anzahl von Beobachtungen fahrzeugtechnische<br />
Merkmale in Zusammenhang mit typischen Nutzermerkmalen und Nutzungsprofilen zu<br />
analysieren. Über 24.000 Fahrzeuge sind in dem Datensatz enthalten, die sich einem<br />
Haushalt, einem Hauptnutzer und den entsprechenden Personen- und Nutzungseigenschaften<br />
zuordnen lassen. Darüber hinaus liegen auch technische Daten und<br />
konkrete Modellbezeichnungen für diese Fahrzeuge vor. Somit lässt sich ermitteln,<br />
welche Art von Haushalt welche Art von Pkw besitzt und wie dieser am Stichtag der<br />
Erhebung genutzt wurde. Die Erhebung bezieht sich auf das Jahr 2002. Etwa 7.000<br />
der damals erfassten Pkw waren nicht älter als 3 Jahre und ca. 15.000 aller erhobener<br />
Pkw wurden als Neuwagen erworben.<br />
Aufgrund der technischen Angaben zu den Fahrzeugen besteht die Möglichkeit die<br />
Fahrzeuge aus MiD entsprechend der Fahrzeuggruppierung des ökonometrischen<br />
Modells zusammenzufassen. Es können also z.B. die sozio-demographischen Daten<br />
für alle Nutzer von Diesel-Fahrzeugen mit einem Hubraum von mehr als 2l oder einer<br />
Motorleistung von mehr als 150 PS ausgewertet werden. Ähnliche Auswertungen<br />
konnten bislang nur mit einer wesentlich kleineren Fallzahl durchgeführt werden.<br />
Für die Auswertung vor dem Hintergrund einer Segmentierung ergab sich das<br />
Problem, dass für einzelne Typen eine Vielzahl unterschiedlicher Schreibweisen (z.B.<br />
Toyota RAV4, raf4, rav four etc.) in der MiD existieren, weil die Namen der<br />
Fahrzeugtypen von den Interviewern direkt notiert wurden und nicht in eine Liste<br />
vorgegebener Typen und Versionen eingetragen wurden. Die unterschiedlich notierten<br />
Bezeichnungen wurden daher bereits <strong>im</strong> Vorfeld der Analysen aufbereitet und<br />
vereinheitlicht. Anhand der getrennt eingegebenen technischen Daten, konnten sie<br />
weitgehend verifiziert werden. 37<br />
Die wichtigsten Variablen, die für die gewählten Fahrzeuggruppen in MiD ausgewertet<br />
werden können, sind in der folgenden Tabelle 14 zusammengefasst.<br />
37 Eine direkte Ableitung des Fahrzeugtyps aus den technischen Daten ist nicht möglich, weil sich diese<br />
nur auf den Antrieb beziehen und der gleiche Motor fast <strong>im</strong>mer in verschiedenen Modellen eingesetzt<br />
wird.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 109 -<br />
Tabelle 14:<br />
Variablen aus der MiD zur Analyse der Pkw-Nutzer und deren Nutzungsverhalten<br />
Sozio-demographische Merkmale<br />
Haushaltsgröße<br />
Alter und Geschlecht des Hauptnutzers<br />
Beschäftigungsart des Hauptnutzers<br />
Anzahl der Pkw <strong>im</strong> HH<br />
Haushaltseinkommen<br />
Mobilitätsverhalten<br />
Fahrtzwecke<br />
Wegezahl<br />
Jährliche Fahrleistung<br />
Verkehrsmittelwahl<br />
Besetzungsgrad<br />
Alter und Geschlecht der weiteren<br />
Haushaltsmitglieder<br />
Anhand einer vorläufigen Segmentierung wurden bereits einige der aufgelisteten<br />
Variablen ausgewertet. Beispielhaft ist der folgenden Abbildung 13 die Gesamtzahl der<br />
Pkw je Haushalt bezogen auf den Besitz unterschiedlicher Fahrzeugsegmente zu<br />
entnehmen. Daraus wird ersichtlich, dass insbesondere Haushalte, die Fahrzeuge der<br />
Unteren Mittelklasse, Mittelklasse und Kompakt-Vans besitzen, am seltensten über<br />
einen Zweitwagen verfügen. In der weiteren Analyse ergab sich, dass Haushalte mit<br />
Kompakt-Vans von der Personenzahl her überdurchschnittlich groß sind. Somit kann in<br />
erster Näherung darauf geschlossen werden, dass Käufer dieses Segments aufgrund<br />
ihrer Platzbedürfnisse nur mit geringer Wahrscheinlichkeit auf ein kleineres Fahrzeug<br />
umsteigen.<br />
Zwischenbericht, März 2007
- 110 -<br />
Institut für Verkehrsforschung<br />
Abbildung 13: Segmentbezogene Auswertung der Pkw-Anzahl je Haushalt<br />
Zahl Pkw<br />
3<br />
Anzahl Pkw <strong>im</strong> Haushalt<br />
2,3<br />
2<br />
1,9<br />
2,0<br />
2,0<br />
1,9<br />
1,9<br />
2<br />
1,8<br />
1,6 1,6<br />
1,7<br />
1,5<br />
1,7<br />
1,7<br />
1,7<br />
1<br />
1<br />
0<br />
Mini<br />
Kleinwagen<br />
Untere Mittelklasse<br />
Mittelklasse<br />
Obere Mittelklasse<br />
Luxusklasse<br />
Sportwagen<br />
Geländewagen<br />
Luxus-Geländewagen<br />
Kompakt-Van<br />
Van (Großrauml<strong>im</strong>ousine)<br />
Leichtes Nutzfahrzeug<br />
Sonstige<br />
Insgesamt<br />
MiD 2002<br />
Somit wird die Auswertung der MiD-Informationen zu Plausibilitätsprüfungen und als<br />
Interpretationsrahmen für die Berechnungen mit dem ökonometrischen Modell genutzt.<br />
Ggf. werden auch Modifikationen der Rechenergebnisse vorgenommen. Insbesondere<br />
werden Grenzen best<strong>im</strong>mt, inwieweit ein Wechsel von einzelnen Personengruppen in<br />
eine andere Fahrzeuggruppe als realistisch erscheint. So lässt sich unter best<strong>im</strong>mten<br />
Randbedingungen ein Wechsel von einem größeren zu einem kleineren Fahrzeug für<br />
möglich erachten, z.B. wenn es sich um einen Zweitwagen handelt oder um einen<br />
städtischen Single-Haushalt. Dagegen dürfte die Wahrscheinlichkeit, dass ein Haushalt<br />
mit Kindern <strong>im</strong> ländlichen Raum, der über ein Fahrzeug der Unteren Mittelklasse<br />
verfügt, auf ein kleineres Fahrzeug umsteigt, eher gering sein. Ähnliche Überlegungen<br />
werden anhand der Informationen zum Haushaltseinkommen vorgenommen, etwa um<br />
rechnerisch ermittelte Käuferverschiebungen zu sehr teuren, hoch effizienten<br />
Fahrzeugen zu überprüfen.<br />
Das in MiD dokumentierte Nutzungsverhalten wird weiterhin dafür verwendet,<br />
Personengruppen zu identifizieren, für die ein Wechsel zu einem Fahrzeug mit<br />
alternativem Antrieb besonders naheliegend erscheint. Ausgehend von abweichenden<br />
Nutzungseigenschaften alternativer Fahrzeuge, z.B. hinsichtlich Reichweite oder<br />
Höchstgeschwindigkeit, werden Haushalte oder Personen identifiziert, bei denen diese<br />
Einschränkungen als irrelevant erachtet werden.<br />
Neben der Erhebung „Mobilität in Deutschland“ lässt auch das „Mobilitätspanel“ eine<br />
ähnliche Auswertung durch die Verknüpfung von Fahrzeug-, Mobilitäts- und<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 111 -<br />
Nutzerdaten zu (Zumkeller 2006). Dem Vorteil, dass hier eine Zeitreihe für die Jahre<br />
1997 bis 2005 vorliegt, steht eine nur geringe Zahl von ca. 400 erhobenen Fahrzeugen<br />
jährlich gegenüber. Dennoch sind von der Analyse der Paneldaten nützliche<br />
Informationen zur Bewertung der Ergebnisse aus den anderen Arbeitspunkten zu<br />
erwarten, etwa durch Plausibilitätsprüfungen von Einzelfällen.<br />
3.5.4.2 Weiterführende Analysen zur Pkw-Wahl und Akzeptanz<br />
alternativer Technologien<br />
Zur Unterstützung der Ergebnisse aus dem ökonometrischen Modell muss zur<br />
Best<strong>im</strong>mung des Potenzials alternativer und effizienterer Fahrzeuge in der Zukunft<br />
auch auf exemplarische Studien zurückgegriffen werden, die spezielle Teilaspekte<br />
näher beleuchten. Ferner können exemplarische Auswertungen der Zulassungs- und<br />
MiD-Daten die bisher gewonnenen Ergebnisse ergänzen und absichern. Dabei wird<br />
unter folgenden Themenbereichen unterschieden:<br />
Konsumentenverhalten be<strong>im</strong> Kauf von Pkw<br />
Ein Überblick über Befragungen zum Kaufverhalten und entsprechende Forschungsarbeiten<br />
liefert die wichtigsten Kriterien be<strong>im</strong> Pkw-Kauf und gibt somit einen Rahmen<br />
für die mögliche zukünftige Entwicklung vor. Dabei ist es wichtig, welche Gruppen von<br />
Käufern grundsätzlich zu unterscheiden sind.<br />
In der Analyse wird insbesondere darauf Wert gelegt, neben den rein rationalen<br />
Kriterien für die Kaufentscheidung wie geringe Unterhalteskosten auch emotionale<br />
Aspekte (z.B. Aussehen, sportliches Fahrverhalten) zu berücksichtigen und Aussagen<br />
darüber zu finden, bei welchen Personengruppen welcher Aspekt stärker <strong>im</strong><br />
Vordergrund steht. Im Idealfall können best<strong>im</strong>mte Personengruppen identifiziert<br />
werden, die Innovationen bei Pkw besonders offen gegenüberstehen. Informationsquellen<br />
sind hierbei zum Beispiel die Deutsche Automobil Treuhand, Beratungsunternehmen<br />
(McKinsey&Company) sowie wissenschaftliche Studien, etwa der ETH<br />
Zürich oder der University of California (Choo, Mokhtarian 2004). Ferner wird die<br />
Marktforschungsstudie für den Volkswagen 3-Liter Lupo berücksichtigt, die <strong>im</strong> Rahmen<br />
des Projekts „EcoTopTen“ entstanden ist (Öko-Institut 2004).<br />
Exemplarische Fahrzeuganalysen<br />
Bereits in der Vergangenheit sind einige spezielle, sehr effiziente Modellversionen auf<br />
dem Markt eingeführt worden. Diese sind in den modellfeinen Neuzulassungsdaten<br />
von Polk erfasst und werden hinsichtlich Zulassungszahlen, Kostenstruktur und dem<br />
Nutzen bzw. der Nutzungseinschränkung untersucht. Aufgrund der detaillierten Datenbasis<br />
sind auch Vergleiche mit herkömmlichen Versionen möglich. Zusätzliche<br />
Informationen können aus weiteren Studien gewonnen werden, wie z.B. der ETH<br />
Zwischenbericht, März 2007
- 112 -<br />
Institut für Verkehrsforschung<br />
Zürich, die die Hintergründe der Toyota Prius Käufer analysiert hat und Aufschluss<br />
über deren Einkommenssituation, Alter, Bildungsstand etc. gibt.<br />
Ein wichtiger Untersuchungsgegenstand <strong>im</strong> <strong>Kontext</strong> der Einführung alternativer<br />
Fahrzeugkonzepte stellen Erdgasfahrzeuge dar. Ihre Verbreitung kann vor dem<br />
Hintergrund bundesweiter wie lokaler Förderungen wichtige Hinweise auf die<br />
Akzeptanz alternativer Konzepte geben. Insbesondere der Aspekt der Reichweite in<br />
Kombination mit der vorhandenen Tankstellendichte ist hier interessant. Die<br />
vorhandenen Zulassungsdaten lassen hier auch eine getrennte Auswertung von<br />
monovalenten und bivalenten Fahrzeugen zu. Gleichzeitig werden jedoch auch<br />
Grenzen der Übertragbarkeit von Einzelfällen wie dem Erdgasfahrzeug auf allgemeine<br />
Aussagen zur Einführung alternativer Konzepte beachtet.<br />
Betrachtung politischer Maßnahmen anderer Länder<br />
Berechnungen zur zukünftigen Entwicklung mit Hilfe des ökonometrischen Modells<br />
basieren <strong>im</strong>mer auf der Analyse der Zusammenhänge in der Vergangenheit. Es ist<br />
nicht automatisch gewährleistet, dass diese in der Zukunft fortbestehen, insbesondere<br />
wenn es systematische Veränderungen gibt. Da in den Szenarien voraussichtlich auch<br />
eine Umstellung der Kfz-Steuer auf CO 2 Basis oder andere wesentliche Änderungen<br />
s<strong>im</strong>uliert werden sollen, ist zur Bewertung der Berechnungsergebnisse die<br />
Berücksichtigung der Entwicklung in anderen Ländern sinnvoll. Wesentliche<br />
Änderungen sind zum Beispiel in Dänemark (Wechsel von gewichtsbasierter zu<br />
verbrauchsbasierter jährlicher Steuer), Frankreich (Abschaffung der Kfz-Steuer) und<br />
Italien (Wechsel von hubraumbasierter zu leistungsbasierter Steuer) vollzogen worden<br />
(COWI 2003, European Commission 2002, DIW 2005). Ferner gewährten die<br />
Niederlande deutliche Steuervergünstigungen für verbrauchseffiziente Fahrzeuge.<br />
Auch wenn die Randbedingungen in den europäischen Ländern verschieden sind,<br />
etwa bezüglich der Siedlungsstruktur, der wirtschaftlichen Situation und auch der<br />
Präferenzen be<strong>im</strong> Fahrzeugkauf, lassen sich Analogien für Szenarien in Deutschland<br />
ableiten. Der festgestellte Einfluss wesentlicher Änderungen in anderen Ländern kann<br />
für die Modellierung in renewbility genutzt werden zur Bewertung und zur<br />
Plausibilitätsprüfung der eigenen Ergebnisse.<br />
3.5.5 Zusammenfassung und Ausblick<br />
Die sehr detailliert vorliegenden Zulassungsdaten der Jahre 1995 bis 2005 eröffnen<br />
vielfältige Analysemöglichkeiten hinsichtlich des Kaufverhaltens bei Neuwagen. Durch<br />
das Integrieren von best<strong>im</strong>mten Variablen, insbesondere Kostenfaktoren, lassen sich<br />
statistische Zusammenhänge finden, die für die Fortschreibung der Entwicklung in<br />
Abhängigkeit politischer Maßnahmen geeignet sind. Eine gründliche Aufarbeitung der<br />
kausalen Zusammenhänge <strong>im</strong> Vorfeld ist hierfür unerlässlich.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 113 -<br />
Erste Parameterschätzungen mit verschiedenen Modellen liegen bereits vor und sind<br />
in Abschnitt 3.5.3.1 erwähnt. Ein zweistufiger Ansatz, der zunächst die<br />
Gesamtzulassungen berechnet und anschließend die Anteile der Zulassungen, wird<br />
derzeit favorisiert. Vorteilhaft ist hierbei, dass die Anteile je Typ (also z.V. VW Golf oder<br />
Opel Vectra) geschätzt werden, wodurch ein hohes Maß an Kompatibilität mit anderen<br />
Fahrzeugkategorisierungen gewährleistet ist. Beispielhafte S<strong>im</strong>ulationen für<br />
Änderungen der Kfz-Steuer werden aktuell durchgeführt.<br />
Die grundlegenden Arbeiten der Potenzialanalyse laufen parallel zu den Arbeiten am<br />
ökonometrischen Modell. Die gekoppelte Auswertung der Zulassungsdaten mit den<br />
Personendaten der MiD kann zum Großteil jedoch erst nach der Festlegung der<br />
Fahrzeuggruppen bzw. Segmente abgeschlossen werden, d.h. in den Monaten April<br />
und Mai.<br />
Sowohl das ökonometrische Modell wie auch die Potenzialanalyse werden <strong>im</strong> Verlaufe<br />
des Szenarioprozesses entsprechend der dortigen Anforderungen fortlaufend<br />
modifiziert und ergänzt.<br />
Zwischenbericht, März 2007
- 114 -<br />
Institut für Verkehrsforschung<br />
4 Modellierung der Güterverkehrsnachfrage<br />
4.1 Einleitung<br />
Zum weit überwiegenden Teil wurde der Güterverkehr bislang mit Hilfe von<br />
makroskopischen Modellen abgebildet. Eingangsparameter sind dabei die <strong>im</strong><br />
untersuchten Gebiet vorhandene Produktionsleistung, Fahrtenraten pro produzierter<br />
Menge und Modalwahlverteilungen. Sollen Veränderungen der Güterverkehrsnachfrage<br />
als Reaktion auf best<strong>im</strong>mte Maßnahmen s<strong>im</strong>uliert werden, geschieht dies in<br />
Form veränderter Eingangsparameter. Die Schätzung der veränderten Parameter<br />
findet dabei allerdings außerhalb des makroskopischen Nachfragemodells statt, so<br />
dass der angenommene Wirkmechanismus nicht innerhalb des Modells selbst<br />
überprüft werden kann.<br />
Bei der Modellierung und S<strong>im</strong>ulation der Wirkungen von Maßnahmen, wie dies in<br />
renewbility erfolgen soll, besteht jedoch eine zentrale Anforderung darin, die jeweils<br />
betroffenen und reagierenden Akteure adäquat abzubilden. Konkret bedeutet dies,<br />
dass beispielsweise Maßnahmen, die die unmittelbaren Transportkosten (Wegekosten)<br />
betreffen, mit ihren Reaktionen auf Seiten der Logistikdienstleister s<strong>im</strong>uliert werden<br />
sollten. Demgegenüber sind Maßnahmen, die in Kostenerhöhungen für den gesamten<br />
Logistikprozess resultieren, durch Reaktionen auf Seiten der Verlader zu berücksichtigen.<br />
In renewbility wird ein agenten-basiertes mikroskopisches Wirtschaftsverkehrsnachfragemodell<br />
eingesetzt, d.h. <strong>im</strong> Zentrum der Modellierung stehen die handelnden<br />
Akteure (englisch „agents“: Verlader, Empfänger, Logistikdienstleister) der Wirtschaftsverkehrsentstehung,<br />
die individuell abgebildet und s<strong>im</strong>uliert werden. Die in renewbility<br />
verwendete agenten-basierte Modellierung gestattet es, entsprechende Auswirkungen<br />
direkt <strong>im</strong> Modell bei den passenden Agenten wirksam werden zu lassen. Das<br />
Endergebnis kann hinsichtlich Transportweiten, Verkehrsmittel, Gutarten und Branchen<br />
differenziert erstellt werden und erlaubt daher auch sehr spezifische<br />
Interpretationsmöglichkeiten.<br />
Während sowohl das Modell der Personenverkehrsnachfrage TAPAS als auch das<br />
Modell WiVS<strong>im</strong> mikroskopisch arbeiten und die handelnden Akteure direkt abbilden,<br />
unterscheiden sich WIVSIM und TAPAS aufgrund der spezifischen Unterschiede<br />
zwischen Personen- und Güterverkehr grundlegend. Im Modell TAPAS wird die<br />
Zeitverwendung aller Individuen in einem Untersuchungsgebiet detailliert abgebildet<br />
und erst nach Durchlaufen des gesamten Modells ergeben sich Verknüpfungspunkte<br />
mit traditionellen makroskopischen Modellen und den amtlichen Verkehrsstatistiken<br />
und Prognosen. Eine Ausdehnung des Untersuchungsraumes von TAPAS auf<br />
Deutschland ist wegen der sehr hohen Anzahl von etwa 80 Millionen Individuen und<br />
des <strong>im</strong> täglichen Verkehr meist wesentlich geringeren Reiseweiten nicht sinnvoll.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 115 -<br />
Im Gegensatz dazu werden in WiVS<strong>im</strong> die Akteure auf der Ebene einzelner Betriebe<br />
abgebildet. Diese wesentlich geringere Anzahl und Reiseweiten <strong>im</strong> Güterverkehr, die<br />
häufig über den Durchmesser der für TAPAS gewählten Untersuchungsgebiete<br />
hinausgehen, legen bei der Modellierung mit WiVS<strong>im</strong> eine Wahl von Deutschland als<br />
Untersuchungsgebiet nahe. Außerdem gibt es, wie nachfolgend verdeutlicht wird, an<br />
mehreren Stellen während des Ablaufs der Arbeit mit WiVS<strong>im</strong> Kopplungsmöglichkeiten<br />
mit den amtlichen makroskopischen Statistiken und traditionellen makroskopischen<br />
Modellen. An den Stellen, an denen keine ausreichenden Daten vorliegen, verhält sich<br />
deshalb auch das mikroskopische Modell WiVS<strong>im</strong> <strong>im</strong> Grundsatz nicht anders als<br />
makroskopische Modelle. Aus diesen Gründen wird WiVS<strong>im</strong> eingesetzt, um sowohl AP<br />
2.3.2 Disaggregiertes Güterverkehrsnachfragemodell für exemplarische S<strong>im</strong>ulationen<br />
abzudecken, als auch AP 2.2 Gesamtnachfrage Güterverkehr.<br />
4.2 Einführung in die Modellierung der Wirtschaftsverkehrsnachfrage<br />
In Anlehnung an die vierstufige Modellierung der Personenverkehrsnachfrage wird<br />
auch die Behandlung des Wirtschaftsverkehrs in traditionellen Modellen in die Stufen<br />
Erzeugung, Verteilung, Verkehrsmittelwahl und Umlegung unterteilt. Bedingt durch<br />
spezifische Abweichungen des Wirtschaftsverkehrs wurden einzelne Stufen gegenüber<br />
dem Personenverkehr modifiziert. Ein Beispiel dafür ist der Parameter für den<br />
Rundtouranteil in VISEVA-W. Im Personenverkehr werden je nach Modellierungsansatz<br />
entweder nur direkte Fahrten abgebildet oder alle Fahrten als Rundfahrten<br />
behandelt, so dass jeder PKW am Tagesende zu seinem Standort zurückkehrt. Weil <strong>im</strong><br />
Wirtschaftsverkehr hingegen sowohl Rundtouren als auch Direktfahrten über größere<br />
Entfernungen tatsächlich nebeneinander auftauchen, sind auch beide Arten zwingend<br />
abzubilden.<br />
Das Vorgehen traditioneller Wirtschaftsverkehrsmodelle wird nachfolgend anhand des<br />
Einsatzes von VISEVA-W, ein Produkt der Firma PTV AG, kurz skizziert. Dabei wurde<br />
die Region Stuttgart in Bezirke eingeteilt, für die die dort ansässigen Betriebe bekannt<br />
sind oder erhoben wurden. Mit Hilfe von empirisch best<strong>im</strong>mten oder geschätzten<br />
Erzeugungsraten wurde die Anzahl der von einem Betrieb startenden Fahrten<br />
best<strong>im</strong>mt. Weitere nötige Parameter waren die durchschnittliche Anzahl der Stops pro<br />
Tour des Wirtschaftsverkehrs, die aus der Befragung „Kraftfahrzeugverkehr in<br />
Deutschland“ (KiD) gewonnen wurden. Aus den pro Bezirk ansässigen Betrieben und<br />
Anwohnern wurde ein Attraktionspotenzial best<strong>im</strong>mt, anhand dessen die Ziele der<br />
gebildeten Touren auf die Bezirke verteilt wurden. Nach einer Umlegung auf das<br />
Straßennetz und der Kalibrierung mit Hilfe des variablen Parameters zum<br />
Rundfahrtenanteil wurden die Fahrleistungen der eingesetzten Fahrzeuge errechnet.<br />
Die Stärke dieses Ansatzes ist die geringere Anzahl an notwendigen Parametern, die<br />
sich aus Strukturdaten (Anzahl der Betriebe), vorhandenen Erhebungen (KiD) und<br />
Zwischenbericht, März 2007
- 116 -<br />
Institut für Verkehrsforschung<br />
Verkehrsmessungen (Rundfahrtenanteil) best<strong>im</strong>men lassen. Gleichzeitig ist dies eine<br />
Schwäche, da Maßnahmenwirkungen nur über Veränderungen dieser Parameter und<br />
damit außerhalb des Modells abgebildet werden. Desweiteren legt die Befragung KiD<br />
ihren Schwerpunkt auf kleine Nutzfahrzeuge und gestattet nicht die Übertragung auf<br />
den Güterfernverkehr. Durch das fahrzeugbezogene Konzept der Tourenbildung<br />
können auch Transportanforderungen des Gutes nicht berücksichtigt werden.<br />
Gegenüber dem Personenverkehr gestaltet sich die Modellierung des Wirtschaftsverkehrs<br />
grundsätzlich aufwändiger, da die Prozesse in der Wirtschaftsverkehrsnachfrage<br />
allgemein eine höhere Komplexität aufweisen, resultierend aus der<br />
Beteiligung verschiedener Akteure mit ungleichen Interessen am Transport eines<br />
Gutes. Diese Akteure sind zunächst die Produzenten, deren Interessen und<br />
Handlungen maßgeblich durch ihre Einbindung in Zulieferer- und Kundenbeziehungen<br />
best<strong>im</strong>mt werden. Eine weitere Akteursgruppe wird von den Logisktikdienstleistern<br />
gebildet, die für die Organisation des Transports sorgen, ggf. auch in Verbindung mit<br />
Lagerhaltung, Kommissionierung oder auch einfacheren Vorproduktionsfunktionen. Als<br />
dritte Gruppe von Akteuren können die Transporteure definiert werden, die zunehmend<br />
<strong>im</strong> Auftrag eines Logistikdienstleiters den eigentlichen Transport der Waren von einer<br />
Quelle zu einem Ziel übernehmen.<br />
Im Gegensatz zu der für den Güterverkehr dargestellten Beteiligung verschiedener<br />
Akteure am Transportprozess fallen <strong>im</strong> Individualverkehr die Rollen des „Versenders“<br />
bei der Erzeugung des Verkehrs und des „Transporteurs“ bei Verkehrsmittel- und<br />
Routenwahl üblicherweise zusammen. Damit folgt die Entstehung der Personenverkehrsnachfrage<br />
einer grundsätzlich anderen Logik als die Nachfrage nach<br />
Güterverkehr.<br />
4.3 Grundlagen der mikroskopischen S<strong>im</strong>ulation der<br />
Wirtschafts- und Güterverkehrsnachfrage WiVS<strong>im</strong><br />
Parallel zur Entwicklung des hier vorgestellten mikroskopischen Wirtschaftsverkehrsmodells<br />
WiVS<strong>im</strong> sind wichtige Vorarbeiten auf dem Gebiet der mikroskopischen<br />
Modellierung der Güterverkehrsnachfrage in dem vom BMBF geförderten Verbundprojekt<br />
OVID geleistet worden. In einem Teilprojekt wurde hier die mikroskopische<br />
S<strong>im</strong>ulationssoftware InterLOG entwickelt, die das Verhalten produzierender Betriebe<br />
als Versender und insbesondere das Verhalten von Logistikdienstleistern unter dem<br />
Einfluss von neuen Verfahren der Informations- und Kommunikationstechnologien<br />
abbildet. Dies betrifft beispielsweise die Umfahrung von Staus auf Empfehlung eines<br />
verkehrslenkenden zentralen Systems, das mit Geräten in den Fahrzeugen<br />
kommuniziert.<br />
Im Gegensatz zu OVID und InterLOG legt WiVS<strong>im</strong> seinen Schwerpunkt auf die<br />
detaillierte Beschreibung der Produzenten und der Verzahnung des Produktionsprozesses<br />
mit Entscheidungen zur Güterverkehrsnachfrage. In intensiver Kooperation<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 117 -<br />
mit der Universität Karlsruhe, die einer der beiden Hauptpartner <strong>im</strong> Projekt OVID war,<br />
sind Ergebnisse aus den dort durchgeführten Arbeiten bereits in WiVS<strong>im</strong> eingeflossen.<br />
Beispielsweise wurde durch ermittelte Produktionsraten, die in einer hohen<br />
Differenzierung nach Gutarten und Wirtschaftszweigen den Wert produzierter Güter mit<br />
der Menge verknüpfen, die Vorgehensweise von WiVS<strong>im</strong> ergänzt. An anderer Stelle ist<br />
die weitere Verwendung von Ergebnissen aus OVID für WiVS<strong>im</strong> geplant, z.B. bei der<br />
Tourengestaltung mit Hilfe von Tourenmustern.<br />
WiVS<strong>im</strong> bildet den Güterverkehr zwischen produzierenden Unternehmen sowie<br />
zwischen produzierenden Unternehmen und dem Handel ab. Dabei werden die<br />
beteiligten Unternehmen, d.h. Produzenten ebenso wie Logistikdienstleister, als<br />
„Agenten“ verstanden, die eigenständige Entscheidungen auf der Grundlage von<br />
Anforderungen treffen, die vom Kunden bzw. vom Unternehmen selbst gestellt werden.<br />
Zur Abbildung der produzierten Güter und ihres Transportes benötigt WiVS<strong>im</strong> zum<br />
einen die räumliche Verteilung der Betriebe (nicht der Unternehmen!) sowie darüber<br />
hinaus Angaben zum Entscheidungsverhalten der verschiedenen „Agenten“. Während<br />
die räumliche Verteilung der Betriebe über das Programmmodul „Synthetische<br />
Wirtschaftstruktur“ hergestellt wird, dienen das Modul „Güterverkehrsnachfrage“<br />
(Abbildung 14) der Abbildung der Produzenten und der Transportanforderungen. Über<br />
die Module „Logistikdienstleister“ und „Verkehrss<strong>im</strong>ulation“ wird die Güterverkehrsnachfrage<br />
umgesetzt in die erzeugte Fahrleistung (Abbildung 17).<br />
Die von WiVS<strong>im</strong> benötigten Daten betreffen einerseits die Beschäftigtenzahl, die<br />
Branche und die räumliche Lage von Betrieben, andererseits die Nutzung von<br />
Transportmitteln sowie das Entscheidungsverhalten von Verladern und<br />
Logistikdienstleistern. Die Informationen stammen zum größeren Teil aus kommerziellen<br />
Datensätzen, aber auch aus Erhebungen, die das DLR-Institut für<br />
Verkehrsforschung in Zusammenarbeit mit EMNID selbst durchgeführt hat. Von Seiten<br />
der amtlichen Statistik werden entsprechende Daten nur in sehr begrenztem Umfang<br />
bereitgestellt. Sie liegen auf Länderebene sowie auf nationaler Ebene vor,<br />
beispielsweise zur Anzahl der Betriebe, deren Aufteilung nach Wirtschaftszweigen und<br />
der Betriebsgrößenverteilung. Diese amtlichen Daten sind an mehreren Stellen eine<br />
wichtige Information, um synthetisch hergestellte Verteilungen zu kalibrieren.<br />
4.4 Funktionsweise von WiVSiM<br />
Anhand des Ablaufschemas (Abbildung 14) von WiVS<strong>im</strong> <strong>im</strong> Projekt renewbility soll die<br />
Funktionsweise <strong>im</strong> Folgenden erläutert werden.<br />
Zwischenbericht, März 2007
- 118 -<br />
Institut für Verkehrsforschung<br />
Abbildung 14: Ablaufschema von WiVS<strong>im</strong><br />
synthetic economy<br />
productivity<br />
input / output<br />
statistics<br />
production (values)<br />
production (amount)<br />
production<br />
statistics<br />
shipments<br />
shipment<br />
sizes<br />
Ablaufschema von WIVSIM von Strukturdaten bis zu Sendungsinformationen.<br />
Abgerundete Kästen in der Mitte stehen für Ergebnisse der Arbeitsschritte, die in der<br />
S<strong>im</strong>ulation durchlaufen werden. Die eckigen Kästen links und rechts symbolisieren<br />
Datenquellen, die bei den Arbeitsschritten benutzt werden.<br />
Den ersten Arbeitsschritt bei der Modellierung mit WiVS<strong>im</strong> bildet die Erstellung einer<br />
synthetischen Wirtschaftsstruktur. Ziel ist es, eine Liste von Betrieben so zu erstellen,<br />
dass sie in ihren statistischen Eigenschaften mit den verfügbaren Daten für das<br />
Untersuchungsgebiet, in diesem Fall Deutschland, übereinst<strong>im</strong>mt. Die Detaillierung<br />
und Qualität der Eingangsdaten begrenzt also die Qualität der synthetischen<br />
Wirtschaftsstruktur. Allerdings lässt sich durch die Kombination mehrerer Datenquellen<br />
ein realistisches Ergebnis erreichen.<br />
Um die Liste von Betrieben zu erstellen, werden als Basis von der infas Geodaten<br />
GmbH kommerziell bereitgestellte Daten genutzt. In diesem Datensatz ist die Anzahl<br />
der Firmen enthalten, räumlich aufgelöst für ganz Deutschland nach Gemeinden<br />
(Kreis-Gemeinde-Schlüssel KGS8) und – um eine räumlich differenzierte Abbildung<br />
auch in großen Gemeinden zu erlauben – für die 50 größten Gemeinden Deutschlands<br />
aufgelöst in statistische Bezirke. Die Stadt Berlin beispielsweise ist unterteilt in 287<br />
Einheiten.<br />
Außerdem geben die Firmendaten von infas Geodaten an, welchen Wirtschaftszweigen<br />
die einzelnen Betriebe zuzuordnen sind. Dies erfolgt entsprechend der<br />
Klassifikation von Wirtschaftszweigen des Statistischen Bundesamtes (WZ03). Die<br />
Daten von infas beschreiben die Branchenzugehörigkeit in vergleichsweise tiefer<br />
Differenzierung (sog. Viersteller).<br />
Neben der räumlichen Differenzierung und der Differenzierung nach Wirtschaftszweigen<br />
bieten die Daten von infas Geodaten auch eine Unterteilung nach drei<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 119 -<br />
Größenklassen, nämlich unter 10 Mitarbeiter, von 10 bis 100 Mitarbeiter und mehr als<br />
100 Mitarbeiter.<br />
Trotz der bereits feinen Auflösung sind die Daten von infas Geodaten zur Erstellung<br />
einer Liste von genauer definierten Einzelbetrieben nicht ausreichend. Der erste<br />
Bearbeitungsschritt zur Nutzung für WiVS<strong>im</strong> ist deshalb die Zuweisung von<br />
Beschäftigtenzahlen zu Betrieben, also die Verfeinerung dieser nur als Größenklasse<br />
vorliegenden Information. Dazu werden Betriebsgrößenverteilungen der amtlichen<br />
Statistik eingesetzt. Diese sind räumlich lediglich nach Bundesländern unterteilt und<br />
nach Wirtschaftszweigen ebenfalls nicht so fein wie die infas-Daten. Allerdings ergibt<br />
sich durch die Verschneidung beider Datenquellen eine ausreichende Basis für die<br />
weitere Modellanwendung.<br />
Zur Abbildung der räumlichen Verteilung der Betriebe wird die entsprechende<br />
räumliche Information verfeinert. Das in einem späteren Schritt zur Umlegung der<br />
Verkehrsflüsse verwendete Straßennetz mit den dort verzeichneten Straßenabschnitten<br />
liefert die Basis dafür. Jeder Zelle der infas-Daten wird mit Hilfe eines GIS<br />
eine Liste in dieser Zelle liegender Straßenabschnitte zugeordnet und aus diesen dann<br />
stochastisch ein Betriebsstandort für jeden Betrieb gewählt. Während der räumliche<br />
Detaillierungsgrad der Betriebsstandorte dadurch nicht erhöht wird, ergeben sich<br />
sinnvolle Anwendungen der dadurch geschaffenen direkten Verbindung zum<br />
Verkehrsnetz. Für jeden Betrieb lassen sich die Entfernungen zu Autobahnauffahrten<br />
und Zugangsmöglichkeiten zum Schienennetz mit Hilfe von GIS-Algorithmen<br />
berechnen und werden bei der Verkehrsmittelwahl berücksichtigt. Fehler durch die<br />
stochastische Zuordnung werden über alle Betriebe einer Zelle betrachtet<br />
ausgeglichen. Dennoch ergibt sich hier eine Erweiterungsmöglichkeit für künftige<br />
Modelle. Weiterer Forschungsbedarf besteht bei der Einbindung von<br />
Landnutzungsalgorithmen, die die Standortwahl wirtschaftlicher Akteure berücksichtigen.<br />
Der nächste Schritt zur genaueren Beschreibung der Betriebe ist die Berechnung des<br />
wertmäßigen Produktionsumfangs aus der Beschäftigtenzahl des jeweiligen Betriebes.<br />
Dazu werden amtliche Statistiken zur Mitarbeiterproduktivität genutzt, die nach<br />
Wirtschaftszweigen gegliedert gleichzeitig Beschäftigte und Umsatz einer Branche<br />
ausweisen. Für die Abbildung des Basis-Szenarios mit der Entwicklung ohne weitere<br />
Maßnahmen bis 2030 werden die Produktivitätskennziffern angepasst auf Basis von<br />
Prognosen des Instituts für Wirtschaftsforschung Halle (IWH, in [IWH06]) <strong>im</strong> Rahmen<br />
der Verkehrsprognose 2025. Diese Prognosen enthalten u.a. Prognosen zu Umsätzen<br />
des Verarbeitenden Gewerbes in 14 Wirtschaftszweigen unterteilt und für die<br />
deutschen Raumordnungsregionen bis 2025.<br />
Die Konversion von wertmäßigen Umsätzen zu produzierten Mengen wird berechnet<br />
mit Hilfe von Kennziffern zur Wertintensität von Gütergruppen, die am IWW Karlsruhe<br />
aus Daten der amtlichen Produktionsstatistik gewonnen wurden. Die Fortschreibung <strong>im</strong><br />
Zwischenbericht, März 2007
- 120 -<br />
Institut für Verkehrsforschung<br />
Basis-Szenario bis 2030 und Berücksichtigung des Güterstruktureffekts erfolgt mit den<br />
dazu vorhandenen Daten des IWH. Dazu wird die Entwicklung der Jahre 1995-2005,<br />
für die Daten zu 38 Gütergruppen vorliegen (in [IWH06]), fortgeschrieben.<br />
Eine korrekte Verzahnung auf der Ebene wirtschaftlicher Verflechtungen stellt eine<br />
wichtige Basis für ein akteurs-orientiertes Modell dar. Die nötige Datenbasis wurde<br />
soweit möglich <strong>im</strong> Rahmen der quantitativen Unternehmensbefragung des DLR<br />
bereitgestellt, über deren qualitativen Teil in [Var05] berichtet wurde. In einem<br />
quantitativen Teil wurden vom DLR Interviews mit insgesamt 907 Unternehmen des<br />
produzierenden Gewerbes geführt. Geschichtet wurde die Umfrage nach den<br />
Merkmalen Unternehmensgröße, NACE-Code und der räumlichen Lage in<br />
Deutschland. Der Unternehmensfragebogen umfasste 44 Fragen zu verschiedenen<br />
Themen aus dem Bereich Logistik und Güterverkehr ([Men06]), u. a. nach den<br />
wichtigsten Vorprodukten, der Anzahl der Zulieferer und der Anzahl der Kunden.<br />
Die Ergebnisse der DLR-Umfrage dienen in WiVS<strong>im</strong> u.a. als Anhaltspunkte, um eine<br />
Verflechtung der einzelnen Firmen der synthetischen Wirtschaftsstruktur auf der Basis<br />
von Input-/Output-Statistiken durchzuführen. Damit lässt sich für jede Branche<br />
festlegen, von welchen anderen Branchen zu welchen Anteilen Güter bezogen werden.<br />
Auf diese Weise wird jedem Betrieb ein Bedarf an Gütern einer best<strong>im</strong>mten anderen<br />
Branche zugeordnet. Die Nutzung von Input-/Output-Tabellen der volkswirtschaftlichen<br />
Gesamtrechnung ist dabei eine Methode, die auch andere Verkehrsnachfragemodelle<br />
einsetzen. (vgl. die Nutzung <strong>im</strong> Commercial Travel-Modul <strong>im</strong> Rahmen von TLUMIP,<br />
einem Modell für den US-Bundesstaat Oregon; s.a. [Wis06]). Dennoch ergibt sich die<br />
Schwierigkeit, dass für diesen stark verkehrsrelevanten Schritt rein ökonomische Daten<br />
ohne <strong>im</strong>manenten Verkehrsbezug benutzt werden müssen. Hilfreich wäre hier eine<br />
Verkehrsstatistik, die die Wirtschaftszweige von Verlader und Empfänger erfasst.<br />
Andere Untersuchungsergebnisse betreffen die räumliche Beziehung zu Lieferanten<br />
und Kunden. Die Ergebnisse dazu werden ergänzt mit Entfernungsverteilungen, die<br />
aus der Verkehrsprognose 2025 übernommen werden werden. Die gewollte Anlehnung<br />
des Basis-Szenarios in renewbility an diese Prognose gestattet es in diesem <strong>Kontext</strong>,<br />
auf eine eigene Prognose künftiger Transportweitenveränderunge zu verzichten, die<br />
außerordentlich schwierig wäre, da hier grundsätzliche strukturelle Veränderungen<br />
eine große Rolle spielen (Globalisierung, Outsourcing etc.).<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 121 -<br />
Abbildung 15: Standorte der Kunden in Abhängigkeit von der Unternehmensgröße (Quelle:<br />
Men06)<br />
Anteil der Kunden<br />
50%<br />
45%<br />
40%<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
Umkreis von<br />
20-30km<br />
restliches<br />
Bundesland<br />
restliches<br />
Deutschland<br />
Ländern der<br />
EU-25<br />
restliches<br />
Europa<br />
restliche<br />
Welt<br />
10%<br />
5%<br />
0%<br />
mikro klein mittelgroß groß<br />
Unternehmensgröße (nach KMU-Definiton)<br />
n=837,<br />
gewichtet,<br />
gerundet<br />
Die Best<strong>im</strong>mung der Losgröße, die den einzelnen Güterströmen zugewiesen wird,<br />
erfolgt unter Berücksichtigung des versendeten Gutes, Ergebnissen der DLR-<br />
Befragung zu Lieferfrequenzen und baut ansonsten auf plausiblen Annahmen auf.<br />
Dieses Vorgehen wird erleichtert durch die Möglichkeit, akzeptable durchschnittliche<br />
Losgrößen durch die Kalibration <strong>im</strong> Ist-Zustand festzulegen.<br />
Zwischenbericht, März 2007
- 122 -<br />
Institut für Verkehrsforschung<br />
Abbildung 16: Standorte der Zulieferer in Abhängigkeit von der Unternehmensgröße (Quelle<br />
[Men06])<br />
A nteil der Zulieferer<br />
50%<br />
45%<br />
40%<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
Umkreis von<br />
20-30km<br />
restliches<br />
Bundesland<br />
restliches<br />
Deutschland<br />
Ländern der<br />
EU-25<br />
restliches<br />
Europa<br />
restliche<br />
Welt<br />
10%<br />
5%<br />
0%<br />
mikro klein mittelgroß groß<br />
Unternehmensgröße (nach KMU-Definiton)<br />
n=834,<br />
gewichtet,<br />
gerundet<br />
Der weitere Arbeitsablauf der S<strong>im</strong>ulation mit WiVS<strong>im</strong> ist nun der Abbildung 17 zu<br />
entnehmen. Aufbauend auf den Sendungseigenschaften erfolgt die Zuordnung einer<br />
Logistikgruppe (18 Gruppen, u.a. KEP, Stückgut, Ganz- und Teilladungen, Erdöl,<br />
Container, …) mit einem regelbasierten System, dass die Gutart, die Sendungsgröße<br />
und die Entfernung zwischen Verlader und Empfaenger berücksichtigt. Die Parameter<br />
für die Regeln wurden aufgrund von Annahmen festgelegt. Dieses Vorgehen ist wegen<br />
starker Einschränkungen durch Transportanforderungen möglich; für eine gegebene<br />
Kombination aus Gutart und Entfernung kommen in den meisten Fällen höchstens zwei<br />
Logistikgruppen realistisch in Betracht. Künftige Verschiebungen, z.B. hin zu Stückguttransporten,<br />
werden aufbauend auf Analysen historischer Daten fortgeschrieben. Mit<br />
Hilfe der Zuordnung von Logistikgruppen entsteht eine Aufteilung der Sendungen in<br />
verschiedene Transportmärkte, wie sie auch in anderen mikroskopischen Modellen<br />
üblich ist ([Lie06]).<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 123 -<br />
Abbildung 17: Arbeitsablauf in WiVS<strong>im</strong> von Sendungsinformationen bis hin zu<br />
