Jochen Lohmiller. Veröffentlichungen aus dem Institut für Straßen- und Verkehrswesen

Transkript

1 Institut für Straßen- und Verkehrswesen Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik Univ.-Prof. Dr.-Ing. M. Friedrich Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen - Bewertung unter Berücksichtigung der Zuverlässigkeit und Analyse von Einflussfaktoren Jochen Lohmiller ISSN X ISBN D 93 (Dissertation der Universität Stuttgart) Veröffentlichungen aus dem Institut für Straßen- und Verkehrswesen Heft 50 (Juli 2014)

2 50 Veröffentlichungen aus dem Institut für Straßen- und Verkehrswesen Universität Stuttgart

3 Institut für Straßen- und Verkehrswesen Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik Univ.-Prof. Dr.-Ing. M. Friedrich Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen - Bewertung unter Berücksichtigung der Zuverlässigkeit und Analyse von Einflussfaktoren Jochen Lohmiller Veröffentlichungen aus dem Institut für Straßen- und Verkehrswesen Heft 50 (Juli 2014)

4 Herausgeber : Institut für Straßen- und Verkehrswesen Universität Stuttgart Copyright : Das Copyright liegt beim Verfasser. Eigenverlag und Vertrieb : Institut für Straßen- und Verkehrswesen Universität Stuttgart Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik Pfaffenwaldring Stuttgart Hinweis / Note: Diese Veröffentlichung ist auch als "Elektronische Dissertation" online unter verfügbar und kann dort im PDF-Format heruntergeladen werden. This paper is also published online as "Electronic Dissertation" at and can be downloaded there as PDF file.

5 Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen - Bewertung unter Berücksichtigung der Zuverlässigkeit und Analyse von Einflussfaktoren Von der Fakultät Bau- und Umweltingenieurwissenschaften der Universität Stuttgart zur Erlangung der Würde eines Doktors der Ingenieurwissenschaften (Dr.-Ing.) genehmigte Abhandlung Vorgelegt von Jochen Lohmiller aus Sulz a. N. Hauptberichter: Prof. Dr.-Ing. Markus Friedrich Mitberichter: Prof. Dr.-Ing. Justin Geistefeldt Tag der mündlichen Prüfung: Institut für Straßen- und Verkehrswesen Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik Universität Stuttgart 2014

6

7 Vorwort Die vorliegende Dissertation entstand während meiner Tätigkeit als wissenschaftlicher Mitarbeiter am Lehrstuhl für Verkehrsplanung und Verkehrsleittechnik von Prof. Dr.-Ing. Markus Friedrich des Institutes für Straßen- und Verkehrswesen an der Universität Stuttgart. Bedanken möchte ich mich bei Prof. Dr.-Ing. Markus Friedrich dafür, dass er mich während meines Studiums und auch darüber hinaus für den Verkehr begeisterte und für die motivierenden und hilfreichen Gespräche zu dieser Arbeit. Auch Prof. Dr.-Ing. Justin Geistefeldt danke ich für die Rolle des Mitberichters und für seine wertvollen Anregungen. Das Gelingen meiner Arbeit habe auch meine Kolleginnen und Kollegen zu verdanken. Besonders erwähnen möchte ich Juliane Pillat für die sehr angenehme Zusammenarbeit im Projekt Wolke, bei Maxim Khammudekh und Christoph Magg meine Zimmergenossen und Thomas Otterstätter für den regen Austausch bei MATLAB Fragen. Darüber hinaus möchte ich mich bei meiner Frau und meinen Eltern bedanken, die mich immer unterstützt haben. Jochen Lohmiller 3

8 Diesem Bericht liegen Ergebnisse der folgenden Forschungsprojekte zugrunde: Zeitabhängige Verbindungsqualität in Straßennetzen Forschungsprojekt FE-Nr /2007 im Auftrag des Bundesministeriums für Verkehr, Bau und Stadtentwicklung, vertreten durch die Bundesanstalt für Straßenwesen Kontinuierliche Fahrtdauererhebung im BAB-Netz (Machbarkeitsuntersuchung) Forschungsprojekt FE /2009 im Auftrag des Bundesministeriums für Verkehr, Bau und Stadtentwicklung, vertreten durch die Bundesanstalt für Straßenwesen WOLKE - Wetterabhängige Kalibrierung von Verkehrsmodellen für eine optimierte Verkehrsteuerung Forschungsprojekt 19 P 10017B gefördert vom Bundesministeriums für Wirtschaft und Technologie (BMWi) Die Verantwortung für den Inhalt liegt allein beim Autor. 4

9 Inhaltsverzeichnis Inhaltsverzeichnis 1 Motivation, Zielsetzung und Aufbau der Arbeit Motivation und Zielsetzung Aufbau der Arbeit 21 2 Begriffserläuterung Qualität des Verkehrsablaufs Zuverlässigkeit Netzabschnitt 24 3 Verfahren zur Ermittlung der Kapazität Van Aerde - Modell Statistik zensierter Daten 29 4 Verfahren zur Ermittlung der Fahrzeit Modellbasierte Verfahren Raumdiskrete Verfolgung von Fahrzeugen Fahrzeugsignaturen aus stationären Detektoren Kennzeichenerfassungssysteme (ANPR) Bluetooth Floating Phone Data (FPD) Raumkontinuierliche Verfolgung von Fahrzeugen Floating Car Data (FCD) Floating Smartphone Data Repräsentative Fahrzeit 38 5 Kenngrößen zur Quantifizierung der Zuverlässigkeit Soll-Fahrzeit Zuverlässigkeit aus der Streuung der Fahrzeiten Zuverlässigkeit aus der Ausfallsicherheit Zuverlässigkeit aus der Verlustzeit Anwendung der unterschiedlichen Kenngrößen 49 5

10 Inhaltsverzeichnis 6 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Vorhandene Ansätze zur Bewertung des Verkehrsablaufs in Straßennetzen Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS) Richtlinien für die integrierte Netzgestaltung (RIN) Ganzjahresanalyse mit stochastischer Kapazität Ganzjahresanalyse mit Berücksichtigung der Zahlungsbereitschaft für die Reisezeit Weitere Forschung zur Bewertung des Verkehrsablaufs Auswirkungen von Überlastungen an Einzelanlagen des Straßenverkehrs auf die Verbindungsqualität in Straßennetzen Differenzierte Bewertung der Qualitätsstufen im HBS im Bereich der Überlastung Anwendungen zur Bewertung des Verkehrsablaufs ADAC Verkehrsqualität auf deutschen Autobahnen IBM Commuter-Pain-Index INRIX Scorecard TomTom-Congestion-Index Zusammenfassung Stand der Technik 66 7 Datengrundlage Kurzzeit ANPR-Fahrzeitdaten BAB 7 / BAB Verkehrsdaten deutsches Autobahnnetz Fahrzeitdaten Verkehrsmengen Baustellen Verkehrsdaten BAB 8 / BAB 93 München Kufstein / Salzburg Streckennetz Fahrzeiten (ANPR) Verkehrsmengen und lokale Geschwindigkeit Unfalldaten Wetterdaten 77 6

11 Inhaltsverzeichnis Verkehrszusammensetzung Fahrzeitdaten Großraum München (Pendler-FCD) 85 8 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Auswahl von Kenngrößen zur Quantifizierung der Zuverlässigkeit Methodisches Vorgehen Fahrzeitindex Verspätungsindex Verlustzeit Gesamtbewertung Zusammenfassung der Bewertungsmethode Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf Ursachen für Zeitverluste Zeitlich unabhängige Einflussgrößen Fahrstreifenbelastung Mittlerer Schwerverkehrsanteil Anzahl Fahrstreifenreduktionen Zeitlich veränderliche Einflussgrößen Multivariante Analyse Verkehrsstärke Schwerverkehrsanteil Unfälle Verkehrszusammensetzung Wetter Zusammenfassung der Einflussgrößen Fazit und Ausblick Literaturverzeichnis Begriffs- und Abkürzungsverzeichnis 161 7

12 Tabellenverzeichnis Tabellenverzeichnis Tabelle 1: Übersicht der Kenngrößen und Perzentile für die exemplarischen Pkw-Geschwindigkeitsverteilungen. 51 Tabelle 2: Kenngrößen zur Bestimmung der Qualitätsstufe des Verkehrsablaufs für verschiedene Verkehrsanlagen nach HBS. 54 Tabelle 3 Angestrebte mittlere Pkw-Fahrgeschwindigkeiten nach den RIN (2008, Seite 23). 56 Tabelle 4: Übersicht über die Fahrzeitmessung der BAB 7 / BAB Tabelle 5: Übersicht über die detektierten Fahrzeuge auf der BAB 8 / BAB Tabelle 6: Übersicht über die Fahrzeitmessungen auf der BAB 8 / BAB Tabelle 7: Übersicht der Anzahl Unfälle getrennt nach dem Unfalltyp. 76 Tabelle 8: Kategorisierung der Wetterklassen nach SCHEDLER (2014) und deren Häufigkeit in dieser Arbeit. 78 Tabelle 9: Anzahl der Zeitintervalle in den unterschiedlichen Klassen des Regionalverkehrs und Pendlerverkehr. 84 Tabelle 10: Übersicht der Netzabschnitte. 87 Tabelle 11: Auswahl der Kenngrößen zur Quantifizierung der Zuverlässigkeit. 90 Tabelle 12: Verwendete unabhängigen Variablen (Klassen) der Regressionsanalyse mit ihren Bedingungen. 120 Tabelle 13: Mittlere Behinderungsdauer bei Unfällen nach REGLER (2004). 128 Tabelle 14: Verkehrszusammenbrüche bei Verkehrsstärken größer Fzg/h. 136 Tabelle 15: Schwerverkehrsanteil in Abhängigkeit vom Regionalverkehr und der Verkehrsstärke

13 Abbildungsverzeichnis Abbildungsverzeichnis Abbildung 1: Beispiel Netzabschnitt. 24 Abbildung 2: Van Aerde Modell zur Beschreibung des Fundamentaldiagramms. 26 Abbildung 3: Parameterschätzung anhand des van Aerde Modells in der k-v Ebene. 28 Abbildung 4: Beispiel: Statistik zensierter Daten. 31 Abbildung 5: Exemplarische Pkw-Geschwindigkeitsverteilungen. 50 Abbildung 6: Vergleich der Kennwerte der exemplarischen Pkw- Geschwindigkeitsverteilungen. 52 Abbildung 7: Verkehrsqualität auf deutschen Autobahnen, Quelle: ADAC (2012). 63 Abbildung 8: IBM Commuter-Pain-Index, Quelle: IBM (2011). 64 Abbildung 9: INRIX-Index, Quelle: INRIX (2013). 65 Abbildung 10: TomTom-Congestion-Index (TOMTOM, 2013). 66 Abbildung 11: Beispielhafte Darstellung der Fahrzeitgenerierung für Netzabschnitte (grün = hohe Geschwindigkeit, orange = mittlere Geschwindigkeit, rot = niedrige Geschwindigkeit). 71 Abbildung 12: Vergleich der Summenhäufigkeit der Geschwindigkeiten aus den ddg-daten mit der ANPR-Messung für unterschiedliche Verbindungen. 72 Abbildung 13: Streckennetz und Messstellen im Untersuchungsgebiet BAB 8 / BAB Abbildung 14: Verortete Unfälle mit Personenschaden für den Zeitraum der ANPR-Erhebung. 76 Abbildung 15: Lage der synoptischen und fahrbahnseitigen Wetterstationen. 77 Abbildung 16: Gebiete des Regionalverkehrs. 79 Abbildung 17: Prozentuale Häufigkeit der Herkunft der Fahrzeuge am Kameraquerschnitt München. 80 Abbildung 18: Verteilung des Regionalverkehrsanteils über eine durchschnittliche Woche. 81 Abbildung 19: Prozentuale Häufigkeit der Pendler am Kameraquerschnitt München aufgeteilt nach der Herkunft der Fahrzeuge. 83 Abbildung 20: Verteilung des Pendlerverkehrs über eine durchschnittliche Woche. 84 Abbildung 21: Übersicht der Netzabschnitte. 88 Abbildung 22: Berechnete Bewertungskurven für die Kenngröße Fahrzeitindex (n = 633, mittleres Bestimmtheitsmaß R² = 0,5). 94 Abbildung 23: Manuell angepasste Bewertungskurven und Validierung für die Kenngröße Fahrzeitindex (n = 633). 95 9

14 Abbildungsverzeichnis Abbildung 24: Berechnete Bewertungskurven für die Kenngröße Verspätungsindex (n = 633, mittleres Bestimmtheitsmaß R² = 0,5). 97 Abbildung 25: Manuell angepasste Bewertungskurven für die Kenngröße Verspätungsindex (n = 633) mit Validierung. 98 Abbildung 26: Berechnete Bewertungskurven für die Kenngröße Verlustzeit (n = 633, mittleres R² = 0,77). 100 Abbildung 27: Manuell angepasste Bewertungskurven für die Kenngröße Verlustzeit mit Validierung.(n = 633). 101 Abbildung 28: Untersuchungen zu den Ursachen von Staus auf Autobahnen. Quelle: GEISTEFELDT und LOHOFF (2011, Seite 14). 106 Abbildung 29: Verspätungsursache aus den Verkehrsdaten A8 / A Abbildung 30: Anteile der Einflussgrößen in Abhängigkeit von der Geschwindigkeit aus den Verkehrsdaten BAB 8 / BAB 93 (Erläuterung: Ein Balken pro Geschwindigkeitsklasse. Die schwarze Linie stellt die Häufigkeit der Geschwindigkeit über alle Zeitintervalle dar. 108 Abbildung 31: Zusammenhang zwischen der Fahrstreifenbelastung (DTV pro Fahrstreifen) und der Bewertung des Verkehrsablaufs. 110 Abbildung 32: Zusammenhang zwischen dem mittleren Schwerverkehrsanteil und der Bewertung des Verkehrsablaufs. 111 Abbildung 33: Zusammenhang zwischen dem mittleren Schwerverkehrsanteil und dem DTV pro Fahrstreifen. 112 Abbildung 34: Zusammenhang zwischen der Anzahl der Fahrstreifenreduktion und der Bewertung des Verkehrsablaufs. 113 Abbildung 35: Zusammenhang zwischen den Zusammenbrüchen des Netzabschnitts und lokalen Zusammenbrüchen. 116 Abbildung 36: Lage der ausgewählten Induktionsschleifen für die Bildung der repräsentativen Verkehrsstärke des Netzabschnitts München Rosenheim. 118 Abbildung 37: Regressionsanalyse mit der Zielgröße Geschwindigkeit. 121 Abbildung 38: Regressionsanalyse mit der Zielgröße Verspätung. 122 Abbildung 39: Regressionsanalyse mit der Zielgröße Verlustzeit. 122 Abbildung 40: Einfluss der Verkehrsstärke auf die Kenngrößen der Zuverlässigkeit bei der Betrachtung von Verkehrsstärkeintervallen. 124 Abbildung 41: Einfluss der Verkehrsstärkeklassen auf die Kenngrößen der Zuverlässigkeit bei der Betrachtung von Verkehrsstärkeklassen. 124 Abbildung 42: Verteilung der Geschwindigkeit in Abhängigkeit von der Verkehrsstärke. 126 Abbildung 43: Schwerverkehrsanteil in Abhängigkeit von der Verkehrsstärke

15 Abbildungsverzeichnis Abbildung 44: Häufigkeitsverteilung der Verkehrsstärke in Abhängigkeit vom Schwerverkehrsanteil. 127 Abbildung 45: Einfluss von Unfällen auf die Kenngrößen der Zuverlässigkeit. 129 Abbildung 46: Verteilung der Verkehrsstärke in Abhängigkeit von der Unfallklasse. 130 Abbildung 47: Verteilung der Geschwindigkeit in Abhängigkeit von der Unfallklasse. 131 Abbildung 48: Ausprägung der Kenngrößen in Abhängigkeit vom Regionalverkehr. 132 Abbildung 49: Häufigkeitsverteilung der Geschwindigkeit in Abhängigkeit vom Regionalverkehr. 132 Abbildung 50: Häufigkeitsverteilung der Verkehrsstärke in Abhängigkeit vom Regionalverkehr. 133 Abbildung 51: Fundmentaldiagramm mit van Aerde-Kurven in Abhängigkeit vom Regionalverkehr. 134 Abbildung 52: Fundmentaldiagramm mit der Zusammenbruchswahrscheinlichkeit in Abhängigkeit vom Regionalverkehr. 136 Abbildung 53: Ausprägung der Kenngrößen in Abhängigkeit vom Pendlerverkehr. 137 Abbildung 54: Häufigkeitsverteilung der Geschwindigkeit in Abhängigkeit vom Pendlerverkehr. 138 Abbildung 55: Häufigkeitsverteilung der Verkehrsstärke in Abhängigkeit vom Pendlerverkehr. 138 Abbildung 56: Fundmentaldiagramm mit van Aerde-Kurven in Abhängigkeit vom Pendlerverkehr. 139 Abbildung 57: Ausprägung der Kenngrößen in Abhängigkeit vom Wetter. 141 Abbildung 58: Verteilung der Geschwindigkeit in Abhängigkeit vom Wetter. 142 Abbildung 59: Verteilung der Verkehrsstärke in Abhängigkeit vom Wetter. 142 Abbildung 60: Fundmentaldiagramm mit van Aerde-Kurven in Abhängigkeit vom Wetter. 143 Abbildung 61: Vergleich des Fahrzeitindex aller Einflussfaktoren. 144 Abbildung 62: Vergleich des Verspätungsindex aller Einflussfaktoren. 145 Abbildung 63: Vergleich der Verlustzeit aller Einflussfaktoren

16

17 Kurzfassung Kurzfassung In Zeiten von Just-in-Time Logistik gewinnt die Zuverlässigkeit im Verkehrsablauf eine immer größere Bedeutung. Jede nicht kalkulierte Verlängerung der Reise- und Transportzeiten verursacht zusätzliche Betriebs- und Zeitkosten für die Verkehrsteilnehmer und damit Kostensteigerungen für Produkte und Dienstleistungen (WBFV, 2008). In dieser Arbeit wird eine Methode zur Bewertung der Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen unter besonderer Berücksichtigung der Zuverlässigkeit sowie eine Analyse zu Einflussfaktoren auf die Zuverlässigkeit vorgestellt. Diese Bewertungsmethode ermöglicht es, Schwachstellen im Verkehrsnetz zu erkennen und durch einen gezielten Ausbau der gefundenen Schwachstellen die Qualität zu verbessern. In den aktuellen Regelwerken bleibt die Zuverlässigkeit unberücksichtigt. Die Angebotsqualität der RIN (2008) betrachtet den Zeitaufwand und die Direktheit. Störungen sollen beim Zeitaufwand nicht berücksichtigt werden, so dass die Zuverlässigkeit, z. B. als Störungshäufigkeit, nicht bewertet werden kann. Auch bei der Qualitätsbewertung im HBS (2001), die für Autobahnstrecken anhand der Auslastung vorgenommen wird, bleibt die Zuverlässigkeit unberücksichtigt. Um die Zuverlässigkeit im Verkehrsablauf zu beschreiben, wird in der Literatur eine Reihe von verschiedenen Kenngrößen vorgeschlagen. Einigkeit besteht lediglich darin, dass eine einzelne Kenngröße zur Beschreibung der Zuverlässigkeit im Verkehrsablauf nicht ausreicht (LOMAX et al., 2003, VAN LINT et al., 2007, SHRP, 2012). In dieser Arbeit werden zur Beschreibung der Zuverlässigkeit im Verkehrsablauf die Kenngrößen Fahrzeitindex, Verspätungsindex und Verlustzeit verwendet. Um die Zuverlässigkeit mit diesen Kenngrößen zu ermitteln, werden Fahrzeiten benötigt. Bestehende Bewertungsmethoden zur Ermittlung der Qualität des Verkehrsablaufs basieren häufig auf Verkehrsstärken. Auch bei Verfahren, die die Zuverlässigkeit berücksichtigen, werden die Fahrzeiten aus Verkehrsstärken abgeleitet (ZURLINDEN, 2003, BERNARD, 2008). Verkehrsstärkedaten sind umfangreich vorhanden und können kostengünstig erfasst werden. Durch die Verbreitung von Navigationssystemen und Smartphones nimmt die Verfügbarkeit von Fahrzeitdaten im Straßennetz zu. Bisher ist der Zugriff auf diese Daten schwierig, da diese Daten in privater Hand liegen (z. B. bei TomTom, INRIX, Google). Mit der zunehmenden Verfügbarkeit von Fahrzeitdaten können Bewertungsmethoden auf Basis von Fahrzeiten entwickelt werden, die die Zuverlässigkeit berücksichtigen. Gegenstand dieser Arbeit ist eine solche Bewertungsmethode, die auf einer Ganzjahresanalyse der Fahrzeiten im gesamten deutschen Autobahnnetz basiert. Aus der Analyse dieser empirischen Fahrzeitdaten werden für die drei Kenngrößen Fahrzeitindex, Verspätungsindex und Verlustzeit Vorschläge für die Bewertung der Qualität im 13