Fahrzeugkilometern, die in renewbility dann durch andere Module<br />
weiterverarbeitet werden. Rund wiederum Daten, eckig Arbeitsschritte.<br />
shipments<br />
urban<br />
service<br />
traffic trips<br />
trips<br />
assign<br />
logistics<br />
sector<br />
mode<br />
choice<br />
apply tour<br />
patterns<br />
energy use,<br />
emissions<br />
assignment<br />
to network<br />
kilometers<br />
Getrennt für jede Logistikgruppe wird ein Verkehrsmittelwahlmodell angewendet, wobei<br />
die Modi LKW, Bahn, kombinierter Verkehr, Schifffahrt und Luftfracht berücksichtigt<br />
werden. Als Eingangsgrößen fließen die Transportanforderungen der Gutart, die<br />
Sendungsgröße, die Entfernung zum Empfänger und die räumliche Nähe zu<br />
Umschlagpunkten von Bahn, KV, Schiff und Luftfracht ein. Die Parameter des<br />
verwendeten Discrete-Choice-Modells werden auf Basis des Ist-Zustandes<br />
abgeschätzt. Für das Basis-Szenario werden die Parameter bis 2025 erneut<br />
abgeschätzt, um die Ergebnisse der Verkehrsprognose 2025 nachzuzeichnen.<br />
Mit Hilfe von Daten zu Tourmustern und Auslastungsgraden als letztem Arbeitsschritt<br />
der S<strong>im</strong>ulation in WiVS<strong>im</strong> selbst entsteht eine Fahrtenliste, die einzelne Fahrten der<br />
verschiedenen Modi enthält. Aufgrund des großen Rechenaufwandes und der hohen<br />
Komplexität erfolgt keine mikroskopische S<strong>im</strong>ulation der Tätigkeit verschiedener<br />
Speditionen. Allerdings ist zukünftig die Kooperation mit anderen Modellen ([Lie06]),<br />
die wertvolle Arbeiten auf diesem Gebiet geleistet haben, wünschenswert und wird<br />
aktuell angestrebt.<br />
4.5 Aktueller Stand und Ausblick<br />
Die softwaretechnischen Arbeiten zur Funktionsfähigkeit des Modells WiVS<strong>im</strong> wurden<br />
abgeschlossen und ein Probedatensatz für die Stoffstromanalyse hergestellt. Für den<br />
Status Quo wird derzeit die Kalibrierung anhand der amtlichen Güterverkehrsstatistiken<br />
durchgeführt. Die Sekundärliteratur zur Wirkung von Maßnahmen auf den<br />
Güterverkehr wurde analysiert und die Integration in die S<strong>im</strong>ulation auf technischer<br />
Ebene vorbereitet.<br />
Zwischenbericht, März 2007
- 124 -<br />
Institut für Verkehrsforschung<br />
Die nächsten Arbeitsschritte sind die Analyse und Integration der Daten des IWH, um<br />
die synthetische Wirtschaftsstruktur als Basis für WiVS<strong>im</strong> für die Jahre<br />
2005,10,15,20,25 und für das Jahr 2030 mit einer Trendfortschreibung zu erstellen.<br />
Ebenso werden die IWH-Daten analysiert, um die Fortschreibung der weiteren<br />
Parameter in WiVS<strong>im</strong> durchzuführen.<br />
Ebenfalls bis in das zweite Quartal 2007 werden die quantitativen Parameter zur<br />
recherchierten Wirkung der vorgesehenen Maßnahmen best<strong>im</strong>mt und in das Modell<br />
WiVS<strong>im</strong> integriert. Die detaillierte Ausgestaltung der Maßnahmen erfolgt dann auf<br />
Basis der Vorgaben des Szenario-Prozesses.<br />
4.6 Umsetzung von Maßnahmen<br />
Zur Vorbereitung der Berechnung von Maßnahmenwirkungen <strong>im</strong> Güterverkehr wurde<br />
eine intensive Literaturrecherche durchgeführt, um insbesondere Studien zu identifizieren,<br />
die Aussagen zu konkreten Maßnahmeauswirkungen machen. Auf dieser<br />
Basis werden entsprechende Änderungen von Parametern <strong>im</strong> Modell WiVS<strong>im</strong><br />
durchgeführt werden, um die Wirkung <strong>im</strong> <strong>Kontext</strong> des Basis-Szenarios von renewbility<br />
zu berechnen.<br />
Bei der Recherche wurden preispolitische, ordnungspolitische und sonstige Maßnahmen<br />
berücksichtigt. In die erste Kategorie fallen z.B. die möglichen Ausgestaltungen<br />
künftiger Straßenbenutzungsgebühren für LKW.<br />
Hier wurden Studien analysiert, die die Auswirkungen der aktuellen Maut für LKW ab<br />
12t zulässigem Gesamtgewicht prognostizieren sowie die ersten empirischen Arbeiten<br />
zu den tatsächlich Auswirkungen. Bei einer gegenüber dem Status Quo veränderten<br />
Maut kann von diesen Analysen ausgehend extrapoliert werden und außerdem die<br />
recherchierten Erfahrungen in anderen Ländern herangezogen werden. Allerdings sind<br />
dabei die recherchierten sehr verschiedenen Rahmenbedingungen einer Mauterhebung<br />
zu berücksichtigen. Außerdem wurden Forschungsarbeiten zu Maßnahmen<br />
wie einer CO2-bezogenen KFZ-Steuer und einer steuerlichen Förderung alternativer<br />
Antriebe ausgewertet.<br />
Im Modell WiVS<strong>im</strong> wirken sich Maßnahmen über mehrere Mechanismen aus. In den<br />
Verkehrsmittelwahlmodellen werden die Kosten der einzelnen Modi berücksichtigt.<br />
Verändern sich diese, so ändert sich auch der Modal Split, wobei nach verschiedenen<br />
Logistikgruppen (z.B. Stückgut, Ganz- und Teilladungen, Container) differenziert wird.<br />
Zur Stärke der Verlagerung finden sich in den recherchierten Arbeiten teilweise<br />
Angaben, mit denen das Modell kalibriert wird. Ein weiterer Wirkungsmechanismus ist<br />
die Erhöhung der Effizienz der Transportabwicklung, also die Veränderung von<br />
Auslastungsgraden und Tourenmustern, die in WiVS<strong>im</strong> nachvollzogen wird.<br />
In der Gruppe der ordnungspolitischen Maßnahmen wurde z.B. die Einführung von 60-<br />
Tonnen-LKW überprüft. In WiVS<strong>im</strong> hat dies Auswirkungen auf die Best<strong>im</strong>mung der<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 125 -<br />
Losgrößen einzelner Sendungen, wobei nach Gutarten und ihren Transportanforderungen<br />
unterschieden wird. Die in der Literatur berichteten finanziellen<br />
Auswirkungen der Einführung werden wie oben abgebildet, um die Effekte der<br />
Attraktivitätssteigerung des Straßentransports einzubeziehen.<br />
Sonstige Maßnahmen wie die verstärkte Nutzung von Telematiksystemen <strong>im</strong> Güterverkehr<br />
oder die Attraktivitätssteigerung von Schienen- und Wassertransport wurden<br />
ebenfalls betrachtet. Die erwarteten allgemeinen Auswirkungen wie Effizienzverbesserungen<br />
oder Verlagerungstendenzen werden dann in ihrer Wirkung in WiVS<strong>im</strong><br />
übernommen.<br />
4.7 Best<strong>im</strong>mung der zukünftigen LKW-Neuzulassungen (AP<br />
2.3.1)<br />
Im Rahmen des Arbeitspakets zur Best<strong>im</strong>mung der Neuzulassungen von Lastkraftfahrzeugen<br />
mit mehr als 2 Tonnen zulässigem Gesamtgewicht wurde das Bearbeitungskonzept<br />
erstellt und mit den Arbeiten begonnen. Ein Arbeitspapier hierzu liegt<br />
vor und befindet sich in der internen Abst<strong>im</strong>mung mit dem Projektteam. Im Folgenden<br />
sind die wichtigsten Punkte daraus beschrieben.<br />
Zunächst wurden für die Trendfortschreibung die relevanten Daten ausgewählt. Aus<br />
den Statistischen Mitteilungen des KBA der Reihe 1: Fahrzeugzulassungen wurden die<br />
Neuzulassungen von Lkw und Sattelzugmaschinen nach<br />
• dem zulässigen Gesamtgewicht,<br />
• den Haltergruppen und<br />
• den Antriebsarten aufbereitet.<br />
Um die Daten miteinander vergleichbar zu machen, war es erforderlich einzelne nach<br />
Nutzlastklassen dargestellte Datensätze nach zulässigem Gesamtgewicht umzuklassifizieren.<br />
Aus der Reihe 8: Kraftverkehr wurden Daten zur Fahrleistung des<br />
Gesamtverkehrs deutscher Lastkraftfahrzeuge nach Haltergruppen und zulässigem<br />
Gesamtgewicht aufbereitet. Als erklärende Variable gehen die preisbereinigte<br />
Bruttowertschöpfung für Deutschland nach Wirtschaftsbereichen und die Entwicklung<br />
des Dieselkraftstoffpreises (Jahresmittel) in die Berechnung ein.<br />
In der Analyse der Antriebarten wurde festgestellt, dass trotz der Weiterentwicklung<br />
des Gasantriebs – auch für Nutzfahrzeuge – der Dieselantrieb alle Gewichtsklassen<br />
dominiert. Lediglich für Neuzulassungen unter 3,5 t zul. Ges.-Gew. n<strong>im</strong>mt der Gasantrieb<br />
auf einem sehr niedrigen Niveau von weniger als 1.000 Neuzulassungen (
- 126 -<br />
Institut für Verkehrsforschung<br />
Um die Neuzulassungen entsprechend des Wachstums unterschiedlicher Branchen<br />
fortschreiben zu können, wurden die Haltergruppen identifiziert, die mehr als 10.000<br />
Neuzulassungen und einen Anteil von mehr als 10 % der Fahrleistung aufweisen.<br />
Danach werden die Haltergruppen Handel, Baugewerbe, Verkehr, Dienstleistungen,<br />
Arbeitnehmer- und Nichterwerbspersonen und die Restgröße der sonstigen Halter<br />
näher betrachtet.<br />
Die Trendextrapolation für die Lastkraftfahrzeuge der fünf Fahrzeugklassen<br />
(Transporter, leichte Lkw, nicht mautpflichtige schwere Lkw, schwere Lkw und<br />
Sattelzugmaschinen) wird mittels einer Regressionsanalyse geschätzt. Aufgrund der<br />
geringen Anzahl an Trendvariablen zwischen den Jahren 1992 bis 2005 wurde die<br />
Methode der kleinsten Quadrate (OLS – Ordinary Lease Squares) angewandt, mit der<br />
sowohl die Zeit als auch Konjunkturdaten als beschreibende Variablen in das Modell<br />
integriert werden können. Erste Trendberechnungen für die Fahrzeugklassen wurden<br />
durchgeführt, so dass die Abschätzungen der Neuzulassungen nach Haltergruppen<br />
und Antriebe in Kürze erfolgen können.<br />
Kern der Best<strong>im</strong>mung des Käuferverhaltens in Abhängigkeit von Maßnahmen ist ein<br />
Kostenmodell, mit dem die Kosten-Nutzen-Abwägungen der Unternehmen bei der<br />
Kaufentscheidung abgebildet werden. Als Determinanten des Käuferverhaltens wurden<br />
die Fahrzeugqualität, der Reparaturbedarf, der Verbrauch, der Anschaffungspreis und<br />
die Kilometerkosten identifiziert. Diese relevanten Kriterien werden genauer untersucht<br />
und unter Zuhilfenahme von Forschungsarbeiten und Expertenwissen auf ihre<br />
Bedeutung und Wirksamkeit für das Projekt renewbility hin analysiert.<br />
Für die weitere Bearbeitung des Arbeitspaketes werden zunächst beispielhaft Fahrzeuge<br />
mit typischen Eigenschaften (Neupreis, Jahresfahrleistung, Treibstoffverbrauch<br />
und Nutzungsdauer) für die einzelnen Fahrzeugklassen definiert. Um diese Daten in<br />
ein Kostengerüst integrieren zu können, sind weitere Recherche- und Analysearbeiten<br />
hinsichtlich der Zusatzkosten und Nutzensteigerungen für den Fahrzeugkäufer durch<br />
eine Verbesserung der Antriebstechnologie erforderlich.<br />
Im Rahmen des Kostenmodells werden die Beispielfahrzeuge über die sich ändernden<br />
Kostenbestandteile (v.a. Betriebskosten und Neupreis) in Abhängigkeit der Maßnahmenwirkung<br />
bewertet, um über eine statistische Abschätzung die Neuzulassungen<br />
best<strong>im</strong>men zu können.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 127 -<br />
5 Technologiedatenbasis<br />
Ein Schwerpunkt der Arbeiten <strong>im</strong> Rahmen des Verbundvorhabens RENEWbility liegt in<br />
der Bereitstellung aktueller und abgesicherter Basisdaten für die Umwelt- und<br />
Kostenbilanzierung sowie der Beschäftigungseffekte von Technologien zur<br />
Bereitstellung von Energie- und Transportdienstleistungen sowie zur Berechnung der<br />
entsprechenden Effekte von integrierten Szenarien.<br />
Diese Datenbasis wird mit dem Computerprogramm GEMIS (Globales Emissions-<br />
Modell Integrierter Systeme (vgl. Abschnitt 5.1) verwaltet und dient für die<br />
Technologievergleiche und als Datenserver für das Stoffstrommodell MOBIL-SZEN.<br />
Die Arbeiten zur Datengenese, Aufbereitung und kritischem review durch Externe<br />
zielen einerseits auf die Bereitstellung von Energieträgern und Kraftstoffen,<br />
andererseits auf die möglichst konsistente Beschreibung von Fahrzeugtechnologien<br />
(vgl. Abschnitt 5.2). Im Folgenden wird der erreichte Stand zu diesen Arbeitspaketen<br />
beschrieben.<br />
5.1 Energievorketten und Kraftstoffe<br />
Für die in RENEWbility durchzuführenden integrierten Stoffstromanalysen ist die<br />
Verfügbarkeit konsistenter Daten zur Bereitstellung von Energieträgern (Brennstoffe,<br />
Strom, Wärme) und Kraftstoffen (Benzin, Diesel, Erdgas, Biodiesel usw.) eine<br />
notwendige Voraussetzung.<br />
Diese Daten werden unter dem Begriff Vorketten zusammengefasst, d.h. sie betreffen<br />
die der eigentlichen Energienutzung vorgelagerten Aktivitäten von der Förderung, den<br />
Transport sowie die weitere Verarbeitung von Energieträgern bis zur Endenergiestufe<br />
frei Verbraucher.<br />
Das folgende Bild zeigt die grundsätzliche Struktur solcher Vorketten.<br />
Zwischenbericht, März 2007
- 128 -<br />
Institut für Verkehrsforschung<br />
Abbildung 18: Struktur von Energie- und Stoff-Prozessketten (Vorketten)<br />
Quelle: Öko-Institut<br />
Je nach Technologie und Brennstoffcharakteristik können Emissionen und andere<br />
Umweltwirkungen in jedem Schritt („Prozess“) entlang des Energieflusses auftreten.<br />
Zusätzlich zum direkten Energiefluss sind Materialien nötig, um die Energieanlagen zu<br />
errichten (z. B. Kraftwerke, Pipelines, Übertragungsleitungen). Für diesen Stoffeinsatz<br />
müssen ähnliche Vorstufen betrachtet werden.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 129 -<br />
Abbildung 19: Mögliche Umwelteffekte in den Vorketten für Energieträger<br />
Ressource,<br />
z.B. Erdöl<br />
SO , CO 2 2<br />
usw.<br />
Extraktion<br />
Schiff<br />
SO , CO 2 2<br />
usw.<br />
Reststoffe<br />
Reststoffe<br />
SO , CO 2 2<br />
usw.<br />
Fläche<br />
Pipeline<br />
Konversion<br />
SO , CO 2 2<br />
usw.<br />
(je nach Antrieb)<br />
Reststoffe<br />
Fläche<br />
SO , CO 2 2<br />
usw.<br />
Verbrennung<br />
Stromnetz<br />
Fläche<br />
Reststoffe<br />
Fläche<br />
Produkt<br />
z.B. Strom<br />
Quelle: Öko-Institut<br />
Die Vorketten sind jedoch nur eine – zum Teil vergleichsweise geringe – Quelle von<br />
Umwelteffekten, da die eigentliche Nutzung der Energieträger und Kraftstoffe selbst in<br />
der Regel zu weiteren Umweltbelastungen führt.<br />
Zwischenbericht, März 2007
- 130 -<br />
Institut für Verkehrsforschung<br />
Abbildung 20: Gesamt Umwelteffekte aus Vorketten und Nutzung von Energieträgern und<br />
Kraftstoffen<br />
indirekte Effekte<br />
Energievorkette<br />
(2. Ordnung)<br />
SO2,<br />
CO2<br />
usw.<br />
usw.<br />
Extraktion<br />
usw.<br />
SO2,<br />
CO2 …<br />
usw.<br />
Pipeline<br />
Schiff<br />
Konversion<br />
SO2,<br />
CO2 …<br />
usw.<br />
SO , CO …<br />
2 2<br />
usw.<br />
SO2, CO2 usw.<br />
direkte Effekte<br />
(1. Ordnung)<br />
Verbrennung<br />
usw.<br />
indirekte Effekte<br />
Stoffherstellung<br />
SO2,<br />
(3. Ordnung)<br />
CO2<br />
usw.<br />
usw.<br />
usw.<br />
Quelle: Öko-Institut<br />
Die Vorketten in RENEWbility fassen die Effekte 2. (aus Energievorketten) und 3.<br />
Ordnung (aus Materialvorleistungen) sowie die zugehörigen Gütertransporte<br />
zusammen.<br />
Um eine Lebenszyklusanalyse praktisch durchführen zu können, muss eine große<br />
Datenmenge erhoben und verarbeitet werden (inklusive der geographischen Variation<br />
von Energieprozessen, Brennstoffqualitäten, Transportentfernungen usw.).<br />
Das Öko-Institut hat mit dem Computermodell GEMIS (Globales Emissions-Modell<br />
Integrierter Systeme) seit 1989 für diese Fragen eine Datenbank zur ganzheitlichen<br />
Bilanzierung von Umwelt- und Kostenaspekten <strong>im</strong> Energie-, Stoff- und Verkehrssektor<br />
entwickelt, die zu Projektbeginn in der Version 4.3 vorlag und <strong>im</strong> Rahmen der<br />
bisherigen RENEWBILTIY-Arbeiten zur Version 4.4 weiterentwickelt wurde.<br />
GEMIS ist ein kostenloses, öffentlich verfügbares Computerinstrument, das kontinuierlich<br />
weiterentwickelt, aktualisiert und ergänzt wird 38 . Es ist als Quasi-Standard breit<br />
akzeptiert und Daten aus GEMIS bilden die Grundlage für verschiedene<br />
38<br />
Dies erfolgt <strong>im</strong> Rahmen von F&E-Vorhaben für eine große Anzahl von Institutionen – darunter BMBF,<br />
BMU, BMELV, UBA, EU-Kommission, GTZ, US-DOE und Weltbank.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 131 -<br />
Förderinstrumente des Bundes und der Länder <strong>im</strong> Bereich Energie. Alle Produkt- und<br />
Prozessinformationen sind in der GEMIS-Datenbank transparent und disaggregiert<br />
enthalten, und auch die Nachvollziehbarkeit ist über die von UBA und Öko-Institut<br />
gemeinsam betriebene Internet-Datenbank ProBas (Prozessorientierte Basisdaten für<br />
Umweltmanagementinstrumente) gegeben 39 .<br />
Abbildung 21: Die Datenbank von GEMIS<br />
Energie Rohstoffe Transport<br />
Prozesse &<br />
Lebenswege<br />
Technologiedaten<br />
Umweltdaten<br />
Kostendaten<br />
Beschäftigte<br />
Metadaten<br />
Quelle: Öko-Institut<br />
Der aktuelle Datenbestand in GEMIS umfasst etwa 10.000 Prozesse und rund 1.000<br />
Produkte aus über 50 Ländern. Für fossile Energieträger sind ca. 3.000 Prozesse<br />
gespeichert, für erneuerbare Energieträger ca. 200 und für Biokraftstoffe (inkl.<br />
Vorketten) ca. 500 Prozesse.<br />
Für die Arbeiten <strong>im</strong> Rahmen von RENEWbility wurde eine Matrix für Energieträger und<br />
Kraftstoffe“ erstellt, die alle relevanten Vorketten zeigt (vgl. folgende Abbildung).<br />
39<br />
ProBas wird kontinuierlich aktualisiert und verbessert (vgl. UBA/ÖKO 2006).<br />
Zwischenbericht, März 2007
- 132 -<br />
Institut für Verkehrsforschung<br />
Abbildung 22: Die Energieträger- und Kraftstoffmatrix für RENEWbility<br />
Pr<strong>im</strong>ärenergiequelle Energieträger Infrastruktur Antriebssystem<br />
Benzin<br />
Kohle<br />
FT Benzin<br />
Erdöl<br />
Erdgas<br />
Diesel<br />
FT Diesel<br />
Biodiesel<br />
für flüssige<br />
Kraftstoffe<br />
Verbrennungsmotor<br />
und Hybrid<br />
Biomasse<br />
Ethanol<br />
Wind<br />
Sonne<br />
Wasser<br />
Geotherm.<br />
Nuklear<br />
Methanol<br />
DME<br />
CNG<br />
LPG<br />
Wasserstoff<br />
Strom<br />
für gasförmige<br />
Kraftstoffe<br />
Brennstoffzelle<br />
und Hybrid<br />
Elektromotor<br />
Quelle: eigene Darstellung nach WBCSD (2004)<br />
Die verschiedenen Pr<strong>im</strong>ärenergien (linke Seite der Abbildung) werden über<br />
verschiedene Technologierouten (Prozessketten) in nutzbare Endenergieträger bzw.<br />
Kraftstoffe (Mitte der Grafik) umgewandelt und stehen dann für die verschiedenen<br />
Fahrzeugtypen (rechte Seite) zur Verfügung.<br />
Die Matrix umfasst, bezogen auf das Basisjahr 2005, rund 40 verschiedene<br />
Kraftstoff“pfade“, die bis zum Szenariozeitpunkt 2030 auf ca. 100 Varianten<br />
ausgeweitet werden.<br />
5.1.1 Aktualisierungen der Datenbasis für Energieträger und<br />
Kraftstoffe<br />
Gegenüber dem Stand zu Projektbeginn wurden <strong>im</strong> Laufe des Jahres 2006<br />
verschiedene Aktualisierungen der Datenbasis durchgeführt, die durch Verknüpfungen<br />
mit anderen Projektarbeiten für die Ölwirtschaft (Fritsche/Rausch/Schmidt 2006), für<br />
ZSW (ÖKO/IZES 2006) und die Europäische Umweltagentur (Fritsche 2006) in<br />
RENEWbility integriert und weiter bearbeitet wurden.<br />
Gegenüber der bisherigen Version 4.3 wurden in GEMIS 4.4 die Vorketten nun auf<br />
Werte für das Jahr 2005 aktualisiert (Stromerzeugungs- und Importmixe). Weiterhin<br />
wurden die aktualisierten Daten aus der EU-well-to-wheels-Studie (JRC 2006)<br />
<strong>im</strong>plementiert.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 133 -<br />
5.1.2 Ergänzungen der Datenbasis für Energieträger und Kraftstoffe<br />
Im Bereich der fossilen Kraftstoff-Vorketten wurden die bisher nur orientierenden Daten<br />
für verflüssigtes Erdgas (LNG) durch eine eigene Recherche ergänzt, die auch<br />
erstmals Daten für Rohöl aus Ölsänden („syncrude“) umfasste (Patyk 2007).<br />
Neu ist nun auch die Verfügbarkeit von Prozesskettendaten für „Biomethan“<br />
(aufbereitetes Biogas bzw. aus Holzgas), das sowohl als Erdgas- wie auch CNG-<br />
Ersatz (und damit Kraftstoff) eingesetzt werden kann.<br />
Weitere durchgeführte Ergänzungen betreffen Biokraftstoff-Vorketten für osteuropäische<br />
Länder außerhalb der EU-25 (Bulgarien, Rumänien, Weißrussland, Ukraine)<br />
sowie für ausgewählte Entwicklungsländer (Brasilien, Indonesien, Südafrika, Thailand).<br />
Diese Arbeiten werden noch weitergeführt, da insbesondere für Biokraftstoffe wie<br />
Jatropha, Palmöl, Rizinusöl und Ethanol aus z.B. Cassava (JGSEE 2006) oder auch<br />
neue Varianten wie H-Biodiesel aus Brasilien noch Datenvalidierungen nötig sind.<br />
Noch nicht in die Datenbasis integriert sind „C-reduzierte“ Kraftstoffvarianten, die aus<br />
fossilen Energieträgern gewonnen, aber deren Treibhausgasemissionen durch<br />
Kohlenstoffabscheidung und –speicherung (carbon capture and storage = CCS) <strong>im</strong><br />
Zuge der Umwandung reduziert werden. Dazu gehört auch C-armer fossiler Strom<br />
(Kohle- bzw. Erdgaskraftwerken mit CCS). Die Daten für diese Systeme werden derzeit<br />
noch recherchiert und werden bis Herbst 2007 zur Verfügung stehen.<br />
5.1.3 Ergebnisse der bisherigen Arbeiten<br />
Die Ergebnisse der bisherigen Arbeiten sind in den Tabellen <strong>im</strong> Anhang dargestellt. Die<br />
aktualisierten Informationen wurden bereits in einem projektinternen Arbeitspapier zu<br />
Nutzungskonkurrenzen um Biomasse (Fritsche/Z<strong>im</strong>mer 2006) aufbereitet, wobei auch<br />
die Entwicklung der Kosten mit einbezogen wurde.<br />
5.1.4 Experten-Workshop zu Kraftstoff-Vorketten<br />
Für Juni 2007 ist ein spezieller Experten-Workshop zu den bisherigen Ergebnissen<br />
geplant, um diese durch projektexternes Wissen reflektieren zu können und weitere<br />
Hinweise auf Verbesserungen bzw. ggf. erforderliche Korrekturen zu erhalten.<br />
Der Teilnahmekreis wird Energieunternehmen, Kraftstoffhersteller sowie Forschungseinrichtungen<br />
aus Deutschland umfassen.<br />
5.1.5 Abschluss der Arbeiten zu Vorketten in RENEWbility Phase I<br />
Nach der Durchführung des Workshops wird die Vorketten-Datenbasis zum vorläufigen<br />
Abschluss gebracht, dokumentiert und in einem Update von GEMIS zur Version 4.5 bis<br />
Winter 2007 verfügbar gemacht. Diese Daten können auch über die ProBas-website<br />
des Umweltbundesamts direkt für andere Interessierte bereitgestellt werden.<br />
Zwischenbericht, März 2007
- 134 -<br />
Institut für Verkehrsforschung<br />
5.2 Verkehrsträger und Antriebe<br />
Im Rahmen des Forschungsvorhabens renewbility wird, basierend auf dem aktuellen<br />
internationalen Wissensstand, eine öffentlich zugängliche Technologiedatenbasis für<br />
alle relevanten Verkehrsträger (Straße, Schiene, Wasser, Luft) und Antriebstechnologien<br />
jeweils für verschiedene Fahrzeugeffizienzstufen und Zeithorizonte<br />
entwickelt. Dabei werden sowohl die direkten Effekte (Kosten, Emissionen) als auch<br />
die indirekt über vor- und nachgelagerte Prozesse wie Herstellung bzw. Entsorgung<br />
entstehenden Umwelt- und Kostenwirkungen mit erfasst und bilanziert, d.h. der<br />
gesamte Lebenszyklus.<br />
Die durch den Verkehr bedingten Stoffströme hängen wesentlichen von den<br />
technischen und wirtschaftlichen Spezifikationen - Energieart und -verbrauch,<br />
Emissionen, Materialeinsatz und Kosten - der eingesetzten Verkehrsmittel ab. Eine<br />
angemessene Quantifizierung dieser Größen ist damit Voraussetzung für die belastbare<br />
Beantwortung der Fragestellungen des Projektes renewbility.<br />
Das IFEU (Institut für Energie- und Umweltforschung Heidelberg) ist <strong>im</strong> Rahmen des<br />
Projektes mit der Datengenerierung und der entsprechenden Dokumentation betraut.<br />
In diesem Rahmen hat das IFEU zunächst für die Straßenverkehrsmittel Pkw, schwere<br />
Nutzfahrzeuge, leichte Nutzfahrzeuge und Busse für verschiedene Fahrzeugtechnologien<br />
zur Verbrauchsreduktion einschließlich alternativer Antriebssysteme die<br />
Verbrauchs-, Emissions-, Material- und Kostendaten abgeleitet, die die fahrzeugseitige<br />
Basis der renewbility-Szenarienrechnungen bilden. Sonstige Verkehrsmittel (Bahn,<br />
Binnenschiff, Flugzeug) werden gesondert behandelt.<br />
5.2.1 Experten-Workshop zu Fahrzeugeffizienz und Antrieben<br />
Am 5. Dezember 2006 fand ein Experten-Workshop des renewbility-Projekts mit<br />
Teilnehmern aus Wissenschaft (DLR, FEV, IKA) und Industrie (BMW, VW, DC, Opel,<br />
Toyota) unter Beteiligung von BMU und UBA statt. Hier wurde das seitens IFEU<br />
angewendete methodische Vorgehen und - ansatzweise - die ersten Ergebnisse<br />
diskutiert. Ein wesentliches Ergebnis des Workshops war, dass keine detaillierten<br />
Aussagen über die nach 2010 theoretisch einsetzbaren Fahrzeugtechnologien<br />
getroffen werden können. Unter anderem werden beispielsweise hinsichtlich Effizienz<br />
von den verschiedenen Herstellern unterschiedliche Strategien verfolgt werden, so<br />
dass es nicht zielführend ist, sich für die Jahre 2020 und 2030 detailliert auf best<strong>im</strong>mte<br />
Technologien in den Varianten festzulegen. Es wurde daher besprochen, diese<br />
Varianten technologieunabhängig in das Stoffstrommodell einzuspeisen. Das heißt,<br />
dass die Varianten entsprechend ihres Verbrauchsreduktionspotenzials definiert<br />
werden und nicht, wie bisher vorgesehen, technologiespezifisch.<br />
5.2.2 Vorgehen zur Datengenerierung<br />
Für Pkw wurden außer für Verbrauch und Emissionen <strong>im</strong> Basisjahr 2005 alle Daten<br />
durch Schätzungen auf der Basis von Literaturwerten abgeleitet (siehe Anhang zur<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 135 -<br />
Literatur). Für die übrigen Straßenfahrzeuge ist die Datenlage in der Literatur sehr viel<br />
ungünstiger als für Pkw. Es fehlen Studien, in denen verschiedene Technologien<br />
umfassend verglichen werden, auch zu einzelnen Technologien liegen sehr viel<br />
weniger Informationen vor. Die benötigten Daten wurden daher überwiegend auf<br />
abgeleiteten Pkw-Daten abgeschätzt.<br />
Die Datengenerierung erfolgte für folgende In- und Output-Gruppen:<br />
• Kraftstoffverbrauch (Energiebedarf)<br />
• Emissionen (NOx, N 2 O, NMHC, CH 4 , CO, PM,)<br />
• Materialeinsatz<br />
• Zusatzkosten<br />
Eine besondere Rolle spielt die Fahrzeugdefinition, da hiervon die konkreten Daten für<br />
alle betrachteten In- und Output-Gruppen direkt abhängen. Definiert wird ein Fahrzeug<br />
über die folgenden Auswahl- bzw. Definitionsebenen<br />
• die Definition von Größenklassen,<br />
• die Auswahl von Antriebsarten,<br />
• die Definition von Varianten zu den Antriebsarten (verschiedene Kosten- und<br />
Effizienzsteigerungsraten),<br />
die <strong>im</strong> Folgenden näher ausgeführt werden. Der Kraftstoffverbrauch und die<br />
Emissionen werden zusätzlich in Anlehnung an TREMOD getrennt für die Straßenkategorien<br />
„innerorts“, „außerorts“ und „Autobahn“ generiert.<br />
5.2.2.1 Größenklassen<br />
Die Definition der Größenklassen, die sich typischerweise durch Nutzungsweisen und<br />
eingesetzte Technologien unterscheiden, erfolgt für Pkw, leichte Nutzfahrzeuge und<br />
Busse gemäß TREMOD, dem vom IFEU entwickelten offiziellen Instrument des UBA<br />
zur Berechnung von Energieverbrauch und Emissionen des Verkehrs in Deutschland.<br />
Dementsprechend werden für Pkw mit Verbrennungsmotor drei über den Hubraum<br />
definierte Größenklassen angesetzt:<br />
• klein: < 1,4 l<br />
• mittel: 1,4 – 2 l<br />
• groß: > 2 l Hubraum.<br />
Für andere Antriebskonzepte, wie Elektroantrieb mit Brennstoffzelle, werden die<br />
Fahrzeuge den Klassen zugeordnet, indem Vergleichbarkeit mit den jeweiligen Ottobzw.<br />
Diesel-Pkw hinsichtlich der Nicht-Antriebskomponenten und der Leistung<br />
angenommen werden.<br />
Für leichte Nutzfahrzeuge wird eine Größenklasse betrachtet, bei schweren<br />
Nutzfahrzeugen wird unterschieden in Solo-Lkw, Zug und 60t-Lkw und bei den Bussen<br />
in Linien- und Reisebus.<br />
Zwischenbericht, März 2007
- 136 -<br />
Institut für Verkehrsforschung<br />
5.2.2.2 Antriebsarten<br />
Die Antriebsart ist definiert durch die Konversionstechnik, das heißt, dass in Otto-,<br />
Dieselmotor, Brennstoffzelle und Elektromotor unterschieden wird. Entsprechend der<br />
Diskussion <strong>im</strong> Expertenworkshop werden voraussichtlich die Fahrzeuge mit<br />
gasförmigen Kraftstoffen, wie Ergasfahrzeuge oder Fahrzeuge mit H 2 -<br />
Verbrennungsmotor, in der fahrzeugseitigen Technologiedatenbasis nicht separat<br />
betrachtet, da der energetische Mehrverbrauch aufgrund der schwereren Tanksysteme<br />
<strong>im</strong> Rahmen der Ungenauigkeit vernachlässigbar ist.<br />
5.2.2.3 Fahrzeugvarianten<br />
Einer der Kernpunkt des renewbility-Projektes liegt in der Berechnung zukünftiger<br />
verkehrsbedingter Stoffströme in verschiedenen Szenarien sowie der Integration<br />
verkehrlicher Energiebedarfe in das gesamte Energiesystem. Diese Szenarien sind nur<br />
sinnvoll, wenn neben anderen Größen für relevante Fahrzeug- bzw. Antriebsarten<br />
zeitliche Entwicklungen ihrer "typischen" Spezifikationen und insbesondere darüber<br />
hinaus best<strong>im</strong>mte Varianten von Effizienzsteigerungen abgebildet werden.<br />
Dem Projektgegenstand entsprechend handelt es sich dabei einerseits um<br />
Technologien mit dem Zweck der Energieverbrauchsreduktion, andererseits um solche<br />
zum Einsatz erneuerbarer Energien <strong>im</strong> Verkehrssektor. Die auf Basis von<br />
Literaturrecherchen und eigenen Berechnungen vom IFEU ermittelten<br />
Energieverbräuche und Kosten für alle relevanten Technologien <strong>im</strong> Bereich PKW sind<br />
<strong>im</strong> Anhang beschrieben und detailliert in tabellarischer Form aufgeführt.<br />
Ausgangsbasis für die Betrachtung sind stets Fahrzeuge in best<strong>im</strong>mten Konfigurationen.<br />
Die Standard-Variante stellt das durchschnittliche, in einem best<strong>im</strong>mten<br />
Jahr neu zugelassene Fahrzeug einer best<strong>im</strong>mten Größenklasse dar. Außer für das<br />
Basisjahr 2005 werden die Standard-Fahrzeuge durch die angenommenen<br />
Spezifikationen und Marktdurchdringungen (= Anteile an den Neuzulassungen) der<br />
angewendeten Technologien bzw. Verbrauchsreduktionsraten definiert. Diese<br />
Fahrzeuge haben damit keine realen Pendants, sondern entsprechen dem (erwarteten)<br />
Durchschnitt. Sie bilden damit die Grundlage für die Abbildung der Fahrzeugflotten <strong>im</strong><br />
Basisszenario. Die Kraftstoffverbräuche der Standard-Variante und die<br />
entsprechenden CO 2 -Emissionen wurden analog zu Daten aus TREMOD modelliert.<br />
Die Abbildung 23 zeigt die Entwicklung der durchschnittlichen CO2-Emissionen der in<br />
Deutschland neu zugelassenen Pkw. Auf Basis dieser Entwicklung wurde eine<br />
Fortschreibung der durchschnittlichen CO 2 -Emissionen bis 2030 für TREMOD<br />
abgeleitet. In der TREMOD-Version vom 12.12.2006 wird bei den Pkw von einer<br />
prozentualen Minderung des Kraftstoffverbrauchs bzw. der CO 2 -Emissionen von 1,5%<br />
pro Jahr (ab 2005) ausgegangen. Dieser Verlauf dient in renewbility als Ausgangswert<br />
für die Standard-Varianten.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 137 -<br />
Abbildung 23: Entwicklung und Prognose der CO 2 -Emissionen der neu zugelassenen Pkw<br />
nach TREMOD [IFEU 2007]<br />
Mittlere CO 2 -Emission der NZL [g/km]<br />
210<br />
200<br />
190<br />
180<br />
170<br />
160<br />
150<br />
140<br />
130<br />
120<br />
110<br />
100<br />
Entwicklung der CO 2 -Emissionen der neu zugelassenen Pkw<br />
Deutschland (KBA, ifeu)<br />
Deutschland (TREMOD-Szenario neu,<br />
2006)<br />
90<br />
80<br />
1995 2000 2005 2010 2015 2020 2025 2030<br />
Jahr<br />
Als szenariounabhängige Varianten zu diesen Standard-Fahrzeugen sind prospektive<br />
Realfahrzeuge vorgesehen, d.h. Fahrzeuge, die mit best<strong>im</strong>mten Technologien<br />
ausgestattet sind ohne Berücksichtigung ihrer möglichen Verbreitung (die in den<br />
Szenarien definiert wird). Diese Fahrzeug-Varianten sind notwendig, um das über den<br />
Trend hinaus Machbare und die damit verbundenen Kosten bei der Minderung<br />
verkehrsbedingter Stoffströme unter verschiedenen Randbedingungen (z.B. rechtliche<br />
Regelungen, Energiepreise) zu best<strong>im</strong>men.<br />
Nach 2010 können keine detaillierten Aussagen über die anzunehmenden Mixe von<br />
Fahrzeugtechnologien getroffen werden, da beispielsweise von den verschiedenen<br />
Herstellern unterschiedliche Strategien zur Effizienz verfolgt werden, so dass es<br />
schwierig ist, sich <strong>im</strong> Rahmen des Projektes renewbility in den Jahren 2020 und 2030<br />
detailliert auf best<strong>im</strong>mte Verteilungen von Technologien in den Varianten festzulegen.<br />
Es wurde daher entschieden, diese Varianten technologieunabhängig, aber als<br />
Szenariovarianten in die Datenbasis des Stoffstrommodells einzugeben.<br />
Es werden in der Fahrzeugkategorie Pkw und leichte Nutzfahrzeuge pro Antriebsarten<br />
jeweils 4 verschiedene Varianten mit unterschiedlich hoher Effizienzsteigerung und den<br />
entsprechenden Kosten und Materialeffekten betrachtet; bei Lkw und Bussen jeweils 2.<br />
Die Varianten werden für alle definierten Größenklassen und Bezugsjahre gebildet.<br />
Implizit bestehen diese Varianten weiterhin aus einem Mix von Einzeltechnologien,<br />
jedoch werden diese nicht detailliert modelliert werden, sondern als „Cluster“ für die<br />
einzelnen Zeitpunkte und Variationen abgebildet.<br />
Zwischenbericht, März 2007
- 138 -<br />
Institut für Verkehrsforschung<br />
Auf Basis der Literaturrecherche und -auswertung des IFEU bezüglich möglicher<br />
Effizienzsteigerungstechnologien wurden plausible Effizienzsteigerungsraten für Ottound<br />
Diesel-Pkw für die drei Zeitscheiben 2010, 2020 und 2030 abgeleitet. Es wurden<br />
jeweils vier Pkw-Varianten konstruiert, die bezogen auf die Standard-Variante<br />
prozentuale Kraftstoffeinsparungen <strong>im</strong>plizieren und entsprechend auch mit einer<br />
Steigerung der Kosten verknüpft sind.<br />
Abbildung 24: Schematische Darstellung der Varianten-Entwicklung<br />
210<br />
Entwicklung der CO 2 -Emissionen der neu zugelassenen Pkw<br />
Mittlere CO 2 -Emission der NZL [g/km]<br />
200<br />
190<br />
180<br />
170<br />
160<br />
150<br />
140<br />
130<br />
120<br />
110<br />
100<br />
90<br />
-10%<br />
-20%<br />
-30%<br />
-max.<br />
Variante 1<br />
Variante 2<br />
Variante 3<br />
Variante 4<br />
80<br />
1995 2000 2005 2010 2015 2020 2025 2030<br />
Jahr<br />
Die Varianten unterscheiden sich durch ihre prozentuale Minderung bezogen auf die<br />
von TREMOD prognostizierten, durchschnittlichen CO 2 -Emissionen der neu<br />
zugelassenen Pkw. Die Abbildung 24 verdeutlicht dieses Vorgehen schematisch.<br />
Differenziert betrachtet wurden die Varianten wie oben beschrieben nach der<br />
Antriebsart, dem Bezugsjahr und über die Größenklassen. Die prozentualen<br />
Minderungen von 2010, 2020 und 2030 fallen dabei zum Teil für die einzelnen Antriebe<br />
und Zeitscheiben unterschiedlich aus. So ist eine Effizienzsteigerung schwieriger und<br />
teurer je effizienter das Fahrzeug entsprechend der Entwicklung der neu zugelassenen<br />
Pkw bereits ist. Daher ist die prozentuale Minderungsmöglichkeit in den Jahren 2020<br />
und 2030 geringer als 2010.<br />
Die Auswertung der Technologiemöglichkeiten hat schlussendlich zu den in der<br />
Tabelle und angegebenen Effizienzsteigerungsraten geführt.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 139 -<br />
Tabelle 15:<br />
Prozentuale Minderung des Kraftstoffverbrauchs der Pkw-Varianten (Otto)<br />
bezogen auf die Standard-Variante entsprechend der Entwicklung der CO 2 -<br />
Emissionen der neu zugelassenen Pkw des Bezugsjahres<br />
Jahr Variante 1 Variante 2 Variante 3 Variante 4<br />
2010 10% 20% 30% Max. Minderung<br />
2020 5% 15% 25% Max. Minderung<br />
2030 5% 15% 20% Max. Minderung<br />
Tabelle 16:<br />
Prozentuale Minderung des Kraftstoffverbrauchs der Pkw-Varianten (Diesel)<br />
bezogen auf die Standard-Variante entsprechend der Entwicklung der CO 2 -<br />
Emissionen der neu zugelassenen Pkw des Bezugsjahres<br />
Jahr Variante 1 Variante 2 Variante 3 Variante 4<br />
2010 5% 15% 25% Max. Minderung<br />
2020 5% 15% 25% Max. Minderung<br />
2030 5% 15% 20% Max. Minderung<br />
Entsprechend der möglichen Technologien zur Realisierung dieser<br />
Kraftstoffverbrauchsminderungen wurden auf Basis der aktuellen Literatur Kosten<br />
abgeleitet. Die Auswahl der Minderungsraten wird in Gesprächen mit den<br />
Automobilherstellern und Wissenschaftlern noch einmal reflektiert. Die Teilnehmer aus<br />
dem Experten-Workshop werden zu der Plausibilität der potenziellen<br />
Effizienzsteigerungsraten für die einzelnen Jahre befragt. Zusätzlich werden die<br />
Automobilhersteller und Wissenschaftler um eine Kosteneinschätzung zur Realisierung<br />
dieser Raten gebeten. In einem weiteren Experten-Workshop <strong>im</strong> zweiten Quartal 2007<br />
soll dann die Datenbasis ein weiteres Mal diskutiert werden. Die Ergebnisse sollen in<br />
diesem zweiten Workshop konsolidiert werden, um eine breit abgest<strong>im</strong>mte<br />
Technologiebasis auf Seiten der Fahrzeuge für renewbility zur Verfügung zu haben.<br />
Dieses Vorgehen wird entsprechend auf der vom IFEU bereits entwickelten Datenbasis<br />
zu den Leichten Nutzfahrzeugen, Bussen, Schweren Nutzfahrzeugen und den übrigen<br />
Verkehrsträgern (Bahn, Binnenschiff, Flugzeug) ebenfalls <strong>im</strong> zweiten Quartal 2007<br />
durchgeführt.<br />
Zwischenbericht, März 2007
- 140 -<br />
Institut für Verkehrsforschung<br />
6 Modellinteraktion und –integration<br />
Das Kernstück und die Datenbasis der Stoffstromanalyse bildet das EDV-Werkzeug<br />
GEMIS (vgl. Abschnitt 5.1 sowie ÖKO 2007). Im Rahmen von RENEWbility wird neben<br />
diesem „Datenserver“ auch ein Szenario-Werkzeug unter MS-Excel auf Grundlage von<br />
BIO-SZEN (vgl. (Fritsche u.a. 2004) zum neuen Teilmodell MOBIL-SZEN fortentwickelt<br />
und die Ankopplung der nachfrageseitigen Modellteile (Personen- und Güterverkehr,<br />
vgl. Abschnitte 3 und 4) geleistet.<br />