18 Kurzfassung Verkehrsablauf entwickelt. Analog zum HBS werden sechs Unterteilungen der Qualitätsstufen A bis F vorgeschlagen. Für die Ermittlung der Grenzen der Qualitätsstufen wird eine längenabhängige rationale Funktion verwendet. Die Abhängigkeit der Bewertung von der Länge ergibt sich aus der Vorstellung, dass sich störungsbedingte Verlustzeiten bei kürzeren Entfernungen negativer auf die erreichbare Geschwindigkeit auswirken als bei großen Entfernungen. Bei größeren Entfernungen kann der Zeitverlust möglicherweise kompensiert werden oder ist bezogen auf die längere Fahrzeit relativ unbedeutend. Um eine gute Anpassung der Bewertungskurven an die empirischen Daten zu erhalten, werden drei Schritte durchlaufen. Im ersten Schritt werden die Parameter der Bewertungsfunktion nach einer Zielfunktion optimiert. Die sich dabei gegenüber planerischen Vorstellungen ergebenden Inplausibilitäten werden im zweiten Schritt diskutiert und durch manuelle Anpassungen der Parameter ausgeglichen. Im dritten Schritt werden die Bewertungskurven anhand mehrerer, unabhängiger Datensätzen validiert. Bei der Analyse von Einflussfaktoren auf die Zuverlässigkeit im Verkehrsablauf wird zwischen zeitlich unabhängigen und zeitlich veränderlichen Einflüssen unterschieden. Zeitlich unabhängige Einflüsse sind zum einen Eigenschaften der Infrastruktur (Anzahl der Fahrstreifenreduktionen), zum anderen durchschnittliche Verkehrsgrößen (Fahrstreifenbelastung und Schwerverkehrsanteil). Der Einfluss dieser Größen kann nur analysiert werden, wenn eine große Zahl von Netzabschnitten untersucht wird. Hierzu werden Verkehrsdaten des deutschen Autobahnnetzes verwendet. Bei der Analyse des Einflusses von zeitlichen veränderlichen Größen werden dagegen einzelne Zeitintervalle betrachtet. Dabei werden die Fahrzeiten der Zeitintervalle mit einer bestimmten Ausprägung, z. B. hohe Verkehrsstärke, mit den restlichen Fahrzeiten verglichen. Für diese Analyse wird für jeden Netzabschnitt eine große Anzahl an Fahrzeiten benötigt. Hierzu werden die Verkehrsdaten des Netzabschnitts der BAB A8 von München nach Rosenheim verwendet, für den präzise Einzelfahrzeiten von nahezu allen Fahrzeugen über den Zeitraum von einem Jahr vorliegen. Bei den zeitlich unabhängigen Einflussfaktoren konnte der plausible und in der Planungspraxis bekannte Zusammenhang zwischen der Fahrstreifenbelastung und der Zuverlässigkeit quantifiziert werden. Weiter konnte gezeigt werden, dass sich der erhöhte mittlere Schwerverkehrsanteil und eine Fahrstreifenreduktion negativ auf die Zuverlässigkeit auswirken. Bei den zeitlich veränderlichen Einflussfaktoren haben Unfälle den größten Einfluss auf die Zuverlässigkeit im Verkehrsablauf. In 20 % aller von einem Unfall beeinflusster Zeitintervalle wird eine Verspätung festgestellt. Hohe Verkehrsstärken beeinflussen die Zuverlässigkeit ebenfalls stark negativ. Auch die Verkehrszusammensetzung (Regionalverkehr und Pendlerverkehr) beeinflusst die Zuverlässigkeit. Ein größerer Anteil an Fahrzeugen aus dem regionalen Umfeld des Netzabschnitts verbessert den Verkehrsablauf und damit die Zuverlässigkeit. Aufgrund der Korrelation des Regionalverkehrs zur 14

19 Kurzfassung Verkehrsstärke wird das Fundamentaldiagramm eines Netzabschnitts betrachtet, um so den Einfluss des Regionalverkehrs auf den Verkehrsablauf zu untersuchen. Das abschnittsbezogene Fundamentaldiagramm bietet für den Vergleich von Einflüssen auf den Verkehrsablauf Vorteile gegenüber einer lokalen Analyse. Mit Hilfe der abschnittsweisen Betrachtung können alle Ereignisse (z. B. Unfälle oder Regenereignisse) innerhalb des Abschnitts unabhängig von ihrer exakten räumlichen Lage berücksichtigt werden. Im Fall einer lokalen Betrachtung können nur diejenigen Ereignisse einbezogen werden, die aufgrund ihrer räumlichen Nähe bzw. Ausdehnung den betrachteten Querschnitt tatsächlich beeinflussen. Dadurch ist bei der lokalen Betrachtung die Anzahl der berücksichtigten Ereignisse niedriger und die Zufälligkeit des Auftretens der Ereignisse und deren Überlagerung mit anderen Effekten spielt eine größere Rolle. Es konnte nachgewiesen werden, dass sich mit zunehmendem Anteil des Regionalverkehrs die Kapazität des Netzabschnitts erhöht und Zusammenbrüche erst bei größerer Verkehrsstärke beobachtet werden. 15

20

21 Abstract Abstract In times of just-in-time logistics, reliability gains an increasing importance in traffic flow. Every extra time required for travel and transport causes additional costs of operation for the road users, leading to an increase of the costs of products and services (WBFV, 2008). This thesis describes a method to evaluate the quality of a network section of a motorway, with special emphasis on reliability and it includes an analysis of the impacts on travel time reliability. Applying the evaluation method shortcomings in the road network can be detected and the overall quality of the road network can be improved by projected development. The currently valid German guidelines do not consider travel time reliability. The quality of the transport supply according to the RIN (2008) is determined by duration and directness. Interruptions are not considered and therefore the travel time reliability, e. g. as disturbance frequency, cannot be evaluated. The quality assessment of the HBS (2001), which evaluates motorway roads by their saturation, also does not consider travel time reliability. In the literature several indicators are used to describe travel time reliability. They only agree on the fact that one parameter is not sufficient to define the travel time reliability (LOMAX et al., 2003, VAN LINT et al., 2007, SHRP, 2012). This thesis uses the following statistical parameters to define travel time reliability: travel time index (Fahrzeitindex), delay index (Verspätungsindex) and delay time (Verlustzeit). In order to calculate the reliability, travel times are required. Existing evaluation methods that describe the quality of traffic flow are mainly based on traffic volumes. Methods which consider travel time reliability also use traffic volume data to derive travel times (ZURLINDEN, 2003, BERNARD, 2008). Data of traffic volumes are widely available and the collection of these data can be done at low costs. With the increasing number of navigation systems and smartphones, comprehensive travel time data are already available. However, accessing this data source is still difficult, because it is still mainly owned by private companies (e. g. TomTom, INRIX or Google). With the increasing availability of travel time data, evaluation methods based on these data can be developed in order to consider reliability. The subject of this thesis is an evaluation method based on travel time data of the entire German motorway network over a period of one year. As a result of the analysis of these data, suggestions are made for the evaluation of the quality of traffic flow using the three statistical parameters travel time index, delay index, and delay time. In analogy to the HBS (2001) a classification of six levels of service is suggested. In order to identify the boundaries of the level of service, a length dependent rational function is used. The dependency of the evaluation to the length of a network section results from the idea that for shorter distances, delay times due to disturbances have a higher impact on travel speed than would be the case for longer distances. The delay 17

22 Abstract time for longer distances can be possibly compensated or become negligible due to the longer travel time. Three steps are used to obtain an appropriate adjustment to the evaluation curves from the empirical data. In the first step, the parameters of the evaluation function are optimized using an objective function. Inconsistencies between the resulting parameters of the evaluation function and planning principles are compensated through manual adjustments of the parameters in the second step. The third step covers the validation of the evaluation curves on the basis of several independent data sets. In the analysis of the impacts on the reliability in traffic flow, factors independent from time and factors dependent on time are distinguished. Factors independent from time are defined by the infrastructure (number of lane reductions) and average traffic data (mean volume per lane or mean heavy traffic rate). The impacts of these factors can only be evaluated based on a large number of network sections. Therefore, data from the entire German motorway network are used. The analysis of time dependent factors focuses on single time intervals of one network section. The travel times of these intervals that have a specific characteristic, e. g. high traffic volume, are compared to other travel times. This type of analysis requires a large number of travel times. For this purpose accurate single vehicle travel time measurements are available for the section of Munich to Rosenheim on motorway BAB A8 over a period of one year. The analysis of the factors independent from time revealed the well-known relation between saturation and travel time reliability. Furthermore, it is shown that a higher average heavy traffic rate and a reduction of the number of lanes affects travel time reliability in a negative manner. Taking into consideration all the time dependent factors, accidents have the greatest impact. In 20 % of all time intervals affected by an accident, a delay is detected. High traffic volume also negatively influences the reliability. The composition of traffic (local traffic or commuter traffic) also has an impact on travel time reliability. A higher rate of vehicles from the surrounding area leads to a smoother traffic flow and thereby to an improved travel time reliability. Because of the correlation between the local traffic rate and the traffic volume, the fundamental-diagram is analyzed to show the influence of local traffic on traffic flow. A network section based fundamental-diagram is more suited for the evaluation of the impact of different factors on traffic flow than the cross section fundamental-diagram. All incidents, independent of their specific location on the network sections, can be considered using the network section based fundamental-diagram. In a cross section fundamental-diagram, only the incidents which affect the cross-section can be considered. Thus the amount of incidents which can be considered is smaller in a cross section fundamental-diagram and therefore the random appearance of incidents has a deeper impact on the result. 18

23 Abstract In cases of an increased rate of local traffic, it is shown that the capacity increases and traffic breakdowns occur at a higher volume. 19

24

25 Motivation, Zielsetzung und Aufbau der Arbeit 1 Motivation, Zielsetzung und Aufbau der Arbeit 1.1 Motivation und Zielsetzung Beim Bundesverkehrswegeplan, der Grundlage für die Erhaltung, Entwicklung und Ausbau der Verkehrsinfrastruktur in Deutschland ist, muss der Bund nachweisen, dass ein erwogenes Projekt gesamtwirtschaftlich sinnvoll und notwendig ist (BMVI, 2014). Um die gesamtwirtschaftlichen Kosten einer Straßenverbindung zu evaluieren, muss die Zuverlässigkeit betrachtet werden. In den aktuellen Regelwerken bleibt die Zuverlässigkeit unberücksichtigt. Die Angebotsqualität der RIN (2008) wird durch den Zeitaufwand und die Direktheit ermittelt. Im HBS (2001) wird die Qualitätsbewertung für Autobahnstrecken anhand der Auslastung vorgenommen. In beiden Regelwerken wird dabei nur ein bestimmter Zeitpunkt betrachtet. Zur Berücksichtigung der Zuverlässigkeit sollten viele Zeitpunkte, idealerweise eine Ganzjahresbetrachtung, verwendet werden. Damit lassen sich, wie im Bundesverkehrswegeplan gefordert, die durch Unzuverlässigkeit verursachten volkswirtschaftlichen Kosten in Folge von längeren Fahrzeiten 1 und die damit verbundenen höheren Energie- und Umweltbelastungen berücksichtigen. Für die Berücksichtigung der Zuverlässigkeit werden detaillierte Fahrzeiten über einen längeren Zeitraum benötigt. Durch die Verbreitung von Navigationssystemen und Smartphones sind umfassende Fahrzeitdaten vom gesamten Verkehrsnetz bereits vorhanden (z. B. bei TomTom oder Google). Weiter können mit Verfahren zur raumdiskreten Verfolgung von Fahrzeugen (z. B. Automatic Number Plate Recognition (ANPR), Bluetooth oder Floating Phone Data) Fahrzeiten gezielt erfasst werden. Ziel dieser Arbeit ist es, auf Grundlage von Fahrzeitdaten eine Methode zur Bewertung der Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen unter Berücksichtigung der Zuverlässigkeit zu erstellen. Für die Berücksichtigung der Zuverlässigkeit werden geeignete Kenngrößen ausgewählt, anhand derer Netzabschnitte unterschiedlicher Länge bewertet werden können. Ein weiteres Ziel dieser Arbeit ist, Einflussfaktoren auf die Zuverlässigkeit zu identifizieren. 1.2 Aufbau der Arbeit Nach dem einführenden Kapitel werden im zweiten Kapitel die Begriffe Qualität des Verkehrsablaufs, Zuverlässigkeit und Netzabschnitt erläutert. Ein Überblick über vorhandene Verfahren zur Ermittlung der Kapazität und Fahrzeiten geben die Kapitel 3 1 Der Begriff Fahrzeit wird synonym zum Begriff Fahrtzeit gemäß den Begriffsbestimmungen, Teil: Verkehrsplanung, Straßenentwurf und Straßenbetrieb (FGSV, 2000) verwendet. 21

26 Motivation, Zielsetzung und Aufbau der Arbeit und 4. Bei den Verfahren zur Ermittlung der Kapazität (Kapitel 3) werden das Modell nach van Aerde und die Statistik zensierter Daten vorgestellt, die später bei der Ermittlung der Einflussfaktoren verwendet werden. Die Verfahren zur Ermittlung von Fahrzeiten (Kapitel 4) werden in modellbasierte Verfahren, Verfahren mit raumdiskreter Verfolgung von Fahrzeiten und Verfahren mit raumkontinuierlicher Verfolgung von Fahrzeiten unterteilt. Kapitel 5 gibt eine Übersicht der in der Literatur verwendeten Kenngrößen zur Bewertung der Zuverlässigkeit. Die Kenngrößen werden anhand von exemplarischen Fahrzeitverteilungen miteinander verglichen. In Kapitel 6 werden vorhandene Ansätze, weitere Forschungsprojekte und Anwendungen zur Bewertung des Verkehrsablaufs vorgestellt. Neben den aktuellen Richtlinien HBS und RIN werden zwei weitere Bewertungsmethoden beschrieben, welche die Zuverlässigkeit im Verkehrsablauf abbilden. Weiter werden zwei Forschungsprojekte vorgestellt, die ausgehend von den aktuellen Richtlinien weiterführende Empfehlungen zur Bewertung des Verkehrsablaufs geben. Abschließend werden einige praktische Anwendungen zur Bewertungen der Qualität des Verkehrsablaufs präsentiert. Die empirischen Verkehrsdaten, die die Grundlage für die Bewertungsmethode bilden und mit denen die Analyse der Einflussfaktoren durchgeführt wird, werden in Kapitel 7 vorgestellt. Im Kapitel 8 wird die Entwicklung der Bewertungsmethode dokumentiert. Aus den Kenngrößen zur Bewertung der Zuverlässigkeit werden drei geeignete Kenngrößen ausgewählt, die bei der Bewertungsmethode verwendet werden. Für diese Kenngrößen werden in Kapitel 8.2 Bewertungskurven entwickelt. Anschließend werden die Bewertungskurven für die einzelnen Kenngrößen gezeigt und mithilfe von unabhängigen Verkehrsdaten validiert. Die Analyse der Einflussfaktoren auf die Zuverlässigkeit wird in Kapitel 9 behandelt. Es wird zwischen zeitlich unabhängigen und zeitlich veränderlichen Einflüssen unterschieden. Als zeitlich unabhängige Einflussfaktoren werden die Fahrstreifenbelastung (DTV pro Fahrstreifen), der mittlere Schwerverkehrsanteil und die Anzahl der Fahrstreifenreduktionen betrachtet. Bei den zeitlich veränderlichen Faktoren wird der Einfluss der Belastung (Verkehrsstärke), von Unfällen, der Verkehrszusammensetzung und des Wetters auf die Zuverlässigkeit untersucht. In dieser Arbeit werden in den Abbildungen anstelle der Fahrzeit jeweils die Geschwindigkeit dargestellt, die sich mithilfe der Länge berechnen lässt. Geschwindigkeiten lassen sich leichter interpretieren und mit Geschwindigkeiten können unterschiedlich lange Abschnitte direkt miteinander verglichen werden. 22

27 Begriffserläuterung 2 Begriffserläuterung 2.1 Qualität des Verkehrsablaufs Die Qualität wird allgemein durch ein oder mehrere Kriterien definiert. Wichtige Qualitätskriterien im Straßenverkehr sind der Zeitaufwand, die Sicherheit, die Kosten, die Zuverlässigkeit oder Planbarkeit einer Ortveränderung sowie die Beschaffenheit der Straße (Ausbaustand). In dieser Arbeit wird die Qualität des Verkehrsablaufs nur im Hinblick auf den Zeitaufwand und die Zuverlässigkeit untersucht. 2.2 Zuverlässigkeit Die Zuverlässigkeit gibt im Allgemeinen die Verlässlichkeit eines Produkts oder System wieder. Eine Definition für die technische Zuverlässigkeit findet sich in DIN 40041: : Beschaffenheit einer Einheit bezüglich ihrer Eignung, während oder nach vorgegebenen Zeitspannen bei vorgegebenen Anwendungsbedingungen die Zuverlässigkeitsforderung zu erfüllen. In der vorliegenden Untersuchung ist die Einheit, für die die Zuverlässigkeit betrachtet wird, der Verkehrsablauf eines Netzabschnitts. Da der Verkehrsablauf eines Netzabschnitts in dieser Arbeit anhand von Fahrzeiten bewertet wird, wird die Zuverlässigkeit von Fahrzeiten (engl. travel time reliability) auf Netzabschnitten untersucht. In der Literatur gibt es für die Zuverlässigkeit von Fahrzeiten unterschiedliche Definitionen: SIGNIFICANCE et al. (2012) stellen fest, dass es bei der Unzuverlässigkeit von Reisezeiten um die Variabilität dieser Zeiten geht. In der Definition des Wissenschaftlichen Beirats für Verkehr (WBFV, 2008) für Zuverlässigkeit wird jedoch auch eine Mindestqualität erwartet: Unter der Zuverlässigkeit ist jene Wahrscheinlichkeit zu verstehen, mit der das betrachtete Verkehrssystem oder eine Teilkomponente eine definierte Mindestqualität gewährleistet. Um den verschiedenen Aspekten der Zuverlässigkeit gerecht zu werden, wird unter der Zuverlässigkeit im Verkehrsablauf eines Netzabschnitts verstanden, dass die Fahrzeiten eine geringe Variabilität haben, eine Mindestqualität (Soll-Fahrzeit) häufig erreicht wird und die Zeitverluste gering sind. 23

28 Begriffserläuterung 2.3 Netzabschnitt In den Begriffsbestimmungen der FGSV (2000, Seite 95) wird ein Netzabschnitt als Teil eines Verkehrsweges zwischen zwei Knotenpunkten, in denen dieser mit anderen Verkehrswegen der gleichen oder einer höheren Verbindungsfunktionsstufe verknüpft wird, definiert. In dieser Arbeit werden ausschließlich Netzabschnitte auf Autobahnen betrachtet. Damit endet ein Netzabschnitt auch dann, wenn eine Autobahn in einen anderen Straßentyp übergeht. Netzabschnitte haben einen Richtungsbezug. Die unterschiedlichen Fahrtrichtungen zwischen zwei zentralen Knotenpunkten werden unabhängig voneinander bewertet. Abbildung 1 zeigt exemplarisch den Verlauf von Netzabschnitten unterschiedlicher Verbindungsfunktionsstufe. I II I I II I Knoten Strecken Netzabschnitt I II VFS I VFS I VFS I VFS II VFS II VFS II Abbildung 1: Beispiel Netzabschnitt. 24

29 Verfahren zur Ermittlung der Kapazität 3 Verfahren zur Ermittlung der Kapazität Viele Bewertungsmethoden basieren auf einer vorgegebenen Kapazität. Die Bewertung des Verkehrsablaufs auf Autobahnabschnitten und Knoten erfolgt im Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS, 2001) auf Basis des Auslastungsgrades. Neben der Bemessungsverkehrsstärke ist die Kapazität die zweite Eingangsgröße für die Auslastung und damit eine entscheidende Größe für die Bewertung. Eine Definition der Kapazität liefern die Begriffsbestimmungen der FGSV (2000, Seite 57): Größte Verkehrsstärke, die ein Verkehrsstrom bei gegebenen Weg- und Verkehrsbedingungen an dem für ihn bestimmten Querschnitt erreichen kann. Mit dieser Definition wird deutlich, dass die Kapazität eines Querschnitts vom Zustand des Verkehrsangebots (Wegbedingung) und von der Ausprägung der Verkehrsnachfrage (Verkehrsbedingung) abhängt. Wesentliche Einflussfaktoren sind dabei die Fahrstreifenanzahl, die Fahrstreifenbreite, der Schwerverkehrsanteil, der Anteil ortskundiger Verkehrsteilnehmer, die Längsneigung, Witterungsbedingungen oder Helligkeitsverhältnisse. Weiter zeigen Untersuchungen, dass die Kapazität auch vom Verkehrszustand abhängt. BANKS (1991) wies nach, dass der maximale Abfluss (= Kapazität) bei Stau geringer ist als die Kapazität bei freiem Verkehr. Die Verminderung der Kapazität im gestauten Zustand wird als capacity-drop bezeichnet. Es gibt verschiedene Verfahren, die die Kapazität für eine Strecke bestimmen. Die Verfahren können in zwei Gruppen eingeteilt werden: deterministische und stochastische Kapazitätsmodelle. Die deterministischen Verfahren gehen von einem konstanten Wert der Kapazität bei gegebenen Bedingungen aus. Untersuchungen der vergangenen 20 Jahre (z. B. MINDERHOUD et al., 1996) fassen die Kapazität als Verteilungsfunktion auf. Die Vorstellung einer stochastischen Kapazität basiert auf Beobachtungen, dass der Verkehr unter gleichen Umfeldbedingungen bei verschiedenen Verkehrsstärken zusammenbrechen kann. In diesem Kapitel wird ein deterministisches und ein stochastisches Verfahren zur Ermittlung der Kapazität vorgestellt. Für weitere Verfahren zur Beschreibung der Kapazität wird auf BRILON und ZURLINDEN (2003) oder REGLER (2004) verwiesen. Die Verfahren nach van Aerde (Kapitel 3.1) und der Statistik zensierter Daten (Kapitel 3.2) werden in Kapitel 9 zur Veranschaulichung der Einflussfaktoren auf die Qualität verwendet. 25

30 Verfahren zur Ermittlung der Kapazität 3.1 Van Aerde - Modell Das Verkehrsmodell von VAN AERDE (1995) beschreibt alle auftretenden Zustände im Fundamentaldiagramm mit einer durchgehenden Kurve. Das Modell ist ein stationäres Fahrzeugfolgemodell, bei dem die Geschwindigkeit aller Fahrzeuge gleich ist. Der Abstand zweier Fahrzeuge berechnet sich aus der Summe eines konstanten Terms, eines Terms, der von der Differenz zwischen aktueller und freier Geschwindigkeit abhängt, und eines Terms, der linear zur Geschwindigkeit ist. Aus dem Abstand der Fahrzeuge kann direkt die Verkehrsdichte ermittelt werden, woraus sich folgender Zusammenhang zwischen Verkehrsdichte und Geschwindigkeit ergibt: 𝑘(𝑣) = 1 𝑐2 𝑐1 + + 𝑐3 𝑣 𝑣0 𝑣 mit 𝑘 Verkehrsdichte [Fzg/km] 𝑣 Geschwindigkeit [km/h] 𝑣0 freie Geschwindigkeit [km/h] 𝑐1 Parameter zum konstanten Fahrzeugabstand [km/fzg] 𝑐2 Parameter zur Differenz zur freien Geschwindigkeit [km²/(h*fzg)] 𝑐3 Parameter zur Geschwindigkeit [1/(h*Fzg)] 180 Zeitintervalle (n= ) van Aerde 160 v0 = 142 km/h Geschwindigkeit [km/h] C = Fzg/h Abbildung 2: Verkehrsstärke [Fzg/h] Van Aerde Modell zur Beschreibung des Fundamentaldiagramms.