Die Kombination aller Teilmodelle stellt das eigentliche „Stoffstrommodell“ dar, welches<br />
EDV-gestützte Stoffstromanalysen zur <strong>nachhaltige</strong>n Mobilität bei integrierter<br />
Betrachtung des gesamten Energiesektors ermöglicht.<br />
Für das Stoffstrommodell wird damit ein Bausteinkonzept verfolgt, das eine effiziente<br />
Nutzung bestehender Software- und Datenbestände erlaubt und nur die Modellteile<br />
fortentwickelt, die spezifisch für den Themenbereich Mobilität sind.<br />
6.1 Die EDV-Werkzeuge des Stoffstrommodells zur <strong>nachhaltige</strong>n<br />
Mobilität<br />
Im Einzelnen besteht das Stoffstrommodell aus folgenden EDV-Werkzeugen (zur<br />
Struktur siehe auch Abbildung 25):<br />
• Das Computermodell GEMIS enthält zum einen alle stoffstromrelevanten Informationen<br />
sowie Kosten- und Metadaten (Datenbasis), zum anderen ermöglicht es<br />
die eigentlichen Stoffstrom- und Kostenbilanzierungen (über den gesamten<br />
Lebenszyklus).<br />
• Das Szenario-Tool MOBIL-SZEN modelliert die Szenarien, in denen die künftigen<br />
Entwicklungen zur Angebots- und Nachfrageseite der Mobilität enthalten sind. Dabei<br />
werden sowohl angebots- als auch nachfrageseitige Maßnahmen einer <strong>nachhaltige</strong>n<br />
Mobilität abgebildet.<br />
• Die Potential-Tools ermitteln die verfügbaren Potentiale alternativer Kraftstoffe <strong>im</strong><br />
Zeitverlauf. Die Infrastrukturbedarfe zur Distribution dieser Kraftstoffe werden als<br />
Teildatensatz in GEMIS abgebildet.<br />
• Die Ergebnisse der Stoffstrom- und Kostenbilanzierung mit GEMIS sowie die der<br />
Potenzial-Tools werden an das Szenario-Tool übermittelt. Das Szenario-Tool stellt<br />
die Ergebnisse tabellarisch und grafisch dar.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 141 -<br />
Abbildung 25: Die EDV-Werkzeuge zur Stoffstromanalyse „Nachhaltige Mobilität“<br />
Stoffstrom-Modell: Eine Kombination von Werkzeugen<br />
Potenzial-Tools<br />
BIO: Teilmodelle HEKTOR, WALD<br />
und IMPORT für Bioenergie<br />
Datenbank GEMIS<br />
Daten:<br />
Leistung, Kosten, Emissionen,<br />
Inputs, Lebensdauer,<br />
Beschäftige etc.<br />
Berechnung:<br />
Lebenswegbilanzen für Umwelt,<br />
Kosten und Beschäftigung<br />
jeweils pro Einheit Output<br />
INFRA: Teilmodell zur Berechnung<br />
von Infrastruktureffekten und<br />
Verkehrswirkung von Raum- und<br />
Siedlungsstruktur sowie regionalem<br />
Wirtschaften<br />
Szenario-Tool MOBIL-SZEN<br />
Daten zur Verkehrsnachfrage<br />
(Personen + Güter)<br />
Abgleich Nachfrage und Angebot durch<br />
Mix der Prozesse aus GEMIS für die<br />
Verkehrsbereitstellung<br />
Berechnung von Emissions-, Kosten- und<br />
Beschäftigungsbilanzen der Szenarien<br />
Weitere Optionen:<br />
Speichern<br />
Visualisierung<br />
Ergebnisse<br />
Datenexport<br />
usw.<br />
WIVSIM + VISEVA<br />
Nachfrage für Personen-bzw.<br />
Tonnenkilometer, zeit- und szenarioabhängig<br />
Teilanalysen mit Sub-Modellen zu<br />
Pkw-Kauf, modal split usw.<br />
Quelle: Öko-Institut<br />
Die EDV-seitigen Schnittstellen für die Modellinteraktion, d.h. für die Datenflüsse und<br />
Übergabe von Zwischenergebnissen, wurden zwischen den Bearbeitern abgest<strong>im</strong>mt<br />
und liegen nun spezifiziert vor.<br />
Zwischenbericht, März 2007
- 142 -<br />
Institut für Verkehrsforschung<br />
6.2 Die Interaktion der EDV-Werkzeuge<br />
Die generelle Interaktion der EDV-Werkzeuge zeigt die folgende Abbildung.<br />
Abbildung 26: Die Interaktion der EDV-Werkzeuge zur Stoffstromanalyse „Nachhaltige Mobilität“<br />
Teilmodell INFRA<br />
Exogene Variablen:<br />
Bevölkerung, Umwelt- und<br />
Naturschutzrestriktionen, Flächen,<br />
Wirtschaftsentwicklung etc.<br />
Teilmodelle ALTER<br />
Effekte von Raum- und<br />
Siedlungsentwicklung sowie von<br />
regionalem Wirtschaften auf Verkehr<br />
(zeitabhängig)<br />
HEKTOR: Potenziale Biogas und Stroh<br />
(Reststoffe), Anbauflächen<br />
WALD: Waldrest- und Schwachholz<br />
IMPORT: Potenziale Biomasse-Importe<br />
(zeitabhängig)<br />
Datenbank GEMIS<br />
Daten:<br />
Leistung, Kosten, Emissionen, Inputs,<br />
Lebensdauer, Beschäftige etc.<br />
Berechnung:<br />
Lebenswegbilanzen für Umwelt,<br />
Kosten und Beschäftigung jeweils pro<br />
Einheit Output<br />
Ergebnisse Potentials-Tools:<br />
Verfügbare Potenziale<br />
(zeitabhängig)<br />
Potenziale<br />
Potenzialnuzung<br />
Ergebnisse MOBIL-SZEN:<br />
Ressourcenbedarf, Emissionen, Reststoffe,<br />
Flächenbedarf, Kosten, Beschäftigung<br />
(zeitabhängig)<br />
WIVSIM + VISEVA<br />
Daten:<br />
Nachfrage für Personen-bzw.<br />
Tonnenkilometer, zeit- und szenarioabhängig<br />
Berechnung:<br />
Teilanalysen mit Sub-Modellen zu<br />
Pkw-Kauf, modal split usw.<br />
Sub-Modelle: Wärme/Strom<br />
Mix von Heizungen, Heiz-, Kraftund<br />
Heizkraftwerken nach<br />
Brennstoffen und Technologien<br />
(fossil, nuklear, regenerativ inkl.<br />
Biomasse)<br />
Sub-Modell: Pers.-Transp.<br />
Mix von Personen-<br />
Verkehrsprozessen nach<br />
Brennstoffen und Technologien<br />
(fossil, regenerativ inkl.<br />
Biomasse + H2)<br />
Sub-Modell: Güter-Transp.<br />
Mix von<br />
Güterverkehrsprozessen nach<br />
Kraftstoffen und Technologien<br />
(fossil, regenerativ inkl.<br />
Biomasse)<br />
MOBIL-SZEN: Ausgleich Nachfrage/Angebot für Strom/Wärme und<br />
Verkehr, inkl. Infrastrukturwirkung und Importen<br />
Exogene Variablen:<br />
Nachfrage Wärme/<br />
Strom<br />
Quelle: Öko-Institut<br />
6.3 Erreichter Stand der Arbeiten<br />
Die <strong>im</strong> Teilmodell ALTER enthaltenen Submodelle HEKTOR und WALD wurden bereits<br />
entwickelt (vgl. Fritsche u.a. 2004), das Submodell IMPORT wird derzeit noch<br />
konzipiert, da erst für Sommer 2007 die gesetzlichen Regelungen zu Biokraftstoff-<br />
Importen absehbar sein werden. IMPORT wird dann bis Herbst 2007 <strong>im</strong>plementiert.<br />
Das Teilmodell INFRA wurde aufgrund der durchgeführten Analysen zur Relevanz der<br />
verkehrlichen Infrastrukturen als eigenständiges Teilmodell aufgegeben und wird nun<br />
als Datenlieferant für GEMIS (künftige Version 4.5) weiter verfolgt.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 143 -<br />
Das Modell GEMIS ist als Datenserver aktualisiert (vgl. Abschnitt 5.1) und wird bis zur<br />
Version 4.5 (Winter 2007) noch um regionalisierbare Teildaten zu den indirekten<br />
Beschäftigungseffekten ergänzt. Weiterhin wird bis dahin für die Berechnung der<br />
indirekten Beschäftigungseffekte eine sektorale Differenzierung <strong>im</strong>plementiert.<br />
Innerhalb des Tools MOBIL-SZEN gibt es insgesamt vier Submodelle:<br />
Die Submodelle für Strom und Wärme wurden aus dem schon bestehenden BIO-SZEN<br />
übernommen und liegen vor 40 .<br />
Die Submodelle des Szenariotools für den Personen- und Güterverkehr werden derzeit<br />
neu entwickelt, um nachfrageseitig auf die Ergebnisse der Teilmodelle für den<br />
Personen- (vgl. Abschnitt 3) und Güterverkehr (vgl. Abschnitt 4) zuzugreifen und auch<br />
– bei den Pkw – Ergebnisse des Pkw-Käufermodells einzubeziehen. Die Dateninputs<br />
zu den szenariobezogenen Nachfragen für Personen- und Güterverkehr stammen aus<br />
den Teilmodellen WISEVA bzw. WIVSIM.<br />
40<br />
BIO-SZEN ist ein Ergebnis des Stoffstromprojekts „Nachhaltige energetische Nutzung von Biomasse“<br />
(Fritsche u.a. 2004). Für die Energienachfrage und Bereitstellungsmixe werden aktualisierte Daten<br />
aus dem laufenden Folgevorhaben für das BMU einbezogen.<br />
Zwischenbericht, März 2007
- 144 -<br />
Institut für Verkehrsforschung<br />
7 Szenarienentwicklung<br />
Der Entwicklung von Szenarien insbesondere <strong>im</strong> Rahmen des innovativen<br />
partizipativen Szenarioprozesses kommt <strong>im</strong> Rahmen von renewbility eine besondere<br />
Bedeutung zu. Im Zentrum der vergangenen Projektphasen standen die Arbeiten an<br />
der Ausgestaltung eines Basisszenarios, quasi als Vergleichsmaßstab für alle alternativen<br />
Szenarien sowie die Ausgestaltung des partizipativen Szenarioprozesses.<br />
Insbesondere die Arbeiten zum Basisszenario stellten eine besondere Herausforderung<br />
<strong>im</strong> Rahmen des Projekts dar, da eine derart integrative Analyse des Energieund<br />
Mobilitätsbereichs, wie sie <strong>im</strong> Rahmen von renewbility vorgesehen ist, besonders<br />
hohe Anforderungen an die verfügbaren Daten und darüber hinaus gehenden<br />
Informationen stellt.<br />
7.1 Basisszenario<br />
Im Rahmen der Szenarioanalyse für das Projekt „renewbility – Stoffstromanalyse<br />
Nachhaltige Mobilität <strong>im</strong> <strong>Kontext</strong> Erneuerbarer Energie bis 2030“ muss als<br />
Ausgangsbasis für den Szenarioprozess ein Basisszenario für die Angebots- und<br />
Nachfrageseite erarbeitet werden, die eine weitgehend „ungestörte“ Fortschreibung<br />
ohne zusätzliche zu den derzeit verabschiedeten politischen Maßnahmen reflektiert.<br />
Hierfür ist es hilfreich, zunächst die aktuellen Studien zu Prognosen und Szenarien der<br />
zukünftigen Entwicklungen des Verkehrs hinsichtlich ihrer Modellentwicklung, ihrer<br />
Rahmendaten und der Ergebnisse auszuwerten. Für die Festlegung des Basisszenarios<br />
ist es wichtig, kompatible Energie- und Verkehrsszenarien zu verwenden.<br />
Entscheidend ist auch, dass das DIW <strong>im</strong> Jahr 2004 ihre Berechnungen der Verkehrsund<br />
Fahrleistungen für den Straßenverkehr in Deutschland <strong>im</strong> Auftrag des<br />
Bundesverkehrsministeriums sowohl <strong>im</strong> Niveau als auch <strong>im</strong> zeitlichen Verlauf aufgrund<br />
aktueller Erhebungen stark korrigiert hat 41 [DIW 2004 und Kap. 4.1], so dass nur<br />
neuere Studien als Grundlage für ein Basisszenario in renewbility verwendet werden<br />
können.<br />
Die Kompatibilität von Verkehrs- und Energieszenarien berücksichtigt lediglich der von<br />
EWI/Prognos <strong>im</strong> Auftrag des Bundesministeriums für Wirtschaft (BMWi) erstellte<br />
Energiereport. Der aktuelle Energiereport IV beschreibt Entwicklungen <strong>im</strong> Energie- und<br />
Verkehrssektor bis 2030 in einem unter Nachhaltigkeitsgesichtspunkten als „Business<br />
as Usual“ zu bezeichnenden Fall. Es ist daher zunächst nicht abwegig, den<br />
41<br />
Trotz einer Verteuerung von Kraftstoffen seit 1999 aufgrund der ökologischen Finanzreform ergibt sich<br />
bei der aktuellen DIW-Berechnung ein nahezu kontinuierlicher Anstieg der Verkehrs- und Fahrleistungen<br />
<strong>im</strong> Straßenverkehr. Gründe hierfür sind eine Zunahme von grauen Kraftstoff<strong>im</strong>porten und<br />
Tanktourismus sowie der Trend zum sparsamen und damit kosteneffizienteren Diesel-Pkw [DIW<br />
2004].<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 145 -<br />
Energiereport IV als wesentliche Grundlage für das Basisszenario heranzuziehen<br />
(EWI/Prognos REF) [EWI/Prognos 2005]. 42 Auf Basis dieses Energiereports wurde<br />
zusätzlich ein so genanntes Hochpreisszenario berechnet, das die ungewöhnlich<br />
hohen Rohölpreise stärker berücksichtigt (EWI/Prognos HP) [EWI/Prognos 2006]. Im<br />
Auftrag des Umweltbundesamtes ist das detaillierte Verkehrsemissionsmodell<br />
TREMOD von IFEU entwickelt worden, das ein Basisszenario bis 2030 für den<br />
Verkehrssektor enthält [IFEU 2005]. Es wird einerseits als Basis für die nationale<br />
Berichterstattung für den Verkehrssektor verwendet, andererseits werden häufig und<br />
von sehr unterschiedlichen Akteuren (sowohl von Seiten der Industrie als auch von<br />
Seiten der NGOs) die Entwicklung der Fahrleistungen und die der CO 2 -Emissionen des<br />
Verkehrs zitiert. Es sollte daher entsprechend für ein Basisszenario <strong>im</strong> Verkehrssektor<br />
mit in Betracht gezogen werden. Die dritte wesentliche Studie sind die Szenarien der<br />
Mobilitätsentwicklung bis 2050 <strong>im</strong> Auftrag des BMVBS, die jedoch nur die verkehrliche<br />
Entwicklung bei den privaten Haushalten mit einbeziehen [TRAMP 2006]. Grundsätzlich<br />
handelt es sich aber um eine für das Projekt wesentliche Studie, da die<br />
Verkehrsleistungen ähnlich wie in renewbility auf der Basis von Berechnungen zur<br />
Verkehrsnachfrage ermittelt werden. Das heißt, dass entsprechend die Detailliertheit<br />
wesentlicher Rahmendaten, wie sie für die Berechnung der Nachfrage in renewbility<br />
zur Verfügung stehen sollte, enthalten ist und diesem Projekt auch zur Verfügung<br />
gestellt werden.<br />
Ziel der Analyse der aktuellen Verkehrsszenarien und –prognosen war es damit,<br />
zunächst einen Überblick über die vorhandenen Studien zu geben, um diese bezüglich<br />
ihres methodischen Vorgehens, ihrer Rahmendaten und ihrer Ergebnisse zu<br />
Verkehrsleistungen, Fahrzeugbestände und Verbräuchen einordnen zu können. Fokus<br />
lag hierbei auf den Studien von EWI/Prognos, TREMOD und auf den Szenarien bis<br />
2050. Als weitere Studien wurden [VP 2015 2001], [acatech 2006], [Shell 2004] und<br />
[IFMO 2005] zu Vergleichszwecken mit ausgewertet. Auf der Basis dieser Auswertungen<br />
wurde dann <strong>im</strong> Rahmen eines renewbility-internen Workshops mit den<br />
Projektpartner diskutiert, inwieweit die Rahmenbedingungen, Annahmen und Ergebnisse<br />
dieser Prognosen/Szenarien kompatibel sind, an welchen Stellen das<br />
Basisszenario für renewbility an aktuelle Gegebenheiten anpasst werden muss und ob<br />
es möglich ist, die Referenzentwicklungen der drei Studien EWI/Prognos, TREMOD<br />
und TRAMP zu koppeln und damit eine Grundlage für das Basisszenario in renewbility<br />
zu erarbeiten. Die abgest<strong>im</strong>mten Grundlagen und Annahmen für das Basisszenario<br />
sollen zudem mit externen Experten diskutiert werden. Das Basisszenario wird<br />
abschließend in das Stoffstrommodell integriert.<br />
42<br />
Der Energiereport III wurde beispielsweise von der Enquete-Kommission „Nachhaltige Energieversorgung<br />
unter den Bedingungen der Globalisierung und Liberalisierung“ [Enquete 2002] ebenso<br />
wie bei den Politikszenarien des Umweltbundesamtes [DIW u.a. 2003] als Grundlage für die<br />
Entwicklung von Referenz-Szenarien herangezogen.<br />
Zwischenbericht, März 2007
- 146 -<br />
Institut für Verkehrsforschung<br />
7.1.1 Kurzbeschreibung der für eine Basisentwicklung ausgewerteten<br />
Studien<br />
Die folgende Tabelle gibt zunächst einen Überblick über die wesentlichen aktuellen<br />
Studien, die Verkehrsprognosen und –szenarien enthalten, über die Auftraggeber und<br />
-nehmer und den in der Studie betrachteten Zeitraum. Anschließend werden die<br />
einzelnen Veröffentlichungen kurz beschrieben. Die detaillierten Ergebnisse in<br />
tabellarischer Form - sofern in den Studien ausgeführt - befinden sich <strong>im</strong> Anhang.<br />
Tabelle 17:<br />
Überblick über die betrachteten Studien<br />
Kurztitel Titel Auftraggeber Bearbeitung<br />
Betrachteter<br />
Zeitraum<br />
EWI/Prognos<br />
Entwicklung der<br />
Studie <strong>im</strong> Auftrag<br />
EWI, Prognos 2002-2030<br />
REF<br />
Energiemärkte bis 2030<br />
des BMWi<br />
EWI/Prognos<br />
Auswirkungen höherer<br />
Studie <strong>im</strong> Auftrag<br />
EWI, Prognos 2002-2030<br />
HP<br />
Ölpreise auf Energieangebot<br />
des BMWi<br />
und –nachfrage,<br />
Ölpreisvariante der<br />
Energiewirtschaftlichen<br />
Referenzprognose 2030<br />
TREMOD<br />
Energieverbrauch und<br />
Studie <strong>im</strong> Auftrag<br />
IFEU 1960-2030<br />
Schadstoffemissionen des<br />
des<br />
motorisierten Verkehrs in<br />
Umweltbundesamtes<br />
Deutschland 1960-2030<br />
TRAMP<br />
Szenarien der<br />
Studie <strong>im</strong> Auftrag<br />
TRAMP, Difu, IWH,<br />
2002-2050<br />
Mobilitätsentwicklung unter<br />
des BMVBS<br />
omniphon, TU<br />
Berücksichtigung von<br />
Dresden<br />
Siedlungsstrukturen bis 2050<br />
VP 2015<br />
Verkehrsprognose 2015 für<br />
Studie <strong>im</strong> Auftrag<br />
BVU, ifo, ITP,<br />
1997-2015<br />
die<br />
des BMVBW<br />
Planco<br />
Bundesverkehrswegeplanung<br />
IFMO<br />
Zukunft der Mobilität;<br />
Gefördert von BMBF<br />
Institut für<br />
2002-2025<br />
Szenarien für das Jahr 2025<br />
und BMW Group,<br />
Mobilitätsforschung<br />
die DB AG, die<br />
(ifmo)<br />
Deutsche Lufthansa<br />
AG und die MAN<br />
Nutzfahrzeug AG<br />
Acatech<br />
Mobilität 2020. Perspektiven<br />
acatech 2002-2020<br />
für den Verkehr von Morgen<br />
Shell<br />
Shell Pkw-Szenarien bis<br />
Szenarioanalyse der<br />
Deutsche Shell AG 2003-2030<br />
Tradition/Impuls<br />
2030<br />
deutschen Shell AG<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 147 -<br />
7.1.1.1 EWI/Prognos Referenzszenario<br />
Die Studie “Die Entwicklung der Energiemärkte bis zum Jahr 2030 – Energiewirtschaftliche<br />
Referenzprognose“ (Energiereport IV) wurde vom Bundesministerium<br />
für Wirtschaft und Technologie in Auftrag gegeben, um einen analytischen Blick auf die<br />
energiewirtschaftliche Entwicklung in Deutschland bis 2030 zu ermöglichen<br />
[EWI/Prognos 2005]. Sie verknüpft dazu langfristige Entwicklungstrends von<br />
Bevölkerung, Wirtschaft, Technik und Umwelt. Bezüglich der wirtschaftlichen<br />
Entwicklung in Deutschland geht die Studie davon aus, dass das BIP jahresdurchschnittliche<br />
Wachstumsraten von 1,4 % p.a. aufweist, wobei sich das Wachstum<br />
<strong>im</strong> Zeitverlauf abschwächt. Die Zahl der Erwerbstätigen steigt bis 2015 leicht an und<br />
geht danach zurück, so dass <strong>im</strong> Jahr 2030 etwa 37,5 Mio. Personen erwerbstätig sein<br />
werden. Die absolute Zahl der Einwohner geht von 2002 bis 2030 um etwas mehr als 3<br />
Mio. Personen zurück, die Anzahl der Hauhalte liegt 2030 um etwa 1,2 Mio. höher als<br />
2002. Erhebliche Änderungen werden in der Altersstruktur erwartet. Im Jahr 2030 wird<br />
sich die Zahl der 50-jährigen und älter um 28% erhöhen. Das hat direkte Auswirkungen<br />
auf den Personenverkehr. Durch die geänderte Alterstruktur wird die durchschnittliche<br />
Fahrleistung abnehmen, da der Anteil der älteren Fahrer höher sein wird. Dafür wird<br />
der Anteil der Führerscheininhaber bei den älteren Altersgruppen und den Frauen<br />
deutlich ansteigen. Bezüglich der Mobilität werden keine grundlegenden Verhaltensänderungen<br />
unterstellt. Im Jahr 2030 sind in Deutschland 47 Mio. Pkw zugelassen,<br />
etwa 2,6 Mio. mehr als 2002, wobei Benzin- und Dieselfahrzeuge jeweils 45 %<br />
ausmachen. Deren Verbrauch geht bis 2030 <strong>im</strong> Durchschnitt um rund ein Drittel<br />
zurück. Gasfahrzeuge haben 2030 einen Anteil von 7 % an den Neuzulassungen,<br />
Brennstoffzellenfahrzeuge setzen sich bis dahin nicht am Markt durch. Der in<br />
Brennstoffzellenfahrzeugen eingesetzte Wasserstoff trägt 2030 mit knapp 2 % zur<br />
Deckung des Gesamtenergiebedarfs der Pkw bei. Der Einsatz von Gas und<br />
Biokraftstoffen wird durch Steuererleichterungen und F&E-Förderung unterstützt. Der<br />
Kraftstoffverbrauch der Lkw und Sattelzugmaschinen geht von 23,9 l/100km um 22 %<br />
auf 18,7 l/100km zurück. Die Auslastung steigt von 4,21 auf 4,69 tkm/Fzgkm. Ergebnis<br />
ist, dass der Endenergieverbrauch des Verkehrs 2030 um 3,7 % unter 2002 liegt.<br />
Grund hierfür ist eine Abnahme des Energieverbrauchs <strong>im</strong> Straßenverkehr von<br />
2.301 PJ auf 2.004 PJ. Der Energieverbrauch des Flugverkehrs verzeichnet den<br />
größten Anstieg und steigt von 287 PJ auf 455 PJ <strong>im</strong> Jahr 2030. Die<br />
Personenverkehrsleistungen ändern sich nur wenig, die des Güterverkehrs steigen um<br />
58 % an.<br />
Zwischenbericht, März 2007
- 148 -<br />
Institut für Verkehrsforschung<br />
Steckbrief EWI/Prognos REF<br />
Titel Entwicklung der Energiemärkte bis 2030<br />
Jahr der Veröffentlichung 2005<br />
Betrachteter Zeitraum 2002-2030<br />
Bearbeitung<br />
EWI, Prognos<br />
Quelle [EWI/Prognos 2005]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Anmerkungen<br />
Referenzszenario für die Entwicklung der Energiemärkte, Fortführung<br />
der zum Zeitpunkt der Erstellung der Studie verabschiedeten<br />
Maßnahmen (BaU)<br />
Alle<br />
Ausführliche Darstellung der demographischen und sozi-ökonomischen<br />
Rahmendaten, Methodik – zumindest für den Verkehr – geht aus der<br />
Studie nicht deutlich hervor.<br />
7.1.1.2 EWI/Prognos Hochpreisszenario<br />
Vor dem Hintergrund der gestiegenen Ölpreise in der jüngsten Vergangenheit, hat das<br />
BMWi EWI/Prognos beauftragt, die Auswirkungen höherer Ölpreise auf Energieangebot<br />
und –nachfrage zu untersuchen [EWI/Prognos 2006]. Die Studie untersucht<br />
die Auswirkungen eines Preispfades für Rohöl, der mit real 60 $ 2000 /bbl <strong>im</strong> Jahr 2030<br />
um 60 % über den Preisen der Referenzprognose liegt. Aufbau und Methodik der<br />
Untersuchung folgen der Referenzprognose. Die Annahmen der Referenz bleiben –<br />
sofern sie als <strong>im</strong> Wesentlichen vom Ölpreis unabhängig gesehen werden –<br />
unverändert. Allerdings sind die Autoren der Auffassung, dass dauerhaft wesentlich<br />
höhere Ölpreise als in der Referenzprognose unwahrscheinlich sind. Sie führen hierfür<br />
als Hauptgrund an, dass ein Ölpreis von langfristig 30 $/bbl oder darüber neben einer<br />
Dämpfung des Nachfragewachstums zu erheblichen Ausweitungen des Ölangebots<br />
führt. Physische Knappheiten von Ölressourcen werden für die kommenden Dekaden<br />
von den Autoren nicht gesehen.<br />
Das Wachstum der deutschen Wirtschaft wird durch die höheren Energiepreise<br />
mittelfristig geringfügig gebremst. Im Durchschnitt verringert sich der BIP-Zuwachs von<br />
1,4 % p.a. auf 1,3 % p.a.. Im Jahr 2030 kostet Benzin in jeweiligen Preisen 2,23 €/l,<br />
Diesel 1,98 €/l. Die höheren Kraftstoffpreise beschleunigen den Rückgang des<br />
Energieverbrauchs <strong>im</strong> Verkehr. Im Jahr 2030 liegt er um knapp 8 % unter dem<br />
Ausgangswert des Jahres 2002 und gut 4 % niedriger als in der Referenz des<br />
Energiereports. Politik und Industrie fördern Entwicklung und Einsatz von biogenen<br />
Kraftstoffen, die konventionellem Benzin und Diesel beigemischt werden. Die höheren<br />
Preise für Benzin und Diesel bewirken <strong>im</strong> Verkehrssektor vor allem Veränderungen <strong>im</strong><br />
Energieträgermix. Im Vergleich zur Referenz verdreifacht sich der Anteil von<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 149 -<br />
Biokraftstoffen <strong>im</strong> Jahr 2030 auf 20 %. Erdgas und Wasserstoff werden ebenfalls<br />
verstärkt eingesetzt, bleiben aber quantitativ von untergeordneter Bedeutung. Die<br />
spezifischen Verbräuche der konventionellen Pkw nehmen etwas zügiger als in der<br />
Referenzentwicklung ab, liegen dann aber 2030 bei Otto-Pkw um nur 0,1 l/100km unter<br />
dem in der Referenz und sind bei Diesel-Pkw gleich. Die Personenverkehrsleistung<br />
liegt <strong>im</strong> Jahr 2030 um etwa 4 % unter dem Ausgangsniveau, wobei Schiene und ÖPNV<br />
deutlichere Zuwächse als in der Referenz zu verzeichnen haben. Durch das<br />
schwächere Wirtschaftswachstum liegt der Zuwachs des Luftverkehrs trotz Anstieg um<br />
60 % um etwa 2,6 % unterhalb der Referenzprognose. Im Güterverkehr werden – statt<br />
wie in der Referenz 58 % - Zuwächse von 56 % berechnet.<br />
Steckbrief EWI/Prognos HP<br />
Titel<br />
Auswirkungen höherer Ölpreise auf Energieangebot und –nachfrage,<br />
Ölpreisvariante der Energiewirtschaftlichen Referenzprognose 2030<br />
Jahr der Veröffentlichung 2006<br />
Betrachteter Zeitraum 2002-2030<br />
Bearbeitung<br />
EWI, Prognos<br />
Quelle [EWI/Prognos 2006]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Anmerkungen<br />
Referenzszenario für die Entwicklung der Energiemärkte bei höheren<br />
Ölpreisen als <strong>im</strong> Energiereport IV, Fortführung der zum Zeitpunkt der<br />
Erstellung der Studie verabschiedeten Maßnahmen (BaU), also<br />
angepasst an die Situation 2006, wie z.B. zuzüglich<br />
Be<strong>im</strong>ischungsquoten Biokraftstoffe<br />
Alle<br />
Ausführliche Darstellung der demographischen und sozi-ökonomischen<br />
Rahmendaten, Methode – zumindest für den Verkehr – wird aus der<br />
Studie nicht deutlich<br />
7.1.1.3 TREMOD<br />
Das Forschungsvorhaben „Energieverbrauch und Schadstoffemissionen des motorisierten<br />
Verkehrs in Deutschland 1960-2030“ (TREMOD 4) ist vom Institut für Energieund<br />
Umweltforschung Heidelberg GmbH (IFEU) <strong>im</strong> Auftrag des Umweltbundesamtes<br />
<strong>im</strong> November 2005 fertig gestellt worden [IFEU 2005]. TREMOD enthält in dieser<br />
aktuellen Version 4 die Realdaten von 1960 bis 2003 sowie Prognosedaten in einem<br />
Basisszenario bis 2030. Das Bruttoinlandsprodukt wurde „Enquete 2002 - Nachhaltige<br />
Energieversorgung“ entnommen [Enquete 2002], der Bevölkerungsentwicklung liegt<br />
die 10. koordinierte Bevölkerungsvorausberechnung des StaBA von 2003 Variante 5<br />
mit 81,2 Mio. Personen in 2030 zugrunde. Die Altersstruktur ändert sich so, dass der<br />
Anteil der über 60-Jährigen von 24 % auf 34 % steigt, der Anteil der unter 20-Jährigen<br />
Zwischenbericht, März 2007
- 150 -<br />
Institut für Verkehrsforschung<br />
von 21 auf 17 % und der Anteil der 20-60-Jährigen von 55 auf 48 % sinkt. Die Änderung<br />
der Altersstruktur hat entsprechend einen Einfluss auf die Motorisierungsentwicklung.<br />
Eine Zunahme bei Männern wird nur bei den über 65-Jährigen, bei<br />
Frauen dagegen in allen Jahrgängen außer bei den ganz jungen unterstellt.<br />
Für das TREMOD-Szenario ab 2004 werden für den Verkehr folgende Annahmen<br />
getroffen:<br />
Gesamter Verkehr<br />
Verkehrs- und<br />
Fahrleistungen<br />
Zunahmen aufgrund aktueller Erkenntnisse zur<br />
Bevölkerungsentwicklung und der Verkehrsleistungen<br />
Straßenverkehr<br />
Fahrzeugbestände<br />
Energieverbrauch Pkw<br />
und leichte<br />
Nutzfahrzeuge<br />
Energieverbrauch<br />
schwere Nutzfahrzeuge<br />
Auslastung<br />
schwere Nutzfahrzeuge<br />
Fortschreibung entsprechend Trend der letzten Jahre; Zunahme Diesel-<br />
Pkw: 50 % Anteil an den Neuzulassungen ab 2010<br />
Abnahme der CO 2 -Emissionen der Pkw Neuzulassungen <strong>im</strong> NEFZ: bis<br />
2008 auf 150 g/km (ACEA-Zusage: 140 g/km), bis 2012 auf 130 g/km<br />
(Ziel EU-Ministerrat: 120 g/km), danach weitere Abnahme auf 99 g/km<br />
in 2030; LNF gleiche Minderungsraten wie Pkw<br />
Neuzulassungen 2010: -10 % gegenüber EURO 3<br />
danach weitere Abnahme von 0,5 %/Jahr<br />
Erhöhung 2004-2030 um 20 % je Fahrzeug; Zunahme des Anteils<br />
größerer Fahrzeuge (Sattelzüge); dadurch Erhöhung der Zuladung je<br />
Fahrzeug-km um 30 %<br />
Emissionen Einführung Grenzwerte EURO4 (PKW, LNF, SNF, Busse) und EURO 5<br />
(SNF, Busse) bei Neufahrzeugen; Partikelfilter bei Diesel-Pkw: 2005 (60<br />
% der Neuzulassungen), 2006 (80 %), ab 2007 100 %; Partikelfilter bei<br />
allen neuzugelassenen Linienbussen<br />
Schienenverkehr<br />
Auslastungsgrade Bis 2020 Zunahme auf 24 % <strong>im</strong> Personennahverkehr (2004: 21 %), 50<br />
% <strong>im</strong> Personenfernverkehr (2004: 43 %), danach konstant<br />
Anteile der Betriebsarten Anteile der Elektrotraktion 2030: Güterverkehr: 96 % (2004: 93 %),<br />
Personenfernverkehr: 98 % (98 %), Personennahverkehr: 84 % (77 %),<br />
Rest jeweils Dieseltraktion<br />
spezifischer<br />
Energieverbrauch<br />
Emissionen<br />
Veränderung 2030 gegenüber 2004: alle Zug- und Betriebsarten<br />
-5 %<br />
Rückgang der spezifischen Emissionen der Dieseltraktion aufgrund der<br />
Emissionsgrenzwerte <strong>im</strong> Schienenverkehr<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 151 -<br />
Binnenschifffahrt<br />
spezifischer<br />
Energieverbrauch<br />
Keine Änderung<br />
Emissionen Rückgang der spezifischen Emissionen von 2005 bis 2030:<br />
NOx: -30 %<br />
Flugverkehr<br />
spezifischer<br />
Energieverbrauch<br />
Auslastung<br />
Änderung 2030 gegenüber 1999: Inlandsverkehr: -19 %<br />
grenzüberschreitender Verkehr: -27 %<br />
keine Änderung<br />
Quelle: IFEU 2005<br />
Bis zum Jahr 2030 wird <strong>im</strong> TREMOD-Szenario von einer weiteren Zunahme der<br />
Fahrleistungen des Straßenverkehrs von 19 % gegenüber 2003 ausgegangen.<br />
Weiterhin werden starke Zuwächse <strong>im</strong> Flugverkehr prognostiziert. Als Grundlage für<br />
den spezifischen Energieverbrauch der Pkw wird davon ausgegangen, dass die ACEA-<br />
Selbstverpflichtung von 140 g/km in 2008 erreicht und bis 2012 auf 120 g/km<br />
fortgeschrieben wird. Insgesamt ergibt sich für den Straßen- und Schienenverkehr eine<br />
leichte Abnahme <strong>im</strong> Energieverbrauch bis 2030, die Binnenschifffahrt legt etwas zu<br />
und der Energieverbrauch des Luftverkehrs steigt um mehr als das Doppelte an.<br />
Steckbrief TREMOD<br />
Titel Energieverbrauch und Schadstoffemissionen des motorisierten<br />
Verkehrs in Deutschland 1960-2030<br />
Jahr der Veröffentlichung 2005<br />
Betrachteter Zeitraum 1960-2030<br />
Bearbeitung<br />
IFEU<br />
Quelle [IFEU 2005]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Anmerkungen<br />
Referenzszenario für die Entwicklung des Verkehrs ohne zusätzliche<br />
Maßnahmen, allerdings wird 1. von der Einhaltung der ACEA-<br />
Selbstverpflichtung 2008 ausgegangen und 2. von einer Fortschreibung<br />
bis 2012<br />
Alle<br />
demographischen und sozi-ökonomischen Rahmendaten nur kurz<br />
beschrieben, über Plausibilitätsüberlegungen wird die Fahrleistung<br />
abgeleitet<br />
Zwischenbericht, März 2007
- 152 -<br />
Institut für Verkehrsforschung<br />
7.1.1.4 Szenarien der Mobilitätsentwicklung bis 2050<br />
Die Studie „Szenarien der Mobilitätsentwicklung unter Berücksichtigung von<br />
Siedlungsstrukturen bis 2050“ <strong>im</strong> Auftrag des BMVBS hat zum Ziel, die verkehrlichen<br />
Auswirkungen der Bevölkerungs- und Siedlungsentwicklung in Deutschland <strong>im</strong><br />
regionalen <strong>Kontext</strong> zu klären [TRAMP 2006]. Es wurden zwei Szenarien für drei<br />
Regionstypen zum Verkehrsaufkommen, zur Verkehrsleistung und zum Modal Split<br />
des Personenverkehrs der privaten Haushalte bis zum Jahr 2050 mit Hilfe der<br />
Szenariotechnik erarbeitet. Das Szenario „Dynamische Anpassung“ n<strong>im</strong>mt die<br />
Überlegungen stark steigender Verkehrspreise und eines deutlichen Subventionsabbaus<br />
sowie den Gedanken der Reurbanisierung auf. Das Szenario „Gleitender<br />
Übergang“ berücksichtigt dagegen moderat steigende Preise bei moderatem<br />
Subventionsabbau und einer langsameren Veränderung der räumlichen Lagen der<br />
Wohnstandorte. Damit soll dieses Szenario eine weitgehende Fortführung der<br />
bisherigen Entwicklungstendenzen berücksichtigen, jedoch kein reines Trendszenario<br />
darstellen. Schließlich wird ein Szenario „Status Quo“ als Vergleichsfall definiert, in<br />
dem alle Verhaltensparameter - bis auf die Bevölkerungsverteilung und Bevölkerungsstruktur<br />
nach BBR - inklusive BIP, Einkommen und Verkehrsausgaben dem Jahr 2002<br />
entnommen werden. Das heißt, in „Status Quo“ werden nur die Veränderungen<br />
abgebildet, die durch die regionalen und demographischen Veränderungen zu<br />
erwarten sind. Es handele sich mehr oder weniger um ein reines „Demografieszenario“.<br />
Steckbrief VP 2050<br />
Titel Szenarien der Mobilitätsentwicklung unter Berücksichtigung von<br />
Siedlungsstrukturen bis 2050<br />
Jahr der Veröffentlichung 2006<br />
Betrachteter Zeitraum 2002-2050<br />
Bearbeitung<br />
TRAMP, Difu, IWH, omniphon, TU Dresden<br />
Quelle [Tramp 2006]<br />
Art der Szenarien<br />
Verkehrsarten<br />
Anmerkungen<br />
Szenario „Dynamische Anpassung“ (stark steigende Verkehrspreise und<br />
Subventionsabbau sowie Gedanken der Reurbanisierung); Szenario<br />
„Gleitender Übergang“ (moderat steigende Preise, moderater<br />
Subventionsabbau, langsame Veränderung der räumlichen Lagen der<br />
Wohnstandorte); Szenario „Status Quo“ als Demografieszenario<br />
Öffentlicher Verkehr, motorisierter Individualverkehr, nichtmotorisierter<br />
Verkehr<br />
Es wird nur der private Personenverkehr betrachtet, das heißt, dass die<br />
Wirtschaftsverkehre nicht mit berücksichtigt sind<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 153 -<br />
7.1.1.5 Verkehrsprognose 2015 für den BVWP<br />
Die Verkehrsprognose 2015 für die Bundesverkehrswegeplanung wurde von BVU, ifo,<br />
ITP, Planco <strong>im</strong> Auftrag des BMVBW erarbeitet [BVWP 2001]. Für die Überarbeitung<br />
des Bundesverkehrswegeplans und die Bewertung von Verkehrsinfrastrukturprojekten<br />
wurden langfristige Prognosen der Personen- und Güterverkehrsleistungen für den<br />
Zeitraum 1997 bis 2015 modelliert. Als Personenverkehrsarten werden der Individual-,<br />
der Öffentliche Straßen-, Eisenbahn- und der Luftverkehr berücksichtigt, als Güterverkehrsarten<br />
der Straßengüter-, der Eisenbahnverkehr und die Binnenschifffahrt. Die<br />
Prognose wurde auf zwei Ebenen durchgeführt:<br />
- Innerhalb der Makroebene wurden Eckdaten für Aufkommen und Leistung je<br />
Fahrtzweck bzw. Güterbereich und Verkehrsmittel ohne räumliche Differenzierung<br />
und Berücksichtigung von Engpässen sowie die CO 2 -Emissionen nach<br />
Verkehrsträgern ermittelt.<br />
- Auf der Mikroebene wurden die Verkehrsnachfragedaten räumlich differenziert<br />
unter Berücksichtigung von Kapazitätsengpässen iterativ abgeglichen und die<br />
Netzbelastungen der Fernverkehrswege ermittelt.<br />
Für die Prognosen wurden drei Szenarien „Laisser-faire“, „Überforderung“ und<br />
„Integration“ mit unterschiedlichen verkehrspolitischen Rahmenbedingungen, aber<br />
gemeinsamen Strukturdatenprognosen und Infrastrukturannahmen entwickelt. Der<br />
wesentliche Unterschied zwischen den Szenarien drückt sich in den Nutzerkosten aus.<br />
Dabei führt das Laisser-faire-Szenario den Status Quo der zum Zeitpunkt der<br />
Erstellung der Studie gültigen oder gesetzgeberisch verabschiedeten verkehrspolitischen<br />
Maßnahmen fort, <strong>im</strong> Überforderungsszenario wurde eine drastische<br />
Kostenbelastung des Straßen- und Luftverkehrs (+70% Nutzerkosten <strong>im</strong> Pkw-Verkehr,<br />
+14% für Lkw, +18% für den Luftverkehr verglichen mit 1990) unterstellt, während das<br />
Integrationsszenario von moderaten Kostenerhöhungen in Höhe der Hälfte der Werte<br />
des Überforderungsszenarios ausgeht. Aufgrund verkehrspolitischer Rahmenbedingungen<br />
und Effizienzsteigerungen gehen beide Szenarien von Kostensenkungen<br />
<strong>im</strong> Schienenverkehr (-30% <strong>im</strong> Personen, -18% <strong>im</strong> Güterverkehr) und in der<br />
Binnenschifffahrt (-25%) aus. Für die Mikroprognose wurden dann nach einem<br />
politischen Abst<strong>im</strong>mungsprozess die Szenarien „Trend“ und „Integration“ verwendet,<br />
wobei sich das Trendszenario vom Laisser-faire-Szenario nur durch das Hinzunehmen<br />
der fahrleistungsabhängigen Autobahngebühr für den Straßengüterverkehr unterscheidet.<br />
Unterstellt wurde, dass das reale BIP um jahresdurchschnittliche 2,1 % wächst. Die<br />
Anzahl der Erwerbstätigen steigt um insgesamt 1,5 %. Weiterhin wurde als wirtschaftliche<br />
Rahmenbedingung angenommen, dass mengenbezogen der Außenhandel<br />
um 2,8 % p.a. (Ausfuhr) und 3,5 % p.a. (Einfuhr) wächst. Auf Basis dieser Eckdaten<br />
ergibt sich, dass <strong>im</strong> Trend-Szenario der Verbrauch des Pkw-Bestandes bis 2015 um<br />
22% abn<strong>im</strong>mt, der der Güterverkehrsfahrzeuge um 8 %. Insgesamt ergeben sich für<br />
den Personenverkehr sowohl bei den Verkehrsaufkommen als auch bei den<br />
Zwischenbericht, März 2007
- 154 -<br />
Institut für Verkehrsforschung<br />
Verkehrsleistungen für alle Verkehrsträger deutliche Zuwächse. Nur <strong>im</strong> Trend-Szenario<br />
n<strong>im</strong>mt der ÖSPV leicht ab. Der stärkste Anstieg zeigt sich be<strong>im</strong> Flugverkehr, der sich<br />
bis 2015 etwa verdoppelt. Die Transportleistungen in der Verkehrsprognose 2015<br />
steigen um fast 60 %. Betrachtet man nur den Straßengüterfernverkehr, so werden<br />
sogar Zuwächse um etwa 80 % erwartet.<br />
Steckbrief VP 2015<br />
Titel<br />
Verkehrsprognose 2015 für die BVWP<br />
Jahr der Veröffentlichung 2001<br />
Betrachteter Zeitraum 1997-2015<br />
Bearbeitung<br />
BVU, ifo, ITP, Planco<br />
Quelle [VP 2015 2001]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Anmerkungen<br />
3 Szenarien „Laisser-faire“, „Überforderung“ und „Integration“ mit<br />
unterschiedlichen verkehrspolitischen Rahmenbedingungen, aber<br />
gemeinsamen Strukturdatenprognosen und Infrastrukturannahmen. Der<br />
wesentliche Unterschied zwischen den Szenarien drückt sich in den<br />
Nutzerkosten aus.<br />
Alle<br />
demographische und sozi-ökonomische Rahmendaten ausführlich<br />
beschrieben, Methode zur Modellierung der Verkehrsnachfrage<br />
transparent dargestellt<br />
7.1.1.6 IFMO<br />
Schwerpunkt der vom Institut für Mobilitätsforschung erarbeiteten Studie sind<br />
Szenarien, die etwa 80 Experten aus Wissenschaft, Wirtschaft und Verbänden<br />
entwickelt haben [IFMO 2005]. Der Betrachtungszeitraum umfasst die Jahre 2002 bis<br />
2025. Initiatoren waren die BMW Group, die Deutsche Bahn AG, die Deutsche<br />
Lufthansa AG, die MAN Nutzfahrzeug AG und das BMBF. Es werden zwei Szenarien<br />
betrachtet. Für das Szenario „Was passiert, wenn nichts passiert“ wird ein<br />
durchschnittliches BIP-Wachstum bis 2025 von 0,8 % angenommen. Die Haushaltseinkommen<br />
sinken, Mobilität wird teurer, der Güterverkehr n<strong>im</strong>mt zu und Unternehmen<br />
wandern vermehrt ab. Das Ergebnis dieses Szenarios ist, dass die Personenverkehrsleistungen<br />
zurückgehen, der Güterverkehr weiter zu n<strong>im</strong>mt, die Anzahl der<br />
Staus steigt und die verkehrsbedingten Umweltbelastungen steigen an.<br />