31 Verfahren zur Ermittlung der Kapazität Mit Hilfe der Fundamentalbeziehung q = k v kann der Zusammenhang zwischen Geschwindigkeit (v) und Verkehrsstärke (q) beschrieben werden. Die Kapazität des Modells ist der maximal erreichbare Wert der Verkehrsstärke. Ein Beispiel hierfür ist in Abbildung 2 gegeben. In dem Beispiel wird gezeigt, wie die freie Geschwindigkeit v 0 und die Kapazität C an der Modellkurve abgelesen werden können. Für ein abgesichertes Ergebnis sind viele Verkehrsdaten im Bereich der Kapazität notwendig. Die Kapazitäten der Neufassung des Handbuchs für die Bemessung von Straßenverkehrsanlagen (HBS) basieren auf diesem Modell (BRILON und GEISTEFELDT, 2010). Um die drei Parameter aus empirischen Verkehrsdaten abzuleiten, wird für alle Modelle in dieser Arbeit eine nichtlineare Regression in der k-v Ebene durchgeführt. Wie bei REGLER (2004, Seite 51) werden alle Zeitintervalle in Verkehrsdichteklassen von 2 Fzg/km eingeteilt und der Median der Verkehrsdichteklassen für die Parameterschätzung verwendet. Im Gegensatz zu REGLER (2004) wird anstatt des Mittelwerts der Median verwendet, da beim Median Extremwerte nicht berücksichtigt werden. Extremwerte können in Folge von instationären Zeitintervallen auftreten. In Abbildung 3 sind die Medianwerte für die Verkehrsdichteklassen dargestellt, anhand derer die Parameterschätzung durchgeführt wird. Bei kleinen Verkehrsdichten (0-20 Fzg/km) kann mit abnehmender Verkehrsdichte die Median-Geschwindigkeit abnehmen. Durch den freien Verkehrsfluss kann jeder Fahrzeugführer seine Geschwindigkeit frei wählen. Allerdings treten geringe Verkehrsdichten häufig in den Nachtstunden auf, in denen der Lkw-Anteil sehr hoch ist. Das führt zu Zeitintervallen mit geringer Dichte und vergleichsweise geringer Geschwindigkeit. Diese niedrigen Geschwindigkeiten werden in der Parameterschätzung nicht berücksichtigt. Eine Korrektur wird bei den Median-Geschwindigkeiten von kleinen Verkehrsdichteklassen immer dann vorgenommen, wenn die Median- Geschwindigkeit einer kleineren Verkehrsdichteklasse gegenüber einer größeren Verkehrsdichteklasse abnimmt. Die Median-Geschwindigkeit der kleineren Verkehrsdichteklasse wird dann auf die Median-Geschwindigkeit der nächstgrößeren Verkehrsdichteklasse gesetzt. In Abbildung 3 ist diese Korrektur im Bereich der Verkehrsdichte 0-20 Fzg/km zu erkennen. Die Median-Geschwindigkeit dieser Verkehrsdichteklassen bleibt konstant bei ca. 140 km/h. 27

32 Verfahren zur Ermittlung der Kapazität alle Zeitintervalle (n= ) Median eines k-intervalls (n=109) Ergebnis der Parameterschätzung Verkehrsdichte [Fzg/km] Geschwindigkeit [km/h] Abbildung 3: Parameterschätzung anhand des van Aerde Modells in der k-v Ebene. Das Verfahren kann zur Berücksichtigung des capacity-drop erweitert werden (vgl. PONZLET, 1996). Dadurch, dass der Abfluss nach dem Zusammenbruch geringer als vor dem Zusammenbruch ist, werden für den Bereich vor dem Zusammenbruch und nach dem Zusammenbruch zwei getrennte Kurven mit unterschiedlichen Kapazitäten ermittelt. Als Zusammenbruch muss eine feste Geschwindigkeit vorgegeben werden, welche die beiden Bereiche voneinander trennt. Durch die unterschiedlichen Kapazitäten vor und nach dem Zusammenbruch an dieser Geschwindigkeit ist der Kurvenverlauf nicht mehr zusammenhängend. Das erweiterte Verfahren wurde auch im Rahmen dieser Arbeit getestet, jedoch ergaben sich geringe Änderungen im Vergleich zum ursprünglichen Verfahren, weswegen im Folgenden auf das erweiterte Verfahren verzichtet wird. Der Vorteil des van Aerde Modells ist, dass es mit einer durchgängigen Kurve alle Verkehrszustände beschreibt und die Kapazität direkt abgelesen werden kann. Nachteil dieser Methode ist, dass die Streuung der Verkehrsstärken im Bereich der Kapazität nicht abgebildet wird. Im Beispiel in Abbildung 2 wird deutlich, dass häufig höhere Verkehrsstärken als die Kapazität erreicht werden. Im nächsten Kapitel wird ein stochastisches Verfahren vorgestellt, welches die Kapazität als Verteilung betrachtet und damit die Streuung von Verkehrsstärken im Bereich der Kapazität berücksichtigt. 28

33 Verfahren zur Ermittlung der Kapazität 3.2 Statistik zensierter Daten Im Gegensatz zu den Verfahren von van Aerde (Kapitel 3.1) gibt die Statistik zensierter Daten keinen festen Wert für die Kapazität zurück. Die Kapazität wird als Zufallsgröße aufgefasst, die von verschiedenen Faktoren, z. B. der Wettersituation oder der Verkehrszusammensetzung, abhängt. Ausgabewert für die Kapazität bildet eine Verteilungsfunktion, die bei gegebener Verkehrsstärke die Wahrscheinlichkeit eines Zusammenbruchs liefert. Das Verfahren basiert auf der Annahme, dass die Verkehrsstärke nie größer als die Kapazität sein kann. Erreicht die Verkehrsstärke die Kapazität, bricht der Verkehr zusammen. Die Verkehrsstärke beim Verkehrszusammenbruch ist abhängig von äußeren Bedingungen (z. B. Schwerverkehrsanteil, Wetter oder Verkehrszusammensetzung). Jedoch unterscheidet sich die Verkehrsstärke zum Zeitpunkt des Zusammenbruchs auch bei gleichen äußeren Bedingungen (MINDERHOUD et al., 1996, LORENZ und ELEFTERIADOU, 2000). Aufgrund des individuellen Verhaltens der Fahrer ist der Zusammenbruch ein weitgehend zufälliges Ereignis. Der Zusammenbruch des Verkehrsflusses führt zu einem Abfall der Geschwindigkeit. Dieser Geschwindigkeitsabfall kann gemessen werden und damit die maximale Verkehrsstärke vor dem Zusammenbruch, welche der Kapazität entspricht. Hierfür ist es notwendig, dass kleine Zeitintervalle betrachtet werden, da die Zusammenbrüche plötzlich erfolgen. BRILON und ZURLINDEN (2003) verwenden dieses Verfahren für eine Bemessung von Straßenverkehrsanlagen über den Zeitraum von einem ganzen Jahr. Dabei wird eine Reduzierung der Geschwindigkeit auf unter 70 km/h als Zusammenbruch für Autobahnen definiert. GEISTEFELDT (2007) modifizierte diese feste Grenzgeschwindigkeit und ermittelte für jeden Querschnitt anhand des q-v Diagramms eine individuelle Grenzgeschwindigkeit. Darüber hinaus betrachtet GEISTEFELDT für die Identifikation eines Zusammenbruchs vier Zeitintervalle. Ein Zusammenbruch liegt dann vor, wenn die ersten beiden Zeitintervalle vor dem Zusammenbruch über und die beiden folgenden Zeitintervalle unter der Grenzgeschwindigkeit liegen. Zusätzlich muss die mittlere Geschwindigkeit aus den ersten beiden Zeitintervallen (vor dem Zusammenbruch) um 10 km/h größer sein als die mittlere Geschwindigkeit der folgenden beiden Zeitintervalle (nach dem Zusammenbruch). Damit wird sichergestellt, dass kleinere kurzfristige Schwankungen nicht fälschlicherweise als Zusammenbrüche identifiziert werden. Weiter berücksichtigt GEISTEFELDT nur Zusammenbrüche bei größeren Verkehrsstärken, um Zusammenbrüche, die z. B. in Folge von Störfällen auftreten, auszuschließen. Mit Hilfe dieser Zusammenbrüche kann analog zur Theorie der Analyse von Lebenszyklen, auch Product-Limit-Schätzung genannt (KAPLAN und MEIER, 1958), die Verteilungsfunktion der Kapazität ermittelt werden (BRILON und ZURLINDEN, 2003). Bei der Theorie der Analyse von Lebenszyklen werden anhand von beobachteten Lebensdauern die Überlebenswahrscheinlichkeiten (bzw. Sterbewahrscheinlichkeiten) 29

34 Verfahren zur Ermittlung der Kapazität ermittelt. Übertragen auf den Verkehrsfluss wird der Zusammenbruch des Verkehrsablaufs dem Tod eines Individuums gleichgesetzt. Bei der Analyse von Lebenszyklen wird zwischen zensierten und unzensierten Intervallen unterschieden: In unzensierten Intervallen wird die Kapazität erreicht (Intervalle vor dem Zusammenbruch). Das bedeutet, dass darauffolgend ein Verkehrszusammenbruch beobachtet wird. In den zensierten Intervallen wird kein Zusammenbruch beobachtet. Das bedeutet, die Kapazität ist nicht erreicht und daher größer als die Verkehrsstärke in diesen zensierten Intervallen. Jene Intervalle, deren Geschwindigkeit kleiner als die Grenzgeschwindigkeit ist, werden in der Analyse nicht berücksichtigt, da kein Zusammenbruch festgestellt werden kann. Die Verteilungsfunktion berechnet sich wie folgt (BRILON et al., 2005): F c (q) Verteilungsfunktion der Kapazität F c (q) = 1 k i d i k i i:q i q k i d i Anzahl der Intervalle mit einer Verkehrsstärke q q i Anzahl der Zusammenbrüche bei der Verkehrsstärke q i Laut BRILON und ZURLINDEN (2003) kann die Verteilungsfunktion am besten mit der Weibullverteilung beschrieben werden: F(x) = 1 e (x b )a Die Parameter a und b der Weibullverteilung können mithilfe einer Parameterschätzung bestimmt werden. Die Anwendung der Statistik zensierter Daten ist in Abbildung 4 zu sehen. In diesem Beispiel beträgt die Intervalldauer 5 Minuten und die Grenzgeschwindigkeit 80 km/h. Die unzensierten Intervalle (Zeitintervalle (ZI) vor Zusammenbruch) sind markiert. Da es zensierte Intervalle mit größerer Verkehrsstärke als unzensierte gibt, reicht die Product-Limit-Schätzung bis zu einem Wert von 0,1. Der weitere Verlauf der Verteilungsfunktion der Kapazität wird mit Hilfe der Weibullverteilung gebildet. Mit Hilfe der Statistik zensierter Daten lässt sich die Kapazität durch eine Verteilungsfunktion beschreiben. Damit werden Streuungen der Verkehrsstärken im Bereich der Kapazität abgebildet. 30