In dem Hauptszenario der Studie „Mobilität braucht Aktion“ wird von einem BIP-<br />
Wachstum in Höhe von 1,8 % p. a. ausgegangen. Die Bevölkerungszahl und die<br />
Anzahl der Erwerbstätigen bleiben nahezu unverändert und die Alterstruktur ändert<br />
sich zugunsten der über 60-Jährigen (Varianten 7 und 8 der 10. koordinierten<br />
Bevölkerungsvorausberechnung, StaBA 2003). Die Mobilitätsausgaben steigen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 155 -<br />
deutlich. Die Kraftstoffpreisbasis beträgt 2004 0,35 € 2004 /l und 2025 0,7€ 2004 /l. Die<br />
Verkehrsleistung <strong>im</strong> Personenverkehr steigt in diesem Szenario um 10 % auf<br />
1.169 Mrd. Pkm (0, 4% p. a.), die des Güterverkehrs sogar um 80 % auf 930 Mrd. tkm<br />
(2,8 % p. a.), wobei ein Anstieg des Außenhandelsvolumens von 2,5 % p.a.<br />
angenommen wird. Wasserstoff und synthetische Biokraftstoffe haben einen<br />
Marktanteil von 20 % (Biodiesel 8-10 %). Der durchschnittliche Kraftstoffverbrauch liegt<br />
2025 bei 3 l/100km, wobei jedoch alternativen Kraftstoffe mit Null berechnet werden.<br />
Steckbrief IFMO<br />
Titel Zukunft der Mobilität; Szenarien für das Jahr 2025<br />
Jahr der Veröffentlichung 2005<br />
Betrachteter Zeitraum 2002-2025<br />
Bearbeitung<br />
Institut für Mobilitätsforschung (ifmo)<br />
Quelle [IFMO 2005]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Anmerkungen<br />
Es werden zwei Szenarien mit unterschiedlichen Rahmendaten und<br />
unterschiedlicher verkehrspolitischer Entwicklung betrachtet: „Was<br />
passiert, wenn nichts passiert“ ohne zusätzliche Maßnahmen und ein<br />
Hauptszenario „Mobilität braucht Aktion“<br />
Alle<br />
Szenario-Technik nach Geschka, Einbindung von 80 Experten,<br />
methodisches Vorgehen und Annahmen nicht ganz deutlich<br />
7.1.1.7 Acatech<br />
Bei dem acatech-Szenario handelt es sich um ein Verkehrsszenario, das am BMVWP<br />
orientiert ist, für das jedoch verschiedene Rahmendaten wie das BIP auf der Basis<br />
neuerer Entwicklungen modifiziert wurden [acatech 2005]. Das acatech Verkehrsszenario<br />
2020 basiert auf der Vorausberechnung des BBR, so dass die<br />
Bevölkerungszahl infolge der geringeren Zuwanderung stagniert und <strong>im</strong> Jahr 2020 82,1<br />
Mio. betragen wird. Weiterhin wird <strong>im</strong> Szenario von einem Zuwachs des BIP von 1,8 %<br />
pro Jahr ausgegangen, was Auswirkungen auf die Beschäftigungsverhältnisse und die<br />
Situation der privaten Haushalte hat. Dieses Wachstum stellt nach Ansicht von acatech<br />
allerdings eine Untergrenze für eine positive zukünftige Entwicklung in Deutschland<br />
dar. Für den Pkw-Verkehr ergibt sich als Folge dieser Faktoren und auf Basis der<br />
unterstellten Infrastruktur bis 2020 eine Zunahme der Fahrleistung um 20 % gegenüber<br />
2002 auf 631 Mrd. Fzg/km, wobei ein überproportionaler Anstieg auf den Bundesautobahnen<br />
zu verzeichnen ist. Für den Lkw-Verkehr beträgt die entsprechende<br />
Zunahme 34 % auf 87 Mrd. Lkw-km. Auch für die Schiene sind nach dieser Studie<br />
deutliche Zuwächse zu erwarten. Für den Personenverkehr wird eine Zunahme der<br />
Zwischenbericht, März 2007
- 156 -<br />
Institut für Verkehrsforschung<br />
Verkehrsleistung auf der Schiene von 22,5 % prognostiziert, für den Güterverkehr um<br />
55 %.<br />
Steckbrief acatech<br />
Titel<br />
Mobilität 2020. Perspektiven für den Verkehr von morgen<br />
Jahr der Veröffentlichung 2005<br />
Betrachteter Zeitraum 2002-2020<br />
Bearbeitung<br />
acatech<br />
Quelle [acatech 2005]<br />
Art der Szenarien<br />
Verkehrsträger<br />
Verkehrsszenario, das am BMVWP orientiert ist, für das jedoch<br />
verschiedene Rahmendaten wie das BIP und die Maut-Sätze<br />
aktualisiert wurden<br />
Alle<br />
Anmerkungen Recht oberflächliche Beschreibung des Vorgehens und der<br />
Rahmendaten, was wahrscheinlich daran liegt, dass der BVWP als<br />
Grundlage verwendet wurde, Fokus vor allem Infrastruktur<br />
7.1.1.8 Shell<br />
Shell konzentriert sich in der Studie „Shell Pkw-Szenarien bis 2030, - Flexibilität<br />
best<strong>im</strong>mt die Motorisierung“ auf das Verkehrssegment Pkw, die Entwicklung der<br />
anderen Verkehrsträger, inklusive des Güterverkehrs, wird nicht betrachtet. Der<br />
Betrachtungszeitraum ist 2003 bis 2030 [Shell 2004]. Detailliert wird auf die<br />
Entwicklung der Motorisierung, die Anzahl der Neuzulassungen, und den Bestand und<br />
die durchschnittliche Fahrleistung eingegangen. Die Gesamtfahrleistung berechnet<br />
sich dann über diese Parameter. Weiterhin werden Kraftstoffverbrauch und vor allem<br />
die technischen Entwicklungen bezüglich Antrieb und Kraftstoff diskutiert. Der<br />
methodische Unterschied des Vorgehens in den Shell-Szenarien zu anderen ist darin<br />
zu sehen, dass hier nicht auf der Prognose der Verkehrsleistung aufgesetzt wird,<br />
sondern direkt auf den Pkw-Beständen und der durchschnittlichen Fahrleistung. Es<br />
werden zwei Szenarien betrachtet. In dem Szenario „Tradition“ wird von einer sich nur<br />
zögerlich wandelnden Gesellschaft ausgegangen. Jahresdurchschnittlich steigt das<br />
BIP bis 2030 um 1,6 % und die Gesamtbevölkerung n<strong>im</strong>mt um mehr als 3 Mio.<br />
Menschen ab. Das „Impuls“-Szenario repräsentiert dagegen eine Gesellschaft, die<br />
sich zügig neu organisiert. Hier werden reale Zuwachsraten von rund 2 % und ein<br />
Rückgang der Bevölkerung in Deutschland von etwa 2 Mio. Personen zugrunde gelegt.<br />
Die künftige Entwicklung des Pkw-Bestandes und der Neuzulassungen wird aus den<br />
Kenngrößen „Anzahl der Erwachsenen“ (hier nur die Gruppe über 18 Jahre) und „Pkw-<br />
Dichte“ (Anzahl Pkw/1000 Erwachsene) hergeleitet. Für das Szenario „Tradition“<br />
ergeben sich damit ein Pkw-Bestand 2030 in Höhe von knapp 49 Mio. Fahrzeugen und<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 157 -<br />
eine Fahrleistung von 547 Mrd. km. Im „Impuls“-Szenario wird bei einem Pkw-Bestand<br />
von 53,5 Mio. Pkw eine Fahrleistung von 563 Mrd. km abgeleitet. Der Anteil der<br />
Biokraftstoffe wird <strong>im</strong> Jahr 2030 mit 10 % angenommen. Wasserstoff wird in 2030 noch<br />
keine Bedeutung für den Markt haben.<br />
Steckbrief Shell<br />
Titel Shell Pkw-Szenarien bis 2030<br />
Jahr der Veröffentlichung 2004<br />
Betrachteter Zeitraum 2003-2030<br />
Bearbeitung<br />
Deutsche Shell AG<br />
Quelle [Shell 2004]<br />
Art der Szenarien<br />
Verkehrsträger<br />
2 Szenarien mit unterschiedlichen Rahmendaten: „Tradition“ (nur<br />
zögerlich wandelnde Gesellschaft) und „Impuls“ (Gesellschaft, die sich<br />
zügig neu organisiert)<br />
Nur Pkw<br />
Anmerkungen Methodisch wird direkt auf den Pkw-Beständen und der<br />
durchschnittlichen Fahrleistung aufgesetzt; Rahmendaten und Methode<br />
werden nur oberflächlich beschrieben<br />
7.1.2 Vergleich der Rahmenbedingungen<br />
Prognosen und Szenarien der mittel- bis langfristigen Verkehrsentwicklung werden zu<br />
verschiedenen Zwecken entwickelt: Teilweise dienen sie der Entscheidungsvorbereitung<br />
bei der Infrastrukturplanung zur Bewertung von Verkehrsprojekten, oft<br />
werden sie aber auch zur Analyse verkehrspolitischer, technologischer oder<br />
betrieblicher Entwicklungen und Strategien eingesetzt. Aus diesem Grund existieren<br />
eine Vielzahl unterschiedlicher Herangehensweisen und Instrumente zur Prognose der<br />
künftigen Verkehrsentwicklung, was die Vergleichbarkeit erheblich beeinträchtigt. Das<br />
methodische Vorgehen der vorliegenden Verkehrsprognosen bzw. –szenarien ist sehr<br />
unterschiedlich und wird zum Teil gar nicht oder nur sehr intransparent dargelegt. In<br />
der Shell-Studie wird beispielsweise der Bestand und die durchschnittliche<br />
Fahrleistung aufgrund der Rahmendaten prognostiziert und auf deren Basis dann die<br />
Gesamtfahrleistung der Pkw berechnet. Verkehrsleistungen werden in dieser Studie<br />
nicht mit betrachtet. In TREMOD wird die Fahrleistung prognostiziert und der Bestand<br />
über Annahmen zu der Anzahl der Neuzulassungen und der Lebensdauern von Pkw<br />
für die Zukunft berechnet. Über den angenommenen Besetzungsgrad der Pkw wird<br />
dann die Verkehrsleistung hochgerechnet. Für die Verkehrsprognose 2015 wurden auf<br />
makroskopischer Ebene räumlich auf über 500 Regionen herunter gebrochen die<br />
Fahrleistungen für Deutschland modelliert. Das methodische Vorgehen in den<br />
Zwischenbericht, März 2007
- 158 -<br />
Institut für Verkehrsforschung<br />
einzelnen Studien ist damit nicht direkt vergleichbar. Was aber miteinander verglichen<br />
werden kann - sofern in den Studien ausgeführt - sind die Einflussfaktoren auf die<br />
Verkehrsleistungen. Die Abbildung 27 zeigt schematisch in Anlehnung an [Jülich 2002]<br />
eine Auswahl der wesentlichen makroskopischen Einflussfaktoren auf den Personenund<br />
Güterverkehr.<br />
Die Szenarien <strong>im</strong> Projekt renewbility sollen aufbauend auf das Basisszenario wenndann-Aussagen<br />
liefern, die insbesondere die Änderung der Verkehrs- und<br />
Fahrleistungen durch eine Variation der Einflussgrößen betreffen. Hierbei werden die<br />
Rahmendaten zu Demographie und Wirtschaft beibehalten, variiert werden bei der<br />
Szenariobildung politische Maßnahmen, die technische Entwicklung und – über<br />
Steuern – Kraftstoffpreise. Das folgende Kapitel soll daher einen Überblick geben über<br />
die verschiedenen Einflussfaktoren auf die Verkehrsleistung und wie diese in den<br />
aktuellen Studien zu Verkehrsprognosen und -szenarien ausgestaltet wurden. Die<br />
Rahmendaten und weitere Einflussfaktoren, wie verkehrs- und energiepolitische<br />
Maßnahmen, die technische Entwicklung und Kraftstoffpreise, werden entsprechend<br />
getrennt betrachtet.<br />
Abbildung 27: Auswahl an makroskopischen Einflussfaktoren auf die zukünftige Entwicklung<br />
<strong>im</strong> Personenverkehr, Quelle: frei nach [Jülich 2002]<br />
Einflussgrößen auf die Verkehrsleistung<br />
Makroskopische<br />
Rahmendaten<br />
BIP<br />
Haushaltseinkommen<br />
Beförderungspreise<br />
Energiepreise<br />
Technikentwicklung<br />
Energiebedarfsfaktoren<br />
Energiebedarf<br />
Infrastruktur /<br />
Kapazitäten<br />
Entwicklung<br />
Im/Export<br />
Bruttowertschöpfung<br />
(sektoral)<br />
Einwohnerzahl<br />
.<br />
Nachfrage nach<br />
Verkehrsleistung<br />
Fahrzeugbestand<br />
Restriktion /<br />
Förderung<br />
Besetzungszahl<br />
bzw.<br />
Auslastung<br />
Fahrleistung<br />
Emissionsfaktoren<br />
Emissionen<br />
Altersstruktur<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 159 -<br />
7.1.2.1 Makroskopische Rahmendaten<br />
Demographische Rahmendaten<br />
Wesentliche Einflussgröße auf die Entwicklung der Personen- und auch Güterverkehrsnachfrage<br />
ist die Entwicklung der Bevölkerungsanzahl. Während für den<br />
BVWP noch von einem Anstieg der Bevölkerungszahl ausgegangen wurde, so wird in<br />
den neueren Studien trotz Zuwanderung ein Rückgang angenommen.<br />
Tabelle 18:<br />
Vergleich der Entwicklung der Bevölkerungszahlen in den betrachteten Studien<br />
(in Mio.)<br />
Quelle 1997 2002 2003 2010 2015 2020 2025 2030<br />
Veränderung <strong>im</strong><br />
Betrachtungs<br />
zeitraum [%]<br />
EWI/Prognos - 82,5 - - - - - 79,5 - 3,6<br />
TREMOD - 82,5 - 83,0 - 82,8 - 81,2 - 1,6<br />
TRAMP - 82,5 - - - - - 81 -1,8<br />
VP 2015 82,1 - - - 83,5 - - - + 2<br />
IFMO - - 82,4 - - - 82,4 - 0<br />
acatech - 82,2 - - - 82,1 - - - 0,1<br />
Quelle: Eigene Zusammenstellung<br />
Ein weiterer entscheidender Punkt sind die Annahmen, die über die Änderungen in der<br />
Altersstruktur getroffen werden. Hier wird übereinst<strong>im</strong>mend in jeder der betrachteten<br />
Studien davon ausgegangen, dass die Anzahl der über 60-Jährigen deutlich zunehmen<br />
wird. Beispielsweise n<strong>im</strong>mt die Zahl der Einwohner über 18 Jahre in VP 2015 um<br />
knapp 6 % zu, die Zahl der Auszubildenden n<strong>im</strong>mt dagegen um 15 % ab, was unter<br />
anderem einen Einfluss auf die ÖPNV-Nachfrage hat. Für die Fahrleistungsprognose in<br />
TREMOD wurden folgende Annahmen bezüglich der Alterstruktur getroffen: Der Anteil<br />
der über 60-Jährigen steigt von 24 % auf 34 %, der Anteil der unter 20-Jährigen sinkt<br />
dagegen von 21 auf 17 % und der Anteil der 20-60-Jährigen von 55 auf 48 %. Die<br />
Änderung der Altersstruktur hat entsprechend auch einen Einfluss auf die<br />
Motorisierungsentwicklung. Eine Zunahme bei Männern wird nur bei den über 65-<br />
Jährigen, bei Frauen dagegen in allen Jahrgängen außer bei den ganz jungen<br />
unterstellt.<br />
Gesamtwirtschaftliche Rahmendaten<br />
Größere Bandbreiten als bei der Bevölkerungsentwicklung treten bei den Prognosen<br />
der zukünftigen wirtschaftlichen Rahmenbedingungen aufgrund unterschiedlicher<br />
Annahmen zur Wirtschaftsentwicklung auf. Die Entwicklung des Wirtschaftswachstums<br />
beeinflusst die Verkehrsleistungen sowohl des Personen- als auch des Güterverkehrs<br />
wesentlich. Indikator hierfür ist das Bruttoinlandsprodukt (BIP). In den betrachteten<br />
Studien wurde durchgängig zumindest deren jahresdurchschnittliche Änderungsrate<br />
über den Betrachtungszeitraum angegeben. In TREMOD und VP 2015 wird diese mit<br />
Zwischenbericht, März 2007
- 160 -<br />
Institut für Verkehrsforschung<br />
2,1 % pro Jahr angenommen. Die anderen Studien gehen dagegen von jahresdurchschnittlichen<br />
1,6/1,8 % oder sogar 1,3 % - wie in EWI/Prognos HP - aus.<br />
Tabelle 19:<br />
Vergleich des jahresdurchschnittlichen BIP-Wachstums, das in den betrachteten<br />
Studien als Rahmenbedingung angenommen wurde<br />
Quelle<br />
Jahresdurchschnittliches Veränderung <strong>im</strong><br />
BIP-Wachstum<br />
Betrachtungszeitraum<br />
EWI/Prognos REF 1,4 % p.a. 48,7 %<br />
EWI/Prognos HP 1,3 % p.a. 45,1 %<br />
TREMOD 2,1 % p.a. 60,3 %<br />
TRAMP 1,6 % p.a. 56,7 %<br />
VP 2015 2,1 % p.a. 46,4 %<br />
IFMO 1,8 % p.a. 48,0 %<br />
acatech 1,8 % p.a -<br />
Shell Tradition 1,6 % p.a. -<br />
Shell Impuls 2,0 % p.a. -<br />
Quelle: Eigene Zusammenstellung<br />
Die detaillierte Entwicklung des Bruttoinlandprodukts ist in der Abbildung 28 noch<br />
einmal über die einzelnen Jahre bis 2030 dargestellt.<br />
Abbildung 28: Vergleich der Entwicklung des Bruttoinlandsproduktes in den betrachteten<br />
Studien<br />
Bruttoinlandsprodukt<br />
3500<br />
3000<br />
2500<br />
EWI/Prognos REF<br />
EWI/Prognos HP<br />
TREMOD<br />
TRAMP<br />
VP 2015<br />
IFMO<br />
BIP [Mrd. Euro]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
1997 2002 2003 2010 2015 2020 2025 2030<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 161 -<br />
Auch die Anzahl der Erwerbstätigen hat einen Einfluss auf die<br />
Verkehrsleistungsentwicklung. Diese wird jedoch nur in vier der betrachteten Studien<br />
explizit angegeben.<br />
Tabelle 20: Anzahl der Erwerbstätigen in Mio.<br />
Quelle 1997 2002 2015 2030<br />
EWI/Prognos REF - 38,70 - 37,50<br />
EWI/Prognos HP - 38,70 - 36,8<br />
TRAMP - 38,70 - 37,5<br />
VP 2015 34,34 - 34,47 -<br />
7.1.2.2 Weitere Einflussgrößen<br />
Verkehrs- und energiepolitische Rahmenbedingungen<br />
Verkehrsleistungen können wesentlich über politische Maßnahmen beeinflusst werden.<br />
Daher ist es wichtig, die in den einzelnen Studien zu Grunde gelegten verkehrs- und<br />
energiepolitischen Rahmenbedingungen - falls ausgeführt - bei einem Vergleich mit zu<br />
betrachten, um so auf die Referenzentwicklung schließen zu können. Denn Ziel des<br />
Projektes renewbility ist es ja gerade zusätzliche Maßnahmen und deren Einfluss auf<br />
die Fahrleistungen abzubilden. Hier müssen also ganz deutlich Referenz und Szenario<br />
unterschieden werden, denn in letzterem werden abweichend von der Referenz<br />
zusätzliche Maßnahmen berücksichtigt. Dies ist auch abhängig vom Erstellungszeitpunkt<br />
der Studie. So bilden die neusten Studien die aktuellsten politischen Entwicklungen<br />
ab, die möglicherweise in älteren Studien noch nicht beschlossen waren.<br />
Die getroffen Annahmen sind in der folgenden Tabelle qualitativ zusammengefasst.<br />
Zwischenbericht, März 2007
- 162 -<br />
Institut für Verkehrsforschung<br />
Tabelle 21:<br />
Qualitative Darstellung der verkehrspolitischen Rahmenbedingungen in den<br />
betrachteten Studien<br />
Studie<br />
Verkehrspolitische Rahmenbedingungen<br />
EWI/Prognos REF Energiepolitik beeinflusst den Verkehr durch steuerliche<br />
Belastung der Kraftstoffe. Der Einsatz von Gas und<br />
Biokraftstoffen wird durch Steuererleichterungen und F&E-<br />
Förderung unterstützt.<br />
EWI/Prognos HP Energiepolitik beeinflusst den Verkehr durch steuerliche<br />
Belastung der Kraftstoffe. Der Einsatz von Biokraftstoffen wird<br />
durch Be<strong>im</strong>ischungsvorschriften und Steuererleichterungen<br />
unterstützt.<br />
TREMOD<br />
Fortschreibung der Freiwilligen Selbstverpflichtung ACEA: ab<br />
2012 120 g/km CO2, ansonsten keine weiteren Angaben zu den<br />
verkehrspolitischen Rahmenbedingen<br />
TRAMP<br />
„Dynamische Anpassung“: höhere Verkehrspreise, Einsatz<br />
planerischer und ökonomischer Instrumente zur Reduzierung<br />
des Verkehrsaufwandes<br />
„Gleitender Übergang“: keine durchgreifenden Änderungen der<br />
planerischen Rahmenbedingungen<br />
VP 2015<br />
Laisser-Faire: keine weiteren verkehrspolitischen Maßnahmen,<br />
die über die bereits verabschiedeten hinaus gehen<br />
Trend: keine weiteren verkehrspolitischen Maßnahmen, die über<br />
die bereits verabschiedeten hinaus gehen, nur Einführung Lkw-<br />
Maut<br />
IFMO<br />
Pkw-Maut BAB und Bundesstraßen, Privatisierung von<br />
Bundesfernstraßen, Einheitlicher Schienenverkehrsmarkt in EU<br />
Konsequentes Ausschreiben <strong>im</strong> SPNV und ÖPNV – das heißt<br />
deutliche zusätzliche verkehrspolitische Maßnahmen<br />
acatech<br />
Entsprechend BVWP keine weiteren verkehrspolitischen<br />
Maßnahmen, die über die bereits verabschiedeten hinaus<br />
gehen, nur Einführung Lkw-Maut mit entsprechend aktualisierten<br />
Sätzen<br />
Shell<br />
Keine Angaben<br />
Quelle: Eigene Zusammenstellung<br />
Technische Entwicklung <strong>im</strong> Verkehrssektor<br />
Technische Entwicklungen <strong>im</strong> Verkehrssektor betreffen vor allem Antriebe und<br />
Kraftstoffe, die wesentlich den Energieverbrauch und damit die vom Verkehr<br />
ausgehenden CO 2 -Emissionen beeinflussen. Aber auch Telematik oder eine bessere<br />
Verknüpfung der verschiedenen Verkehrsträger untereinander kann einen Einfluss auf<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 163 -<br />
die Höhe der Verkehrsleistungen haben. Jedoch wird in den betrachteten Studien in<br />
der Regel höchstens auf die Antriebstechniken und den Anteil an alternativen Kraftstoffen<br />
eingegangen, wie die folgende qualitative Auflistung zeigt.<br />
Tabelle 22:<br />
Studie<br />
Qualitative Darstellung der technischen Entwicklung <strong>im</strong> Sektor Verkehr in den<br />
betrachteten Studien<br />
Technische Entwicklung<br />
EWI/Prognos REF<br />
EWI/Prognos HP<br />
TREMOD<br />
TRAMP<br />
VP 2015<br />
Der Verbrauch von Pkw geht durch technische Opt<strong>im</strong>ierung bis<br />
2030 <strong>im</strong> Durchschnitt um rund ein Drittel zurück. Hybrid keine<br />
überragende Rolle <strong>im</strong> Bestand. Gasfahrzeuge haben 2030<br />
einen Anteil von etwa 7 % an den Neuzulassungen,<br />
Brennstoffzellenfahrzeuge setzen sich bis dahin nicht am<br />
Markt durch, reinen Elektroautos nur Nischenprodukte<br />
Entsprechend Referenzszenario<br />
Verschiedene technische Maßnahmen zur<br />
Effizienzverbesserung, so dass 2008 140 g/km CO 2 und 2012<br />
120 g/km CO 2 erreicht werden; Biokraftstoffe nur geringer<br />
Anteil<br />
Keine Angaben<br />
Verbrauchsreduktion durch technologische Effekte und<br />
Nachfrageentwicklung hin zu verbrauchsärmeren Fahrzeugen,<br />
alternative Kraftstoffe werden nicht angesprochen<br />
IFMO 2025 hoher Anteil alternativer Kraftstoffe (20 %),<br />
Hybridtechnologie, opt<strong>im</strong>ierte Motorentechnik,<br />
Fahrprofilassistenten, Leichtbau, höherer Absatz Kleinwagen –<br />
dadurch Durchschnittsverbrauch 3 l/100km in 2025<br />
(Biokraftstoffe werden mit 0l berücksichtigt)<br />
acatech<br />
Shell<br />
Keine Angaben<br />
Verbrauch reduziert sich durch Verbesserung von<br />
Motorentechnik, Fahrzeuggewicht, Luftwiderstand, Kraft- und<br />
Schmierstoffen, Anteil Biokraftstoffe 5,75 %<br />
Quelle: Eigene Zusammenstellung<br />
Kraftstoffkosten<br />
Generell wird in den meisten Studien nur sehr allgemein auf die Entwicklung der<br />
Rohölpreise eingegangen. Dies hat zum einen sicherlich den Grund, dass für die<br />
Nachfrage vor allem die gesamten Nutzerkosten relevant sind. Zum anderen hat sich<br />
auch gezeigt, dass die Entwicklung der Rohölpreise nur schwer zu prognostizieren ist.<br />
Zwischenbericht, März 2007
- 164 -<br />
Institut für Verkehrsforschung<br />
Einzige Studie, bei der die Entwicklung der Rohölpreise explizit beschrieben wird, ist<br />
EWI/Prognos. Angenommen wird in dem Referenzszenario, dass die Erdöl- und<br />
Erdgaspreise in 2030 etwa doppelt so hoch sind wie in den 1990er Jahren. In dem<br />
Grundszenario wird von einem Rohölpreis für 2030 von real 37 $/br ausgegangen. Die<br />
Entwicklung der Rohölpreise in den letzten Monaten hat dann das BMWi veranlasst,<br />
ein so genanntes Hochpreisszenario in Auftrag zu geben, bei dem eine<br />
Rohölpreisentwicklung von real auf 60 $/br unterstellt wird.<br />
Die inländischen Verbraucherpreise werden best<strong>im</strong>mt durch die Importpreisentwicklung,<br />
die Entwicklung der inländischen Verarbeitungs- und Transportkosten, die<br />
Energiebesteuerung und die CO 2 -Belastung. In beiden EWI/Prognos-Szenarien wird<br />
unterstellt, dass die Energiesteuersätze real konstant bleiben und dass die<br />
Verbraucherpreise entsprechend dem Kohlenstoffgehalt des Energieträgers einen<br />
CO 2 -Aufschlag enthalten. Damit steigen die Verbraucherpreise für Mineralölprodukte<br />
geringer an als die Importpreise. Im Referenzszenario liegt der Preis inklusive<br />
Mehrwertsteuer für Benzin bei 1,21 € und <strong>im</strong> Hochpreisszenario bei 1,39 €, für Diesel<br />
sind es 1,04 bzw. 1,24 €. In der Verkehrsprognose 2015 für den BVWP wird von einem<br />
Anstieg des Rohölpreises <strong>im</strong> Zeitraum 1997 bis 2015 um ein Drittel ausgegangen. Der<br />
Anstieg des nominalen Endpreises beträgt 59 %, des realen 21 % <strong>im</strong> Trend-Szenario<br />
verglichen mit 1997. Der steigende Kraftstoffpreis wird durch Verbrauchsopt<strong>im</strong>ierungen<br />
mehr als kompensiert. Die Nutzerkosten des Pkw-Verkehrs sinken <strong>im</strong> Laisser-faire und<br />
Trend-Szenario der Verkehrsprognose 2015 um 5 %, wobei anzumerken ist, dass<br />
keine Pkw-Maut unterstellt wird. Im Lkw-Verkehr nehmen die Nutzerkosten inklusive<br />
Lkw-Maut um 19 % bzw. 14 % ab, was unter anderem auf die bessere Auslastung der<br />
Fahrzeuge zurückzuführen ist. In der TRAMP-Studie werden keine Rohöl- oder<br />
Kraftstoffpreise dezidiert ausgewiesen sondern nur die Änderung der Preise des<br />
Verkehrs insgesamt, da die Entwicklung der Rohöl- bzw. Kraftstoffpreise nur mir sehr<br />
großen Unsicherheiten prognostiziert werden kann.<br />
In IFMO steigen die Mobilitätsausgaben deutlich. Die Kraftstoffpreisbasis beträgt 2004<br />
0,35 € 2004 /l und 2025 0,7 € 2004 /l.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 165 -<br />
Tabelle 23:<br />
Studie<br />
Annahmen zur Entwicklung der Kraftstoffpreise<br />
Kraftstoffpreisänderung <strong>im</strong> Prognosezeitraum<br />
EWI/Prognos REF Anstieg des Verbraucherpreises um ca. 20-25 %<br />
EWI/Prognos HP Anstieg des Verbraucherpreises um ca. 38-50 %<br />
TREMOD<br />
Keine Angaben<br />
TRAMP<br />
Wird nur als Preis des Verkehrs berücksichtigt (nicht separat für<br />
Kraftstoffe) 2,2 bis 3,0 % p. a. Steigerung<br />
VP 2015 Anstieg des Verbraucherpreises um 21 %<br />
IFMO Anstieg der Kraftstoffpreisbasis um 100 %<br />
acatech Anstieg des Rohölpreises um 2,5 % p. a.<br />
Shell<br />
Keine Angaben<br />
Quelle: eigene Zusammenstellung<br />
7.1.3 Vergleich der Ergebnisse<br />
7.1.3.1 Personenverkehr<br />
Verkehrs- und Fahrleistungen des Personenverkehrs<br />
In der Abbildung 29 sind vergleichend die Jahresfahrleistungen der Pkw<br />
beziehungsweise des motorisierten Individualverkehrs, der auch die motorisierten<br />
Zweiräder enthält, dargestellt. Ein direkter Vergleich dieser beiden Fahrzeugkategorien<br />
– Pkw und MIV – ist möglich, da letztere in dieser Größenordnung nicht signifikant ins<br />
Gewicht fällt. In TRAMP wird die Fahrleistung der privaten Haushalte nicht gesondert<br />
angegeben.<br />
Zwischenbericht, März 2007
- 166 -<br />
Institut für Verkehrsforschung<br />
Abbildung 29: Prognostizierte Entwicklung der Pkw/MIV-Fahrleistung bis 2030<br />
700<br />
Fahrleistung Pkw (Miv)<br />
600<br />
Fahrleistung [Mrd. Pkw km]<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
EWI/Prognos REF<br />
EWI/Prognos HP<br />
TREMOD<br />
VP 2015<br />
IFMO<br />
acatec MIV Mrd. km<br />
Shell Tradition<br />
Shell Impuls<br />
1997 2002 2003 2010 2015 2020 2025 2030<br />
Auffällig ist zunächst, dass die „Ist“-Fahrleistung der Jahre 2002 und 2003 zwischen<br />
TREMOD/EWI/Prognos und acatech und Shell deutlich differieren. Der Grund hierfür<br />
ist wahrscheinlich, dass in den beiden letzteren Studien die Aktualisierung der<br />
Fahrleistung des DIW noch nicht berücksichtigt wurde. Nach Bekanntgabe der<br />
Ergebnisse der Fahrleistungserhebung [MID 2004] des Jahres 2002 hat das DIW das<br />
Fahrleistungsmodell, mit dem die jährlichen Fahrleistungen <strong>im</strong> Auftrag des BMVBW<br />
berechnet werden, aktualisiert und inhaltlich weiterentwickelt [DIW 2004]. Diese<br />
Anpassung wurde notwendig, da – wie Abbildung 30 zeigt – eine Fortschreibung des<br />
mit dem alten DIW-Modell berechneten Verlaufs bis zum Jahr 2002 zu einer<br />
Fahrleistungslücke zwischen der empirisch erhobenen Fahrleistung und der vom DIW-<br />
Modell best<strong>im</strong>mten Fahrleistung von rund 75 Mrd. Fahrzeugkilometern geführt hätte<br />
[DIW 2002]. Durch die Aktualisierung und inhaltliche Weiterentwicklung des DIW-<br />
Modells ergibt sich ein veränderter Verlauf der Fahrleistungskurve, der vor allem durch<br />
einen weiteren Anstieg ab dem Jahr 2000 gekennzeichnet ist.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 167 -<br />
Abbildung 30:<br />
Fahrleistungsberechnung des DIW nach der alten und der neuen Methode<br />
Fahrleistung in Mio. km<br />
620000<br />
600000<br />
580000<br />
560000<br />
540000<br />
520000<br />
500000<br />
480000<br />
460000<br />
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003<br />
Jahr<br />
DIW alt DIW neu Erhebung 2002 Erhebung 1993<br />
Grund hierfür ist, dass das DIW bis zum Jahr 2002 die Fahrleistungen ausschließlich<br />
über den Kraftstoffabsatz in Deutschland berechnet hat (Energiebilanz). Die große<br />
Differenz der Kraftstoffpreise von Deutschland mit den angrenzenden Staaten induziert<br />
jedoch zusätzlich Kraftstoff<strong>im</strong>port. In der aktualisierten Berechnung wird daher<br />
berücksichtigt, dass bei grenzüberschreitenden Fahrten auch Kraftstoff über die<br />
Grenzen transportiert werden kann, was als grauer Kraftstoff<strong>im</strong>port und -export<br />
bezeichnet wird. Unter grauen Importen versteht man dann die Kraftstoffmenge, die <strong>im</strong><br />
Ausland getankt und <strong>im</strong> Inland verbraucht wird. 43 Um den Kraftstoffverbrauch der<br />
Inländer zu ermitteln, ist der graue Import dem Kraftstoffabsatz in Deutschland<br />
hinzuzuaddieren, da mit diesem <strong>im</strong>portierten Kraftstoff ebenfalls Fahrleistung der<br />
Inländer erbracht wird. Graue Exporte müssen vom Kraftstoffabsatz abgezogen<br />
werden, da sie den Inländern nicht mehr zur Verfügung stehen. Insgesamt ergibt sich<br />
dadurch ein Kraftstoffverbrauch der Inländer, der nicht mehr identisch ist mit dem<br />
Kraftstoffabsatz <strong>im</strong> Inland. Die Gesamtfahrleistung wird dann auf Basis des<br />
Kraftstoffverbrauchs der Inländer (Energiebilanz plus Im- und Exporte), der<br />
spezifischen Kraftstoffverbräuche, der Bestandszahlen und der durchschnittlichen<br />
Fahrleistungen der einzelnen Verkehrsträger berechnet.<br />
Weiterhin ist darauf hinzuweisen, dass die Fahrleistungsprognosen von EWI/Prognos<br />
und TREMOD stark differieren. Bei EWI/Prognos ergibt sich eine Abnahme der<br />
durchschnittlichen Fahrleistung, die in einer leichten Abnahme der Gesamtfahrleistung<br />
43<br />
Der Tanktourismus stellt eine Teilmenge der grauen Im- oder Exporte dar und bezieht sich in der<br />
engeren Definition auf grenzüberschreitenden Fahrten, die ausschließlich den Zweck verfolgen,<br />
preiswerten Kraftstoff zu tanken.<br />
Zwischenbericht, März 2007
- 168 -<br />
Institut für Verkehrsforschung<br />
resultiert. In TREMOD wird dagegen ein Anstieg der Fahrleistungen bis 2030<br />
angenommen. Im Ergebnis liegt die Fahrleistung Pkw <strong>im</strong> Jahr 2030 in TREMOD um<br />
etwa 6 % über der in der Referenz von EWI/Prognos und etwa 11,5 % über der des<br />
Hochpreisszenarios, die Gesamtfahrleistung sogar um 16 % bzw. 23 %, was dann<br />
zusätzlich an den in TREMOD höher prognostizierten Bestandszahlen liegt.<br />
Abbildung 31: Prognostizierte Entwicklung der durchschnittlichen Jahresfahrleistung von Pkw<br />
14<br />
Durchschnittliche Fahrleistung Pkw<br />
durchschnittliche Fahrleistung [1.000 km/a]<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
EWI/Prognos REF<br />
EWI/Prognos HP<br />
TREMOD<br />
VP 2015<br />
Shell Tradition<br />
Shell Impuls<br />
0<br />
1997 2002 2003 2010 2015 2020 2025 2030<br />
Die Fahrleistungen Pkw sind mit der Verkehrsleistung der Pkw über den Grad der<br />
Auslastung verknüpft, der in TREMOD und EWI/Prognos REF+HP gleich angenommen<br />
wird:<br />
Quelle 2002 2030<br />
EWI/Prognos 1,5 1,4<br />
TREMOD 1,5 1,4<br />
Die Entwicklung der Personenverkehrsleistung Pkw weicht jedoch – wie die der<br />
Fahrleistung – in diesen beiden Studien voneinander ab, so dass es auch hier <strong>im</strong> Jahr<br />
2030 zu einer Differenz von 16 % bzw. 23 % kommt. In TRAMP liegt die Fahrleistung<br />
<strong>im</strong> MIV um rund 20 Mrd. km unter den anderen Studien <strong>im</strong> Basisjahr 2002. Dies ist<br />
vermutlich darin begründet, dass nur die Verkehrsleistung der privaten Haushalte<br />
betrachtet wird und der Wirtschaftsverkehr mit Pkw unberücksichtigt bleibt. Daher wird<br />
TRAMP in der folgenden Abbildung nicht in den Vergleich mit aufgenommen. Für das<br />
Jahr 2030 wird in TRAMP eine Entwicklung von -1 % für das Status-Quo-Szenario<br />
berechnet. Im Szenario “Dynamische Anpassung“ steigt die Verkehrsleistung der<br />
privaten Haushalte zunächst an und n<strong>im</strong>mt dann wieder auf den Wert von 2002 ab. Ein<br />
Anstieg von 11 % <strong>im</strong> Jahr 2030 ist das Ergebnis <strong>im</strong> Szenario „Gleitender Übergang“.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 169 -<br />
Abbildung 32: Prognostizierte Entwicklung der Personenverkehrsleistung Pkw bis 2030<br />
1000<br />
Personenverkehrsleistung Pkw/MIV<br />
Personenverkehrsleistung [Mrd. Pkm/a]<br />
900<br />
800<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
EWI/Prognos REF Pkw<br />
EWI/Prognos HP Pkw<br />
TREMOD Pkw<br />
VP 2015 MIV<br />
0<br />
1999 2002 2003 2010 2015 2020 2025 2030<br />
Die folgende Abbildung 33 zur Entwicklung der Personenverkehrsleistung aller<br />
Verkehrsträger, also Straße, Schiene und Luft, zeigt, dass TREMOD hier eine andere<br />
Abgrenzung verwendet, da bereits <strong>im</strong> „Ist“-Zustand 2002 die Personenverkehrsleistung<br />
deutlich über der der anderen Studien liegt.<br />
Abbildung 33: Prognostizierte Entwicklung der Personenverkehrsleistung bis 2030<br />
1600<br />
Personenverkehrsleistung alle Verkehrsträger<br />
Personenverkehrsleistung [Mrd. Pkm/a]<br />
1400<br />
1200<br />
1000<br />
800<br />
600<br />
400<br />
200<br />
0<br />
EWI/Prognos REF<br />
EWI/Prognos HP<br />
TREMOD<br />
VP 2015<br />
IFMO<br />
1997 2002 2010 2015 2020 2025 2030<br />
Zwischenbericht, März 2007
- 170 -<br />
Institut für Verkehrsforschung<br />
Betrachtet man die Personenverkehrsleistung differenziert nach Verkehrsträger - wie in<br />
Abbildung 34 dargestellt - so wird deutlich, dass diese Differenz auf der Verkehrsleistung<br />
des Verkehrsträgers Flugzeug beruht. In TREMOD wird der Flugverkehr<br />
ausgehend von dem in Deutschland abgesetzten Flugtreibstoff (Energiebilanzprinzip)<br />
bilanziert, was in etwa der Entfernung von deutschen Flughäfen bis zur ersten<br />
Zwischenlandung entspricht. Die Berechnungen der Verkehrsleistung von<br />
EWI/Prognos beruhen dagegen auf dem Anteil Flugtreibstoff, der von/bis zur Grenze<br />
benötigt wird (Territorialprinzip). Die Verkehrsleistung des Flugverkehrs und damit auch<br />
die Gesamtpersonenverkehrsleistung dieser beiden Studien sind daher NICHT<br />
miteinander vergleichbar.<br />
Abbildung 34: Prognostizierte Personenverkehrsleistung 2002 und 2030 nach Verkehrsträger<br />
Personenverkehrsleistung 2002 und 2030<br />
1600<br />
1400<br />
2002 2030<br />
Personenverkehrsleistung [Mrd. Pkm]<br />
1200<br />
1000<br />
800<br />
600<br />
400<br />
200<br />
Luft<br />
Schiene<br />
Straße<br />
0<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos HP TREMOD EWI/Prognos<br />
REF<br />
EWI/Prognos HP<br />
TREMOD<br />
Kenngrößen des Fahrzeugbestandes<br />
In allen Szenarien wird ein Anstieg des Fahrzeugbestandes prognostiziert. Dies ist vor<br />
allem auf die Personengruppen zurückzuführen, deren Motorisierungsgrad derzeit<br />
noch geringer ausgeprägt ist. Hierzu zählen vor allem Frauen und ältere Menschen. In<br />
EWI/Prognos steigt er auf etwa 47 Mio. und in TREMOD auf etwa 52 Mio. Pkw in 2030<br />
an. In TRAMP wird der Pkw-Bestand für die privaten Haushalte angegeben, der <strong>im</strong><br />
Jahr 2002 bei 41,8 Mio. Fahrzeugen liegt. Davon ausgehend n<strong>im</strong>mt der Fahrzeugbestand<br />
<strong>im</strong> Szenario „Gleitender Übergang“ um 12 % bis 2030 zu. In den Szenarien<br />
„Status Quo“ und „Dynamische Anpassung“ steigt die Anzahl Pkw <strong>im</strong> Bestand<br />
zunächst etwas stärker, um dann etwa 2020 wieder leicht abzunehmen und erreicht <strong>im</strong><br />
Jahr 2030 verglichen mit 2002 einen Anstieg um 2 bzw. 4 %.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 171 -<br />
Ausgehend von einem Anteil von etwa 16 % Diesel-Pkw <strong>im</strong> Jahr 2002 wächst dieser<br />
Anteil in allen Studien erheblich. 2030 erreicht er in EWI/Prognos eine Höhe von 47 %<br />
bei der Referenz und 42 % <strong>im</strong> Hochpreisszenario, in TREMOD 43 % und bei Shell 39<br />
bzw. 41 %.<br />
In EWI/Prognos und Shell werden zusätzlich zu den konventionellen Antrieben auch<br />
alternative Antriebe für den Bestand ausgewiesen. Im Referenzszenario EWI/Prognos<br />
haben Pkw mit Gasantrieb 2030 einen Anteil von 5,7 %, <strong>im</strong> Hochpreisszenario von<br />
7,5 %. Brennstoffzellen-Pkw sind mit 2,4 bzw. 4,8 % <strong>im</strong> Bestand vertreten.<br />
Abbildung 35: Prognostizierter Pkw-Bestand nach Antriebstechnologien 2002 und 2030<br />
Bestand nach Antriebstechnologien<br />
55<br />
50<br />
2002 2030<br />
Bestand [Mio. Pkw]<br />
45<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
Gas/BZ<br />
BZ<br />
Gas<br />
Diesel<br />
Otto<br />
0<br />
EWI/Prognos<br />
EWI/Prognos HP<br />
TREMOD<br />
Shell Tradition<br />
Shell Impuls<br />
EWI/Prognos<br />
EWI/Prognos HP<br />
TREMOD<br />
Shell Tradition<br />
Shell Impuls<br />
Eine weitere wichtige, zu prognostizierende Größe ist der Kraftstoffverbrauch der neu<br />
zugelassenen Fahrzeuge. Dieser ist neben Bestand und Fahrleistung die dritte<br />
entscheidende Größe zur Berechnung des Energiebedarfs <strong>im</strong> Sektor Verkehr. In<br />
EWI/Prognos und TREMOD sind sehr unterschiedliche Annahmen getroffen worden<br />
(Tabelle 24).<br />
Tabelle 24:<br />
Annahmen zum spezifischen Verbrauch neu zugelassener Pkw in l/100 km<br />
Quelle<br />
2003 2030<br />
Otto Diesel Otto Diesel<br />
EWI/Prognos REF - - 5,3 4,3<br />
TREMOD 7,6 6,4 4,5 3,9<br />
Zwischenbericht, März 2007
- 172 -<br />
Institut für Verkehrsforschung<br />
Die Studie von IFMO geht von einer Abnahme auf 3 l/100 km <strong>im</strong> Jahr 2025 aus, wobei<br />
aber alternative Kraftstoffe (Anteil <strong>im</strong>merhin 20 %) mit 0 l berücksichtigt werden. Die<br />
Grundlage für TREMOD ist die Erreichung des ACEA-Selbstverpflichtung mit 140 g/km<br />
CO 2 in 2008, eine Fortschreibung dieser mit 120 g/km CO 2 in 2012 und danach einer<br />
weiteren jährlichen Reduktion von 1,5 % auf durchschnittlich 99 g/km in 2030. Bezogen<br />
auf den durchschnittlichen Kraftstoffverbrauch der Pkw handelt es sich also um eine<br />
Art Ziel-Szenario. Momentan ist noch nicht sicher, ob die 140 g/km bei neu<br />
zugelassenen Pkw auf europäischer Ebene und damit auch in Deutschland erreicht<br />
werden. Das Szenario bezüglich der Entwicklung des Kraftstoffverbrauchs der neu<br />
zugelassenen Pkw in TREMOD könnte damit als recht ambitioniert bezeichnet werden.<br />
Für Otto-Pkw beträgt er 4,5 l/100km, für Diesel 3,9 l/100 km <strong>im</strong> Flottendurchschnitt,<br />
EWI/Prognos prognostiziert dagegen 5,3 und 4,3 l/100 km. Die Verbräuche der neu<br />
zugelassenen Pkw <strong>im</strong> Hochpreisszenario werden nicht genannt.<br />
Damit ergibt sich der in der Abbildung 36 dargestellte Verlauf der durchschnittlichen<br />
Kraftstoffverbräuche für den Pkw-Bestand für die verschiedenen Studien.<br />
Abbildung 36: Prognostizierte Entwicklung des Kraftstoffverbrauchs <strong>im</strong> Pkw-Bestand<br />
9<br />
Verbrauch Pkw-Bestand<br />
8<br />
7<br />
Verbrauch [l/100km]<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
EWI/Prognos REF l/100km Otto<br />
EWI/Prognos REF l/100km Diesel<br />
EWI/Prognos HP l/100km Otto<br />
EWI/Prognos HP l/100km Diesel<br />
TREMOD l/100km Otto<br />
TREMOD l/100km Diesel<br />
VP 2015<br />
Shell Tradition l/100km<br />
Shell Impuls l/100km<br />
1997 2002 2003 2010 2015 2020 2025 2030<br />
7.1.3.2 Güterverkehr<br />
Verkehrs- und Fahrleistungen des Güterverkehrs<br />
In der Abbildung 37 ist die Entwicklung der Güterverkehrsleistung für 2030 <strong>im</strong><br />
Vergleich zu 2002, wie sie in EWI/Prognos und TREMOD für die einzelnen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 173 -<br />
Verkehrsträger prognostiziert wird, dargestellt. In beiden Studien kommt es zu<br />
deutlichen Zuwächsen, die bei EWI/Prognos 58 % (56 %) 44 und bei TREMOD 68 %<br />
betragen. Auch hier ist bei einem direkten Vergleich wieder zu berücksichtigen, dass<br />
die Abgrenzung <strong>im</strong> Luftverkehr in den beiden Studien unterschiedlich getroffen wird.<br />
Be<strong>im</strong> Güterverkehr fällt dies jedoch nicht so stark ins Gewicht, da der Luftverkehr hier<br />
einen deutlich geringeren Anteil hat als <strong>im</strong> Personenverkehr. Die Zuwächse <strong>im</strong><br />
Straßengüterverkehr entsprechen <strong>im</strong> Referenzszenario EWI/Prognos und in TREMOD<br />
mit 58 % und 71 % nahezu der gesamten Güterverkehrsleistung. Im Hochpreisszenario<br />
verschiebt sich dies etwas stärker zu Gunsten von Schiene und Schiff. Der Zuwachs<br />
der Verkehrsleistung Straßengüterverkehr beträgt damit nur 53 %.<br />
Abbildung 37: Prognostizierte Entwicklung der Güterverkehrsleistung nach Verkehrsträgern<br />
Güterverkehrsleistung 2002 und 2030<br />
900<br />
800<br />
2002 2030<br />
Güterverkehrsleistung [Mrd. tkm]<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
Luft<br />
Wasser<br />
Schiene<br />
Straße<br />
0<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos HP TREMOD EWI/Prognos<br />
REF<br />
EWI/Prognos HP<br />
TREMOD<br />
Kenngrößen des Güterfahrzeugbestandes<br />
Wie auch bei der Personenverkehrsleistung ist für die Güterverkehrsleistung der<br />
Fahrzeugbestand nicht unwesentlich. Dieser wird in den Studien EWI/Prognos und<br />
TREMOD wie in Tabelle 9 ausgewiesen, wobei der Unterschied zwischen<br />
EWI/Prognos und TREMOD auch <strong>im</strong> „Ist“-Zustand durch die unterschiedlichen Abgrenzungen<br />
in den Fahrzeugkategorien (Lkw >, < 3,5 t zgG, Sattelzüge etc.) verursacht<br />
wird.<br />
44 Hochpreisszenario<br />
Zwischenbericht, März 2007
- 174 -<br />
Institut für Verkehrsforschung<br />
Tabelle 25:<br />
Fahrzeugbestand LKW/Sattelzüge in Mio.<br />
Quelle 2002 2015 2030<br />
EWI/Prognos REF 3,95 4,6 4,81<br />
TREMOD 3,06 - 3,51<br />
Für die Berechnungen des Energiebedarfs und der Emissionen sind entsprechend die<br />
Energieverbräuche der Güterfahrzeuge von entscheidender Bedeutung.<br />
Tabelle 26:<br />
Kraftstoffverbrauch der Straßengüterfahrzeuge in l/100 km<br />
Quelle 1997 2002 2015 2030<br />
EWI/Prognos REF - 23,9 - 18,7<br />
VP 2015 33,4 - 30,8 -<br />
7.1.3.3 Vergleich EWI/Prognos, TREMOD, TRAMP<br />
Im Folgenden werden die Ergebnisse von EWI/Prognos jeweils mit den Ergebnissen<br />
von TREMOD und von TRAMP zusammenfassend verglichen, da diese Studien zum<br />
einen in ausreichender Detailliertheit vorliegen und somit eine Interpretation der<br />
Abweichungen möglich ist und zum anderen als Grundlage für das Basisszenario in<br />
renewbility <strong>im</strong> Projektteam diskutiert wurden. Die übrigen betrachteten Studien<br />
erschienen hierfür nicht geeignet, da teilweise nicht die Basis – also keine zusätzliche<br />
Maßnahmen – betrachtet wird und teilweise die Rahmenbedingungen nicht<br />
transparent genug dargestellt werden.<br />
Vergleich EWI/Prognos und Tremod<br />
Die Bevölkerungsanzahl wird in TREMOD <strong>im</strong> Jahr 2030 nur leicht höher angenommen<br />
als in EWI/Prognos REF+HP. Dagegen differieren die Annahmen zum<br />
jahresdurchschnittlichen BIP-Wachstum erheblich. Hier wird in TREMOD mit 2,1 %, in<br />
EWI/Prognos mit 1,4 % p. a. (1,3 %) 45 gearbeitet. Dies resultiert in einem Unterschied<br />
des BIP in 2030 von etwa 8 % (10 %). Damit liegen sowohl die abgeleitete<br />
Personenverkehrsleistung als auch die Güterverkehrsleistung auf der Straße in<br />
TREMOD um 18 % (24 %) bzw. 8 % (11 %) höher als in EWI/Prognos. Unter anderem<br />
liegt dies auch an einem <strong>im</strong> Jahr 2030 um 10 % höheren Pkw-Bestand in dem<br />
Basisszenario von TREMOD.<br />
Da die Entwicklung des Kraftstoffverbrauches der neu zugelassenen Pkw in TREMOD<br />
aber deutlich ambitionierter prognostiziert wird und <strong>im</strong> Jahr 2030 um 15 % bei Otto-<br />
Pkw und um 10 % bei Diesel-Pkw niedriger liegt als in EWI/Prognos, ergibt sich für den<br />
45<br />
Hochpreisszenario ist der Einfachheit halber jeweils zum Vergleich in Klammern gesetzt.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 175 -<br />
Energieverbrauch <strong>im</strong> Straßenverkehr ein umgekehrtes Bild: Der Energieverbrauch<br />
Straßenverkehr liegt <strong>im</strong> Jahr 2030 bei EWI/Prognos um etwa 11 % (5 %) über dem<br />
abgeleiteten Verbrauch in TREMOD. Der Gesamtenergieverbrauch Verkehr differiert<br />
aufgrund des in TREMOD höher prognostizierten Anstiegs <strong>im</strong> Flugverkehr zwischen<br />
den Studien nur geringfügig mit knapp 1,5 %. Der Verlauf bis 2030 ist in Abbildung 38<br />
dargestellt.<br />
Abbildung 38: Entwicklung des Energieverbrauchs Verkehr in EWI/Prognos und TREMOD<br />
Energieverbrauch <strong>im</strong> Verkehr<br />
3.000<br />
2.500<br />
Energieverbrauch [PJ]<br />
2.000<br />
1.500<br />
1.000<br />
500<br />
0<br />
Luft<br />
Schiff<br />
Schiene<br />
Straße<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos<br />
HP<br />
TREMOD<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos<br />
HP<br />
TREMOD<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos<br />
HP<br />
TREMOD<br />
EWI/Prognos<br />
REF<br />
EWI/Prognos<br />
HP<br />
TREMOD<br />
2002 2010 2020 2030<br />
Vergleich EWI/Prognos und TRAMP<br />
Von den drei in TRAMP gerechneten Szenarien ist das Szenario „Gleitender<br />
Übergang“ einer Trendentwicklung am nächsten (Anpassung der<br />
Bevölkerungsverteilung und -Struktur; Beibehaltung der Verhaltensparameter auf dem<br />
Stand von 2002; Fortschreibung der wirtschaftlichen Entwicklung und der<br />
Erwerbstätigenzahlen). Es weist <strong>im</strong> MIV gegenüber 2002 eine um 11% höhere<br />
Verkehrsleistung aus. Im Szenario „Dynamische Anpassung“ steigen die Preise <strong>im</strong><br />
Verkehr stärker und siedlungsstrukturelle Maßnahmen erzielen verstärkt Wirkung,<br />
sodass die Verkehrsleistung deutlich niedriger liegt als <strong>im</strong> „Gleitenden Übergang“. Im<br />
sog. Status Quo wird alles auf dem Stand von 2002 eingefroren, lediglich die<br />
Bevölkerung gemäß der Entwicklung bis 2030 angepasst.<br />
Zwischenbericht, März 2007
- 176 -<br />
Institut für Verkehrsforschung<br />
TRAMP: Verkehrsleistung MIV [Mrd. Pkm]<br />
2002<br />
Status Quo<br />
(„Demografieszenario“)<br />
Dynamische<br />
Anpassung<br />
Gleitender Übergang<br />
(~Trend)<br />
845 837 845 938<br />
Die Referenzprognose <strong>im</strong> Energiereport IV von EWI/Prognos ergibt eine Personenverkehrsleistung<br />
<strong>im</strong> MIV von 831 Milliarden Pkm in 2030. Bei deutlich höheren<br />
Energiepreisen liegt der Wert <strong>im</strong> Ölpreisszenario deutlich darunter.<br />
EWI/Prognos: Verkehrsleistung MIV [Mrd. Pkm]<br />
2002 Ölpreis Referenz<br />
884 783 831<br />
Folgende Unterschiede zwischen EWI/Prognos und der TRAMP-Studie ergeben sich<br />
bei der Betrachtung der zeitlichen Entwicklung der Verkehrsleistungen bis 2030:<br />
TRAMP geht <strong>im</strong> Gleitenden Übergang bis 2030 von einem Anstieg der Verkehrsleistung<br />
aus, bei nur leicht sinkenden Bevölkerungsmengen. Eine Abflachung dieser<br />
Entwicklung setzt nach 2030 ein aufgrund eines rückläufigen Wegeaufkommens<br />
(demografischer Übergang, Bevölkerungsrückgang).<br />
In EWI/Prognos steigen die Verkehrsleistungen bis 2010 analog zu TRAMP (aufgrund<br />
stärkerer wirtschaftlicher Entwicklung), gehen jedoch bereits ab 2015 wieder zurück,<br />
beeinflusst durch den Bevölkerungsrückgang und Alterung (sinkende Bedeutung des<br />
Berufspendelverkehrs).<br />
Hinsichtlich der absoluten Unterschiede der Verkehrsleistung kommen zunächst<br />
folgende, gegenläufige Einflüsse zum Tragen:<br />
• Die Bevölkerung wird in TRAMP 2030 um rund 2 Mio. höher angesetzt als bei<br />
EWI/Prognos. (Die Altersstruktur weist kaum Unterschiede auf.), siehe auch<br />
nachstehende Tabelle<br />
Bevölkerungsentwicklung in Millionen bis 2030 in Tramp und EWI/Prognos<br />
2002 2010 2020 2030<br />
Tramp 82,5 82,6 82,1 81<br />
EWI/Prognos 82,5 ~82,5 ~80,6 ~78,8<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 177 -<br />
• In TRAMP ist <strong>im</strong> Gegensatz zu EWI/Prognos nur der Verkehr der privaten<br />
Haushalte angesetzt. Wirtschaftsverkehr, der mit Pkw erbracht wird, bleibt also<br />
unberücksichtigt.<br />
Eine Quantifizierung dieser Einflüsse kann nur anhand der Basisdaten der Studien<br />
vorgenommen werden, die jedoch nicht vorliegen. Grobe Abschätzungen ergaben,<br />
dass es sich um durchaus nennenswerte Größenordnungen handeln könnte (jeweils<br />
>30 Mrd. Pkm).<br />
Einen weiteren Einfluss auf die Ergebnisse ist in den Annahmen zur Kostenentwicklung<br />
<strong>im</strong> Verkehr zu sehen. Bei TRAMP wird ein pauschaler Steigerungssatz verwendet, der<br />
das 1,5 fache der Inflationsrate <strong>im</strong> Gleitenden Übergang bzw. das 2,0 fache in der<br />
Dynamischen Anpassung beträgt.<br />
In EWI/Prognos lassen sich konkrete Angaben zu Kosten des Verkehrs lediglich<br />
hinsichtlich der Benzinpreise finden. Diese steigen von 2000 bis 2030 real um 21%<br />
(Referenz) bzw. 39% (Ölpreis). Damit bleibt der Preisanstieg des Benzins in beiden<br />
Fällen deutlich unter der Inflationsrate 46 .<br />
Selbstverständlich lassen sich die Benzinpreise nicht direkt mit der<br />
Gesamtkostenentwicklung <strong>im</strong> Verkehr vergleichen. Dennoch zeigen beide Größen eine<br />
Tendenz auf, die die Abweichungen der Verkehrsleistungen der beiden Studien eher<br />
noch verstärken als sie zu min<strong>im</strong>ieren.<br />
Grundsätzlich bleibt festzustellen, dass bei EWI/Prognos nicht direkt zu erkennen ist,<br />
welche Einflussgröße wann wie stark greift. Dagegen lassen sich bei TRAMP die<br />
Zusammenhänge in den Szenarien besser nachvollziehen, da auch Zwischengrößen<br />
wie zum Beispiel durchschnittliche Wegelängen für die Szenarien angegeben sind.<br />
Des Weiteren bestehen Unterschiede zwischen den Studien in Bezug auf die<br />
Annahmen zur Entwicklung des Bruttoinlandsproduktes. Die Projektion der<br />
wirtschaftlichen Entwicklung erfolgt in Tramp wie in EWI/Prognos über die Darstellung<br />
jahresdurchschnittlicher Wachstumsraten. In der Tramp-Studie wird dabei auf eine<br />
Produktionsfunktion zurückgegriffen die für die Zeitscheiben bis 2030 differente<br />
Wachstumsraten angibt, während EWI/Prognos in der Referenz- wie Ölpreisvariante<br />
jeweils konstante Wachstumsraten zu Grund legt. Die nachstehende Tabelle fasst die<br />
Annahmen für die Entwicklung des BIP bis 2030 zusammen.<br />
46 Diese wird nicht explizit ausgewiesen, sondern wurde anhand anderer Angaben ermittelt.<br />
Zwischenbericht, März 2007
- 178 -<br />
Institut für Verkehrsforschung<br />
Jahresdurchschnittliche Wachstumsraten des Bruttoinlandsprodukts in Prozent<br />
bis 2010 2011 bis 2020 2021 bis 2030<br />
Tramp-Studie 1,8 1,7 1,4<br />
EWI/Prognos<br />
Referenzprognose<br />
EWI/Prognos<br />
Ölpreisvariante<br />
1,3 1,6 1,3<br />
1,1 1,5 1,3<br />
Für die Berechnungen des Energieverbrauchs als auch für die Berechnungen zur<br />
Verkehrsnachfrage ist neben der demografischen Entwicklung die Entwicklung der<br />
Haushaltsgrößen von Bedeutung. Die Raumordnungsprognose des Bundesamtes für<br />
Bauwesen und Raumordnung (BBR) die in der Tramp-Studie bei den Szenarien zur<br />
Mobilitätsentwicklung berücksichtigt wurde, sieht bis 2020 folgende Entwicklung:<br />
Haushaltsprognose des BBR bis 2020<br />
Tramp-Studie<br />
2002, in % an der<br />
Bevölkerung<br />
2020, in % an der<br />
Bevölkerung<br />
Veränderung in<br />
%<br />
1-Personen HH 36,9 38,7 +0,8<br />
2-Personen HH 33,8 37,0 +0,2<br />
3-Personen HH 14,1 12,3 -1,8<br />
4-Personen HH 11,0 8,6 -2,4<br />
5 und mehr Personen<br />
HH<br />
Durchschnittlich HH-<br />
Größe<br />
4,2 3,3 -0,9<br />
2,13 2,02 -0,11<br />
In EWI/Prognos ist die Entwicklung der Haushalte nur graphisch dargestellt. Die<br />
zugrunde liegenden Daten werden angefragt, da diese für die Entwicklung <strong>im</strong><br />
Energiesektor und damit einen Vergleich notwendig sind.<br />
7.1.3.4 Prognosen und tatsächliche Entwicklung<br />
Überprüfung langfristiger Verkehrsprognosen<br />
Im Auftrag des ADAC wurde von Intraplan ein Vergleich der Prognoseresultate mit der<br />
tatsächlichen Entwicklung und eine Analyse der Ursachen für die Abweichungen<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 179 -<br />
durchgeführt [Intraplan 2005 und Albrecht/Ratzenberger 2006]. Auf diese Studie soll an<br />
dieser Stelle kurz eingegangen werden, um aufzuzeigen, wie robust die Verkehrsprognosen<br />
in der Vergangenheit waren. Betrachtet wurden von Intraplan langfristige<br />
Studien, die nach 1990 erstellt wurden mit besonderem Schwerpunkt auf den<br />
Prognosen zur Bundesverkehrswegeplanung 1992 und 2003. Die Prognosen wurden<br />
mit statistischen Daten bis 2002 verglichen.<br />
Ergebnisse zum Personenverkehr<br />
• Bis 1999 wurde die Entwicklung der Verkehrsleistung des Individualverkehrs<br />
nahezu von allen Studien getroffen, zwischen 1999 und 2002 wurde der Verlauf<br />
dagegen überschätzt. Es kann aber angenommen werden, dass bei einer<br />
Beruhigung der Kraftstoffpreisentwicklung und einem spürbaren<br />
Konjunkturaufschwung zumindest der Verlauf der Prognose des BVWP<br />
Integration noch erreicht werden kann.<br />
• Die Verkehrsleistung des Eisenbahnverkehrs ist seit 1991 bis 2001 um 23 %<br />
gestiegen, jedoch gab es 2002 einen erheblichen Einbruch von 6 %, der von<br />
den Prognosen nicht abgebildet wurde. Insgesamt wird damit die Entwicklung<br />
überschätzt.<br />
• Die Verkehrsleistung des ÖPNV hat in den Jahren 1991 bis 1997 um 9 %<br />
abgenommen. In älteren Prognosen wurde diese Verkehrsleistung unterschätzt,<br />
in neueren wurde sie mehrheitlich nahezu getroffen.<br />
• Die Verkehrsleistung des Luftverkehrs ist zwischen 1991 und 2001 um 90 %<br />
gestiegen. In den Jahren 2001 und 2002 ist diese Dynamik jedoch abgebrochen.<br />
Bis 2000 ist die Entwicklung trotz Annahmen hoher Zuwächse eher<br />
unterschätzt worden. Der Einbruch 2001 ist erwartungsgemäß nicht abbildbar<br />
gewesen.<br />
• Da der Verlauf der Personenverkehrsleistung der des Individualverkehrs<br />
nahezu entspricht, ist dieser insgesamt mehr oder weniger überschätzt worden.<br />
• Eine Analyse der Rahmendaten hat ergeben, dass der Einfluss der<br />
Bevölkerungszahl nahezu vernachlässigbar ist. Der Pkw-Bestand wurde<br />
annähernd treffend vorausgeschätzt (außer BVWP 1992), so dass die<br />
unzutreffenden Vorausschätzungen <strong>im</strong> Individualverkehr nicht auf falsche<br />
Annahmen bezüglich Pkw-Bestände zurückzuführen sind.<br />
• Ein Vergleich des Kraftstoffpreises hat ergeben, dass dieser aufgrund des<br />
Preisanstiegs 2000 sehr nahe bei den Annahmen für das Integrationsszenario<br />
BVWP 2003 und über den Erwartungen der anderen Studien lag. Neben der<br />
Entwicklung der Kraftstoffpreise wird als weiterer Grund für die Abweichungen<br />
der Verkehrsleistungen <strong>im</strong> Individualverkehr die schwache wirtschaftliche<br />
Entwicklung in den Jahren 2000 bis 2002 angegeben.<br />
Zwischenbericht, März 2007
- 180 -<br />
Institut für Verkehrsforschung<br />
Ergebnisse zum Güterverkehr<br />
Der Anstieg der Verkehrsleistung des Lkw-Verkehrs betrug zwischen 1988 und 2003<br />
etwa 79 % und wurde in allen Prognosen annähernd zutreffend antizipiert. Die<br />
Transportintensität – also die auf das BIP bezogene Transportleistung – wurde<br />
hingegen in den Studien tendenziell unterschätzt, was an einem zu opt<strong>im</strong>istisch<br />
angesetzten Wachstum des BIP lag. Die erwartete Entkopplung von BIP und<br />
Transportleistung ist bisher nicht eingetroffen, vielmehr wächst der Güterverkehr in<br />
einer längerfristigen Betrachtung stärker als das BIP.<br />
Vergleich Entwicklung der Verkehrsleistung mit den aktuellsten<br />
Prognosen<br />
In diesem Abschnitt wird kurz auf die Entwicklung der Personen- und<br />
Güterverkehrsleistung der letzten Jahre auf der Basis „Verkehr in Zahlen“ eingegangen<br />
und diese graphisch mit den Szenarien von EWI/Prognos REF 47 und TREMOD<br />
gekoppelt. Die zeitliche Überschneidung der statistischen Daten mit den Prognosen ist<br />
mit zwei Jahren so kurz, dass noch keine Aussage über deren Prognosesicherheit<br />
gemacht werden kann. Es kann nur ein Eindruck über den Verlauf der letzten Jahre <strong>im</strong><br />
Vergleich mit dem prognostizierten Verlauf für die nächsten Jahre ermöglicht werden.<br />
7.1.3.5 Personenverkehr<br />
Die statistischen Daten weisen einen leichten Anstieg der Personenverkehrsleistung<br />
sowohl für Straße, Schiene als auch Flugverkehr bis 2002 aus. Diese stagniert in 2003<br />
und steigt <strong>im</strong> Jahr 2004 wieder an. Die Flugverkehrsleistung von TREMOD kann<br />
wegen der unterschiedlichen Abgrenzung auch hier nicht mit in einen Vergleich<br />
einbezogen werden. EWI/Prognos REF geht bis 2010 von einem leichten Anstieg der<br />
Personenverkehrsleistung Straße aus, die dann über die Jahre 2015, 2020, 2025 bis<br />
2030 kontinuierlich abn<strong>im</strong>mt. TREMOD hingegen unterstellt eine kontinuierlich<br />
steigende Personenverkehrsleistung auf der Straße. Aussagen können wegen des<br />
kurzen Überschneidungszeitraumes von Prognose und den statistischen Daten nicht<br />
getroffen werden.<br />
47<br />
Aus Gründen der Übersichtlichkeit wird hier nur der Vergleich mit dem Referenzszenario von<br />
EWI/Prognos gezogen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 181 -<br />
Abbildung 39: Entwicklung nach Verkehr in Zahlen [VIZ] und Prognose nach TREMOD und<br />
EWI/Prognos der Personenverkehrsleistung<br />
Personenverkehrsleistung [Mrd. tkm]<br />
1.600<br />
1.400<br />
1.200<br />
1.000<br />
800<br />
600<br />
400<br />
200<br />
Luftverkehr<br />
Schiene<br />
Straßenverkehr<br />
Entwicklung und Prognose der Personenverkehrsleistung<br />
0<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2010 2015 2020 2025 2030<br />
7.1.3.6 Güterverkehr<br />
Nach einem deutlichen Anstieg der Güterverkehrsleistung bis 2000 flacht dieser bis<br />
zum Jahr 2003 deutlich bis zu einer annähernden Stagnation hin ab. Im Jahr 2004 ist<br />
dann wieder ein Anstieg zu verzeichnen. Wie bereits in Kapitel 0 erläutert, wird in den<br />
beiden Studien EWI/Prognos REF und TREMOD von einem deutlichen Wachstum der<br />
Güterverkehrsleistung bis 2030 ausgegangen.<br />
Abbildung 40: Entwicklung nach Verkehr in Zahlen [VIZ] und Prognose nach TREMOD und<br />
EWI/Prognos der Güterverkehrsleistung<br />
Güterverkehrsleistung [Mrd. tkm]<br />
900<br />
800<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
Luftverkehr<br />
Binnenschifffahrt<br />
Schien<br />
Straßengüterverkehr<br />
Entwicklung und Prognose der Güterverkehrsleistung<br />
100<br />
0<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
VIZ<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
EWI/Prognos<br />
TREMOD<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004* 2010 2015 2020 2025 2030<br />
Zwischenbericht, März 2007
- 182 -<br />
Institut für Verkehrsforschung<br />
7.1.4 Vorgehen zur Erstellung des Basisszenarios <strong>im</strong> Rahmen von<br />
renewbility<br />
Fazit aus der Analyse der aktuellen Studien zu Verkehrsprognosen und –szenarien<br />
und aus der Diskussion mit BMU, BMVBS und wissenschaftlichem Beirat ist es, für das<br />
Basisszenario in renewbilty den Ansatz der integrierten Szenarien zu wählen.<br />
Angestrebter Weg ist die Kopplung der energiewirtschaftlichen Teile der Studie “Die<br />
Entwicklung der Energiemärkte bis zum Jahr 2030 – Energiewirtschaftliche<br />
Referenzprognose“ (Energiereport IV) von EWI/Prognos bzw. dem entsprechendem<br />
Hochpreisszenario mit dem Verkehrsszenario des BMVBS, wobei hier zunächst als<br />
Grundlage die Studie „Szenarien der Mobilitätsentwicklung unter Berücksichtigung von<br />
Siedlungsstrukturen bis 2050“ <strong>im</strong> Auftrag des BMVBS (erstellt von TRAMP, Difu, IWH,<br />
omniphon, TU Dresden) herangezogen wird. Im Sommer 2007 soll die Verkehrsprognose<br />
2025 auf Basis der gleichen, von IWH erarbeiteten Rahmendaten veröffentlicht<br />
werden, die sowohl den Personen- als auch den Güterverkehr berücksichtigt.<br />
Die Kopplung der Entwicklungen von EWI/Prognos und BMVBS erfolgt durch<br />
eine parametrisierte Umrechnung (Skalierung) der Nichtverkehrssektor-Nachfragen<br />
(Haushalte, Gewerbe-Handel-Dienstleistungen, Industrie) auf die entsprechenden<br />
Basisgrößen des Verkehrssektors.<br />
7.1.4.1 Anforderung an die Rahmendaten aus Sicht der Nachfragemodellierung<br />
In Abst<strong>im</strong>mung mit dem BMVBS wurde vereinbart, nach Möglichkeit die für Sommer<br />
2007 erwartete Verkehrsprognose 2025 als Basis für die Entwicklung der<br />
Verkehrsnachfrage in renewbility zu verwenden.<br />
Basis der Verkehrsprognose 2025 für den Personenverkehr wird die Studie „Mobilität<br />
2050 – Szenarien der Mobilitätsentwicklung unter Berücksichtigung von Siedlungsstrukturen<br />
bis 2050“ [TRAMP 2006] sein. Daher wird nachfolgend aufgezeigt, inwieweit<br />
die Studie als Basisszenario für die Nachfragemodellierung geeignet ist und ob die<br />
Anforderungen an die Eingangsdaten erfüllt werden.<br />
Für den Güterverkehr liegt die „Regionalisierte Wirtschafts- und Außenhandelsprognose<br />
für die Verkehrsprognose 2025“ des Instituts für Wirtschaftsforschung Halle<br />
vor, die die Grundlage für die Güterverkehrsprognose des BMVBS bildet. Hierauf<br />
aufbauende Berechnungen zur Verkehrsleistungen liegen noch nicht vor.<br />
Modellierung des Personenverkehrs für Deutschland<br />
Die Berechnungen zur Verkehrsnachfrage für den Personenverkehr in Deutschland für<br />
den Status Quo und das Basisszenario werden mittels des Programms VISEVA<br />
vorgenommen und auf der Grundlage der 439 Kreise- und kreisfreien Städte<br />
durchgeführt. Dazu sind umfangreiche Daten zur Raumstruktur und zum<br />
Verkehrsverhalten notwendig. Idealerweise liegen diese Daten für das Basisszenario<br />
bis 2030 mindestens auf der Ebene der Kreise vor. Allerdings bieten auch räumlich<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 183 -<br />
stärker aggregierte Daten einen verwertbaren Dateninput, der allerdings um plausible<br />
Annahmen und Abschätzungen ergänzt werden muss.<br />
Die Angaben zum Mobilitätsverhalten (z.B. Mobilitätsrate) werden unverändert für den<br />
Status Quo und das Basisszenario angenommen und können aus der Studie „Mobilität<br />
in Deutschland 2002 - MiD“ in Form von Verhaltensparametern extrahiert werden.<br />
Diese individuellen Parameter werden analog zum Vorgehen in der Studie Mobilität<br />
2050 für die Zukunft als konstant gesetzt. Dort wird argumentiert, dass sich die<br />
personenbezogenen Verhaltenskennziffern in den letzten Jahrzehnten als äußerst<br />
stabil erwiesen haben 48 und, diese Stabilität vorausgesetzt, damit auch zukünftige<br />
Verhaltensweisen modelliert werden können.<br />
Da die Bevölkerung und die Raumstruktur einen signifikanten Einfluss auf die<br />
Verkehrsnachfrage haben, müssen sie entsprechend der erwarteten Entwicklung bis<br />
2030 <strong>im</strong> Verkehrsmodell angepasst werden. Die folgende Tabelle fasst die<br />
entsprechenden Anforderungen und vorgesehenen Anpassungen für die Modellierung<br />
zusammen und gibt Auskunft über die jeweilige Verfügbarkeit der Datenquellen.<br />
48<br />
Als äußerst stabil erweisen sich die durchschnittliche tägliche Reisezeit und das individuelle<br />
Wegeaufkommen pro Tag. Eine Ausnahme dieser Stabilität bilden die durchschnittlichen Wegelängen.<br />
Zwischenbericht, März 2007
- 184 -<br />
Institut für Verkehrsforschung<br />
Tabelle 27: Datenanforderungen für die Modellierung des Personenverkehrs in renewbility -<br />
Basis 2030<br />
Datentyp<br />
Notwendige<br />
Differenzierung<br />
Einheit<br />
nach Altersgruppen<br />
Einwohner<br />
absolut<br />
und Geschlecht<br />
Auf Basis der Einwohnerzahlen werden für das Verkehrsmodell so<br />
genannte "verhaltenshomogene Gruppen" gebildet. Eine<br />
differenzierte Fortschreibung hinsichtlich der Entwicklung der<br />
Einwohnerzahlen nach Altersgruppen und Geschlecht begünstigt<br />
die Bildung der Gruppen.<br />
an Wohn- und<br />
Erwerbstätige<br />
absolut<br />
Arbeitsort<br />
Über die Angabe der Erwerbstätigen am Arbeitsort werden <strong>im</strong><br />
Verkehrsmodell zielseitig die <strong>im</strong> Raum verteilten Arbeitsplätze<br />
abgebildet. Auf der Quellseite bilden die Erwerbstätigen am<br />
Wohnort, neben den Einwohnerzahlen, die wichtigste Größe zur<br />
Berechnung der Verkehrsnachfrage.<br />
nach Wirtschaftsbereichen<br />
anteilig<br />
absolut oder<br />
Erwerbstätige<br />
Die Erwerbstätigenzahlen nach Wirtschaftsbereichen ermöglichen<br />
<strong>im</strong> Modell die zielseitige Abbildung von unterschiedlichen<br />
Wegezwecken.<br />
nach Alter: absolut oder anteilig an<br />
den Erwerbstätigen (auch nach<br />
Erwerbstätige<br />
Wirtschaftsbereichen soweit<br />
vorhanden)<br />
Zur Bildung verhaltenshomogener Gruppen ist eine<br />
Altersdifferenzierung der Erwerbstätigen notwendig.<br />
Anzahl der<br />
Auszubildenden<br />
Anzahl an<br />
Studierenden<br />
Anzahl an<br />
Schülern<br />
Anzahl an<br />
Kita/Kindergartenplätzen<br />
Verkaufsraumflächenzahl<br />
Pkw-Verfügbarkeit<br />
nach Altersgruppen<br />
nach Altersgruppen<br />
nach Altersgruppen<br />
und Schularten<br />
je Einrichtung<br />
je Einrichtung<br />
nach Altersgruppen<br />
und Geschlecht<br />
absolut oder<br />
anteilig an<br />
den Einw.<br />
absolut oder<br />
anteilig an<br />
den Einw.<br />
absolut oder<br />
in anteilig an<br />
den Einw.<br />
Plätze je<br />
Einrichtung<br />
Anzahl an<br />
Standorten<br />
und jeweilige<br />
Fläche in m²<br />
absolut oder<br />
anteilig<br />
Verfügbarkeit in der Studie<br />
Mobilität 2050<br />
ja – erhalten vom BBR<br />
Daten gehen aus der<br />
Raumordnungsprognose 2020/2050<br />
des Bundesamtes für Bauwesen und<br />
Raumordnung (BBR) hervor.<br />
Räumlicher Bezug: Kreise.<br />
ja - angefragt am IW Halle<br />
Angaben gehen zurück auf<br />
Berechnungen des IW Halle.<br />
Räumlichen Bezug bildeten die zu<br />
Clustern zusammengefassten<br />
Raumordnungsregionen.<br />
nein<br />
nein<br />
kann, aber auch aus der Verteilung <strong>im</strong><br />
Status-Quo abgeleitet werden.<br />
(generell abzuleiten aus<br />
Demographie)<br />
(generell abzuleiten aus<br />
Demographie)<br />
(generell abzuleiten aus<br />
Demographie)<br />
Übernahme aus Status Quo<br />
Übernahme aus Status Quo<br />
ja - in Kombination mit der<br />
Bevölkerungsprognose bis<br />
2030.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 185 -<br />
Anmerkung: Die Tabelle bildet ein Mindestmaß an notwendigen Eingangsdaten zur Verkehrsmodellierung<br />
ab. Natürlich können weitere Daten <strong>im</strong> Modell Verwendung finden, vor allem Angaben hinsichtlich der Ziele<br />
verkehrlicher Aktivitäten, z.B. über die Anzahl an Kinoplätzen, die Anzahl an Theater- oder<br />
Museumsbesuchern oder die Flächenanteile von Erholungseinrichtungen je Raumeinheit. Da solche Daten<br />
aber bereits für den Ist-Zustand nur partiell verfügbar bzw. aufwändig zu erheben sind, wird von einer<br />
detaillierten Auflistung an dieser Stelle abgesehen.<br />
Wie aus der Tabelle zu ersehen ist, liegen die für die Modellierung wichtigsten<br />
Informationen zur Bevölkerungsstruktur und den Erwerbstätigenzahlen in einem<br />
geeigneten Raumbezug vor bzw. sind auf Nachfrage bei den entsprechenden<br />
Institutionen zu erhalten.<br />
Für den Status Quo ergeben sich die Größen der verhaltenshomogenen Gruppen aus<br />
den Bevölkerungsdaten unter Zuspielung von Angaben aus ergänzenden Statistiken,<br />
z.B. zur Gesamtanzahl von Auszubildenden nach Altersstufen. Für das Basisszenario<br />
2030 sind entsprechende ergänzende Informationen, die eine realistische Verteilung<br />
auf Kreisebene ermöglichen, zu beschaffen. Liegen keine ausreichenden Angaben für<br />
zukünftige Verteilungen vor, werden die Größenänderungen der Gruppen allein aus<br />
der allgemeinen demografischen Entwicklung abgeleitet.<br />
Aus Tabelle 27 wird deutlich, dass sich die Anpassungen <strong>im</strong> Verkehrsmodell vor allem<br />
auf die grundlegenden Daten zur Demographie und Erwerbstätigkeit stützen werden.<br />
Entsprechend dem derzeitigen Stand der Datenakquise hat bereits die Aufbereitung<br />
und Integration der Daten aus der BBR-Raumordnungsprognose begonnen. Die<br />
weiteren Arbeiten <strong>im</strong> Rahmen des Basisszenarios lassen sich wie folgt<br />
zusammenfassen:<br />
- Integration der Daten zu Demographie und Erwerbstätigen bis 2030<br />
- Anpassung der Personengruppengrößen in Anlehnung an die demographische<br />
Entwicklung<br />
- Anpassung der IV-Infrastruktur<br />
- Berechnung der Verkehrsaufkommen<br />
- Berechnung der Verkehrsleistung <strong>im</strong> MIV in Anlehnung an die beiden Varianten<br />
aus 3.3.3.2<br />
- Berechnung der Verkehrsleistung <strong>im</strong> ÖV<br />
Für die Modellierung der Beispielräume Berlin, Braunschweig und Main-Rhön werden<br />
regionale Prognosen als Grundlage für das Basisszenario verwendet. In Frage<br />
kommen hier regionale Bevölkerungsprognosen, Verkehrsentwicklungspläne, Nahverkehrspläne,<br />
Regionalpläne und ähnliches. Die Verfügbarkeit derartiger Pläne wurde<br />
<strong>im</strong> Rahmen der Datenanfragen für die Modellierung in TAPAS mitberücksichtigt und<br />
werden derzeit auf ihre Verwendbarkeit überprüft.<br />
Zwischenbericht, März 2007
- 186 -<br />
Institut für Verkehrsforschung<br />
Modellierung des Güterverkehrs für Deutschland<br />
Der Güterverkehr wird mittels des DLR-eigenen agentenbasierten Wirtschaftsverkehrsmodells<br />
WiVS<strong>im</strong> berechnet. Hierzu sind insbesondere regional differenzierte<br />
Daten zu Arbeitsplätzen sowie nach Wirtschaftszweigen unterteile Daten zur wirtschaftlichen<br />
Entwicklung erforderlich. Zur Berechnung des Status Quo-Verkehrs liegen<br />
umfangreiche Informationen der Firma infas GEOdaten, des Statistischen Bundesamts<br />
und der BVWP Prognose 2015 vor.<br />
Für das Basisszenario in renewbility bis 2030 soll ebenso wie be<strong>im</strong> Personenverkehr<br />
die Verkehrsprognose 2025 des BMVBS zugrunde gelegt werden. Damit ist<br />
gewährleistet, dass die grundsätzlichen Annahmen in Personen- und Güterverkehr<br />
identisch sind. Die Datenanforderungen der Modellierung in renewbility <strong>im</strong> Einzelnen<br />
sind der folgenden Tabelle zu entnehmen.<br />
Tabelle 28: Datenanforderungen für die Modellierung des Güterverkehrs in renewbility<br />
- Basis 2030<br />
Notwendige<br />
Datentyp<br />
Einheit Quelle Referenz<br />
Differenzierung<br />
Unternehmen und<br />
Arbeitsplätze<br />
Erwerbstätige<br />
Arbeitsproduktivität<br />
Input / Output-<br />
Verknüpfung zwischen<br />
Wirtschaftszweigen<br />
Außenhandel<br />
Verkehrsflüsse zur<br />
Kalibration<br />
Auf Kreisebene und<br />
nach<br />
Wirtschaftszweigen<br />
siehe Eintrag bei<br />
Personenverkehr<br />
nach<br />
Wirtschaftszweigen<br />
nach<br />
Wirtschaftszweigen,<br />
Sektoren nicht<br />
ausreichend<br />
nach angrenzenden<br />
Ländern<br />
nach Regionen und<br />
Gutarten<br />
Anzahl<br />
Umsatz pro<br />
Mitarbeiter<br />
Wertflüsse<br />
Wert- /<br />
Warenflüsse<br />
Flüsse in<br />
Tonnen /<br />
Fahrten<br />
Annahme: konstante<br />
Unternehmensanzahl,<br />
Veränderung der<br />
Arbeitsplätze mit Daten<br />
aus TRAMP und von IWH<br />
aus Daten des IWH<br />
aus Daten IWH zum<br />
Strukturwandel<br />
IWH, Verkehrsprognose<br />
2025<br />
Verkehrsprognose 2025<br />
Die Daten des IWH enthalten Informationen über<br />
• die Wirtschaftsentwicklung in den 97 Raumordnungsregionen in Deutschland in<br />
Jahresscheiben bis 2025. Die Wirtschaft wird dabei unterteilt in Land- und<br />
Forstwirtschaft, Dienstleistungen (unterteilt in 3 weitere Zweige) und verarbeitendes<br />
Gewerbe (unterteilt in 14 Zweige. Dies wird benutzt, um den<br />
Strukturwandel der Wirtschaft in der synthetischen Wirtschaftsstruktur in<br />
WiVS<strong>im</strong> und die Mitarbeiterproduktivität fortzuschreiben. Dies hat direkte<br />
Auswirkungen auf den resultierenden Güterverkehr. Die Wertintensitäten<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 187 -<br />
werden fortgeschrieben auf der Basis von Daten des IWH zur Entwicklung in<br />
den Jahren 1995-2005, die als Stützjahre der Prognose des IWH dienten.<br />
• die Wirtschaftsentwicklung in den deutschen Nachbarstaaten und Italien in 5-<br />
Jahres-Scheiben für 2010, 2015, 2020 und 2025, räumlich unterteilt nach<br />
Regierungsbezirken (NUTS 2-Ebene) und getrennt nach Land- und<br />
Fortwirtschaft, produzierendem Gewerbe und Dienstleistungen. Diese Daten<br />
werden benutzt, um den Strukturwandel der Nachbarstaaten zu beschreiben.<br />
Diese werden in WiVS<strong>im</strong> als Quellen und Ziele des Güterverkehrs mit<br />
Deutschland abgebildet.<br />
• den deutschen Außenhandel nach 38 Gütergruppen und 35 Zielländern für<br />
2005, 2010, 2015, 2020 und 2025. Diese Daten dienen der Kalibrierung der<br />
Verknüpfung von deutschen Betrieben in der synthetischen Wirtschaftsstruktur<br />
in WiVS<strong>im</strong> mit ausländischen Lieferanten und Kunden.<br />
Damit sind alle wesentlichen Datenanforderungen erfüllt. Veränderungen logistischer<br />
Koeffizienten (spezifisches Gewicht pro Warenwert, Transportweiten, etc.) müssen<br />
jedoch aus anderen Quellen, durch Fortschreibung oder mittels Kalibration ermittelt<br />
werden.<br />
Die Umsetzung des Basisszenarios beinhaltet folgende Schritte:<br />
• Erstellen verschiedener synthetischer Wirtschaftsstrukturen für die betrachteten<br />
Jahresscheiben, dabei Arbeitsplätze und Wachstum der Wirtschaftszweige auf<br />
Basis der IWH-Daten<br />
• Berücksichtigung veränderter Arbeitsproduktivität anhand IWH-Daten<br />
• Verknüpfung der Betriebe anhand Informationen des IWH zum Strukturwandel,<br />
bei Verfügbarkeit Kalibrierung mit Quelle-Ziel-Matrizen der Verkehrsprognose<br />
2025<br />
• Annahmen zum spezifischen Güterwert pro Menge, fortgeschrieben auf Basis<br />
der IWH-Daten<br />
• Kalibration mit Verkehrsprognose 2025, bis Verfügbarkeit mit räumlicher<br />
Differenzierung aus BVWP-Prognose 2015 oder EWI/Prognos<br />
• Übergabe an Referenzberechnung in den anderen Sektoren; Berechnung<br />
Endenergieverbrauch Industrie auf Basis globaler Güterverkehrsleistung<br />
Die Arbeiten von IWH stellen einen sehr wesentlichen Bestandteil für die Güterverkehrsmodellierung<br />
dar. Ohne differenzierte wirtschaftliche Rahmendaten ließen sich<br />
Effekte des Strukturwandels der deutschen Wirtschaft und Veränderungen <strong>im</strong><br />
Außenhandel nicht darstellen und somit wesentliche Veränderungen in der<br />
Verkehrsnachfrage nicht abbilden.<br />
7.1.4.2 Vergleich der Wirtschaftsstruktur von IWH und EWI/Prognos<br />
Die Kopplung der Entwicklungen von EWI/Prognos und IWH erfolgt durch eine parametrisierte<br />
Umrechnung der Nichtverkehrssektor-Nachfragen (Haushalte, Gewerbe-<br />
Zwischenbericht, März 2007
- 188 -<br />
Institut für Verkehrsforschung<br />
Handel-Dienstleistungen, Industrie) auf die entsprechenden Basisgrößen des<br />
Verkehrssektors. Grundsätzliche Parameter, die zum Abgleich der sektoralen<br />
Szenarionachfragen verwendet werden sollen sind Bevölkerungszahl, BIP und<br />
Mobilitätsraten der einzelnen Alterskohorten.<br />
Die Frage der Vergleichbarkeit der Wirtschaftsstrukturen von IWH (2006) - Szenario für<br />
BMVBS bis 2025 - und EWI/Prognos (2005) – Referenzprognose für BMWi – ist hierbei<br />
wesentlich für die angestrebte „Skalierung“ des industriellen Endenergiebedarfs nach<br />
EWI/Prognos auf die Werte von IWH (2006).<br />
Nur wenn die jeweilig angenommenen Dynamiken der Wirtschaftsstrukturen auf der<br />
Ebene der Wirtschaftszweige (Subsektoren) mehr oder weniger ähnlich sind, kann die<br />
Umrechnung des Endenergiebedarfs sinnvoll erfolgen.<br />
Um dies zu überprüfen, wurde eine eigene Auswertung der jeweiligen Wirtschaftdaten<br />
auf der Ebene der Zweige durchgeführt. Daraus ergibt sich für die mittleren<br />
Wachstumsannahmen der Wirtschaftszweige (Durchschnitt 2000-2025) folgendes Bild:<br />
Abbildung 41: Mittleres jährliches Wachstum der einzelnen Wirtschaftszweige nach<br />
EWI/Prognos und IWH<br />
4%<br />
IWH<br />
EWI/Prognos<br />
3%<br />
mittleres jährl. Wachstum 2000-2025<br />
2%<br />
1%<br />
0%<br />
-1%<br />
-2%<br />
Ernährungsgewerbe,<br />
Tabakverarbeitung<br />
Textil- und<br />
Bekleidungsgewerbe<br />
Ledergewerbe<br />
Holzgewerbe (o.<br />
Herst. v. Möbeln)<br />
Papier-, Verlags-,<br />
Druckgewerbe<br />
Kokerei,<br />
Mineralölverarb.,<br />