35 Verfahren zur Ermittlung der Kapazität Geschwindigkeit [km/h] alle Intervalle (n= ) ZI vor Zusammenbruch (n=251) v Grenz =80 km/h Weibull-Verteilung Product-Limit-Schätzung 1 0,8 0,6 0,4 F c (q) 50 0, Verkehrsstärke [Fzg/h] Abbildung 4: Beispiel: Statistik zensierter Daten. 31

36

37 Verfahren zur Ermittlung der Fahrzeit 4 Verfahren zur Ermittlung der Fahrzeit Grundlage für die Ermittlung der Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen sind in dieser Arbeit Fahrzeiten. In diesem Kapitel werden verschiedene Verfahren zur Ermittlung von Fahrzeiten vorgestellt. Es wird zwischen modellbasierten Verfahren und Verfahren, welche die Fahrzeiten aus der raumdiskreten und raumkontinuierlichen Verfolgung von Fahrzeugen ableiten, unterschieden. Bei modellbasierten Verfahren wird die Fahrzeit aus anderen Kenngrößen (lokale Geschwindigkeit und / oder lokale Verkehrsstärke) abgeleitet und somit nicht direkt gemessen. 4.1 Modellbasierte Verfahren Bei modellbasierten Verfahren zur Ermittlung der Fahrzeit wird die Fahrzeit nicht direkt gemessen, sondern aus stationären Detektoren in Kombination mit einem Modell geschätzt. Stationäre Detektoren, welche die Technischen Lieferbedingungen für Streckenstationen (TLS, 2002) erfüllen, können Verkehrsstärken, Geschwindigkeiten und den Belegungsgrad erfassen. Mit Hilfe der Geschwindigkeiten kann die Fahrzeit zwischen zwei Messquerschnitten näherungsweise ermittelt werden, indem die Geschwindigkeiten gemittelt werden. Verbindet man die Daten mit einem Verkehrsmodell, können zwischen den Messquerschnitten Daten zum Verkehrszustand ermittelt werden. Damit sind genauere Aussagen zur Fahrzeit möglich. Es gibt dazu vier Ansätze, die im Folgenden kurz beschrieben werden. Manche dieser Verfahren kommen bei den vorhandenen Ansätzen zur Bewertung des Verkehrsablaufs (Kapitel 5) zum Einsatz. Für weitere Informationen wird auf TREIBER und KESTING (2010) verwiesen. Makroskopisches Verkehrsflussmodell Mikroskopisches Verkehrsflussmodell Umlegungsanpassung Messwertpropagierung Bei makroskopischen Verkehrsflussmodellen werden die Kenngrößen Verkehrsstärke, Geschwindigkeit und Verkehrsdichte im Kollektiv betrachtet. Ein Beispiel für ein makroskopisches Verkehrsflussmodell ist ASDA/FOTO (KERNER et al., 2000). Das individuelle Verhalten der Verkehrsteilnehmer wird bei makroskopischen Verkehrsflussmodellen nicht abgebildet. Mikroskopische Verkehrsflussmodelle (z. B. OLSIM, MAZUR et al., 2005) simulieren die Bewegungen einzelner Fahrzeuge. Bei der Umlegungsanpassung werden Verkehrsumlegungen so angepasst, dass sie den gemessenen Verkehrszuständen entsprechen (z. B. Path Flow Estimatior, BELL und GROSSO, 1998). Der Messwertpropagierung (VORTISCH, 2005) liegt zu Grunde, dass sich die an 33

38 Verfahren zur Ermittlung der Fahrzeit einem Messquerschnitt erfasste Verkehrsstärke aus verschiedenen Strömen zusammensetzt, die sich im Netz verzweigen. 4.2 Raumdiskrete Verfolgung von Fahrzeugen Wird ein Fahrzeug an zwei Punkten im Netz wiedererkannt, kann die Fahrzeit zwischen den beiden Punkten abgeleitet werden. Die Wiedererkennung eines Fahrzeuges beschränkt sich dabei nicht auf das Fahrzeug selbst, sondern kann auch über mitgeführte Geräte (z. B. Mobiltelefon oder Navigationssystem) erfolgen. Welche Route das Fahrzeug zwischen den beiden Orten verwendet hat oder ob der Fahrer die Fahrt zwischenzeitlich unterbrochen hat, kann nicht unmittelbar erfasst werden. Für die Wiedererkennung eines Fahrzeuges gibt es verschiedene Verfahren, welche im Folgenden vorgestellt werden: Fahrzeugsignaturen aus stationären Detektoren Kennzeichenerfassungssysteme (ANPR) Bluetooth Mobilfunk (FPD) Fahrzeugsignaturen aus stationären Detektoren Überfährt ein Fahrzeug eine Induktionsschleife, wird durch die metallischen Komponenten am Fahrzeug in der Induktionsschleife eine Spannung induziert. Die Spannung ändert sich während der Überfahrt des Fahrzeuges. Dieser zeitliche Verlauf der induzierten Spannung wird als Fahrzeugsignatur bezeichnet. Zur Fahrzeitermittlung wird versucht, diese Fahrzeugsignatur an benachbarten Induktionsschleifen wiederzuerkennen, so dass die Fahrzeit berechnet werden kann. Es gibt in der Literatur dazu zwei unterschiedliche Ansätze: Bereits Anfang der 80er Jahre entwickelten BÖHNKE (1980) und PFANNENSTILL (1983) ein Verfahren, um mit Hilfe der Fahrzeugsignatur von Induktionsschleifen Fahrzeugpulks über eine Mustererkennung wiederzuerkennen. Beim Verfahren von MAIER und ROTH (2008) werden Einzelfahrzeuge wiedererkannt. Dabei wird in drei Schritten verfahren: Normierung, damit die Daten unterschiedlicher Detektoren vergleichbar sind Abgleich unterschiedlicher Signaturen anhand ausgewählter Merkmale Zuordnung von Signaturpaaren und Filtern von unplausiblen Paaren Die Qualität der Fahrzeiten wird von der Rate der mit Hilfe der Fahrzeugsignaturen richtig wiedererkannten Einzelfahrzeuge oder Fahrzeugpulks beeinflusst. MAIER und ROTH (2008) geben aus einem innerstädtischen Feldversuch eine Wiedererkennungsrate von 34

39 Verfahren zur Ermittlung der Fahrzeit 12 % bezogen auf alle Fahrzeuge, die beide Messstellen durchfahren, an. Ergebnisse für Autobahnen liegen nicht vor. Die Methode von BÖHNKE (1980) und PFANNENSTILL (1983) wurde in einem Test von HÜLSEMANN et al. (2009) auf Autobahnen überprüft. Es konnten dabei zutreffende Fahrzeiten berechnet werden Kennzeichenerfassungssysteme (ANPR) Bei Kennzeichenerfassungssystemen (Automatic Number Plate Recognition, kurz ANPR) werden die Kennzeichen der Fahrzeuge zur Wiederkennung von Fahrzeugen verwendet. Eine Kamera (Infrarot und / oder Video) erfasst die vorbeifahrenden Fahrzeuge und sendet kontinuierlich Bilder an einen Computer. Eine Software im Computer prüft die Bilder. Wird ein Kennzeichen erkannt, ermittelt ein Algorithmus zur optischen Zeichenerkennung (OCR = Optical Character Recognition) die vollständige Zeichenfolge des Kennzeichens. Über die Zeichensyntax des Kennzeichens kann das Herkunftsland und der Zulassungsbezirk des Fahrzeuges bestimmt werden. Aus Datenschutzgründen wird das Kennzeichen verschlüsselt mit dem Zeitpunkt der Erfassung abgespeichert. Zusätzlich kann das Herkunftsland und Gebiet unverschlüsselt abgespeichert werden. Kennzeichenerfassungssysteme können auf Brückenbauwerken oder Schilderbrücken über der Fahrbahn montiert werden. Je nach Modell des Kennzeichenerfassungssystems können ein oder zwei Fahrstreifen gleichzeitig erfasst werden. Eine Erfassung vom Fahrbahnrand ist auch möglich, jedoch kann hierbei nur ein Fahrstreifen detektiert werden, da durch Abschattung die Fahrzeuge auf den entfernteren Fahrstreifen von Fahrzeugen auf dem nächstliegenden Fahrstreifen nicht vollständig erfasst werden können. Um den Verkehrsfluss nicht zu stören, kann eine Erfassung der Kennzeichen von hinten sinnvoll sein. Durch die Verwendung einer Infrarot-Kamera ist eine Erfassung auch nachts möglich (FRIEDRICH et al., 2009). Mit Kennzeichenerfassungssystemen können über 90 % der Fahrzeuge erfasst werden (FRIEDRICH et al., 2009). Die Erkennungsrate, die Abweichung zwischen erfassten Fahrzeugen und der tatsächlichen Anzahl an Fahrzeugen, hängt von verschiedenen Faktoren ab (z. B. Aufstellposition des Systems, Wetter oder Fahrzeugabstände). Werden ANPR-Systeme an mindestens zwei Messstellen entlang eines Streckenzugs aufgestellt, können durch den Kennzeichenvergleich exakte Fahrzeiten für alle Fahrzeuge bestimmt werden, die an beiden Messstellen korrekt erfasst werden. Als weitere verkehrliche Größen können Durchgangsverkehrsanteile und Verkehrsstärken an den Messquerschnitten erfasst werden. Bei geeigneter Anordnung der Messstellen ist es möglich, das Routenwahlverhalten zu beobachten. Die zeitliche Auflösung der aus Kennzeichen abgeleiteten Fahrzeiten hängt neben der Erkennungsrate von der Durchgangsverkehrsstärke und somit auch vom Abstand zwischen den Messquerschnitten ab. 35