Spalt-/Brutstoffe<br />
Chemische Industrie<br />
Herst. v. Gummi- und<br />
Kunststoffwaren<br />
Glas, Keramik,<br />
Verarb. v.<br />
Steinen&Erden<br />
Metallindustrie<br />
Maschinenbau<br />
Elektrotechnik<br />
Fahrzeugbau<br />
Herst. v. Möbeln,<br />
Schmuck, Musikinstr.<br />
usw., Recycl.<br />
Industrie gesamt<br />
Die generelle Wirtschaftsentwicklungsstruktur und die Dynamiken der beiden Studien<br />
sind auf Ebene der Wirtschaftszweige mit einer Ausnahme (Elektrotechnik) relativ gut<br />
vergleichbar, es gibt demnach ein gemeinsames „Muster“, womit sich eine Skalierung<br />
des Endenergiebedarfs begründen ließe.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 189 -<br />
IWH (2006) n<strong>im</strong>mt insgesamt ein höheres Wachstum an, die „Abstände“ zu<br />
EWI/Prognos (2005) sind aber durchweg stabil – wiederum mit der Ausnahme<br />
Elektrotechnik.<br />
Wird nun aber das relative „Gewicht“ der Wirtschaftszweige einbezogen als Anteil der<br />
jeweiligen Bruttowertschöpfung (BWS) an der Gesamt-BWS <strong>im</strong> Jahr 2000, so zeigt<br />
sich Folgendes:<br />
Abbildung 42: Mittleres jährliches Wachstum der einzelnen Wirtschaftszweige nach<br />
EWI/Prognos und IWH und „relatives“ Gewicht als Anteil der jeweiligen BWS<br />
4%<br />
3%<br />
IWH<br />
EWI/Prognos<br />
rel. Gewicht<br />
18%<br />
16%<br />
mittleres jährl. Wachstum 2000-2025<br />
2%<br />
1%<br />
0%<br />
-1%<br />
-2%<br />
Ernährungsgewerbe,<br />
Tabakverarbeitung<br />
Textil- und<br />
Bekleidungsgewerbe<br />
Ledergewerbe<br />
Holzgewerbe (o.<br />
Herst. v. Möbeln)<br />
Papier-, Verlags-,<br />
Druckgewerbe<br />
Kokerei,<br />
Mineralölverarb.,<br />
Spalt-/Brutstoffe<br />
Chemische Industrie<br />
Herst. v. Gummi- und<br />
Kunststoffwaren<br />
Glas, Keramik,<br />
Verarb. v.<br />
Steinen&Erden<br />
Metallindustrie<br />
Maschinenbau<br />
Elektrotechnik<br />
Fahrzeugbau<br />
Herst. v. Möbeln,<br />
Schmuck, Musikinstr.<br />
usw., Recycl.<br />
Industrie gesamt<br />
14%<br />
12%<br />
10%<br />
8%<br />
6%<br />
4%<br />
2%<br />
0%<br />
Die mit orange und „+“ eingetragenen zusätzlichen Datenpunkte der Branchenanteile<br />
an der Gesamt-BWS geben einen Hinweis darauf, wie „prägend“ dieser Wirtschaftszweig<br />
für die Industrie insgesamt ist.<br />
Der Wirtschaftszweig Elektrotechnik hat, wie die Grafik zeigt, mit 17% Anteil an der<br />
Gesamt-BWS ein starkes Gewicht. Die 1,5%-Punkte Unterschied <strong>im</strong> mittleren<br />
jährlichen Wachstum zwischen IWH (2006) und EWI/Prognos (2005) führen daher zu<br />
einer deutlich anderen Wirtschaftsstruktur.<br />
Besonders relevant ist hier, dass diese Branche auch einige Vorleistungen aus<br />
anderen – energieintensiven – Branchen bezieht.<br />
Es ist unklar, warum IWH (2006) ein geringeres Wachstum in der Elektrotechnik<br />
ann<strong>im</strong>mt, aber bei den Vorleistern (z.B. Metallindustrie) eine höhere Wachstumsrate<br />
als EWI/Prognos.<br />
Aus den Ergebnissen des Strukturvergleichs ergibt sich, dass die potenzielle<br />
„Gesamtverzerrung“ des Endenergiebedarfs der Industrie berechnet werden sollte.<br />
Bevor dieser – aufwändige - Schritt erfolgt, ist aber zu klären, ob die Güter-<br />
Zwischenbericht, März 2007
- 190 -<br />
Institut für Verkehrsforschung<br />
transportrelevanz der Branche Elektrotechnik so hoch ist, dass hier keine „Anpassung“<br />
an EWI/Prognos erfolgen kann.<br />
Bei geringer Gütertransportrelevanz könnten die IWH-Annahmen zur Elektrotechnik<br />
leicht korrigiert (z.B. um 1%-Punkt) werden, so dass sich eine Gesamtübereinst<strong>im</strong>mung<br />
ergäbe und die angestrebte „Skalierung“ der Industriebranchen ohne weitere<br />
Überprüfung möglich sein sollte.<br />
Allerdings lässt sich die Relevanz für den Gütertransport nicht aus dem Anteil der BWS<br />
errechnen, da der Gütertransport auf Güter- und Logistikgruppen aufbaut und jede<br />
Branche verschiedene Gütergruppen enthält. Zudem ist insbesondere bei der<br />
Elektrotechnik das Spektrum der Gütergruppen aus den Vorleistungen sehr groß.<br />
Einer weiteren Prüfung bedarf zum Beispiel auch die Branche Mineralöl/Baustoffe, die<br />
zwar keinen großen Anteil an der Gesamt-BWS hat, andererseits aber sehr<br />
transportintensiv ist. Auch muss weiterhin geprüft werden, ob die Zuordnungen der<br />
Branchen in beiden Studien genau übereinst<strong>im</strong>men.<br />
In den nächsten Arbeitsschritten werden die Güter- und Logistikgruppen gefiltert und<br />
zugeordnet, um den Verkehrsanteil einer best<strong>im</strong>mten Branche zu ermitteln. Eine<br />
Anpassung einzelner Branchen für die weiteren Arbeiten ist grundsätzlich möglich, z.B.<br />
über Produktionskennziffern je Mitarbeiter oder die Zahl der Akteure. Zusätzliche<br />
müsste dann aber auch entsprechend berücksichtigt werden, dass die Treiber der<br />
wirtschaftlichen Entwicklung nicht nur eine, sondern mehrere Branchen betreffen.<br />
Somit sind bei einer Änderung in der Elektroindustrie ggf. auch andere Branchen zu<br />
verändern, die ähnliche wirtschaftliche Einflussfaktoren haben.<br />
Erst nach dieser Prüfung kann entschieden werden, ob die Szenarien von<br />
EWI/Prognos und dem BMVBS durch ein Skalieren der EWI/Prognos-Daten in einem<br />
Basisszenario für renewbilty integrativ gekoppelt werden können.<br />
7.2 Szenarioprozess<br />
7.2.1 Hintergrund<br />
Ein zentrales Element - schon bei der Entwicklung des Analyseinstruments aber auch<br />
bei der Anwendung - wird die Formulierung und Analyse von integrierten Szenarien<br />
sein.<br />
Die Szenariotechnik ist eine wissenschaftlich etablierte und bereits fallspezifisch stark<br />
ausdifferenzierte Methode. Sie wird in den letzten Jahren verstärkt auch in diskursiven<br />
politischen Prozessen (z.B.: Enquete-Kommission Nachhaltige Energieversorgung,<br />
Mediation Flughafen Frankfurt) eingesetzt.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 191 -<br />
7.2.2 Ziele<br />
Die Vorteile dieses Weges der gemeinsamen Wissensbildung und Verhandlung (Joint<br />
Fact Finding) liegen generell in der verbesserten Transparenz von Methoden und<br />
Daten und damit in der Vertrauensbildung und Akzeptanzförderung der<br />
stoffstromseitigen Modellierung der Verkehrs- und Energiesysteme <strong>im</strong> Rahmen von<br />
renewbility. Transparenz und Akzeptanz der Formulierung und Analyse der Szenarien<br />
sind eine wesentliche Basis für Tragfähigkeit und Reichweite der (gemeinsamen)<br />
Bewertung der Ergebnisse und bei der Ableitung von potenziellen<br />
Handlungsempfehlungen.<br />
Daher wird ein partizipativer Szenarioprozess <strong>im</strong> Rahmen von renewbility als<br />
sinnvoller Ansatz zum Erreichen der Projektziele, zur Sicherung der Stabilität sowie zur<br />
Förderung der Akzeptanz der Ergebnisse gesehen.<br />
Die projektspezifischen Ziele des Szenarioprozesses sind:<br />
• Motivation und Sensibilisierung der relevanten gesellschaftlichen Akteure <strong>im</strong><br />
Bereich Mobilität für die dem Forschungsvorhaben zugrunde liegenden<br />
inhaltlichen Herausforderungen<br />
• Förderung der Transparenz zu den methodischen und datenseitigen<br />
Grundlagen des Vorhabens und damit Öffnung des Diskurses zur<br />
methodischen Integration des Vorhabens über den Kreis der Wissenschaft<br />
hinaus.<br />
Über den diskursiven Prozess <strong>im</strong> <strong>Kontext</strong> dieser beiden Ziele erwartet das<br />
Forschungsteam weitergehende Hinweise zur Arbeit am Stoffstrom-Modell , auch <strong>im</strong><br />
Hinblick auf die mögliche Nutzung nach dem Forschungsvorhaben.<br />
• Differenzierung von Prämissen und Deskriptoren einzelner Szenarien mit den<br />
Zukunftsbildern und Planungen der relevanten Akteure <strong>im</strong> Bereich Mobilität. –<br />
Das ermöglicht vertiefte Erkenntnisse zur „Reichweite“ best<strong>im</strong>mter Aktivitäten<br />
und Einzelmaßnahmen für eine <strong>nachhaltige</strong>re Mobilität<br />
• Interpretation der Ergebnisse der Szenarioanalyse als Basis für potenzielle<br />
Handlungsempfehlungen an die Politik für eine <strong>nachhaltige</strong>re Mobilität <strong>im</strong><br />
<strong>Kontext</strong> der erneuerbaren Energien.<br />
• Dialog zu Umsetzungsmöglichkeiten für technische und nicht-technische<br />
Maßnahmen zum mittel- und langfristigen Kl<strong>im</strong>aschutz <strong>im</strong> Verkehrssektor<br />
Die letzten drei Ziele des partizipativen Szenarioprozesses scheinen aus der<br />
Perspektive des Forschungsteam generell geeignet, den Diskurs des<br />
Bundesumweltministeriums mit den gesellschaftlichen Akteuren zur <strong>nachhaltige</strong>n<br />
Mobilität und zum langfristigen Kl<strong>im</strong>aschutz <strong>im</strong> <strong>Kontext</strong> der erneuerbaren Energien zu<br />
intensivieren und zu verstetigen.<br />
Zwischenbericht, März 2007
- 192 -<br />
Institut für Verkehrsforschung<br />
7.2.3 Methodische Grundlagen<br />
7.2.4 Umsetzungsvorschlag<br />
Der konkrete Umsetzungsvorschlag für die Ausgestaltung des partizipativen<br />
Szenarioprozesses <strong>im</strong> Rahmen von renewbility baut auf den Zielsetzungen auf,<br />
orientiert sich aber auch stark an den methodischen Schritten der Szenariotechnik und<br />
den allgemeinen Rahmenbedingungen des Forschungsvorhabens (<strong>im</strong> Hinblick auf den<br />
Umfang und die Laufzeit):<br />
Es ist geplant, den partizipativen Szenarioprozess in einer festen Szenario-Gruppe zu<br />
behandeln. Dabei ist vorgesehen, dass sich die Szenario-Gruppe <strong>im</strong> Wesentlichen aus<br />
Mitgliedern des Begleitkreises des Forschungsvorhabens zusammensetzt 49 . Aus der<br />
Perspektive des Forschungsteams ist es jedoch keine zwingende Voraussetzung, dass<br />
Institutionen, die in der Szenario-Gruppe mitarbeiten, auch eine Vertretung <strong>im</strong> Begleitkreis<br />
haben. Es können auch weitere Institutionen in der Szenario-Gruppe mitwirken<br />
(z.B.: Kfz-Importeure; Logistik-Unternehmen). Aus Praktikabilitätsgründen sollte der<br />
Kreis der teilnehmenden Institutionen 20 Personen nicht übersteigen.<br />
In den Planungen des Forschungsteams ist für den partizipativen Szenarioprozess das<br />
Jahr 2007 vorgesehen. Das heißt, dass der Prozess Anfang 2007 beginnen wird und<br />
möglichst auch <strong>im</strong> Jahr 2007 abgeschlossen werden sollte. In diesem Zeitraum sind<br />
fünf bis sechs Treffen der Szenario-Gruppe vorgesehen.<br />
Die Inhalte der Sitzungen orientieren sich sehr stark an den methodischen Modulen der<br />
Szenariotechnik. Im Folgenden sind die strukturierenden methodischen Grundzüge des<br />
Szenarioprozesses mit sechs Sitzungsterminen verknüpft:<br />
Strukturvorschlag des Szenarioprozesses<br />
Vorbereitung:<br />
• Information der Teilnehmenden zum Gesamtvorhaben und zu den<br />
Zielsetzungen sowie zu den methodischen Grundzügen des partizipativen<br />
Szenarioprozesses<br />
• Interviews mit den Teilnehmenden zu Ansprüchen, Erwartungen und Wünschen<br />
zum Szenarioprozess als Basis für die endgültige Konzeption<br />
49<br />
Der Begleitkreis wird am 18. Dezember 2006 konstituiert. Folgende Institutionen werden in dem<br />
Begleitkreis vertreten sein: ADAC, Bundesverband Bioenergie(BBE), Bundesverband Erneuerbare<br />
Energie (BEE), BMW Group, Bund für Umwelt und Naturschutz Deutschland (BUND), Dachser,<br />
Energie Agentur (DENA), Da<strong>im</strong>lerChrysler, Deutsche Bahn, Deutsche BP, Deutsche Post, Deutsche<br />
Lufthansa, EON, Interessengemeinschaft mittelständischer Mineralölverbände, Rhein-Main-<br />
Verkehrsverbund, Verkehrsclub Deutschland (VCD), Volkswagen, Verbraucherzentrale<br />
Bundesverband (vzbv).<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 193 -<br />
1. Sitzung:<br />
• Diskussion und Verabschiedung der Prozessgestaltung (in Abst<strong>im</strong>mung mit der<br />
Stoffstrommodellierung)<br />
• Diskussion und Verabschiedung der Systemgrenzen<br />
• Zeitlich<br />
• Räumlich<br />
• Verkehrsträger, etc.<br />
2. Sitzung:<br />
• Vorstellung und Diskussion des vorläufigen Basisszenarios<br />
• Diskussion der Einflussfaktoren nach Prämissen und Deskriptoren<br />
3. Sitzung:<br />
• Verabschiedung der Grundzüge des Referenzszenarios<br />
• Konsistenzanalyse zu den Prämissen<br />
• Gewichtung der Deskriptoren in Bezug auf erneuerbare Energien und<br />
Kl<strong>im</strong>aschutz (Cross-Impact-Analyse)<br />
• Sammlung der Vorschläge zur alternativen Ausgestaltung der Prospektion<br />
wesentlicher Deskriptoren (Ownership der Teilnehmenden)<br />
4. Sitzung:<br />
• Bündelung der Projektionen der Deskriptoren zu alternativen Szenarien<br />
(etwa drei bis vier)<br />
• Diskussion und Festlegung möglicher „Szenaretten“ (begrenzte Variationen<br />
innerhalb der grundlegenden Szenarien)<br />
• Vorstellung und Diskussion der modelltechnischen Umsetzung<br />
(Modellierung) der Szenarien (ggf. in Kombination mit einem Experten-<br />
Workshop in Kooperation mit dem wissenschaftlichen Beirat)<br />
5. Sitzung:<br />
• Vorstellung und Diskussion der Ergebnisse der stoffstrombasierten<br />
Szenarioanalyse<br />
• Konsistenz-(und Stör-)analyse<br />
• potenziell Festlegung zusätzlicher „Szenaretten“<br />
Zwischenbericht, März 2007
- 194 -<br />
Institut für Verkehrsforschung<br />
6. Sitzung:<br />
• Auswertung, Bewertung und Diskussion zur Kommunikation der<br />
Szenarienanalyse<br />
• Diskussion von Empfehlungen an das BMU<br />
Der vorliegende Strukturierungsvorschlag wird nach der Ernennung der Szenario-<br />
Gruppe in den vorbereitenden Interviews zur Diskussion gestellt und iterativ verfeinert.<br />
Das Forschungsteam sieht vor, den wissenschaftlichen Beirat vor dem Start des<br />
Prozesses noch einmal zu konsultieren, wenn der Wunsch dazu besteht.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 195 -<br />
8 Ausblick zur weitergehenden Arbeitsplanung<br />
Abschließend wird <strong>im</strong> Folgenden ein Ausblick auf die weitere Arbeitsplanung gegeben.<br />
Im Anhang ist eine aktualisierte Fassung der Projektplanungsübersicht enthalten.<br />
8.1 Projektstruktur und Steuerung<br />
Mit der erfolgten Auftaktsitzung des Begleitkreises und der Vorbereitung zur<br />
konstituierenden Sitzung der Szenariogruppe wurde der Meilenstein zur Rückkopplung<br />
der Szenarioarbeiten mit den relevanten gesellschaftlichen Akteuren erreicht. In Folge<br />
der nun höheren „Sichtbarkeit“ des Projekts <strong>im</strong> gesellschaftlichen und wirtschaftlichen<br />
Umfeld wird eine engere Verzahnung der dahingehenden Arbeiten mit den beteiligten<br />
Abteilungen des BMU erforderlich.<br />
Zudem ist die Außenkommunikation mit der Serie von Expertenworkshops, die sich bis<br />
Sommer 2007 fortgeführt wird, intensiviert worden.<br />
Die Teamstruktur auf Seiten der Forschungsnehmer hat sich bewährt. Neben<br />
bilateralen Arbeitstreffen zwischen MitarbeiterInnen der beteiligten Institute und der<br />
Abst<strong>im</strong>mung auf Projektleitungsebene wird <strong>im</strong> Sommer und Herbst jeweils ein<br />
Projektplenum mit allen beteiligten Forschungseinrichtungen stattfinden.<br />
Die <strong>im</strong> Projekt verfolgte intensive Diskussion mit den auf BMU-Seite für das Projekt<br />
Verantwortlichen über eineinhalbtägige Workshops bietet hierzu eine gute Grundlage<br />
und wird nunmehr durch 2-wöchige „jour-fixe“-Treffen zwischen der Projektleitung und<br />
der Arbeitsebene (BMU-Referate) ergänzt.<br />
8.2 Modellierung der Verkehrsnachfrage<br />
8.2.1 Personenverkehr<br />
Erste Rechenergebnisse für den Status Quo der Personenverkehrsnachfrage wurden<br />
bereits erzeugt und ein Probedatensatz für die Stoffstromanalyse bereitgestellt. Die<br />
Arbeiten zur Umlegung und Kalibrierung des Status Quo dauern noch an. Sie bilden<br />
einen elementaren Bestandteil zur Berechnung der Verkehrsleistung sowie für die<br />
daran anknüpfenden Schritte von Basisszenario und Auswirkungen verschiedener<br />
Szenarien. Die aufwendigen Kalibrierungsarbeiten werden in der ersten Maihälfte<br />
abgeschlossen sein.<br />
Die wesentlichen Arbeitsschritte zur Integration des Basisszenarios umfassen die<br />
Aufbereitung der Datenbasis für die Modellrechnungen. Derzeit laufen die Arbeiten an<br />
der Integration der Rahmendaten aus „Mobilität 2050“. Sollten hieran keine Modifikationen<br />
mehr notwendig sein, z. B. aufgrund von Anforderungen aus anderen<br />
Arbeitspaketen des Projekts oder der Wahl eines anderen Basis-Szenarios, ist mit der<br />
Zwischenbericht, März 2007
- 196 -<br />
Institut für Verkehrsforschung<br />
Fertigstellung der Aufbereitung und Ergebnissen der Rechnungsdurchläufe bis Ende<br />
Mai zu rechnen.<br />
Zur Best<strong>im</strong>mung der Fahrleistung <strong>im</strong> Öffentlichen Verkehr wird in Kooperation mit der<br />
TU Dresden derzeit an zwei Varianten der Hochrechnung von Personen- zu<br />
Fahrzeugkilometern gearbeitet. Dies ist notwendig, weil andernfalls die Betriebskonzepte<br />
der Deutschen Bahn und der Nahverkehrsverbünde s<strong>im</strong>uliert werden<br />
müssten. In einer Variante wird der Zusammenhang zwischen dem VISEVA-Output der<br />
Personenkilometer zu den real gefahrenen Fahrzeugkilometern <strong>im</strong> ÖV aus<br />
entsprechenden Statistiken betrachtet. Die andere Variante orientiert sich an einem<br />
Bottom-Up-Ansatz, indem auf der Basis der Ergebnisse für die drei Beispielräume auf<br />
die geleisteten Fahrzeugkilometer <strong>im</strong> gesamtdeutschen ÖV geschlossen wird.<br />
Ergänzende Studien zum Flugverkehr wurden beschafft und vorläufig analysiert. In<br />
Abhängigkeit des letztlich gewählten Basisszenarios und der Maßnahmenbündel in<br />
den Szenarien wird geprüft werden, welche Szenarien aus welchen Studien am besten<br />
zu renewbility passen und die Modellierungsergebnisse dann entsprechend ergänzt.<br />
8.2.2 Modellierung von Maßnahmen <strong>im</strong> Personenverkehr<br />
Die Basisarbeiten zum mikroskopische Nachfragemodell TAPAS sind abgeschlossen,<br />
d.h. das Modell wurde soweit entwickelt und angepasst, dass die Funktionalitäten zur<br />
Abbildung der Maßnahmenwirkungen in renewbility integriert werden können. Dies<br />
geschieht aktuell und gleichzeitig mit der Kalibrierung und Verfeinerung des<br />
Grundmodells anhand des Beispielraums Berlin. Begleitet werden die Arbeiten<br />
außerdem von einer detaillierten Literaturrecherche zur Wirksamkeit von Maßnahmen.<br />
Nach Lieferung der Daten aus den beiden anderen Beispielräumen können diese<br />
ebenfalls in die Modellierung eingebunden werden.<br />
Die Implementierung der wesentlichen Maßnahmen wurde begonnen und wird bei der<br />
Festlegung der Grobszenarien durch die Szenariogruppe bzw. noch in der ersten<br />
Jahreshälfte abgeschlossen sein. Dies umfasst auch die Plausibilitätsprüfung. S<strong>im</strong>ultan<br />
zur weiteren Szenarienentwicklung werden dann nach Bedarf die nachrangigen<br />
Maßnahmen <strong>im</strong>plementiert. Außerdem erfolgen parallel die notwendigen Anpassungen<br />
für die Kombination von Maßnahmen, die zu einer El<strong>im</strong>inierung oder auch einer<br />
Verstärkung von Wirkungen führen kann. Schließlich wird die Maßnahmenmodellierung<br />
auch dahingehend überprüft, ob Modifikationen bei besonders stark angewendeten<br />
Maßnahmen, z.B. besonders starke Preisreduzierung oder –anstieg, notwendig sind.<br />
8.2.3 Käuferverhalten PKW<br />
Erste Parameterschätzungen mit verschiedenen Modellen liegen bereits vor und sind<br />
in Abschnitt 3.5.3.1 erwähnt. Ein zweistufiger Ansatz, der zunächst die Gesamtzulassungen<br />
berechnet und anschließend die Anteile der Zulassungen, wird derzeit<br />
favorisiert. Vorteilhaft ist hierbei, dass die Anteile je Typ (also z. B. VW Golf oder<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 197 -<br />
Opel Vectra) geschätzt werden, wodurch ein hohes Maß an Kompatibilität mit anderen<br />
Fahrzeugkategorisierungen gewährleistet ist. Beispielhafte S<strong>im</strong>ulationen für Änderungen<br />
der Kfz-Steuer werden aktuell durchgeführt.<br />
Die grundlegenden Arbeiten der Potenzialanalyse laufen parallel zu den Arbeiten am<br />
ökonometrischen Modell. Die gekoppelte Auswertung der Zulassungsdaten mit den<br />
Personendaten der MiD kann zum Großteil jedoch erst nach der Festlegung der<br />
Fahrzeuggruppen bzw. Segmente abgeschlossen werden, d.h. in den Monaten April<br />
und Mai.<br />
Sowohl das ökonometrische Modell wie auch die Potenzialanalyse werden <strong>im</strong> Verlaufe<br />
des Szenarioprozesses entsprechend der dortigen Anforderungen fortlaufend modifiziert<br />
und ergänzt.<br />
8.2.4 Güterverkehr<br />
Für den Status Quo wird derzeit die Kalibrierung des Modells WiVS<strong>im</strong> anhand der<br />
amtlichen Güterverkehrsstatistiken durchgeführt und die Integration in die S<strong>im</strong>ulation<br />
auf technischer Ebene vorbereitet.<br />
Die nächsten Arbeitsschritte sind die Analyse und Integration der Daten des IWH, um<br />
die synthetische Wirtschaftsstruktur als Basis für WiVS<strong>im</strong> für die Jahre<br />
2005,10,15,20,25 und für das Jahr 2030 mit einer Trendfortschreibung zu erstellen.<br />
Ebenso werden die IWH-Daten analysiert, um die Fortschreibung der weiteren<br />
Parameter in WiVS<strong>im</strong> durchzuführen.<br />
Ebenfalls bis in das zweite Quartal 2007 werden die quantitativen Parameter zur<br />
recherchierten Wirkung der vorgesehenen Maßnahmen best<strong>im</strong>mt und in das Modell<br />
WiVS<strong>im</strong> integriert. Die detaillierte Ausgestaltung der Maßnahmen erfolgt dann auf<br />
Basis der Vorgaben des Szenario-Prozesses.<br />
8.3 Technologiedatenbasis<br />
8.3.1 Vorketten, Energieträger und Kraftstoffe<br />
Die Aktualisierungs- und Ergänzungsarbeiten werden bis Mai 2007 fortgeführt und<br />
dann in einem Expertengespräch diskutiert. Danach werden die aktualisierten<br />
Datensätze in der GEMIS-Version 4.5 zusammengefasst und öffentlich verfügbar<br />
gemacht.<br />
Eine abschließende Aktualisierung der Datenbasis ist für Anfang 2008 geplant und wird<br />
in GEMIS 5.0 zur Verfügung gestellt werden.<br />
Wesentlich für die Arbeiten bei den Vorketten sind in den nächsten Monaten die<br />
Abbildung der Pfade für „C-reduzierte“ Energieträger und Kraftstoffe durch CCS sowie<br />
die Importoptionen für Biokraftstoffe (inkl. Biomethan).<br />
Zwischenbericht, März 2007
- 198 -<br />
Institut für Verkehrsforschung<br />
8.3.2 Verkehrsträger und Antriebe<br />
Die begonnenen Gespräche mit VertreterInnen der Fahrzeughersteller werden mit dem<br />
für Mai/Juni 2007 geplanten 2. ExpertInnen-Workshop fortgeführt und <strong>im</strong> Sommer in<br />
einem abschließenden Arbeitspapier dokumentiert.<br />
Die entsprechenden Technologiedaten werden dann in GEMIS 4.5 zur Verfügung<br />
gestellt.<br />
Mit diesen Ergänzungen ist die Stoffstromdatenbasis für renewbility soweit entwickelt,<br />
dass die direkte Einkopplung in die Szenario-Arbeiten erfolgen kann.<br />
8.4 Modellinteraktion und –integration<br />
Die mittlerweile als Prototypen vorliegenden Modellteile werden <strong>im</strong> Laufe des Frühjahrs<br />
weiter integriert und <strong>im</strong> Sommer 2007 mit der elektronischen Einbindung in MOBIL-<br />
SZEN vorläufig abgeschlossen.<br />
Die sequenzielle Interaktion der Teilmodelle wird dann getestet am Beispiel des<br />
Referenz- bzw. Basisszenarios und die Funktionsfähigkeit der Maßnahmenabbildung<br />
bei der Modellierung einiger Beispielszenarien (als Input für die Szenariogruppe)<br />
überprüft.<br />
Ab Herbst sind gezielte Szenariorechnungen möglich, womit die Grob-Szenarien in<br />
Abst<strong>im</strong>mung mit der Szenariogruppe erstellt und bilanziert werden. Erste Ergebnisse<br />
sollen zur Beiratssitzung <strong>im</strong> Herbst zur Verfügung stehen.<br />
Danach werden die Arbeiten zur Dokumentation und Verbesserung der Nutzerschnittstelle<br />
beginnen.<br />
8.5 Szenarienentwicklung<br />
8.5.1 Referenz- bzw. Basisszenario<br />
Die Arbeiten zur Erstellung des Referenz- bzw. Basisszenarios werden bis Ende April<br />
abgeschlossen und dokumentiert.<br />
Die weiteren Arbeiten und ggf. erforderlichen Anpassungen erfolgen in Abst<strong>im</strong>mung mit<br />
der Szenario-Gruppe und dem wissenschaftlichen Beirat.<br />
8.5.2 Szenarioprozess<br />
Im Vorfeld der konstituierenden Sitzung des Szenarioprozesses am 27. April 2007<br />
werden mit den Mitgliedern individuelle Gespräche zu deren Fragen, Erwartungen und<br />
Wünschen geführt, um aufbauend darauf das Design des Prozesses zu detaillieren. Es<br />
wird erwartet, dass der Prozess mit etwa sechs Sitzungen abgeschlossen werden<br />
kann. Der Abschluss ist für das erste Quartal 2008 vorgesehen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 199 -<br />
9 Literatur<br />
Die Literaturangaben werden <strong>im</strong> Folgenden getrennt zu den einzelnen Kapiteln<br />
vorgestellt.<br />
3 Modellierung Personenverkehr<br />
Arentze, T.; Hofmann, F.; Kalfs, N.; T<strong>im</strong>mermans, H. (1997): Data Needs, Data Collection and Data<br />
Quality Requirements of Activity-Based Transport Models. Presented at the International<br />
Conference on Transport Survey Quality and Innovation, 24-30 May 1997, Grainau, Germany.<br />
http://gulliver.trb.org/publications/circulars/ec008/workshop_j.pdf (07/2006)<br />
Bach, S.; Bork, Ch.; Kirmmer, P.; Raffelhüschen, B.; Schulz, E. (2002): Demographischer Wandel und<br />
Steueraufkommen. Deutsches Institut für Wirtschaftsforschung, Berlin.<br />
BBR (2005): Raumordnungsbericht 2005. Berichte, Band 21, Bonn.<br />
BIK ASCHPURWIS + BEHRENS GMBH (2001): BIK Regionen: Methodenbeschreibung zur Aktualisierung<br />
2000.<br />
Böhnke, B. (2005): Modellierung von Parkraumnachfrage und Parkraummanagement-Maßnahmen in<br />
einem makroskopischen Verkehrsmodell. Universität Stuttgart. http://elib.uni-stuttgart.de/<br />
opus/volltexte/2005/2357/ (07/2006)<br />
BMVBW, BBR (2004): Herausforderungen des demographischen Wandels für die Raumentwicklung in<br />
Deutschland.<br />
Bosserhoff, D. (2000): Integration von Verkehrsplanung und räumlicher Planung. Teil 2: Abschätzung der<br />
Verkehrserzeugung durch Vorhaben der Bauleitplanung. In: Schriftenreihe der Hessischen<br />
Straßen- und Verkehrsverwaltung, Heft 42, Wiesbaden.<br />
Bosserhoff, D. u. Vogt, W. (2007): Schätzung des Verkehrsaufkommens aus Kennwerten der<br />
Flächennutzung und des Verkehrs, Teil 1+2. In: Straßenverkehrstechnik, Heft 1 und 2, 2007, S. 12-<br />
20 und 69-73.<br />
Bundesamt für Bauwesen und Raumordnung (2006): Raumordnungsprognose 2020/2050. Berichte, Band<br />
23, Bonn.<br />
Bundesamt für Bauwesen und Raumordnung (Hrsg., 2004): Raumordnungsprognose 2020: Regionen und<br />
Städte <strong>im</strong> demographischen Wandel. Informationen zur Raumentwicklung, Heft 3/4 2004.<br />
Bundesministerium für Verkehr, Innovation und Technologie (2005) [Hrsg.]: Intelligente Infrastruktur.<br />
Endbericht EMVEM - Evaluierungsmethoden verkehrstelematischer Maßnahmen<br />
Grundlagenstudie. TU Graz.<br />
http://www.isv.tugraz.at/veroeffentlichungen/arbeitspapiere/1_EMVEM_Bericht.pdf und<br />
http://www.isv.tugraz.at/veroeffentlichungen/arbeitspapiere/1_EMVEM_Anlagenband.pdf (07/2006)<br />
Bundesministerium für Verkehr, Bau- und Wohnungswesen (2005): Die gesamtwirtschaftliche<br />
Bewertungsmethodik, Bundesverkehrswegeplan 2003, Berlin, Schlussbericht zum FE Vorhaben<br />
96.0790/2003 <strong>im</strong> Auftrag des BMVBW.<br />
Zwischenbericht, März 2007
- 200 -<br />
Institut für Verkehrsforschung<br />
Distelkamp, M.; et.al.: “Schätzung der Wirkung umweltpolitischer Maßnahmen <strong>im</strong> Verkehrssektor zur<br />
Nutzung der Datenbasis der Gesamtrechnung des Statistischen Bundesamtes”; URL: www.gwsos.de<br />
Fuchs, J.; Söhnlein, D. (2005): Vorausschätzung der Erwerbsbevölkerung bis 2050. IAB<br />
Forschungsbericht, Nr. 16.<br />
Göddecke-Stellmann, Kuhlmann, P. (2000): Abgrenzung der Stadtregionen: Gesamtdeutsche Abgrenzung<br />
der Stadtregionen auf Basis der Pendlerstatistik der sozialversicherungspflichtig Beschäftigten.<br />
Bonn.<br />
Hertkorn, G (2004): Mikroskopische Modellierung von zeitabhängiger Verkehrsnachfrage und von<br />
Verkehrsflußmustern. Deutsches Zentrum für Luft- und Raumfahrt, Forschungsbericht 2004-29.<br />
Köln. http://elib.dlr.de/21014/01/fb_2004-29_v2.pdf (07/2006)<br />
Hilty, L. M. u. a. (1998): Instrumente für die ökologische Bewertung und Gestaltung von Verkehrs- und<br />
Logistiksystemen Abschlußbericht des Forschungsprojekts MOBILE. Universität Hamburg und<br />
FAW Ulm.<br />
http://mobile-www.informatik.uni-hamburg.de/MOBILE/Abschlussbericht/Aufbau.html (07/2006)<br />
infas, DIW (2003): Mobilität in Deutschland 2002 – Kontinuierliche Erhebung zum Verkehrsverhalten.<br />
Projekt-Nr. 70.0681/2001, Forschungsprogramm Stadtverkehr des Bundesministeriums Verkehr,<br />
Bau- und Wohnungswesen. Endbericht.<br />
infas, DIW (2004): Mobilität in Deutschland: Ergebnisbericht. Projekt-Nr. 70.0736/2003, Bundesministerium<br />
Verkehr, Bau- und Wohnungswesen.<br />
Kröhnert, S.; van Olst, Nienke; Klingholz, Reiner (2005): Deutschland 2020: Die demo-grafische Zukunft<br />
der Nation. Berlin-Institut für Bevölkerung und Entwicklung.<br />
Kutter, E. (2003): Modellierung für die Verkehrsplanung. Theoretische, empirische und planungspraktische<br />
Rahmenbedingungen. ECTL Working Paper 21, Hamburg. http://www.vsl.tuharburg.de/vsl_2/Archiv/wp/wp21.pdf<br />
(07/2006)<br />
Lohse 1: Lohse, D., Schiller, C., Teichert, H., Vrtic, M., Fröhlich, P., Schüssler, N., Axhausen, K.W. (2006):<br />
Ein zweiseitig gekoppeltes Modell zur s<strong>im</strong>ultanen Berechnung der Verkehrserzeugung,<br />
Verkehrsverteilung und Verkehrsaufteilung: theoretischer Hintergrund und praktische Anwendung<br />
für ein nationales Modell der Schweiz. In: Verkehrsforschung-online, Ausgabe 3.<br />
Lohse 2: Lohse, D. , Schiller, C., Teicher, H. (2006): Das Verkehrsnachfragemodell EVA – S<strong>im</strong>ultane<br />
Verkehrserzeugung, Verkehrsverteilung und Verkehrsaufteilung. In: Straßenverkehrstechnik, Heft<br />
4, 2006.<br />
Lohse, D. u. a. (1997): Ermittlung von Verkehrsströmen mit n-linearen Gleichungssystemen –<br />
Verkehrsnachfragemodellierung, Schriftenreihe des Instituts für Verkehrsplanung und<br />
Straßenverkehr der TU Dresden, Heft 5.<br />
Manz, W. (2005): Mikroskopische längsschnittorientierte Abbildung des Personenfernverkehrs. In:<br />
Schriftenreihe des Instituts für Verkehrswesen der Universität Karlsruhe, Heft 62/05, Karlsruhe.<br />
Meyer; B.; Bockermann, A.; Ewerhart, G.; Lutz, Ch.: Marktkonforme Umweltpolitik; Physika Verlag,<br />
Heidelberg 1999<br />
PTV Planung Transport Verkehr AG (2005): Benutzerhandbuch VISUM, Karlsruhe.<br />
PTV Planung Transport Verkehr AG (2005): Benutzerhandbuch VISEVA, Karlsruhe.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 201 -<br />
Rostocker Zentrum zur Erforschung des Demografischen Wandels (Hrsg.; 2005): Deutschland <strong>im</strong><br />
Demografischen Wandel: Fakten und Trends 2005.<br />
Schade 1: B., Rothengatter, W. & Schade, W. (ohne Datum): Ecological and Economic Modelling with a<br />
Model for Economic assessment of Sustainability policies of transport ESCOT, Institut für<br />
Wirtschaftspolitik und Wirtschaftsforschung IWW, Universität Karlsruhe.<br />
Schade 2: Schade, Burkhard; Rothengatter, Werner; Schade, Wolfgang: Strategien, Maßnahmen und<br />
ökonomische Bewertung einer dauerhaft umweltgerechten Verkehrsentwicklung. Erich Schmidt<br />
Verlag, Berlin , 2002<br />
Schnabel, W. & Lohse, D. (1997): Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung,<br />
Band 2. Verlag für Bauwesen, Berlin.<br />
Schulz, E. (2004): Bevölkerungsentwicklung in West- und Ostdeutschland – Voraussetzungen bis 2050. In:<br />
Wochenbericht des DIW Berlin, Nr. 33.<br />
Schürt, A.; Spangenberg, M.; Pütz, Th. (2005): Raumstrukturtypen: Konzept – Ergebnisse –<br />
Anwendungsmöglichkeiten – Perspektiven. BBR-Arbeitspapier.<br />
Statistisches Bundesamt (2003): Bevölkerung Deutschlands: 10. koordinierte Bevölkerungsvorausberechnung.<br />
Wiesbaden.<br />
Statistisches Bundesamt (2003): Zeitbudgeterhebung.<br />
http://www.destatis.de/presse/deutsch/abisz/zeitbudgeterhebung.htm (07/2006)<br />
Statistisches Landesamt Berlin (2003): Quantitativer Umfang der RBS-Elemente. http://www.statistikberlin.de/statistiken/rbs/Daten_Statistik.pdf<br />
(07/2006)<br />
T<strong>im</strong>mermans, H.J.P. (2001): Principles of Household Activity Scheduling Behavior. In: Kutter, E.,<br />
T<strong>im</strong>mermans, H.J.P., Jones, P.M. (Hrsg.): Expertisen für das Projekt Mobiplan, Arbeitspapier<br />
Forschung F11, Institut für Stadtbauwesen, RWTH Aachen. http://www.isb.rwthaachen.de/publikationen/F11-Expertisen_Mobiplan.pdf<br />
(07/2006)<br />
UBA: Studie <strong>im</strong> Auftrag des Umwelt Bundesamtes: „Dauerhaft umweltgerechter Verkehr; Deutsche<br />
Fallstudie zum OECD Projekt Environmentally Sustainable Transport (EST)“. Berlin 2001<br />
UNO (2000): Replacement Migration. United Nations, Population Division, Department of Economic and<br />
Social Affairs.<br />
Widmer P.; Axhausen, K.W., (2001): Aktivitäten-orientierte Personenverkehrsmodelle (Vorstudie).<br />
Arbeitsbericht Verkehrs- und Raumplanung, 70, Institut für Verkehrsplanung, Transporttechnik,<br />
Straßen- und Eisenbahnbau (IVT), ETH Zürich.<br />
https://www.ivt.ethz.ch/vpl/publications/reports/index/edit/ab70.pdf (07/2006)<br />
Maßnahmen Personenverkehr<br />
Axhausen, K.W. (2005) Entscheidungsmodelle und Bewertungen, CUREM Modul Verkehrsplanung,<br />
Zürich, April.<br />
Baier, R.; Hebel, C. ; Peter, C. ; Schäfer K.H. (2000): Gesamtwirkungsanalyse zur Parkraumbewirtschaftung.<br />
Berichte der Bundesanstalt für Verkehrswesen, Heft 75.<br />
Baum, H. et al. (2006): Parkbörse für die Stadt Köln – Konzept, Ausgestaltung und Bewertung. In:<br />
Zeitschrift für Verkehrswissenschaft, 77(1), S. 1-28.<br />
Zwischenbericht, März 2007
- 202 -<br />
Institut für Verkehrsforschung<br />
Baum, H. & Pesch. S. (1996): Car-Sharing als Ansatz zur Verbesserung der Verkehrsverhältnisse in<br />
Städten. Studie von 1994 <strong>im</strong> Auftrag des BMVBW. In: Zeitschrift für Verkehrswissenschaft, Heft 4,<br />
S. S. 261-285.<br />
Baum, H. & Pesch, S. (1994): Untersuchung der Eignung von Car-Sharing <strong>im</strong> Hinblick auf Reduzierung<br />
von Straßenverkehrsproblemen. Schlußbericht Forschungsprojekt FE-Nr.70421/93, Bundesministerium<br />
für Verkehr, Köln.<br />
Bergmann, H. ; Bertenrath, R. ; Betz, R. ; Dünnebeil, F. ; Lambrecht, U. ; Liebig, L. ; Rogge, K. ; Schade,<br />
W. (2005): Emissionshandel <strong>im</strong> Verkehr. Ansätze für einen möglichen Up-Stream-Handel <strong>im</strong><br />
Verkehr. Texte des UBA 22/05, Berlin.<br />
Betz, F. & Schwarz, I. (1998): Training for Telework in the Region of Vienna. Short Analysis for the Ledaproject.<br />
Zentrum für soziale Innovation, Wien.<br />
BMVBS (Hrsg.) (2006): Szenarien der Mobilitätsentwicklung unter Berücksichtigung von Siedlungsstrukturen<br />
bis 2050. Berlin.<br />
BMVBW (Hrsg.) (2002): Nationaler Radverkehrsplan 2002 – 2012. FahrRad! Maßnahmen zur Förderung<br />
des Radverkehrs in Deutschland. Bonn.<br />
BMVBW (Hrsg.) (2002): Auswirkungen neuer Informations- und Kommunikationstechniken auf<br />
Verkehrsaufkommen und innovative Arbeitsplätze <strong>im</strong> Verkehrsbereich. Statusbericht 2002. Berlin.<br />
Button, K. (1993): Transport Economics, 2. Auflage, Cheltenham.<br />
Chen, C. & Mokhtarian, P. L. (2000): Modeling Individuals’ Travel T<strong>im</strong>e and Money Expenditures.<br />
Research Report für die Da<strong>im</strong>lerChrysler Corporation, Institute of Transportation Studies, University<br />
of California, Davis, USA.<br />
Charypar, D. & Nagel, K. (2003): Generating Complete All-Day Activity Plans with Genetic Algorithms.<br />
10th International Conference on Travel Behaviour Research, Lucerne, 10–14. August 2003.<br />
Cirillo, C. & Axhausen, K.W. (2004): Evidence on the distribution of values of travel t<strong>im</strong>e savings from a<br />
six-week diary. Working Papers Transport and Spatial Planning 212, ETH Zürich.<br />
Denzinger, S. & Vogt, W. (2000): Datenautobahn statt Autobahn: Löst Telearbeit Verkehrsprobleme? In:<br />
Jessen, J., Lenz, B., Vogt, W. (Hrsg.): Neue Medien, Raum und Verkehr. Wissenschaftliche<br />
Analysen und praktische Erfahrungen. Stadtforschung aktuell, Band 79, Leske+Budrich, Opladen.<br />
Deutscher Bundestag (2003): Bericht des Ausschusses für Bildung, Forschung und Technikfolgenabschätzung<br />
(19. Ausschuss) gemäß § 56a der Geschäftsordnung Technikfolgenabschätzung,<br />
hier: Monitoring – „Maßnahmen für eine <strong>nachhaltige</strong> Energieversorgung <strong>im</strong> Bereich<br />
Mobilität“. Drucksache 15/851, Berlin.<br />
Distelkamp, M. ; Lutz, C. ; Meyer, B. ; Wolter, M.I. (2004): Schätzungen der Wirkung umweltpolitische<br />
Maßnahmen <strong>im</strong> Verkehrssektor unter Nutzung der Datenbasis der Gesamtrechnung des<br />
Statistischen Bundesamtes. GWS Discussion Paper 2004/5, Gesellschaft für Wirtschaftliche<br />
Strukturforschung, Osnabrück.<br />
Dittrich-Wesbuer, A.; Kemming, H.; Stiewe, M.; Vetter, J. (2006): Steuerung von Raumentwicklung und<br />
Verkehrsnachfrage. Modul 2 des Projektes „Untersuchung zentraler Rahmenbedingungen,<br />
Instrumente und Zielkriterien der Landesverkehrsplanung NRW“. Abschlussbericht. Institut für<br />
Landes- und Stadtentwicklungsforschung und Bauwesen des Landes Nordrhein-Westfalen (ILS<br />
NRW), Fachbereich Mobilität und Siedlungsentwicklung, Dortmund.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 203 -<br />
Dörnemann, M. (1998): Parkraumbewirtschaftung. Wirkungsbetrachtung und Erfordernisse an die<br />