40 Verfahren zur Ermittlung der Fahrzeit Bluetooth Bluetooth dient der Funkvernetzung von mobilen Geräten über kurze Distanz. Will ein mobiles Gerät mit anderen Geräten in Kontakt treten, sendet es vor Aufbau der Datenverbindung fortlaufend seine eindeutige MAC (Media-Access-Control) Adresse (OTTERSTÄTTER, 2013). Beispiel für mobile Geräte im Fahrzeug sind Mobilfunkgeräte mit einer Freisprecheinrichtung. Über die MAC-Adresse können ähnlich wie bei ANPR- Systemen Fahrzeuge an unterschiedlichen Stellen im Netz wiedererkannt werden. Verglichen mit ANPR-Systemen haben Bluetooth-Systeme Vorteile und Nachteile. Die Bluetooth-Systeme sind deutlich preiswerter und es sind weniger Erfassungseinheiten erforderlich. Für die Erfassung des Verkehrs einer Kreuzung können ein oder zwei Geräte genügen. Die Systeme erfordern keine Masten für eine Überkopf-Befestigung. Es genügt, die Geräte in einem vorhandenen Schaltkasten am Straßenrand unterzubringen. Der Nachteil der Fahrzeiterfassung mit Bluetooth-Systemen ist, dass nicht alle Fahrzeuge erfasst werden und möglicherweise manche Fahrzeuge mehrfach erfasst werden, weil mehrere Bluetooth Geräte im Fahrzeug aktiv sind. SPANGLER (2010) gibt für einen Autobahnabschnitt in Nordbayern Detektionsraten von 42 % und Wiedererkennungsraten an benachbarten Querschnitten von 35 % an. Neue Bluetooth-Versionen bieten Energiesparmodi, welche die Reichweite deutlich reduzieren, so dass eine fahrbahnseitige Detektion erschwert wird. Ein weiterer Nachteil ist die nicht exakte Lokalisierung der erfassten Fahrzeuge. ANPR-Systeme ermöglichen eine metergenaue Erfassung des Fahrzeugortes. Bei der Bluetooth Erfassung ist eine Lokalisierung im Bereich von bis zu 50 Metern möglich, was aber für die Fahrzeitermittlung in Autobahnnetzen ausreichend ist Floating Phone Data (FPD) Für den Betrieb eines Mobilfunknetzes ist es notwendig, die ungefähre Position eines Mobilfunkgerätes auch dann zu kennen, wenn der Teilnehmer nicht telefoniert und sich das Gerät im Standby-Modus befindet. Auf Grund der Kenntnis über die Position bieten sich Mobilfunkdaten als Datenquelle für verkehrstechnische und verkehrsplanerische Anwendungen an. Um Mobilfunkdaten zu erfassen, sind sogenannte Network Probes erforderlich. Dabei handelt es sich um spezielle Rechner, die den Datenverkehr in der Nähe der Mobilfunkantennen (Abis-Interface) oder an wenigen zentralen Stellen des Mobilfunknetzes (A-Interface) protokollieren (SCHLAICH, 2010). Daten aus Mobilfunkgeräten werden als Floating Phone Data (FPD) oder als Net-FCD bezeichnet. Bei der FPD-Methode können Trajektorien von Mobilfunkteilnehmern aus den im Mobilfunknetz anfallenden Protokolldaten abgeleitet werden. Art und Umfang der Protokolldaten variieren, je nachdem ob ein Mobiltelefon lediglich im Netz eingebucht ist (Standby-Mode) oder ob gerade eine aktive Gesprächs- oder Datenverbindung besteht (Dedicated-Mode) (SCHLAICH, 2010). 36

41 Verfahren zur Ermittlung der Fahrzeit Beim Standby-Mode wird der Wechsel zwischen zwei Location Areas, die durchschnittlich 269 km² groß sind und aus Funkzellen bestehen (SCHLAICH, 2010), erfasst (Location Area Update). Darüber hinaus gibt es regelmäßige Updates im Abstand von mehreren Stunden (Periodic Location Update). Bei beiden Arten von Updates wird die aktuelle Funkzelle aufgezeichnet. Dies kann sowohl am A- als auch am Abis-Interface protokolliert werden (SCHLAICH et al., 2011). Im Dedicated-Mode werden in sogenannten Measurement Reports alle 480 ms u. a. die Funkstärken zur aktuell verwendeten und bis zu sechs benachbarten Funkzellen sowie die Signallaufzeiten (Timing Advance) erfasst. Diese Daten können nur am Abis- Interface protokolliert werden. Am A-Interface kann dagegen nur der Wechsel von einer in eine andere Funkzelle (Handover) erfasst werden (SCHLAICH, 2010). Die Auswertung der Daten unterscheidet sich je nach Zweck der Untersuchung. Sollen Fahrzeiten im Verkehrsnetz ermittelt werden, dann ist es ausreichend, spezielle Location Area Updates zu betrachten (WÖRNER, 2008). Sind dagegen die gesamten Routen von der Quelle bis zum Ziel von Interesse, können in den Mobilfunkdaten beobachtete Location Area-Folgen mit berechneten Folgen aus einem digitalen Straßennetzmodell verglichen werden. Aus den so ermittelten Routen im Straßennetz lassen sich mit den Zeitstempeln der Location-Area-Updates Zeit-Weg-Trajektorien generieren (SCHLAICH et al., 2011). Die Location-Area-Updates definieren die Stützpunkte der Trajektorien. Verglichen mit Trajektorien aus GPS-Daten weisen FPD-Trajektorien weniger Stützpunkte auf, die zudem durch die Architektur des Mobilfunknetzes vorgegeben sind. FPD- Trajektorien sind deshalb weniger genau als GPS-Trajektorien. 4.3 Raumkontinuierliche Verfolgung von Fahrzeugen Wird die Position eines Fahrzeuges kontinuierlich dokumentiert, kann die Fahrzeit zwischen den dokumentierten Orten berechnet werden Floating Car Data (FCD) Als Floating Car Data (FCD) werden die Daten bezeichnet, die von Fahrzeugen im Straßenverkehr erfasst werden. Im Fahrzeug wird die aktuelle Fahrzeugposition kontinuierlich mit Hilfe von GPS bestimmt, so dass die genaue Zeit-Weg-Trajektorie bekannt ist. Aus dieser Trajektorie können alle relevanten Kenngrößen (Fahrzeit, Geschwindigkeit, Verlustzeit, Anzahl Halte) abgeleitet werden, die für die Qualitätsbeurteilung eines Netzabschnitts erforderlich sind. Die Analyse der Trajektorie kann fahrzeugseitig oder in einer FCD-Zentrale erfolgen. Bei der fahrzeugseitigen Analyse, die nach dem GAT-Standard (GATS = Global Automotive Telematic Standard) erfolgen kann, werden der Zentrale die Daten ereignisorientiert übermittelt. Kriterien für eine 37

42 Verfahren zur Ermittlung der Fahrzeit Datenübertragung sind u. a. der Wechsel der Straßenklasse, die Einfahrt in einen Stau, die Ausfahrt aus einem Stau oder das Passieren einer virtuellen Messstelle (STEINAUER et al., 2006). Um Fahrzeiten mit FCD erfassen zu können, ist eine Fahrzeugflotte erforderlich. Die Aussagekraft der FCD wird maßgebend von der Größe der Flotte bestimmt. OFFERMANN (2001) gibt an, dass für ein Konfidenzniveau von 90 % bei geringen Varianzen der Geschwindigkeit ein Ausrüstungsgrad von etwa 10 % erforderlich ist Floating Smartphone Data Smartphones ermitteln ihre Position überwiegend mit Hilfe des Assisted Global Positioning System (A-GPS). Hierbei wird neben dem normalen GPS auch das Global System for Mobile Communications (GSM) Mobilfunknetz und / oder das Wireless Local Area Network (WLAN) verwendet. Bei GSM wird die Position mithilfe der in der Nähe befindenden Funkmasten bestimmt. Da der Ort der Funkmasten bekannt ist, kann die Position berechnet werden. Je mehr Funkmasten detektiert werden, desto präziser kann die Position bestimmt werden. Die Positionsbestimmung mit WLAN funktioniert ähnlich: Werden ein oder mehrere WLAN Netze, von denen die Position im Netz bekannt ist, detektiert, kann die Position ermittelt werden. Die reine Positionsbestimmung mit GSM oder WLAN ist schneller aber meist ungenauer als mit GPS. Jedoch kann die grob ermittelte Position für eine schnellere Ortung mit GPS verwendet werden (DJUKNIC und RICHTON, 2001). Mit Hilfe der kontinuierlichen Erfassung der Position im Netz können Fahrzeiten wie bei FCD berechnet werden. Die Daten können mithilfe einer Applikation (App) an eine Verkehrszentrale gesendet werden. Google verwendet diese Daten z. B. für die Verkehrslagedarstellung (Google Live Traffic) in Google Maps (GOOGLE, 2009) 4.4 Repräsentative Fahrzeit Für die Ermittlung der Qualität des Verkehrsablaufs auf Netzabschnitten von Autobahnen werden Einzelfahrzeiten nicht direkt verwendet. Deren Variabilität aus Gründen des individuellen Fahrverhaltens der Fahrer soll nicht berücksichtigt werden. Aus diesem Grund werden alle Einzelfahrzeitmessungen zu repräsentativen Fahrzeiten aggregiert. Ein entscheidender Einfluss bildet die Intervallgröße. Entsprechend den Empfehlungen zur zukünftigen Berücksichtigung der Zuverlässigkeit von Fahrzeiten im Highway Capacity Manuel (HCM) werden 15-Minuten Intervalle gebildet (SHRP, 2012). Mit dieser Intervallgröße wird sichergestellt, dass die Variabilität der Fahrzeiten von externen Quellen (z. B. Verkehrsnachfrage, Unfällen, Baustellen, Wetter) erhalten bleibt. TU 38

43 Verfahren zur Ermittlung der Fahrzeit (2008, Seite 96) kam zu dem Ergebnis, dass unterschiedliche Intervalldauern die Variabilität der Fahrzeiten nicht signifikant ändern. Für jedes 15-Minuten Intervall wird aus allen Einzelfahrzeiten eine repräsentative Fahrzeit abgeleitet. Diese Fahrzeit soll eine Pkw Fahrzeit repräsentieren, die bei zügiger, aber nicht rasanter Fahrweise ohne Pause zu erreichen ist. Es ist sicherzustellen, dass Lkw-Fahrzeiten, Fahrzeiten mit Fahrtunterbrechung, Fahrzeiten von trödelnden Verkehrsteilnehmern und sehr schnelle Pkw-Fahrzeiten nicht als repräsentative Fahrzeit herangezogen werden. Im Falle einer Überlastung sollen nicht die Fahrzeiten auf einer schnelleren Alternativroute verwendet werden. Aufgrund dieser Kriterien wird die repräsentative Fahrzeit aus dem 15 %-Perzentil aller Fahrzeiten eines Zeitintervalls bestimmt. Das bedeutet, dass die schnellsten 15 % und die langsamsten 85 % der Fahrzeuge nicht berücksichtigt werden. Das 15 %-Perzentil der Fahrzeit entspricht dem 85 %-Perzentil der Geschwindigkeit. LINAUER (2005) stellt fest, dass das 85 %-Perzentil der Geschwindigkeit für die Schätzung der freien Geschwindigkeit gute Ergebnisse erzielt. Das 85 %- Perzentil der Geschwindigkeit wird als v 85 in einem anderen Zusammenhang auch bei der geometrischen Bemessung von Straßen verwendet (PIETZSCH, 1989). Es ist zu beachten, dass die Anzahl der Fahrzeiten innerhalb eines Zeitintervalls abhängig von der Überprüfungsdauer der Wiedererkennung ist. Es ergeben sich mehr langsame Fahrzeiten, wenn zwischen zwei Messquerschnitten die Wiedererkennung in einem maximalen Zeitfenster von beispielsweise vier anstatt von drei Stunden überprüft wird. Bei mehr langsamen Fahrzeiten verringert sich auch der 15 %-Perzentil Wert der Fahrzeit. Bei ausreichend großem Zeitfenster für die Wiedererkennung ist dieser Einfluss jedoch sehr gering. Bei der Wahl des Perzentilwerts für die repräsentative Fahrzeit muss zudem berücksichtigt werden, dass der Anteil des Schwerverkehrs in den Einzelfahrzeiten größer ist als der tatsächliche Schwerverkehrsanteil am Querschnitt. Das hat zwei Gründe: Zum einen liegt es daran, dass die Fahrtweite des Schwerverkehrs deutlich größer ist als die des Pkw (CLAUSEN und THALLER, 2013, Kapitel 7.2.3). Da eine Einzelfahrzeit nur dann ermittelt werden kann, wenn ein Fahrzeug sowohl am Startquerschnitt als auch am Zielquerschnitt erfasst wird, nimmt mit zunehmendem Messstellenabstand die Wahrscheinlichkeit, einen Pkw an beiden Querschnitten zu detektieren, stärker ab als die Wahrscheinlichkeit, einen Lkw zu detektieren. Zum anderen sind Mehrfacherfassungen bei Lkw wahrscheinlicher als bei Pkw. Durch On-Board Units in Lkws können zusätzliche Bluetooth- oder Mobilfunkgeräte bei der entsprechenden Erhebungsmethode zu Mehrfacherfassung führen. Bei Verwendung von Kennzeichenerfassungssystemen können die Aufschriften an Lkws (z. B. Werbung auf der Plane) fälschlicherweise als Kennzeichen erfasst werden. Eine Mehrfacherfassung eines Fahrzeuges führt zu mehreren ähnlichen Einzelfahrzeiten für ein Fahrzeug. Da der Schwerverkehr in der repräsentativen Fahrzeit nicht berücksichtigt werden soll, bestärkt der größere Anteil von Einzelfahrzeiten des Schwerverkehrs die Forderung, einen 39