Umsetzung untersucht am Beispiel der Berliner Parkzonen. Schriftenreihe A, Institut für Straßenund<br />
Schienenverkehr, TU Berlin.<br />
Dürholt, H.; Hamacher, R.; Hautzinger, H.; Krämer, B.; Neumann, L.; Pischner, T.; Schaaf, B. (1998):<br />
Strategien zur Erhöhung des Besetzungsgrades <strong>im</strong> Pkw-Verkehr. Abschlussbericht zum FE-Projekt<br />
Nr. 70502/96. Institut für Angewandte Verkehrs- und Tourismusforschung, Heilbronn.<br />
Franken, V. & Bochynek, C. (2006): Potential influence of city pricing (downtown toll) for private transport<br />
in Germany on travel behaviour. In Möhlenbrink, W., Hangleiter, U., Englmann, F. C. , Friedrich,<br />
M., Jessen, J., Kaule, G., Martin, U., Reus, H.-C. (Hrsg.): FOVUS 2006. Networks for Mobility.<br />
Stuttgart 2006-10-05 - 2006-10-06. e.kurz+co, druck und medientechnik GmbH.<br />
Frusti, T.; Bhat, C.; Axhausen, K. W. (2002): An exploratory analysis of fixed commitments in individual<br />
activity-travel patterns. Swiss Federal Institute of Technology, Institute of Transportation, Traffic,<br />
Highway- and Railway-Engineering, 2002.<br />
Gareis, K. & Kordey, N. (2000): The Spread of Telework in 2005. empirica GmbH, Bonn.<br />
Gebauer, I. (2002): Die Auswirkungen häuslicher Telearbeit auf das Verkehrsverhalten und Aktionsräume.<br />
Eine Sekundäranalyse als explorative Studie. Diskussionsbeiträge 12, Institut für Geographie,<br />
Universität Stuttgart.<br />
Glaser, M. & Glaser, W. (2000): Zukunftsmodell Telearbeit. Neue empirische Befunde und eine<br />
Zwischenbilanz. In: Jessen, J., Lenz, B., Vogt, W. (Hrsg.) (2000): Neue Medien, Raum und<br />
Verkehr – Wissenschaftliche Analysen und praktische Erfahrungen, Stadtforschung aktuell, Band<br />
79, Leske+Budrich, Opladen.<br />
Glaser, W. R. & Vogt, W. (2000): Mehrt oder mindert Telearbeit Verkehr? Ergebnisse einer empirischen<br />
Untersuchung in Deutschland. Vortag auf der Tagung: Weniger Verkehr dank Telekommunikation:<br />
Chance oder Illusion? Neue Forschungsergebnisse – Folgen für die Verkehrspolitik. 24. März 2000,<br />
Bern.<br />
Glaser, W. & Voigt, W. (2004): Auswirkungen der Telearbeit auf das Verkehrsverhalten. In: Ifmo – Institut<br />
für Mobilitätsforschung (Hrsg.): Auswirkungen der virtuellen Mobilität. Springer, Berlin, S. 303-315.<br />
Glogger, A.; Karg, G.; Kreilkamp, P.; Preissler, I.; Vogler-Ludwig, K; Zängler, T.W. (2003): Telearbeit und<br />
Verkehr <strong>im</strong> Wirtschaftsraum München. Endbericht. Erstellt <strong>im</strong> Rahmen des Projektes Mobinet <strong>im</strong><br />
Auftrag der LH München, Referat für Arbeit und Wirtschaft.<br />
Gohlisch, G. & Malow, M. (1999): Umweltauswirkungen von Geschwindigkeitsbeschränkungen. Texte des<br />
UBA 40 / 99, Berlin.<br />
Grötsch, M.; Höhnberg, G.; Kirchhoff, P. (2004): Parkraumbewirtschaftung in innen-stadtnahen<br />
Mischgebieten. In: Internationales Verkehrswesen, 56 (3), S. 86-91.<br />
Grünwald, R.; Oertel, D.; Paschen, H. (2002): Maßnahmen für eine <strong>nachhaltige</strong> Energieversorgung <strong>im</strong><br />
Bereich Mobilität. Sachstandsbericht. Arbeitsbericht 79, Büro für Technikfolgenabschätzung des<br />
Deutschen Bundestages, Berlin.<br />
Goodwin, P.B. (1992): A Review of New Demand Elasticities with Special Reference to Short and Long<br />
Run Effects of Price Changes. In: Journal of Transport Economics and Policy, 26 (2), S. 155 – 169.<br />
Hang, P. (2003): Quersubventionierung kommunaler Leistungen in Deutschland. Aktuelle Bedeutung und<br />
Beurteilung unter Effizienz- und Verteilungsgesichtspunkten. In: Wirtschaft <strong>im</strong> Wandel, 9 – 10, S.<br />
299-305.<br />
Zwischenbericht, März 2007
- 204 -<br />
Institut für Verkehrsforschung<br />
Hautzinger, H. et al. (2004): Analyse von Veränderungen des Mobilitätsverhaltens – insbesondere der<br />
PKW-Fahrleistung – als Reaktion auf geänderte Kraftstoffpreise. Schlussbericht zum<br />
Forschungsprojekt Nr. 96.0756/2002/ des BMVBW, Bonn.<br />
Heine-N<strong>im</strong>s, T.; Schnittger, S.; Wittowsky, D. (2003): Messung von Verhaltensänderungen für die<br />
Abschätzung von Wirkungspotenzialen für neue Telematikanwendungen und Dienstleistungen <strong>im</strong><br />
Ö–PNV. Stadt Region Land, Institut für Stadtbauwesen der RWTH Aachen, Band 75.<br />
Hertkorn, G. (2004): Das Reisezeitbudget in verschiedenen Tagesabläufen. Vortrag <strong>im</strong> Rahmen des<br />
Seminars „Zeitverwendung und Mobilität - Die These vom konstanten Zeitbudget“ der DVWG-<br />
Bezirksvereinigung Berlin-Brandenburg e.V. mit dem Institut für Verkehrsforschung des Deutschen<br />
Zentrum für Luft- und Raumfahrt e.V., November, Berlin.<br />
Höhnberg, G. (2002): Empirie-basiertes Entwurfsverfahren für die Parkraumbewirtschaftung in<br />
innenstädtischen Mischgebieten. Dissertation, Lehrstuhl für Verkehrs- und Stadtplanung, TU<br />
München.<br />
Huwer, U. (2002): Mobilität gestalten: Die Schnittstelle ÖPNV-CarSharing. Dissertation, Fachbereich<br />
Architektur / Raum- und Umweltplanung / Bauingenieurwesen, Universität Kaiserslautern.<br />
Infas & DIW (Hrsg.)(2003): Mobilität in Deutschland 2002. Kontinuierliche Erhebung zum<br />
Verkehrsverhalten. Berlin / Bonn.<br />
Innenministerium Baden-Württemberg (Hrsg.) (2006): Energiesparend Fahren. Wie Sie Ihren<br />
Benzinverbrauch sofort um bis zu 30 % senken können. Stuttgart.<br />
Institut für Landes- und Stadtentwicklungsforschung und Bauwesen des Landes Nordrhein-Westfalen (ILS<br />
NRW) (Hrsg.)(2006): Transferstelle Mobilitätsmanagement. Betriebliches Mobilitätsmanagement –<br />
Europa. http://www.mobilitaetsmanagement.nrw.de, Stand: 7.2.2007<br />
Institut für Mobilitätsforschung (Hrsg.)(2002): Zukunft der Mobilität. Szenarien 2020. Berlin.<br />
Institut für Verkehrsforschung (Hrsg.)(2006a): Berechnungen der Verkehrsnachfrage <strong>im</strong> Personenverkehr.<br />
Arbeitspapier <strong>im</strong> Rahmen des Forschungsprojekts „<strong>Renewbility</strong> – Stoffstromanalyse <strong>nachhaltige</strong><br />
Mobilität <strong>im</strong> <strong>Kontext</strong> erneuerbarer Energien bis 2030“. Dezember 2006, Deutsches Zentrum für<br />
Luft- und Raumfahrt, Berlin.<br />
Institut für Verkehrsforschung (Hrsg.)(2006b): Datengrundlage Personenverkehrsmodellierung mit VISEVA<br />
- Referenzpapier. Oktober 2006, Deutsches Zentrum für Luft- und Raumfahrt, Berlin.<br />
Institut für Verkehrsforschung (Hrsg.)(2007): Projektabschlußbericht viva. Deutsches Zentrum für Luft- und<br />
Raumfahrt, Berlin, in Bearbeitung.<br />
James, P. (2004): Is Teleworking Sustainable? An Analysis of its Economic, Environ-mental and Social<br />
Impacts. Final Report of the European project IST-2001-33228, on behalf of the SUSTEL<br />
consortium. UK Centre for Economic and Environmental Development, Peterborough.<br />
Kalbow, M. (2001): Wirkungsanalyse des Nulltarifs <strong>im</strong> ÖPNV am Beispiel der Stadt Darmstadt.<br />
Diplomarbeit, Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Köln.<br />
Keuchel, S. (1994): Wirkungsanalyse von Maßnahmen zur Beeinflussung des Verkehrsmittelwahlverhaltens.<br />
Eine empirische Untersuchung am Beispiel des Berufsverkehrs der Stadt<br />
Münster/Westfalen. Beiträge aus dem Institut für Verkehrswissenschaft an der Universität Münster,<br />
Heft 131, Vandenhoeck & Ruprecht, Göttingen.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 205 -<br />
Kl<strong>im</strong>a-Bündnis der Europäischen Städte (Hrsg.) (2000): Öffentlichkeitsarbeit für den Kl<strong>im</strong>aschutz in der<br />
Kommune. Dokumentation der Fachtagung „Kommunen kommunizieren Kl<strong>im</strong>aschutz“ am<br />
14.11.2000 in Wuppertal. Ergebnisse des Bundeswettbewerbes „PR-Preis Kl<strong>im</strong>aschutz“. Frankfurt.<br />
Kloas, J.; Kuhfeld, H.; Kunert, U. (2004): Straßenverkehr: Eher Ausweichreaktionen auf hohe<br />
Kraftstoffpreise als Verringerung der Fahrleistungen. Wochenbericht des DIW Berlin 41/04, Berlin.<br />
Kloas, J. & Kuhfeld, H. (2003): Entfernungspauschale: Bezieher hoher Einkommen begünstigt. Aktuelle<br />
Ergebnisse zum Verkehrsverhalten privater Haushalte. Wochenbericht des DIW Berlin 42/03,<br />
Berlin.<br />
Kordey, N. (2002): Verbreitung der Telearbeit in 2002. Internationaler Vergleich und Entwicklungstendenzen.<br />
empirica Schriftenreihe Report 02/2002 Telearbeit. empirica GmbH, Bonn.<br />
Kreisverwaltungsreferat Landeshauptstadt München (Hg.) (2003):Mobinet. Abschlußbericht 2003. 5 Jahre<br />
Mobilitätsforschung <strong>im</strong> Ballungsraum München. München.<br />
Kuhn<strong>im</strong>hof, T. (2006): Mobilität und Zeit – Längsschnittanalysen auf Basis des MOP und Konzepte zur<br />
mikroskopischen Modellierung, IfV –Report Nr. 08_06.<br />
Loose, W.; Mohr, M.; Nobis, C.; Holm, B.; Bake, D. (2001): Bestandsaufnahme und Möglichkeiten der<br />
Weiterentwicklung von Car-Sharing. Verkehrstechnik, Heft V 114, Berichte der Bundesanstalt für<br />
Straßenwesen, Bremerhaven.<br />
Maertins, C. (2006): Die Intermodalen Dienste der Bahn: Mehr Mobilität und weniger Verkehr? Wirkungen<br />
und Potenziale neuer Verkehrsdienstleistungen. WZB-Discussion Paper, Berlin.<br />
Meister, K.; Frick, M.; Axhausen, K. W. (2005): Generating daily activity schedules for households using<br />
Genetic Algorithms. 5th Swiss Transport Research Conference, Monte Verità / Ascona, März.<br />
Ministry of Transport, Public Works and Water Management (Hrsg.) (2005): A Different Way of Paying for<br />
Road Use: Impacts on traffic, environment & safety, technology, organisation, enforcement and<br />
costs. Den Haag, Niederlande.<br />
Mokhtarian, P.; Ho, C.-I.; Hung, S.W.; Lam, T.B.; Raney, E.A.; Redmond, L.S.; Stanek, D.M.; Varma, K.V.<br />
(1997): Residential Area-Based Offices Project: Final Report on the Evaluation of Impacts.<br />
Research Report UCD-ITS-RR-97-17. Institute of Transportation Studies, University of California<br />
Davis, USA.<br />
Müller, H. (1998): New Challenges in Transportation. International Workshop, October 8th, Zürich.<br />
Dokumentations-CD-ROM des Projektes „Increase of Car Occupancy“ (ICARO).<br />
Neunzig, D. & Benm<strong>im</strong>oun, A. (2002): Potentiale der vorausschauenden Fahrerassistenz zur Reduktion<br />
des Kraftstoffverbrauchs. In: Aachener Kolloquium Fahrzeug- und Motorentechnik 2002, Aachen.<br />
Nielsen, S. (2001): Beiträge des Verkehrssystem-Managements zum stadtverträglicheren Straßenverkehr<br />
- Straßenbenutzungsabgaben, Zufahrtbeschränkung und elektrisch angetriebene Stadtautos <strong>im</strong><br />
Vergleich. Dissertation, Fachbereich Verkehrswesen und Angewandte Mechanik, Institut für<br />
Straßen- und Schienenverkehr, TU Berlin.<br />
Niggl, M. & Kreilkamp, P. (2004): Telearbeit und Verkehr – Ergebnisse aus den Studien TWIST und<br />
MOBINET. In: Ifmo – Institut für Mobilitätsforschung (Hrsg.): Auswirkungen der virtuellen Mobilität.<br />
Springer, Berlin, S. 245-256.<br />
Olszewski, P. & Xie, L. (2005): Modelling the effects of road pricing on traffic in Singapore. Transportation<br />
Research Part A, 39, S. 755–772.<br />
Zwischenbericht, März 2007
- 206 -<br />
Institut für Verkehrsforschung<br />
Ponel, T. (1999): Verkehrsvermeidung. Handlungskonzepte für eine integrierte Stadt- und Verkehrsentwicklungsplanung.<br />
DIVU, Berlin.<br />
Prognos (Hrsg.)(2001): Wirkungspotentiale der Verkehrstelematik zur Verbesserung der Verkehrsinfrastruktur-<br />
und der Verkehrsmittelnutzung. Schlussbericht. Im Auf-trag des Bundesministeriums<br />
für Verkehr, Bau- und Wohnungswesen, Berlin (FE-Nr. 96.584/1999), Prognos-Berichte 581-5466,<br />
Basel.<br />
Rölle, D.; Weber, C.; Bamberg, S. (2002): Mögliche Beiträge zur Verkehrsminderung und –verlagerung zu<br />
einem umweltgerechten Verkehr in Baden-Württemberg – Eine Analyse der Best<strong>im</strong>mungsfaktoren<br />
von Haushaltsentscheidungen. Forschungsbericht FZKA-BWPLUS, Institut für Rationelle<br />
Energiewirtschaft und Energieanwendung, Universität Stuttgart.<br />
Sammer, G. (Hrsg.) (2000): Leitfaden zur Erhöhung des Fahrzeugbesetzungsgrades. CD-Rom der<br />
Ergebnisse des Projektes „ICARO. Increase Of CAR Occupancy through innovative measures and<br />
technical instruments“, Wien.<br />
Sammer, G.; Meschik, M.; Roider, O. (Hrsg.)(1999): ICARO. Increase Of CAR Occupancy through<br />
innovative measures and technical instruments. Final Report Contract No PL 96-1056. Institut für<br />
Verkehrswesen, Universität für Bodenkultur Wien.<br />
Schade, J. (2005): Akzeptanz von Straßenbenutzungsgebühren: Entwicklung und Überprüfung eines<br />
Modells. Dissertation, Technische Universität Dresden.<br />
Schäfer, M. (2002): Fahrgemeinschaften <strong>im</strong> Berufspendelverkehr– in Deutschland auch in Zukunft nur die<br />
Nische der Nische ? Online-Fassung unter http://www.asl.uni-kassel.de/~<br />
altrock/webauftritt/pr/planungsrundschau05/frameset.htm, Stand: 6.2.2007.<br />
Schmidt, M. & Axhausen, K. W. (1999): Reaktionen des Freizeitverkehrs auf Kraftstoffpreisänderungen;<br />
Empirische Ergebnisse. IVT, Institut für Verkehrsplanung, Transporttechnik, Strassen- und<br />
Eisenbahnbau, ETH Zürich.<br />
Schroll, K.-G. (2003): Potenziale und Marktchancen für den ÖPNV in der Fläche. Durch Kundenorientierung<br />
zu einem erfolgreichen Markt-Standing des ÖPNV <strong>im</strong> inter-modalen Wettbewerb.<br />
Dissertation, Fachbereich Geowissenschaften der Universität Trier.<br />
Shaheen, S.; Sperling, D.; Wagner, C. (1998): Carsharing and Partnership Management: An international<br />
perspective. Dokumentations-CD-ROM des Projektes „Increase of Car Occupancy“ (ICARO).<br />
S<strong>im</strong>ma, A. & Axhausen, K. W. (2003): Commitments and modal usage: An analysis of German and Dutch<br />
panels, Transportation Research Record, 1854, S. 22-31.<br />
Spiekermann, K. & Wegener, M. (2005): Räumliche Szenarien für das östliche Ruhrgebiet:<br />
Abschlußbericht. Institut für Landes- und Stadtentwicklungsforschung und Bauwesen des Landes<br />
Nordrhein-Westfalen (ILS NRW), Fachbereich Mobilität und Siedlungsentwicklung, Dortmund.<br />
Spittje, H.D. (1999): De invloed van tele-/thuiswerk op het activiteitenpatroon en het verplaatsingsdedrag,<br />
Den Haag.<br />
UBA (Hrsg.)(2004): Hintergrund zu Umwelt und Verkehr – Mobilität nachhaltig gestalten. Berlin,<br />
November.<br />
UBA (Hrsg.)(2001): Kl<strong>im</strong>agas-Minderung durch umweltorientiertes Pkw-Flottenmanagement. Expertenworkshop<br />
<strong>im</strong> März 2001. Texte des UBA 14/02, Berlin.<br />
Voigt, U. (2000): Weiter wachsende Bedeutung der privaten Ausgaben für den motorisierten<br />
Individualverkehr. Wochenbericht des DIW Berlin 9/00.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 207 -<br />
Vogt, W. & Denzinger, S. (2001): Auswirkungen neuer Arbeitskonzepte und insbesondere von Telearbeit<br />
auf das Verkehrsverhalten. Mensch und Sicherheit, Heft M 128, Berichte der Bundesanstalt für<br />
Straßenwesen, Bremerhaven.<br />
Vrtic, M. (2001): Schweiz: Elastizitäten der Personenverkehrsnachfrage. Neuschätzung von Elastizitäten<br />
der Personenverkehrsnachfrage in Abhängigkeit von Angebotscharakteristika und Preis. In:<br />
Internationales Verkehrswesen, 53 (4), S. 132-136.<br />
Vrtic, M.; Meyer-Rühle, O.; Rommerskirchen, S., Cerwenka, P.; Stobbe, W. (2001): Sensitivitäten von<br />
Angebots- und Preisänderungen <strong>im</strong> Personenverkehr. Forschungsauftrag 44/98 auf Antrag der<br />
Vereinigung Schweizerischer Verkehrsingenieure (SVI). Eidgenössisches Department für Umwelt,<br />
Verkehr, Energie und Kommunikation / Bundesamt für Straßen Nr. 449, Prognos AG, Basel.<br />
Vrtic, M. & Axhausen, K. W. (2000): Modelle der Verkehrsmittelwahl: Regionale Wege in der Schweiz.<br />
Vortrag be<strong>im</strong> Aachener Kolloquium „ Mobilität und Stadt“, Verkehrsmodelle in Forschung und<br />
Praxis.<br />
Zumkeller, D.; Chlond, B.; Lipps, O. (1998): Konstanz / Variabilität des Verkehrsverhaltens gleicher<br />
Personen. Endbericht des Forschungsauftrages BMV FE 70.595 / 1998. Institut für Verkehrswesen,<br />
Universität Karlsruhe.<br />
Käuferverhalten PKW<br />
Berry, S. (1994): Est<strong>im</strong>ating Discrete-Choice Models of Product Differentiation, in Rand Journal of<br />
Economics, 25, 242-262.<br />
Choo, S.; Mokhtarian, P., University of California, Cavis, USA (2004): What type of vehicle do people<br />
drive? The role of attitude and lifestyle in influencing vehicle type choice. In: Transportation<br />
Research Part A (2004) 201 – 222.<br />
Consulting Engineers And Planners (COWI), (2003): Fiscal Measures to Reduce CO2 Emissions from<br />
Private Passenger Cars Env.C.1/SER/2002/0029r – Final Report for the European Commission,<br />
Directorate General for Environment: Country Calculations; Down to Target; Diesel Sensitivity.<br />
DAT Deutsche Automobiltreuhand GMBH (2006): AUTOHAUS Extra „DAT-Report 2006", Nürnberg.<br />
Eidgenössische Hochschule Zürich, Institute for Human-Invironment Systems (2005): Charakteristika und<br />
Beweggründe von Käufern des Toyota Prius 2, Forschungsbericht, Zürich.<br />
Deutsches Institut Für Wirtschaftsforschung (2005): Reform der Pkw-Besteuerung überfällig: Die Initiative<br />
der EU-Kommission zeigt den richtigen Weg, in DIW Wochenbericht Nr. 49/2005, Berlin.<br />
European Commission, (2002): Communication from the Commission to the Council and the European<br />
Parliament: Taxation of Passenger Cars in the European Union – options for action at national and<br />
Community levels, COM (02) 431 FINAL.<br />
Hensher, D. A. (1992): D<strong>im</strong>ensions of automobile demand. A longitudinal study of household automobile<br />
ownership and use. North-Holland, Amsterdam.<br />
INFAS, DIW (2003): Mobilität in Deutschland 2002 – Kontinuierliche Erhebung zum Verkehrsverhalten.<br />
Projekt-Nr. 70.0681/2001, Forschungsprogramm Stadtverkehr des Bundesministeriums Verkehr,<br />
Bau- und Wohnungswesen. Endbericht<br />
Ingram, G. K.; LIU, Z. (1998): Vehicles, Roads, and Road Use: Alternative Empirical Specifications, World<br />
Bank Policy Research Working Paper No. 2036, Washington.<br />
Zwischenbericht, März 2007
- 208 -<br />
Institut für Verkehrsforschung<br />
McKinsey &Company (2004): Hands on the Wheel - What Customers Really Want From the Automotive<br />
Industry, Oslo, Berlin.<br />
Mehlin, M.; Nobis, C.; Gühnemann, A.; Lambrecht, U.; Knörr, W.; Schade, B. (2003): Flottenverbrauch<br />
2010 - Aktivierung des Reduktionspotenzials und Beitrag zum Kl<strong>im</strong>aschutz; Deutsches Zentrum für<br />
Luft- und Raumfahrt e.V., Forschungsbericht 2003-17, Köln.<br />
Mehlin, M., Vance, C., Gühnemann A., Buchhe<strong>im</strong> S. (2004): Preparation of the 2003 review of the<br />
commitment of the car manufacturers to reduce CO2 emissions from M1 vehicles: Identifying and<br />
assessing the reasons for the CO2 reductions achieved between 1995 and 2003, Berlin (study on<br />
behalf of the European Commission, DG Environment).<br />
Nevo, A. (2000): A Practitioner’s Guide to Est<strong>im</strong>ation of Random-Coeffients Logit Models of Demand, in<br />
Journal of Economics and Management Strategy, Number 4, 513-548, Cambridge.<br />
Öko-Institut E.V. (2004): EcoTopTen – Innovationen für einen <strong>nachhaltige</strong>n Konsum, Pilot Phase, Freiburg.<br />
R.L. Polk Marketing Systems GMBH (2006): Neuzulassungsdaten für Deutschland, Essen.<br />
Van Garderen, K. J. (2001): Opt<strong>im</strong>al prediction in loglinear models, Journal of Econometries 104/2001, p.<br />
119-140.<br />
Zumkeller, D., Chlond, B., Ottmann, P.Kuhn<strong>im</strong>hof, T., Kagerbauer, M. (2006): Panelauswertung 2005,<br />
Wissenschaftliche Begleitung, Auswertung, Hochrechnung und Dokumentation der Erhebungen zur<br />
Alltagsmobilität 2005 sowie zu Fahrleistungen / Treibstoffverbräuchen 2006 des Mobilitätspanels,<br />
Schlussbericht zu FE 70.0753 / 2004 für das BMV, Institut für Verkehrswesen, Universität<br />
Karlsruhe.<br />
4 Modellierung Güterverkehr<br />
Backhaus, Klaus et al. (1992): Marketingstrategien für den schienengebundenen Güterfernverkehr.<br />
Göttingen. (= Beiträge aus dem Institut für Verkehrswissenschaft an der Universität Münster, Heft<br />
126)<br />
Bertram, Heike (2005): Neue Anforderungen an die Güterverkehrsbranche. In: Neiberger, C. und H.<br />
Bertram (Hrsg.): Waren um die Welt bewegen. Strategien und Standorte <strong>im</strong> Management globaler<br />
Warenketten. Mannhe<strong>im</strong>. S. 17-31 (= Studien zur Mobilitäts- und Verkehrsforschung, Bd. 11)<br />
Boerskamp, Jeroen H.K., Arian J. Van Binsbergen und Piet H. L. BOW (2000): Modeling Behavioral<br />
Aspects of Urban Freight Movement in Supply Chain. In: Transportation Research Record 1725, S.<br />
17ff, Paper No. 00-0563.<br />
Buchholz, Jonas (2000): Zukünftige strategische Ausrichtung <strong>im</strong> Schienengüterverkehr. In:<br />
Eisenbahntechnische Rundschau Heft 7/8, Juli/August 2000, S. 527 ff.<br />
Bundesamt für Straßenbau (1991): Erhebungen zum Güterverkehr. Zürich.<br />
Deutscher Bundestag (2002) (Hrsg.): Globalisierung der Weltwirtschaft. Schlussbericht der Enquete-<br />
Kommission. Opladen.<br />
Donnelly 2005: Micros<strong>im</strong>ulation, www.trb-forecasting.org/5%20DONNELLY%20-%20Micros<strong>im</strong>ulation.pdf<br />
Heinisch, Roland (1988): Der kombinierte Verkehr – wichtiger Baustein jeder Güterverkehrsstrategie der<br />
Bahn. Berlin. (= Güterverkehr und Transportketten, Band 5, Forschung und Technologien <strong>im</strong><br />
Verkehr)<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 209 -<br />
Klein, Heinz L. und Sieghart Scheiter (1988): Die Marktchancen des Kombinierten Verkehrs. München. (=<br />
FKV-Schriftenreihe Band 1)<br />
Kracke, Rolf (1990): Kriterien und Anforderungsprofile als Planungs- und Bewertungsgrundlage für<br />
Güterverkehrszentren in Nordrhein-Westfalen, Endbericht. Hannover.<br />
Kracke, Rolf (1991): Landesentwicklung in Norddeutschland – Untersuchung über mögliche Standorte von<br />
Güterverkehrszentren in Norddeutschland, Endbericht. Hannover.<br />
Lammers, Stephan und Micha NEUBAUR (2005): Integrale Logistik-Konzepte in Europa am Beispiel der<br />
Firma Philips Consumer Electronics GmbH. In: NEIBERGER, C. und H. BERTRAM (Hrsg.): Waren<br />
um die Welt bewegen. Strategien und Standorte <strong>im</strong> Management globaler Warenketten. Mannhe<strong>im</strong>.<br />
S. 47-54 (= Studien zur Mobilitäts- und Verkehrsforschung, Bd. 11)<br />
Mayring, P. (2003): Qualitative Inhaltsanalyse. Grundlagen und Techniken. 8. Aufl. Weinhe<strong>im</strong>, Basel.<br />
Schneider, Klaus M. (1995): Analyse des Güterversandes österreichischer Unternehmen. Wien.<br />
Statistisches Bundesamt (2005): Verkehr - Deutschland - Beförderte Personen, Beförderte Güter /<br />
Beförderungsmenge. URL: http://www.destatis.de/basis/d/verk/verktab4.php.<br />
Switaiski, Bernhard und Paul A. Mäcke (1985): Untersuchung der Verkehrsteilung <strong>im</strong> Güterverkehr zur<br />
Verbesserung und Quantifizierung vorliegender Modellansätze. Bonn. (= Forschung Straßenbau<br />
und Straßenverkehrstechnik (FGSV), Heft 437)<br />
Varschen, C., A. GÜHNEMANN und B. LENZ (2005): Produktionsveränderungen und<br />
Güterverkehrsnachfrage – Ergebnisse von Einzelfallanalysen. In: CLAUSEN, U. [Hrsg.]:<br />
Wirtschaftsverkehr 2005. Trends - Modelle - Konzepte, Praxiswissen. Dortmund. S. 33-47 (=Reihe<br />
Logistik, Verkehr und Umwelt)<br />
5 Technologiedatenbasis<br />
Kraftstoffe<br />
EEA (European Environment Agency) 2006: How much bioenergy can Europe produce without harming<br />
the environment? EEA Report No 7/2006<br />
http://org.eea.europa.eu/news/Ann1149688459/index_html<br />
Fritsche, Uwe R. 2006: Life-Cycle Analysis of Renewable and Conventional Electricity, Heating, and<br />
Transport Fuel Options in the EU until 2030; Final Report for EEA, Darmstadt<br />
Fritsche, Uwe R. u.a. 2004: Stoffstromanalyse zur <strong>nachhaltige</strong>n energetischen Nutzung von Biomasse;<br />
Endbericht zum BMU-Vorhaben von Öko-Institut und Partnern für das BMU, Darmstadt usw.<br />
www.oeko.de/service/bio<br />
Fritsche, Uwe R./Rausch, Lothar/Schmidt, Klaus 2006: Stand und Entwicklung von Treibhausgasemissionen<br />
in den Vorketten für Erdöl und Erdgas; Endbericht <strong>im</strong> Auftrag des Instituts für<br />
wirtschaftliche Oelheizung e.V. (IWO); Darmstadt (siehe www.gemis.de)<br />
Fritsche, Uwe R./Z<strong>im</strong>mer, Wiebke 2006: Nutzungskonkurrenzen um Biomasse: Methodik, Daten und<br />
Schlussfolgerunge; Arbeitspapier <strong>im</strong> Rahmen des BMU-geförderten Verbundvorhabens<br />
RENEWbility; Darmstadt/Berlin<br />
Zwischenbericht, März 2007
- 210 -<br />
Institut für Verkehrsforschung<br />
JGSEE (Joint Graduate School of Energy and Environment, King Mongkut's University of Technology)<br />
2006: Energy balance and GHG-abatement cost of cassava utilization for fuel ethanol in Thailand;<br />
Bangkok<br />
JRC (European Commission Joint Research Centre) 2006: Well-to-Wheels Analysis of Future Automotive<br />
Fuels and Powertrains in the European Context; WTW Report Version 2b; Ispra<br />
http://ies.jrc.ec.europa.eu/WTW<br />
Öko-Institut e.V. 2007: Globales Emissions-Modell Integrierter Systeme (GEMIS) Version 4.4; Uwe R.<br />
Fritsche u.a., Internet-release April (www.gemis.de)<br />
Öko-Institut e.V./IFEU (Institut für Energie- und Umweltforschung) 2006: Potenziale zur Minderung von<br />
Treibhausgas- und Schadstoffemissionen: Integrierte Betrachtung von Kraftstoffen und Antrieben;<br />
Endbericht für das Büro für Technikfolgenabschätzung des Dt. Bundestags (TAB);<br />
Berlin/Darmstadt/Heidelberg<br />
Öko-Institut e.V./IZES (Institut für Zukunfts-Energie-Systeme) 2006: Umwelteffekte der Strom- und<br />
Wärmebereitstellung sowie Kraftstoffnutzung: Zeitreihen von 1990 bis 2004; Schlussfassung des<br />
Endberichts i.A. des ZSW für die AGEEStat; Darmstadt/Saarbrücken<br />
Patyk, Andreas 2007: Stoffstrom- und Kostendaten zu LNG, H 2 und synthetischem Rohöl; Arbeitspapier <strong>im</strong><br />
Rahmen des BMU-geförderten Verbundvorhabens RENEWbility; Heidelberg<br />
UBA (Umweltbundesamt)/ÖKO (Öko-Institut) 2006: ProBas - Prozessorientierte Basisdaten für<br />
Umweltmanagementinstrumente; Internet-Datenbank unter www.probas.umweltbundesamt.de<br />
Verkehrsträger und Antriebe<br />
AEA 2001 AEA Technology Environment; Bates J. et al.: Economic Evaluation of Emissions Reductions in<br />
the Transport Sector of the EU – Bottom-up analysis. Abingdon 2001<br />
Argonne 2002 Center for Transportation Research Argonne National Laboratory; Plotkin, S.: Examining<br />
the Potential for Voluntary Fuel Economy Standards in the United States and Canada. Argonne<br />
2002<br />
AVL: Proceedings 16. International AVL Conference Engine & Environment - Highly-Flexible Classic<br />
Powertrain or Hybrid Concept?. Graz 2004<br />
Bay. LfU 2003 Bayerisches Landesamt für Umweltschutz; Rabl, P.: Informationen über Abgase des<br />
Kraftfahrzeugverkehrs. Augsburg 2003<br />
CARB (California Air Resources Board) Staff Report: Initial Statement of Reasons for proposed<br />
rulemaking, public hearing to consider adoption of regulations to control greenhouse gas emissions<br />
from motor vehicles. 2004<br />
CONCAWE (CONservation of Clean Air and Water in Europe), EURCAR (European Council for<br />
Automotive R&D), JRC (EU Joint Research Center): Well-to-wheels analysis of future automotive<br />
fuels and powertrains in the European context. 2003<br />
CONCAWE (CONservation of Clean Air and Water in Europe), EURCAR (European Council for<br />
Automotive R&D), JRC (EU Joint Research Center): Well-to-wheels analysis of future automotive<br />
fuels and powertrains in the European context. 2006<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 211 -<br />
DLR Deutsches Zentrum für Luft- und Raumfahrt e.V.; Mehlin, M. et al.: Flottenverbrauch 2010 –<br />
Aktivierung des Reduktionspotentials und Beitrag zum Kl<strong>im</strong>aschutz; Berlin, Heidelberg. Karlsruhe<br />
2002<br />
DLR, WI, IAT, IFEU: Entwicklung einer Gesamtstrategie zur Einführung alternativer Kraftstoffe,<br />
insbesondere regenerativ erzeugtem Wasserstoff als Kraftstoff für den mobilen Bereich. Im Auftrag<br />
des Umweltbundesamtes; Abschluss bevorstehend<br />
Eberle, R.: Methodik zur ganzheitlichen Bilanzierung <strong>im</strong> Automobilbau (Dissertation). Berlin 2000<br />
Friedrich, A.: Fuel savings potential from low rolling resistance tires. Workshop on fuel efficient tires.<br />
Sacramento 2002<br />
General Motors, LBST et al.; GM Well-to-Wheel Analysis of Energy Use and Greenhouse Gas Emissions<br />
of Advanced Fuel/Vehicle Systems - A European Study. 2002<br />
General Motors, Argonne National Laboratory; Brinkmann, N., Wang, M. et al.: Well-to-Wheels Analysis of<br />
Advanced Fuel/Vehicle Systems - A North American Study of Energy Use, Greenhouse Gas<br />
Emissions, and Criteria Pollutant Emissions. 2005<br />
IEA 2004 International Energy Agency; Fulton, L. et al.: SMP Model Documentation and Reference Case<br />
Projection. 2004<br />
IEEP et al. 2005 ten Brink, P. (IEEP - Institute for European Environmental Policy) und acht weitere<br />
Autoren (IEEP, TNO, CAIR): Endbericht zu "Service contract to carry out economic analysis and<br />
business <strong>im</strong>pact assessment of CO 2 emissions reduction measures in the automotive sector".<br />
Brüssel 2005<br />
IFEU Institut für Energie- und Umweltforschung; Helms, H. et al.: Energy savings by light-weighting.<br />
Heidelberg 2003<br />
IFEU Knoerr, W. et al.: Fortschreibung Daten- und Rechenmodell: Schadstoffemissionen aus dem<br />
motorisierten Verkehr in Deutschland 1960 – 2030. TREMOD (Transport Emission Modell). Im<br />
Auftrag des Umweltbundesamtes. Dessau-Heidelberg 2006<br />
IFEU Knoerr, W. et al.: Neuberechnung der CO2-Emissionen. Mail vom22.03.2007, Daten vom 20.03.2007<br />
INFRAS Keller, M.; Zbinden, R. (INFRAS): Luftschadstoff-Emissionen des Straßenverkehrs. Im Auftrag<br />
des BUWAL, Bern 2004<br />
Kolke, R.: Vergleich der Umweltverträglichkeit neuer Technologien <strong>im</strong> Straßenverkehr (Dissertation).<br />
Magdeburg 2004<br />
Koßmehl, S.-O.: Beurteilung der technischen und ökonomischen Bedingungen für den Einsatz von<br />
Biokraftstoffen <strong>im</strong> Kraftfahrzeug. Dissertation, Berlin 1995<br />
MIT 2000 Massachusetts Institute of Technology; Malcolm A., et al.: On the road in 2020 - A life-cycle<br />
analysis of new automobile technologies. Boston 2000<br />
MIT 2003a Massachusetts Institute of Technology; Weiss, A. et al.: Comparative Assessment of Fuel Cell<br />
Cars. Boston 2003<br />
MIT 2003b Massachusetts Institute of Technology; Heywood, J. et al.: The performance of future ICE and<br />
fuel cell powered vehicles and their potential fleet <strong>im</strong>pact. Boston 2003<br />
MIT 2004 Massachusetts Institute of Technology; Bandivadekar, A. Heywood, J.: Coordinated Policy<br />
Measures for Reducing the Fuel Consumption of the U.S. Light-Duty Vehicle Fleet. Boston 2004<br />
Zwischenbericht, März 2007
- 212 -<br />
Institut für Verkehrsforschung<br />
National Research Council; Brown, D.: Effectiveness and Impact of Corporate Average Fuel Economy<br />
(CAFE) Standards. Washington D.C. 2002<br />
Ministerium für Verkehr, Energie und Landesplanung des Landes Nordrhein-Westfalen; 2.<br />
Kl<strong>im</strong>aschutzkongress NRW: Nachhaltige Mobilität – Technische Innovationen für den Kl<strong>im</strong>aschutz<br />
<strong>im</strong> Verkehr. Düsseldorf 2004<br />
OECD (Organisation of Economic Cooperation and Developpment), IEA (International Energy Agency);<br />
Making cars more fuel efficient. 2005<br />
RAND Europe, Forschungsgesellschaft Kraftfahrwesen Aachen (FKA) et al.; Lu, C. et al.: Preparation of<br />
measures to reduce CO 2 emissions from N1 vehicles. Leiden 2003<br />
Ricardo Consulting Engineers; Owen, N.; Gordon, R.: "Carbon to Hydrogen” Roadmaps for passenger<br />
cars: Update of the study for the Department for Transport and the Department of Trade and<br />
Industry. Shoreham 2003<br />
RMI Rocky Mountain Institute; Lovins, A. et al.: Winning the oil end game. Snowmass Colorado 2004<br />
SAM & WRI Sustainable Asset Management, World Resources Institute; Austin, D. et al.: The Impact of<br />
Cl<strong>im</strong>ate Change on Competitivness and Value Creation in the Automotive Industry.<br />
Samaras, Z. et al.: Use of vehicle modelling tools for predicting CO 2 emissions to support policy and<br />
decision making – A case study of the EU N1 vehicle legislation framework. In:VKM-THD<br />
Mitteilungen 85/I. Graz 2005<br />
Schubert, P.F. et al.: Impact of Ultra-Clean Fischer-Tropsch Diesel Fuel on Emissions in a Light Duty<br />
Passenger Car Diesel Engine. SAE technical paper 2002-01-2725, 2002<br />
SRU 2005 Sachverständigen Rat für Umweltfragen: Umwelt und Straßenverkehr; Hohe Mobilität –<br />
Umweltverträglicher Verkehr, Sondergutachten. Berlin 2005<br />
Stan, C.: Alternative Antriebe für Automobile, Hybridsysteme, Brennstoffzellen, alternative Energieträger.<br />
Springer-Verlag Berlin Heidelberg, New York 2005<br />
Umierski, M.: Pkw-Erdgasantriebe für hohe Leistungsdichte und niedrigste Abgasemissionen. Vortrag auf<br />
dem Symposium "Gasfahrzeuge - die passende Antwort auf die CO 2 -Herausforderung der<br />
Zukunft?". Berlin 2004<br />
VDI Nachrichten: Hybridauto bietet den Dieseln Paroli. Ausgabe 30 / 2005<br />
VDI Nachrichten: Dampf lässt Benziner sparsamer laufen. Ausgabe 33 / 2006<br />
Volvo Truck Corporation: Environmental product declaration Volvo FH 12 and Volvo FM 12, Euro 3.<br />
Göteborg/S 2001<br />
Wallentowitz, H. et al.: Kraftstoff-Einsparpotential durch Gewichtsreduzierung und durch Nebenaggregat-<br />
Beeinflussung. S<strong>im</strong>ulationsrechnungen und Prüfstandsversuche. In: VDI Bericht 1307. Düsseldorf<br />
1996<br />
7 Szenarienentwicklung<br />
Basisszenario<br />
Acatech: Mobilität 2020 – Perspektiven für den Verkehr von Morgen. Frauenhofer IRB Verlag. Stuttgart<br />
2006.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 213 -<br />
Albrecht J., R. Ratzenberger: Überprüfung ausgewählter langfristiger Verkehrsprognosen. In:<br />
Internationales Verkehrswesen Nr. 7+8, Juli/August 2006, S. 315-321<br />
DIW Rieke, H.: Fahrleistungen und Kraftstoffverbrauch <strong>im</strong> Straßenverkehr. In: DIW-Wochenbericht 51-<br />
52/2002 vom 19. Dezember 2002.<br />
DIW u.a. (Deutsches Institut für Wirtschaftsforschung; Forschungszentrum Jülich/Programmgruppe STE;<br />
Fraunhofer-Institut für Systemtechnik und Innovationsforschung (FhG-ISI); Öko-Institut e.V.; Ecofys<br />
GmbH) 2003: Politik¬szenarien für den Kl<strong>im</strong>aschutz: Langfristszenarien und<br />
Handlungsempfehlungen ab 2012 – Politikszenarien III; Studie <strong>im</strong> Auftrag des<br />
Umweltbundesamtes, Berlin<br />
DIW<br />
Kloas, J.; Kuhfeld, H.; Kunert, U,: Straßenverkehr: Eher Ausweichreaktionen auf hohe<br />
Kraftstoffpreise als Verringerung der Fahrleistung. In: DIW-Wochenbericht Nr. 41/2004 vom 7.<br />
Oktober 2004, S. 602-612.<br />
Enquete (Deutscher Bundestag (Hrsg.)) 2002: “Nachhaltige Energieversorgung unter den Bedingungen<br />
der Globalisierung und Liberalisierung”, Bericht der Enquete-Kommission, Drucksache 14/2687,<br />
Berlin<br />
EWI/Prognos 2005 Bartels, M., C. Gatzen, D. Lindenberger, F. Müsgen, M. Peek, A. Seeliger, D. Steuber,<br />
R. Wissen, P. Hofer, A. Kirchner, J. Scheelhaase, M. Schlesinger: Energiereport IV – Die<br />
Entwicklung der Energiemärkte bis zum Jahr 2030. EWI, prognos <strong>im</strong> Auftrag des<br />
Bundesministeriums für Wirtschaft und Arbeit. Köln, Basel April 2005.<br />
EWI/Prognos 2006 Lindenberger, F., Bartels, M., A. Seeliger, R. Wissen, P. Hofer, M. Schlesinger:<br />
Auswirkungen höherer Ölpreise auf Energieangebot und –nachfrage, Ölpreisvariante der<br />
Energiewirtschaftlichen Referenzprognose 2030. EWI, prognos <strong>im</strong> Auftrag des Bundesministeriums<br />
für Wirtschaft und Arbeit. Köln, Basel August 2006.<br />
IFEU Knörr, W., F. Dünnebeil, H. Helms, U. Höpfner, U. Lambrecht, A. Patyk, C. Reuter: Fortschreibung<br />
„Daten- und Rechenmodell“: Energieverbrauch und Schadstoffemissionen des motorisierten<br />
Verkehrs in Deutschland 1960-2030. Institut für Energie- und Umweltforschung <strong>im</strong> Auftrag des<br />
Umweltbundesamtes. Heidelberg November 2005<br />
IFMO Institut für Mobilitätsforschung: Zukunft der Mobilität, Szenarien für das Jahr 2025, Berlin: 2005.<br />
Intraplan Ratzenberger, R.: Überprüfung ausgewählter langfristiger Verkehrsprognosen. <strong>im</strong> Auftrag des<br />
Allgemeinen Deutschen Automobil-Clubs e.V., Schlussbericht München 2002, Aktualisierung 2005.<br />
Jülich Birnbaum, K. U., J. Linßen, M. Walbeck: Synoptische Analyse vorliegender Studien in Bezug auf<br />
den Trend bzw. die Reduktionspotenziale von CO2-Emissionen <strong>im</strong> Verkehr. Forschungszentrum<br />
Jülich STE <strong>im</strong> Auftrag vom Deutschen Bundestag (Enquete-Kommission „Nachhaltige<br />
Energieversorgung unter en Bedingungen der Globalisierung und der Liberalisierung“). Jülich 2002.<br />
MID Deutsches Institut für Wirtschaftsforschung; infas Institut für angewandtes Sozialwissenschaft GmbH:<br />
Mobilität in Deutschland 2002 (MID 2002) – Kontinuierliche Erhebung zum Verkehrsverhalten.<br />
Endbericht <strong>im</strong> Forschungsprogramm Stadtverkehr des Bundesministeriums für Verkehr, Bau- und<br />
Wohnungswesen (Projektnummer 70.0681/2001). Berlin/Bonn: 2003.<br />
Shell Deutschland Oil: Shell Pkw-Szenarien 2030 – Flexibilität best<strong>im</strong>mt Motorisierung. Hamburg 2004<br />
TRAMP 2006 Oeltze, S., Wauer, S., Schwarzlose, I., Bracher, T., Eichmann, V., Ludwig, U., Dreger, C.,<br />
Lohse, D., Z<strong>im</strong>mermann, F., Heller, J.: Szenarien der Mobilitätsentwicklung unter Berücksichtigung<br />
von Siedlungsstrukturen bis 2050, TRAMP, DIFU, IWH, TU Dresden, omniphon <strong>im</strong> Auftrag des<br />
Bundesministeriums für Verkehr, Bau und Stadtentwicklung. Schlussbericht Magdeburg Juni 2006.<br />
Zwischenbericht, März 2007
- 214 -<br />
Institut für Verkehrsforschung<br />
VIZ Verkehr in Zahlen 2005/2006. Herausgegeben durch das Bundesministeriums für Verkehr, Bau- und<br />
Wohnungswesen. Deutscher Verkehrs-Verlag GmbH, Hamburg 2006.<br />
VP 2015 Mann H.-U., R. Ratzenberger, M. Schubert, B. Kollberg, K. Gresser, W. Konanz, W. Schneider,<br />
H. Platz, S. Kotzagiorgis, P. Tabor: Verkehrsprognose 2015 für die Bundesverkehrswegeplanung.<br />
ITP, ifo, BVU, Planco <strong>im</strong> Auftrag des Bundesministeriums für Verkehr, Bau- und Wohnungswesen.<br />
Schlussbericht München/Freiburg/Essen April 2001.<br />
Szenarioprozess<br />
Albers, O.: Gekonnt moderieren: Zukunftswerkstatt und Szenariotechnik; Regensburg 2001.<br />
Graf, H.G., Klein, G.: In die Zukunft führen – Strategieentwicklung mit Szenarien; Zürich 2003.<br />
Ifmo 2005a Institut für Mobilitätsforschung (Ifmo, Hrsg.): Zukunft der Mobilität – Szenarien für das Jahr<br />
2025 – Erste Fortschreibung; München 2005.<br />
ifmo 2005b Institut für Mobilitätsforschung (Ifmo, Hrsg.): Anlage zur Szenariostudie: Zukunft der Mobilität –<br />
Szenarien für das Jahr 2025; Vorgehensweise und Methode; München 2005.<br />
Tessun, F.: Air Traffic – Quo vadis? Scenarios for the next twenty years; In: Marketing and Research<br />
Today, November 1997; S.229-243.<br />
von Reibnitz, U.: Szenario-Technik – Instrumente für die unternehmerische und persönliche<br />
Erfolgsplanung;<br />
Wilms, F.E.P.: Szenariotechnik – Vom Umgang mit der Zukunft; Bern 2006.<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 215 -<br />
10 ANHANG<br />
Mitglieder des wissenschaftlichen Beirats<br />
Institution Person Funktion<br />
Deutsches Institut für<br />
Urbanistik (Difu)<br />
(ehem. RWTH Aachen,<br />
Institut für Stadtbauwesen<br />
und Stadtverkehr)<br />
Deutsches Institut für<br />
Urbanistik (Difu)<br />
Deutsches Institut f.<br />
Wirtschaftsforschung<br />
(DIW)<br />
FEV Motorentechnik<br />
GmbH Aachen<br />
Umweltbundesamt<br />
(UBA)<br />
Universität Karlsruhe<br />
Institut für<br />
Wirtschaftspolitik und<br />
Wirtschaftsforschung<br />
Wuppertal Institut für<br />
Kl<strong>im</strong>a, Umwelt,<br />
Energie (WI)<br />
Wissenschaftszentrum<br />
Berlin für Sozialforschung<br />
(WZB)<br />
Prof. Dr.<br />
Klaus J.<br />
Beckmann<br />
Tilman<br />
Bracher<br />
Dr. Uwe<br />
Kunert<br />
Prof. Dr.<br />
Stefan<br />
Pischinger<br />
Dr. Harry<br />
Lehmann<br />
Prof. Dr.<br />
Werner<br />
Rothengatter<br />
Dr. Manfred<br />
Fischedick<br />
Dr. Weert<br />
Canzler<br />
Präsident<br />
Koordinator<br />
Arbeitsbereich Umwelt<br />
und Verkehr<br />
Abteilung Energie,<br />
Verkehr, Umwelt<br />
Geschäftsführer<br />
Leiter des Fachbereichs<br />
Umweltplanung und<br />
Nachhaltigkeitsstrategien<br />
Institutsleiter<br />
Leiter der<br />
Forschungsgruppe<br />
"Zukunftsfähige Energieund<br />
Mobilitätsstrukturen"<br />
Projektgruppe Mobilität<br />
Zwischenbericht, März 2007
- 216 -<br />
Institut für Verkehrsforschung<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 217 -<br />
Energieträger- und Kraftstoffvorketten für Deutschland -<br />
Umwelteffekte<br />
Technologien zur Effizienzsteigerung von Pkw<br />
Im Rahmen des Forschungsvorhabens renewbility wird basierend auf dem aktuellen<br />
internationalen Wissensstand eine Technologiedatenbasis für alle relevanten<br />
Verkehrsträger (Straße, Schiene, Wasser, Luft) und Antriebstechnologien jeweils für<br />
verschiedene Fahrzeugeffizienzstufen vom IFEU entwickelt. Die Daten für Pkw sind in<br />
diesem Rahmen auf Basis des ersten Expertenworkshops noch einmal überarbeitet<br />
worden. Im Folgenden wird ein Auszug aus dem in diesem Sinne überarbeiteten<br />
Gutachtens des IFEU wiedergegeben. Dieser enthält die Ergebnisse für Otto- und<br />
Diesel-Pkw-Technologien zur Verbrauchsreduzierung sowie die angenommen<br />
Relationen () der verschiedenen Fahrzeugklassen (Otto- und Diesel-Pkw, jeweils<br />
klein, mittel, groß - k, m, g), Straßenkategorien (Innerorts, Außerorts und Autobahn - io,<br />
ao, AB) und Bezugsjahre kurz beschreiben. Für Technologien zur weiteren Reduktion<br />
von toxischen Schadstoffen werden Mehrverbräuche angenommen, die hier ebenfalls<br />
ausgewiesen sind. Anschließend werden das Antriebskonzept Brennstoffzelle und<br />
abschließend Verbrenner mit alternativen Motorkonzepten und Kraftstoffen diskutiert.<br />
Die hier generierten Daten sind Schätzwerte auf Basis der <strong>im</strong> Literaturverzeichnis<br />
aufgeführten Quellen. Die Differenzierungstiefe ist dabei deutlich größer als in der<br />
Mehrzahl der Studien (eine Ausnahme bildet [DLR et al. 2006] mit einer ähnlichen<br />
Differenzierung wie in diesem Projekt). Die detaillierten Reduktionsraten der einzelnen<br />
Technologien und deren Kosten sind in Tabellenform <strong>im</strong> Anschluss beigefügt.<br />
Otto- und Diesel-Pkw<br />
EURO 5<br />
Für Maßnahmen zur Einhaltung rechtsverbindlicher Emissionsvorschriften sind<br />
motorische Maßnahmen oder eine Abgasnachbehandlung erforderlich. Motorische<br />
Maßnahme sind typischerweise unmittelbar wirkungsgradmindernd, während die<br />
Nachbehandlung mit Filtern und Katalysatoren einen Gegendruck aufbaut, dessen<br />
Überwindung Energie verbraucht und so den Wirkungsgrad indirekt senkt.<br />
Zusatzverbrauch: io = ao = AB, 2010 = 2020 = 2030<br />
Otto: k = m = g; Diesel: k < m = g (Diesel k = Otto)<br />
Erhöhungsraten: Für EURO 5 werden die Erhöhungsfaktoren aus [DLR et al. 2006]<br />
übernommen: +3% für Diesel-Pkw der Segmente „Mittel“ und „Groß“, +1% für die<br />
restlichen Segmente. Diese Werte decken sich auch mit den Angaben in [IEEP et al<br />
2005].<br />
Zwischenbericht, März 2007
- 218 -<br />
Institut für Verkehrsforschung<br />
Allgemeine Motorenentwicklung<br />
Hierunter fallen Verbesserungen an allen Komponenten des Motors, die nicht mit der<br />
Einführung neuer Fahrzeugtechnologien verbunden sind; Beispiele: geringere bewegte<br />
Massen <strong>im</strong> Motor, reduzierte Reibung, effizientere Verbrennung durch schrittweise<br />
Verbesserungen an Ladern bei Dieselmotoren (bei Otto-Pkw als neue Technologie und<br />
daher zusammen mit GDI und Downsizing gesondert betrachtet), Einspritzpumpen und<br />
Ventilen.<br />
Reduktion: Otto < Diesel, k = m = g, io = ao = AB, 2010 < 2020 < 2030<br />
Minderungsraten: In [DLR et al. 2006] werden für die Reduktion mechanischer Verluste<br />
<strong>im</strong> Motor Minderungsraten von -3% (Otto-Motor) und -4% (Diesel-Motor) bis 2008<br />
abgeschätzt. [IEEP et al. 2005] setzt für die opt<strong>im</strong>ierte Motoreffizienz eine<br />
Verbrauchsminderung von -4% für alle Segmente bis 2012 an (basierend auf [Ricardo<br />
2003]).In dieser Arbeit werden für Otto-Pkw Minderungsraten von -3,5% (2010), -6%<br />
(2020) und -8% (2030), für Diesel-Pkw -6,5% (2010), -9% (2020) und -10% (2030)<br />
angenommen. Für Diesel-Pkw wurde ein höheres Minderungspotenzial angenommen,<br />
weil bei Diesel-Pkw Verbesserungen an den bereits etablierten<br />
Komponenten/Maßnahmen GDI, Downsizing, ATL enthalten sind, während diese<br />
Maßnahmen bei den Otto-Pkw erst eingeführt und daher hier als eigene Maßnahmen<br />
bewertet werden. Außerdem wurden für die Jahre nach 2010 weitere Verbesserungen<br />
unterstellt, da wie bei anderen Kraftmaschinen z.B. durch Einsatz neuer Materialien für<br />
höhere Betriebsdrücke und -temperaturen auch zukünftig weitere Effizienzgewinne<br />
möglich sein werden.<br />
Reduktion des Fahrzeuggewichts incl. Sekundär-Effekten: mäßiger und<br />
verstärkter Leichtbau<br />
Für die Reduktion des Fahrzeuggewichts werden zwei Stufen betrachtet, deren erste in<br />
allen Fahrzeugkategorien relativ leicht realisierbar ist, mit allerdings nur mäßigen<br />
Effekten. Die zweite Stufe deutlich aufwendiger, allerdings auch mit höherer<br />
Wirksamkeit.<br />
Für alle Stufen (für 1 eingeschränkt) sind Verbesserungen an allen Komponenten des<br />
Fahrzeugs anzunehmen. Literaturangaben liegen vor allem für Stufe 1 vor und zeigen<br />
keine eindeutigen Tendenzen hinsichtlich Fahrzeuggröße und Fahrzyklus.<br />
Mäßiger Leichtbau<br />
Reduktion: k = m = g, io = ao = AB, Otto = Diesel, 2010 < 2020 < 2030<br />
Gewichtsminderung gegenüber Referenz: -10%<br />
Verstärkter Leichtbau<br />
Reduktion: k = m = g, io = ao = AB, Otto = Diesel, 2010 < 2020 < 2030<br />
Gewichtsminderung gegenüber Referenz: -25%<br />
Minderungsraten: Die in der Literatur [DLR et al. 2006, IEEP et al. 2005]<br />
ausgewiesenen Minderungsraten liegen für mäßigen Leichtbau zwischen -3% bis -5%<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 219 -<br />
(je nach Größenklasse) und gehen bei verstärkem Leichtbau bis zu -16% be<strong>im</strong> großen<br />
Segment ([IEEP et al. 2005]. Der hier abgeleitete Datensatz basiert auf [IFEU 2006b]<br />
und den dort ausgewerteten Quellen. Danach kann man als Verbrauchsminderung bei<br />
Otto-Pkw eine Minderung von 0,35 l/100 km und 100 kg, bei Diesel 0,3 l/100 km und<br />
100 kg ansetzen. Dies deckt sich auch mit den Annahmen für den Leichtbau in den<br />
oben aufgeführten Studien.<br />
Reduktion des Rollwiderstands<br />
Diese Maßname wird durch Sicherheitsaspekte begrenzt. In Exper<strong>im</strong>entalreifen<br />
werden zwar Reduktionen von mehr als 50% vom durchschnittlichen Rollwiderstand<br />
erreicht, doch können diese Reifen auch für zukünftige Bezugsjahre nicht als typisch<br />
betrachtet werden. Realistischer sind Reduktion um 20 bis 30%. Die<br />
Verbrauchsminderung fällt tendenziell innerorts stärker aus.<br />
Reduktion: Otto = Diesel, k = m = g, io > ao > AB, 2010 < 2020 < 2030<br />
Minderungsraten: In [DLR et al. 2006] wird eine Verbrauchsabsenkung von -3,4%<br />
durch die Einführung rollwiderstandsarmer Reifen bis 2012 abgeleitet. [IEEP et al.<br />
2005] setzt eine Minderung von -2% an. Die hier getroffenen Annahmen, basierend auf<br />
den Analysen in [IFEU 2005a], liegen zwischen -2,3% (Autobahn, 2010) und -4%<br />
(Innerorts, 2030) in der gleichen Größenordnung.<br />
Reduktion des Luftwiderstands um 10% bzw. 30%<br />
Für die Reduktion des Luftwiderstands werden zwei Stufen betrachtet, deren erste in<br />
allen Fahrzeugkategorien relativ leicht realisierbar ist, mit allerdings nur mäßigen<br />
Effekten. Die zweite Stufe ist nur begrenzt umsetzbar. Für eine Reduktion um 30%<br />
muss die Form und Frontfläche der Fahrzeuge gegenüber dem konventionellem<br />
Design stark geändert werden. Dies beeinflusst das Raumangebot. Kleine Pkw bieten<br />
dafür kaum Spielraum.<br />
Reduktion des Luftwiderstands um 10%<br />
Reduktion: Otto = Diesel, k = m = g, io < ao < AB, 2010 = 2020 = 2030<br />
Reduktion des Luftwiderstands um 30%<br />
Reduktion: Otto = Diesel, m = g, io < ao < AB, 2010 = 2020 = 2030<br />
Minderungsraten: [DLR et al. 2006] schätzt für die Reduktion des Luftwiderstands (-<br />
10%) Minderungsraten für den Kraftstoffverbrauch von -1% (innerorts) bis -4%<br />
(Autobahn) ab. Diese Werte verdreifachen sich bei einer Luftwiderstandsreduktion von<br />
-30%. [IEEP et al. 2005] setzt den bis 2012 zu ereichenden Minderungseffekt mit -1%<br />
(großes Segment) bis -2% (kleines Segment) an. Der in dieser Arbeit abgeleitete<br />
Minderungseffekt folgt für Innerorts- und Außerortsstraßen den Annahmen von [DLR et<br />
al. 2006], allerdings wird die mögliche Kraftstoffminderung auf Autobahnen mit -2,3%<br />
(bei -10%) bzw. -7% (bei -30%) aufgrund der in [IFEU 2005a] ausgewerteten<br />
Datenquellen geringer eingeschätzt.<br />
Zwischenbericht, März 2007
- 220 -<br />
Institut für Verkehrsforschung<br />
GDI, Downsizing, ATL<br />
Die Anteile steigen bis 2020 bzw. 2030, d.h. für verschiedene Fahrzeugklassen<br />
unterschiedlich. Damit wird berücksichtigt, dass für mittlere und große Pkw der Hybrid-<br />
Anteil größer ist. (Für die Hybrid-Konzepte werden jedoch keine Maßnahmen für den<br />
Verbrennungsmotor spezifiziert, sondern in den summarischen Minderungsraten<br />
miterfasst.) Wirkungsgradverbesserungen über 2010 werden nur noch über die<br />
Allgemeine Motorenentwicklung erfasst.<br />
Reduktion: k = m = g, io > ao > AB, 2010 = 2020 = 2030<br />
Minderungsraten: [DLR et al. 2006] gibt für die Einführung von GDI-Motoren,<br />
Downsizing und Aufladung bei Otto-Pkw Verbrauchsminderungen von -17% (Innerorts)<br />
bzw. -5% (Außerorts) an. [IEEP et al. 2005] gibt Reduktionen für verschiedene<br />
Maßnahmen an, z.B. Direkteinspritzung (-5% bis -10%), Downsizing (-10% bis -20%),<br />
variable Ventilsteuerung (-8%). Die in dieser Arbeit abgeleiteten Minderungsraten<br />
orientieren sich <strong>im</strong> Wesentlichen an [DLR et al. 2006], wobei eine Differenzierung nach<br />
drei Straßenkategorien (Autobahn:-1,7%, Außerorts: -8,3%, Innerorts: -15%)<br />
vorgenommen wird.<br />
Start/Stop<br />
Für diese Technik wird angenommen, dass sie für praktisch alle Nicht-Hybride der<br />
Klassen mittel und groß eingeführt wird; Hybride enthalten sie als festen<br />
Konzeptbestandteil bzw. ersetzten sie durch andere Verfahren. Für kleine Pkw werden<br />
die gleichen Anteile angenommen; allerdings handelt es sich be<strong>im</strong> Rest nicht um<br />
Hybride, sondern um einfache Fahrzeuge mit konventionellen Anlassern und<br />
Lichtmaschinen. Start/Stop wirkt praktisch nur innerorts und ist für alle<br />
Fahrzeugkategorien in etwa gleich wirksam. Nach 2010 werden keine weiteren<br />
spezifischen Minderungen mehr erwartet.<br />
Reduktion: nur io, alle gleich<br />
Minderungsraten: [DLR et al. 2006] zitiert u.a. [Ricardo 2003] mit Minderungsraten von<br />
-3,6% bis -5%. [IEEP et al. 2005] differenziert zwischen den Fahrzeugsegmenten mit<br />
Verbrauchsreduktionen von -3% (Pkw groß) bis -6% (Otto, klein). In dieser Arbeit wird<br />
einheitlich für alle Segmente für Innerortstraßen eine Verbrauchsminderung von -5%<br />
angesetzt.<br />
Getriebe (ASG, CVT)<br />
Potenziale liegen in automatisierten Schaltgetrieben und stufenlosen Getrieben,<br />
zwischen denen hier nicht unterschieden wird. CVT wurden bereits mehrfach in<br />
Serienfahrzeugen geliefert, die Kundenakzeptanz war jedoch stets gering.<br />
Vorhersagen, welches Getriebekonzept welche Anteile erzielt, sind derzeit nicht<br />
möglich. Die Anteile werden mit gleicher Begründung wie für Start/Stop angesetzt. (für<br />
Hybride sind Getriebe eng an das Gesamtdesign gekoppelt und werden daher in den<br />
Konzeptreduktionsraten mit erfasst.)<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 221 -<br />
Reduktion: io > ao > AB, übrige alle gleich<br />
Minderungsraten: Die angesetzte Minderung liegt zwischen -0,7% (Autobahn) und -6%<br />
(Innerorts). Dies deckt sich weitgehend mit den Werten in [DLR et al. 2006] mit<br />
verschiedenen Vergleichen zwischen 6-/7-Gangautomatikgetriebe gegenüber 5-<br />
Gangautomatik, Automatisiertem Schaltgetriebe gegenüber Handschaltung und für<br />
CVT. In [IEEP et al. 2005] wird der Effekt von Sechsganggetrieben mit -3%, von<br />
gesteuerten Getrieben mit -5% und von CVT mit -9% angegeben.<br />
Hybride: Milder Hybrid und Voll-Parallel(Misch)-Hybrid<br />
Als Milde Hybride werden Konzepte mit einem Leistungsverhältnis<br />
Verbrenner/Elektromotor von < 23% bezeichnet, als Voll-Hybride solche mit einem<br />
Leistungsverhältnis von > 38%. Misch-Hybride vereinen die Kraftflussoptionen von<br />
seriellen und Parallel-Hybriden und sind damit was Anzahl und Verbindung der<br />
Komponente betrifft den Parallel-Hybriden ähnlicher. Der Toyota Prius ist ein meist als<br />
Parallel-Hybrid bezeichneter Misch-Hybrid. Dieses offensichtlich marktreife Hybrid-<br />
Konzept wird hier betrachtet.<br />
Die Hybrid-Technik wird hier als für kleine Pkw zu aufwendig angesehen. Es wird<br />
angenommen, dass milde Hybridtechnik bei mittleren Pkw stärker eingesetzt wird als<br />
bei großen, während für die aufwendigeren Voll-Hybride eine umgekehrte Relation<br />
angenommen wird. Die Anteile steigen schrittweise. Die Technik wirkt innerorts stärker<br />
als außerorts (Start/Stop bzw. Elektroantrieb, Rekuperation <strong>im</strong> Stop-and-go-Verkehr).<br />
Der Effekt ist für Otto-Pkw größer als für Diesel-Pkw, da Diesel-Pkw relativ günstigere<br />
Teillastwirkungsgrade haben.<br />
Milder Hybrid<br />
Reduktion: Otto > Diesel, m = g, io > ao > AB, 2010 = 2020 = 2030<br />
Voll-Parallel(Misch)-Hybrid<br />
Reduktion: Otto > Diesel, m = g, io > ao > AB, 2010 = 2020 = 2030<br />
Minderungsraten: Die hier abgeleiteten Minderungsraten beruhen <strong>im</strong> wesentlichen auf<br />
der für [IFEU 2005a] ausgewerteten Literatur sowie Detailauswertungen von [DLR et<br />
al. 2006]. Be<strong>im</strong> Milden Hybrid wird die mögliche Reduktion für Otto-Pkw Innerorts auf -<br />
30% abgeschätzt, be<strong>im</strong> Diesel-Pkw auf die Hälfte dieses Werte. Be<strong>im</strong> Voll-<br />
Paraller(Misch)-Hybrid liegt der max<strong>im</strong>ale Effekt für Otto-Pkw bei -45% (Innerorts), bei<br />
Diesel-Pkw -30%. Die Unterschiede zwischen Otto- und Diesel-Pkw sind darin<br />
begründet, dass der Teillastbetrieb von Dieselmotoren effizienter ist als der von<br />
Ottomotoren; damit sind auch die Einsparpotenziale durch Hybridisierung (reiner<br />
Elektrobetrieb oder Stromerzeugung unter Verbrenner-Volllast statt Verbrenner-<br />
Teillast) geringer. Auf den übrigen Straßenkategorien sinkt der Einspareffekt mit<br />
zunehmender Geschwindigkeit und abnehmender Fahrdynamik deutlich ab.<br />
Zwischenbericht, März 2007
- 222 -<br />
Institut für Verkehrsforschung<br />
Abwärme-Dampfexpander<br />
BMW arbeitet an der Abwärmerückgewinnung an Motor und Abgassystem und deren<br />
Nutzung in Dampfexpandern [VDI-N 2006]. Bis zur Marktreife werden noch etwa 10 bis<br />
15 Jahre vergehen. Das System kann auf unterschiedliche Nutzungsweisen ausgelegt<br />
werden. Für Diesel-Pkw sind geringere Effekte zu erwarten als für Otto-Pkw, da<br />
letztere einen geringeren Wirkungsgrad aufweisen, also mehr Abwärme anfällt. Die<br />
hier abgeschätzten Werte orientieren sich an Angaben in [VDI-N 2006].<br />
Anteile: Otto = Diesel, k = 0, m = g, 2010 = 0, 2020 < 2030<br />
Reduktion: Otto > Diesel, m = g, io = ao = AB, 2020 = 2030<br />
H 2 -Brennstoffzellen-Pkw<br />
Für diese Fahrzeuge werden extrem große Verbrauchsreduktionen gegenüber<br />
Verbrennern erwartet (Referenz hier: Otto-Pkw). Eine relevante Marktdurchdringung<br />
liegt jedoch noch in weiter Ferne (> 2020). Technisch ist zwischen Fahrzeugen mit<br />
Flüssig- und mit Druckwasserstofftank und "konventionellen" und Hybriden mit<br />
(größerer) Batterie zu unterscheiden. Das aufwendigere Hybridkonzept hat den Vorteil,<br />
dass die Brennstoffzelle (BZ) auch bei größerem Leistungsbedarf noch in Teillast, die<br />
bei Brennstoffzellen effizienter als Volllast ist, betrieben oder alternativ kleiner<br />
d<strong>im</strong>ensioniert werden kann. Hier wird als Brennstoff Flüssig-H 2 angenommen. Es<br />
werden sowohl "konventionelle" als auch Hybrid-Brennstoffzellensysteme betrachtet;<br />
für beide Konzepte werden gleichgroße Brennstoffzellen angenommen. In BZ-Pkw<br />
können die gleichen nicht antriebsbezogenen Maßnahmen zur Verbrauchsreduktion<br />
wie bei Verbrennern, also z.B. Maßnahmen zur Reduktion der Fahrwiderstände<br />
angewendet werden (Anteile und Minderungsraten identisch Otto-Pkw). Auch wenn vor<br />
dem Hintergrund der gesamten Systemkosten max<strong>im</strong>ale Opt<strong>im</strong>ierungen wahrscheinlich<br />
sind, werden hier auch Standard- und kosteneffizient opt<strong>im</strong>ierte Pkw betrachtet. Die<br />
Daten orientieren sich an [concawe 2006] und [Kolke 2004].<br />
H 2 -Brennstoffzellen-Pkw und H 2 -Brennstoffzellen-Hybrid-Pkw<br />
Reduktion: k = m = g, io > ao > AB, 2020 = 2030<br />
Verbrenner mit alternativen Motorkonzepten und Kraftstoffen<br />
Otto- und Dieselkraftstoffe einerseits und die zu ihrer Substitution geeigneten<br />
Kraftstoffe (z.B. Erdgas, Ethanol, RME) unterscheiden sich zum Teil deutlich in ihren<br />
Verbrennungseigenschaften. Daraus resultieren zusätzlich zu den massen- und<br />
volumenbezogen verschiedenen Verbräuchen Wirkungsgradunterschiede. Hinzu<br />
kommen ggf. Verbrauchserhöhungen bei konstanten oder höheren Wirkungsgraden,<br />
wenn die Kraftstoffe besonders schwere Speicher erfordern (Erdgas, Wasserstoff).<br />
Die Annahmen zu diesen Effekten sowie einem in der Entwicklung befindlichen<br />
Verbrennungskonzept werden <strong>im</strong> Folgenden beschrieben. Wie bereits erwähnt, werden<br />
die einzelnen Fahrzeuge nicht <strong>im</strong> Detail modelliert sondern durch Abschätzung von<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 223 -<br />
Verbräuchen orientiert an den entsprechenden Otto- bzw. Diesel-Fahrzeugvarianten.<br />
Dieses Vorgehen ist aufgrund des Projektrahmens und der Vielzahl untersuchter<br />
Fahrzeuge notwendig, aber auch durch die Unsicherheiten der gesamten Datenlage<br />
gerechtfertigt (die relevanten Quellen sind häufig widersprüchlich). Die Angabe von<br />
Technologieanteilen entfällt damit (sie entspricht denen der Otto- bzw. Diesel-Pkw).<br />
Die Angaben zum Verbrauch beziehen sich auf die jeweils angegebenen Verbrenner-<br />
Konzepte (Otto oder Diesel).<br />
Erdgas und Biogas (Druckspeicher)<br />
Bei den noch weit verbreiteten Pkw für Benzin- und Erdgasbetrieb sind die Verbräuche<br />
<strong>im</strong> Gasbetrieb höher als <strong>im</strong> Benzinbetrieb. In [Kolke 2004] werden für Kleinwagen <strong>im</strong><br />
Gasbetrieb in 2010 gleiche Wirkungsgrade und höhere Verbräuche (Resultat der<br />
höheren Fahrzeugmasse) angesetzt als für mit Ottokraftstoff betriebene Fahrzeuge. In<br />
[concawe 2006] werden für 2010+ sehr geringe Vorteile angegeben. In [Stan 2005] und<br />
[Umierski 2004] werden für opt<strong>im</strong>ierte Gasmotoren Wirkungsgrade <strong>im</strong> Bereich von<br />
Dieselmotoren erwartet. Ausgehend von einem aktuellen Mehrverbrauch wird für die<br />
zukünftig verstärkt bzw. überwiegend zum Einsatz kommenden Pkw für reinen<br />
Gasbetrieb (bzw. darauf opt<strong>im</strong>ierten Motoren) von einer Angleichung der Verbräuche<br />
ausgegangen.<br />
Verbrauch: 2005 > 2010 > Benzin-Otto, 2020/30 = Otto<br />
Flüssiggas (LPG)<br />
LPG-betriebene Otto-Pkw werden hier nur bis 2010 betrachtet. Ihr Verbrauch wird<br />
basierend auf [concawe 2006] gleich dem von Benzin-betriebenen Otto-Pkw gesetzt.<br />
Verbrauch: identisch Otto<br />
Flüssigwasserstoff (LH 2 )<br />
Mit einer weiteren Verbreitung von LH 2 -Pkw ist erst deutlich nach 2010 zu rechnen. In<br />
[concawe 2006] wird für 2010+ ein deutlicher Verbrauchsvorteil gegenüber Otto-Pkw<br />
angegeben, in [Kolke 2004] ein etwas geringerer Nachteil (gleicher Wirkungsgrad und<br />
höherer Verbrauch durch höhere Fahrzeugmasse). Für die hier relevanten Bezugsjahr<br />
2020/30 werden die gleichen Wirkungsgrade wie für Otto-Pkw angesetzt.<br />
Verbrauch: 2020/30 identisch Otto<br />
Ethanol<br />
Alkohole verbrennen mit höheren Wirkungsgraden als Kohlenwasserstoffe. In<br />
[Koßmehl 1995] werden für opt<strong>im</strong>ierte Motoren 10 % und mehr angeben. [concawe<br />
2006] und [Kolke 2004] weisen dagegen gleiche Verbräuche wie für Otto-Pkw <strong>im</strong><br />
Benzinbetrieb aus. Darauf basierend werden hier ebenfalls gleiche Verbräuche<br />
angesetzt.<br />
Zwischenbericht, März 2007
- 224 -<br />
Institut für Verkehrsforschung<br />
Verbrauch: identisch Otto<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 225 -<br />
Tabelle Pkw - Fahrzeugseitige Reduktionspotenziale: Minderungsraten (bezogen auf Neuzulassungen 2005) der betrachteten technischen<br />
Maßnahmen differenziert nach Fahrzeugklassen, Straßenkategorien und Bezugsjahren<br />
Pkw-Klasse: Klein Mittel Groß<br />
Str.-Kategorie: io ao AB io ao AB io Ao AB<br />
VKM-Pkw<br />
Euro 5<br />
Otto 2010 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0%<br />
Otto 2020 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0%<br />
Otto 2030 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0%<br />
Diesel 2010 1,0% 1,0% 1,0% 3,0% 3,0% 3,0% 3,0% 3,0% 3,0%<br />
Diesel 2020 1,0% 1,0% 1,0% 3,0% 3,0% 3,0% 3,0% 3,0% 3,0%<br />
Diesel 2030 1,0% 1,0% 1,0% 3,0% 3,0% 3,0% 3,0% 3,0% 3,0%<br />
Allgemeine Motorenentwicklung<br />
Otto 2010 -3,5% -3,5% -3,5% -3,5% -3,5% -3,5% -3,5% -3,5% -3,5%<br />
Otto 2020 -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0%<br />
Otto 2030 -8,0% -8,0% -8,0% -8,0% -8,0% -8,0% -8,0% -8,0% -8,0%<br />
Diesel 2010 -6,5% -6,5% -6,5% -6,5% -6,5% -6,5% -6,5% -6,5% -6,5%<br />
Diesel 2020 -9,0% -9,0% -9,0% -9,0% -9,0% -9,0% -9,0% -9,0% -9,0%<br />
Diesel 2030 -10,0% -10,0% -10,0% -10,0% -10,0% -10,0% -10,0% -10,0% -10,0%<br />
Mäßiger Leichtbau<br />
Otto 2010 -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0%<br />
Otto 2020 --6,0% --6,0% --6,0% --6,0% --6,0% --6,0% --6,0% --6,0% --6,0%<br />
Otto 2030 -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0% -6,0%<br />
Diesel 2010 --7,0% --7,0% --7,0% --7,0% --7,0% --7,0% --7,0% --7,0% --7,0%<br />
Diesel 2020 -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0%<br />
Diesel 2030 -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0% -7,0%<br />
Verstärkter Leichtbau<br />
Otto 2010 -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0%<br />
Otto 2020 -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0%<br />
Otto 2030 -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0% -15,0%<br />
Diesel 2010 -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0%<br />
Diesel 2020 -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0%<br />
Diesel 2030 -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0% -18,0%<br />
Fortsetzung nächste Seite<br />
Zwischenbericht, März 2007
- 226 -<br />
Institut für Verkehrsforschung<br />
Pkw-Klasse: Klein Mittel Groß<br />
Str.-Kategorie: io ao AB io ao AB io Ao AB<br />
Rollwiderstandsreduktion<br />
Otto 2010 -3,0% -2,7% -2,3% -3,0% -2,7% -2,3% -3,0% -2,7% -2,3%<br />
Otto 2020 -3,5% -3,2% -2,8% -3,5% -3,2% -2,8% -3,5% -3,2% -2,8%<br />
Otto 2030 -4,0% -3,7% -3,3% -4,0% -3,7% -3,3% -4,0% -3,7% -3,3%<br />
Diesel 2010 -3,0% -2,7% -2,3% -3,0% -2,7% -2,3% -3,0% -2,7% -2,3%<br />
Diesel 2020 -3,5% -3,2% -2,8% -3,5% -3,2% -2,8% -3,5% -3,2% -2,8%<br />
Diesel 2030 -4,0% -3,7% -3,3% -4,0% -3,7% -3,3% -4,0% -3,7% -3,3%<br />
Luftwiderstand -10%<br />
Otto 2010 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Otto 2020 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Otto 2030 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Diesel 2010 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Diesel 2020 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Diesel 2030 -1,0% -1,7% -2,3% -1,0% -1,7% -2,3% -1,0% -1,7% -2,3%<br />
Luftwiderstand -30%<br />
Otto 2010 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Otto 2020 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Otto 2030 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Diesel 2010 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Diesel 2020 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Diesel 2030 - - - -3,0% -5,0% -7,0% -3,0% -5,0% -7,0%<br />
Fortsetzung<br />
nächste Seite<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 227 -<br />
Pkw-Klasse: Klein Mittel Groß<br />
Str.-Kategorie: io ao AB io ao AB io Ao AB<br />
GDI, Downsizing, ATL<br />
Otto 2010 -15,0% -8,3% -1,7% -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Otto 2020 -15,0% -8,3% -1,7% -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Otto 2030 -15,0% -8,3% -1,7% -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Diesel 2010 - - - - - - - - -<br />
Diesel 2020 - - - - - - - - -<br />
Diesel 2030 - - - - - - - - -<br />
Start/Stop-Automatik<br />
Otto 2010 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Otto 2020 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Otto 2030 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Diesel 2010 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Diesel 2020 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Diesel 2030 -5,0% 0,0% 0,0% -5,0% 0,0% 0,0% -5,0% 0,0% 0,0%<br />
Getriebe (ASG, CVT)<br />
Otto 2010 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Otto 2020 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Otto 2030 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Diesel 2010 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Diesel 2020 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Diesel 2030 -6,0% -3,3% -0,7% -6,0% -3,3% -0,7% -6,0% -3,3% -0,7%<br />
Milder Hybrid<br />
Otto 2010 - - - -30,0% -16,7% -3,3% -30,0% -16,7% -3,3%<br />
Otto 2020 - - - -30,0% -16,7% -3,3% -30,0% -16,7% -3,3%<br />
Otto 2030 - - - -30,0% -16,7% -3,3% -30,0% -16,7% -3,3%<br />
Diesel 2010 - - - -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Diesel 2020 - - - -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Diesel 2030 - - - -15,0% -8,3% -1,7% -15,0% -8,3% -1,7%<br />
Fortsetzung<br />
nächste Seite<br />
Zwischenbericht, März 2007
- 228 -<br />
Institut für Verkehrsforschung<br />
Pkw-Klasse: Klein Mittel Groß<br />
Str.-Kategorie: io ao AB io ao AB io Ao AB<br />
Voll-Parallel(Misch)-Hybrid<br />
Otto 2010 - - - -45,0% -28,3% -11,7% -45,0% -28,3% -11,7%<br />
Otto 2020 - - - -45,0% -28,3% -11,7% -45,0% -28,3% -11,7%<br />
Otto 2030 - - - -45,0% -28,3% -11,7% -45,0% -28,3% -11,7%<br />
Diesel 2010 - - - -30,0% -20,0% -10,0% -30,0% -20,0% -10,0%<br />
Diesel 2020 - - - -30,0% -20,0% -10,0% -30,0% -20,0% -10,0%<br />
Diesel 2030 - - - -30,0% -20,0% -10,0% -30,0% -20,0% -10,0%<br />
Abwärme-Dampfexpander<br />
Otto 2010 - - - - - - - - -<br />
Otto 2020 - - - 15,0% 15,0% 15,0% 15,0% 15,0% 15,0%<br />
Otto 2030 - - - 15,0% 15,0% 15,0% 15,0% 15,0% 15,0%<br />
Diesel 2010 - - - - - - - - -<br />
Diesel 2020 - - - 10,0% 10,0% 10,0% 10,0% 10,0% 10,0%<br />
Diesel 2030 - - - 10,0% 10,0% 10,0% 10,0% 10,0% 10,0%<br />
H2-BZ-Pkw (Bezug: Otto-Pkw 2005)<br />
H2-BZ-Antrieb<br />
H2-BZ 2020 -60,0% -40,0% -30,0% -60,0% -40,0% -30,0% -60,0% -40,0% -30,0%<br />
H2-BZ 2030 -60,0% -40,0% -30,0% -60,0% -40,0% -30,0% -60,0% -40,0% -30,0%<br />
BZ-Hybridisierung<br />
H2-BZ-Hybrid 20 -65,0% -45,0% -35,0% -65,0% -45,0% -35,0% -65,0% -45,0% -35,0%<br />
H2-BZ-Hybrid 30 -65,0% -45,0% -35,0% -65,0% -45,0% -35,0% -65,0% -45,0% -35,0%<br />
H2-BZ-Pkw: Leichtbau, Roll und Luftwiderstand für alle Größenklassen, Straßenkategorien und beide Bezugsjahre wie Otto-Pkw<br />
Eigene Abschätzungen und Berechnungen; Erläuterungen: siehe Text IFEU 2006<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 229 -<br />
Tabelle Pkw - Fahrzeugbezogene Zusatzkosten (Schätzung) der betrachteten Maßnahmen zur Verbrauchsreduktion<br />
Bezugsjahr: 2010 2020 2030<br />
Pkw-Klasse: Klein Mittel Groß Klein Mittel Groß Klein Mittel Groß<br />
Euro Euro Euro Euro Euro Euro Euro Euro Euro<br />
VKM-Pkw<br />
Mäßiger Leichtbau<br />
Otto-Pkw 440 590 740 440 590 740 440 590 740<br />
Diesel-Pkw 470 630 800 470 630 800 470 630 800<br />
Verstärkter Leichtbau<br />
Otto-Pkw 1.700 2.400 3.000 1.100 1.500 1.900 1.100 1.500 1.900<br />
Diesel-Pkw 1.900 2.500 3.200 1.200 1.600 2.100 1.200 1.600 2.100<br />
Max<strong>im</strong>aler Leichtbau<br />
Otto-Pkw 2.000 2.700 3.400 2.000 2.700 3.400 2.000 2.700 3.400<br />
Diesel-Pkw 2.200 2.900 3.700 2.200 2.900 3.700 2.200 2.900 3.700<br />
Rollwiderstandsreduktion<br />
Otto-Pkw 70 100 140 70 100 140 70 100 140<br />
Diesel-Pkw 70 100 140 70 100 140 70 100 140<br />
Luftwiderstand -10%<br />
Otto-Pkw 100 150 200 100 150 200 100 150 200<br />
Diesel-Pkw 100 150 200 100 150 200 100 150 200<br />
Luftwiderstand -30%<br />
Otto-Pkw - 450 600 - 450 600 - 450 600<br />
Diesel-Pkw - 450 600 - 450 600 - 450 600<br />
GDI, Downsizing, ATL<br />
Otto-Pkw 250 250 250 230 230 230 210 210 210<br />
Diesel-Pkw - - - - - - - - -<br />
Start/Stop-Automatik<br />
Otto-Pkw 200 200 200 180 180 180 160 160 160<br />
Diesel-Pkw 250 250 250 230 230 230 210 210 210<br />
Getriebe (ASG, CVT)<br />
Otto-Pkw 400 600 800 400 600 800 400 600 800<br />
Diesel-Pkw 400 600 800 400 600 800 400 600 800<br />
Fortsetzung nächste Seite<br />
Milder Hybrid<br />
Otto-Pkw 2.300 3.100 3.900 1.500 2.000 2.500 1.100 1.300 1.700<br />
Zwischenbericht, März 2007
- 230 -<br />
Institut für Verkehrsforschung<br />
Bezugsjahr: 2010 2020 2030<br />
Pkw-Klasse: Klein Mittel Groß Klein Mittel Groß Klein Mittel Groß<br />
Euro Euro Euro Euro Euro Euro Euro Euro Euro<br />
VKM-Pkw<br />
Diesel-Pkw 2.300 3.100 3.900 1.500 2.000 2.500 1.100 1.300 1.700<br />
Voll-Parallel(Misch)-Hybrid<br />
Otto-Pkw 4.200 5.600 6.900 2.800 3.800 4.800 2.000 2.700 3.500<br />
Diesel-Pkw 4.200 5.600 6.900 2.800 3.800 4.800 2.000 2.700 3.500<br />
Abwärme-Dampfexpander<br />
Otto-Pkw - - - 750 1.000 1.300 1.000 1.200 1.500<br />
Diesel-Pkw - - - 750 1.000 1.300 1.000 1.200 1.500<br />
H2-Brennstoffzellen-Pkw<br />
H2-BZ-Antrieb - - - 5.000 7.200 10.000 2.700 3.900 5.200<br />
BZ-Hybridisierung - - - 700 1.000 1.200 400 500 700<br />
H2-BZ-Pkw: Leichtbau, Roll und Luftwiderstand für alle Größenklassen und beide Bezugsjahre wie Otto-Pkw<br />
Quellen: siehe Literaturverzeichnis; eigene Abschätzungen und Berechnungen IFEU 2006<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 231 -<br />
Diagramm zur Projektsteuerung<br />
Nr.<br />
Vorgangs nam e<br />
1 Datenbank Angebotsseite<br />
20 Datenbank Nachfrageseite<br />
25 Mode llie rung<br />
44 Szenarien (Phase I)<br />
2006 2007 2008<br />
Hälfte 2, 2005 Hälfte 1, 2006 Hälfte 2, 2006 Hälfte 1, 2007 Hälfte 2, 2007 Hälfte 1, 2008<br />
J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J<br />
51 Publikationen (Phase I)<br />
63 Projekt-website<br />
64 Steuerung Projekt<br />
65 Politikberatung BMU<br />
66 Be gle itkre is<br />
67 1. Treffen Begleitkreis<br />
18.12.<br />
68 2. Treffen Begleitkreis<br />
21.08.<br />
69 3. Treffen Begleitkreis<br />
03.12.<br />
70 4. Treffen Begleitkreis<br />
12.02.<br />
71 Wiss. Be irat<br />
72 1. Treffen Wis s. Beirat<br />
24.05.<br />
73 2. Treffen Wis s. Beirat<br />
15.12.<br />
74 3. Treffen Wis s. Beirat<br />
18.06.<br />
75 4. Treffen Wis s. Beirat<br />
15.10.<br />
76 5. Treffen Wis s. Beirat<br />
77 6. Treffen Wis s. Beirat<br />
25.02.<br />
14.0<br />
78 Projektletung/Koordination<br />
Zwischenbericht, März 2007
- 232 -<br />
Institut für Verkehrsforschung<br />
Diagramm zur Datenbasis Angebotsseite<br />
Nr.<br />
Vorgangs nam e<br />
1 Datenbank Angebotsseite<br />
2006 2007 2008<br />
Hälfte 2, 2005 Hälfte 1, 2006 Hälfte 2, 2006 Hälfte 1, 2007 Hälfte 2, 2007 Hälfte 1, 2008<br />
J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J<br />
2 Biokraftstoffe<br />
3 RME, Ethanol (update)<br />
4 Biogas -Aufbereitung, Eins peis ung<br />
5 Biogas : update aus IFEU-Projekt (IE-D<br />
6 Biokraftstoff-Importe: EU-28<br />
7 Biokraftstoff-Importe: global<br />
8 neu: Lignozellulose-EtOH<br />
9 neu: DME, BioH2<br />
10 update: BtL (IE-Daten Version 1)<br />
11 HTU + BtL (IE-Daten Version 2)<br />
12 Experten-WS Antriebstechniken 1<br />
04.12.<br />
13 TREMOD-Technologien<br />
14 Vorketten fossil (GEMIS 4.3)<br />
15 Vorketten fossil (GEMIS 4.4)<br />
16 Experten-WS Datenbasis Kraftstoffe<br />
17 Experten-WS Antriebstechniken 2<br />
21.05.<br />
27.06.<br />
18 neu: CCS, update: nuklear<br />
19 update Fahrzeug-Technologien<br />
20 Datenbank Nachfrageseite<br />
25 Mode llie rung<br />
44 Szenarien (Phase I)<br />
Zwischenbericht, März 2007
Institut für Verkehrsforschung<br />
- 233 -<br />
Diagramm zur Datenbank Nachfrageseite und zur Modellierung<br />
Nr.<br />
Vorgangs nam e<br />
1 Datenbank Angebotsseite<br />
20 Datenbank Nachfrageseite<br />
21 Nachfrageseite: Maßnahmen PV<br />
22 Nachfrageseite: Maßnahmen GV<br />
2006 2007 2008<br />
Hälfte 2, 2005 Hälfte 1, 2006 Hälfte 2, 2006 Hälfte 1, 2007 Hälfte 2, 2007 Hälfte 1, 2008<br />
J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J<br />
23 Experten-WS: Nachfrage PV<br />
24 Experten-WS: Nachfrage GV<br />
Termin noch offen<br />
Termin noch offen<br />
25 Mode llie rung<br />
26 Schnittstelle TREMOD/GEMIS<br />
27 Modell: INFRA<br />
28 Teil Verkehrswege<br />
29 Teil ÖV (Modellregionen)<br />
30 VISEVA (Personenverkehr)<br />
31 TAPAS (Modellregionen)<br />
32 Experten-WS Verkehrsnachfrage PV<br />
27.04.<br />
33 Experten-WS Käufermodell<br />
Termin noch offen<br />
34 WIVSIM (Güterverkehr)<br />
35 Experten-WS Verkehrsnachfrage GV<br />
36 Alpha-Version Modellkopplung<br />
30.03.<br />
03.05.<br />
37 Sonstige<br />
41 GEMIS 4.5 (inkl. TREMOD-Daten)<br />
42 GEMIIS 5.0 (+ Doku)<br />
01.10.<br />
27.11.<br />
43 Modell: MOBIL-SZEN<br />
Zwischenbericht, März 2007
- 234 -<br />
Institut für Verkehrsforschung<br />
Diagramm zu Szenarien und Publikationen<br />
Nr.<br />
Vorgangs nam e<br />
1 Datenbank Angebotsseite<br />
20 Datenbank Nachfrageseite<br />
25 Mode llie rung<br />
44 Szenarien (Phase I)<br />
2006 2007 2008<br />
Hälfte 2, 2005 Hälfte 1, 2006 Hälfte 2, 2006 Hälfte 1, 2007 Hälfte 2, 2007 Hälfte 1, 2008<br />
J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J<br />
45 Szenario-Gruppe<br />
30.04<br />
46 REF-Szenario<br />
12.02.<br />
47 Grob-Szenarien<br />
30.07.<br />
48 Varianten zu Haupt-Szenarien<br />
49 Szenarioanalyse, Bewertung<br />
50 Endfassung Szenarien (Hauptphase)<br />
28.12.<br />
22.02.<br />
31.03.<br />
51 Publikationen (Phase I)<br />
52 1. Zwischenbericht<br />
53 Arbeitspapiere (AP)<br />
60 2. Zwischenbericht<br />
30.03.<br />
61 Endbericht (Phase I)<br />
30.04.<br />
62 Broschüre renewbility dt.<br />
63 Projekt-website<br />
64 Steuerung Projekt<br />
Zwischenbericht, März 2007