44 Verfahren zur Ermittlung der Fahrzeit kleinen Perzentilwert zu wählen, mit dem aus den Einzelfahrzeiten eines Zeitintervalls die repräsentative Fahrzeit ermittelt wird. Es muss unterschieden werden, ob die Zuordnung der Einzelfahrzeuge zu einem 15- Minuten Intervall anhand der Zeiterfassung am Startmessquerschnitt, am Zielquerschnitt oder der gemittelten Erfassungszeit der beiden Messquerschnitte erfolgt. Es ergeben sich unterschiedliche Ergebnisse für die drei Varianten. In dieser Arbeit wird die Zuordnung zum Zeitintervall anhand der Zeiterfassung am Startmessquerschnitt vorgenommen. In diesem Fall werden zum Ende einer Fahrzeitmessung nur noch schnelle Fahrzeiten erfasst. Werden bei einer Tagesmessung einer hinreichend langen Strecke die Messquerschnitte z. B. um 22:00 Uhr abgebaut, werden von den Fahrzeugen, welche um 21:30 Uhr am Startquerschnitt detektiert wurden nur noch diejenigen am Zielquerschnitt erfasst, die eine Fahrzeit von weniger als 30 Minuten haben. Aus diesem Grund dürfen diese Zeitintervalle am Ende der Fahrzeitmessung nicht betrachtet werden. Mit Hilfe von Fahrzeiten wird die Zuverlässigkeit ermittelt. Im folgenden Kapitel werden verschiedene Kenngrößen zur Quantifizierung der Zuverlässigkeit vorgestellt. 40

45 Kenngrößen zur Quantifizierung der Zuverlässigkeit 5 Kenngrößen zur Quantifizierung der Zuverlässigkeit Die Zuverlässigkeit eines Verkehrsweges kann unterschiedlich definiert werden. TU (2008) unterscheidet hierbei vier Arten der Zuverlässigkeit: Die Netzzuverlässigkeit (connectivity reliability) gibt an, mit welcher Wahrscheinlichkeit es für zwei Punkte im Netz mindestens eine Route gibt, die von den Verkehrsteilnehmern genutzt werden kann. Dabei geht es um die Verfügbarkeit von Alternativrouten für den Fall, dass ein oder mehrere Strecken im Netz gesperrt werden müssen (z. B. Überschwemmung oder Vollsperrung aufgrund eines Unfalls). Die Zuverlässigkeit der Kapazität (capacity reliability) gibt an, mit welcher Wahrscheinlichkeit die komplette Kapazität eines Netzelementes zur Verfügung steht bzw. wie häufig und in welchem Umfang es zu Kapazitätsreduktionen kommt. Kapazitätsreduzierungen können in Straßennetzen beispielsweise durch die Sperrung einzelner Fahrstreifen, z. B. durch eine Baustelle oder ein Unfall, oder aufgrund von Schlechtwetterereignissen, z. B. Schneefall, auftreten. Die Zuverlässigkeit des Verkehrsverhaltens (behavioral reliability) beschreibt die Regelmäßigkeit, mit der die Verkehrsteilnehmer ihre Ortsveränderungen (Anzahl, Ziel-, Verkehrsmittel-, Abfahrtszeit- und Routenwahl) durchführen und die Regelmäßigkeit im Fahrverhalten (Nutzung von Zeitlücken, Fahrzeugfolgeabstand). Die Zuverlässigkeit der Fahrzeiten (travel time reliability) wird aus der Verteilung der Fahrzeiten für eine Strecke, einen Netzabschnitt oder eine Quelle-Ziel-Verbindung abgeleitet. In der vorliegenden Untersuchung wird die Zuverlässigkeit nur im Bezug des Verkehrsablaufs eines Netzabschnitts betrachtet. Da der Verkehrsablauf eines Netzabschnitts in dieser Arbeit anhand von Fahrzeiten bewertet wird, wird die Zuverlässigkeit von Fahrzeiten (travel time reliability) auf Netzabschnitten untersucht. Die Zuverlässigkeit im Verkehrsablauf bekommt eine immer bedeutendere Rolle in Verkehrsnetzen. Das niederländische Verkehrsministerium setzt sich mit der im Jahr 2004 veröffentlichten Leitlinie Nota Mobiliteit (NOTA MOBILITEIT, 2004) das Ziel, dass die Reisezeiten zuverlässiger werden. Bis zum Jahr 2020 sollen 95 % der Fahrten in der Hauptverkehrszeit pünktlich das Ziel erreichen. Pünktlich bedeutet in diesem Zusammenhang, dass auf Strecken mit einer Länge von mehr als 50 km die Reisezeit maximal 20 % über der erwarteten Reisezeit liegen darf. Kürzere Strecken sind genau dann pünktlich, wenn die erwartete Reisezeit um weniger als 10 Minuten überschritten wird. Der US-Amerikanische Bundesstaat Washington bietet im Internet eine Plattform an, mit Hilfe derer sich Fahrten so planen lassen, dass eine pünktliche Ankunft wahrscheinlich ist (WSDOT, 2012). Nachdem der Start- und Zielort sowie die gewünschte Ankunftszeit angegeben werden, gibt die Plattform eine zu 95 % zuverlässige Fahrzeit und auch den Abfahrtszeitpunkt an, um das Ziel mit dieser Wahrscheinlichkeit pünktlich zu erreichen. BATES et al. (2001) führten verschiedene Studien zum Verhalten von Autofahrern bezüglich der Zuverlässigkeit durch. Die Bedeutung der Zuverlässigkeit wird mit der Kenngröße Reliability Ratio bewertet, die den Wert der Zuverlässigkeit mit dem Wert der 41

46 Kenngrößen zur Quantifizierung der Zuverlässigkeit Fahrzeit in Bezug setzt. Bei einem Kennwert von 1,5 wird eine Reduktion der Standardabweichung der Fahrzeit um eine Minute durch eine Fahrzeitverlängerung von 1,5 Minuten kompensiert. Eine Verbindung mit einer Fahrzeit von 20 Minuten und 5 Minuten Standardabweichung würde somit von einem Verkehrsteilnehmer identisch bewertet werden wie eine Verbindung mit einer Fahrzeit von 23 Minuten und 3 Minuten Standardabweichung. BATES et al. (2001) geben einen Reliability Ratio von 1,3 für Autofahrer an. In SHRP (2013b, Seite 13) wird der Reliability Ratio im Bereich 0,7 bis 1,5 angegeben. Mit diesen Ergebnissen (Reliability Ratio größer als 1) nehmen Verkehrsteilnehmer eine überproportional längere Fahrzeit zugunsten einer verlässlicheren Fahrzeit in Kauf. In diesem Kapitel werden vorhandene Kenngrößen aus der Literatur vorgestellt, anhand von exemplarischen Pkw-Geschwindigkeitsverteilungen berechnet und untereinander verglichen. Neben den verschieden Kenngrößen erfolgt die Quantifizierung der Zuverlässigkeit für unterschiedliche Zeiträume. Generell kann die Zuverlässigkeit auf beliebige Zeiträume angewandt werden, z. B. für eine Spitzenstunde, für alle Spitzenstunden eines Jahres, für einen ganzen Wochentag oder für alle Zeiträume eines Jahres. Kenngrößen unterschiedlicher Zeiträumen sollten nicht miteinander verglichen werden. VAN LINT et al. (2007) formulieren die Zuverlässigkeit als eine Funktion der Tageszeit. Für jeden einzelnen Wochentag wird die Zuverlässigkeit aus allen Wochentagen eines Jahres abgeleitet. Innerhalb eines Wochentages wird nach den Tageszeiten unterschieden, so dass für alle Tageszeitintervalle der Wochentage (z. B. alle Montage 08:00-08:15 Uhr) die Kenngrößen für die Zuverlässigkeit bestimmt werden. Hingegen wird in SHRP (2012) vorgeschlagen, die Zuverlässigkeit einer Verbindung aus den werktäglichen Spitzenstunden abzuleiten. Das hat den Vorteil, dass sich nur ein Wert für die Kenngröße der Verbindung ergibt, der besser vergleichbar und verständlicher zu vermitteln ist als ein Verlauf der Kenngröße. Auch in dieser Arbeit wird nur ein Wert für die Kenngröße der Verbindung ausgegeben. Dabei werden alle Zeitintervalle berücksichtigt. Die Kenngrößen werden in Abhängigkeit von ihrer Aussagekraft in drei unterschiedliche Kategorien eingeteilt: Kenngrößen, welche die Streuung evaluieren (Kapitel 5.2), Kenngrößen, welche die Ausfallsicherheit betrachten (Kapitel 5.3), und Kenngrößen, welche die Verlustzeit berücksichtigen (Kapitel 5.4). Diese Einteilung findet sich ähnlich auch bei VAN LINT et al. (2007) und LOMAX et al. (2003). Abschließend werden die Kenngrößen anhand von exemplarischen Pkw-Geschwindigkeitsverteilungen miteinander verglichen (Kapitel 5.5). 42

47 Kenngrößen zur Quantifizierung der Zuverlässigkeit 5.1 Soll-Fahrzeit Die meisten Kenngrößen benötigen als Bezugsgröße eine Soll-Fahrzeit. Die Soll- Fahrzeit ist die zu erwartende Fahrzeit bei freiem Verkehr. In der Literatur (KÜHNE, 1991 oder TREIBER und KESTING, 2010) wird hierfür auch der Begriff der Wunschfahrzeit verwendet, d. h. die Fahrzeit, die sich ein Fahrer für eine vorgegebene Verbindung wünscht 2. Die Soll-Fahrzeit berücksichtigt keine zu erwartende Verlustzeit. Es gibt zwei grundlegende Ansätze, um die Soll-Fahrzeit zu ermitteln. Zum einen kann die Soll-Fahrzeit aus einer vorgegebenen, planerisch angemessenen Geschwindigkeit berechnet werden. In den RIN (Kapitel 6.1.2, Seite 54) werden z. B. für verschiedene Straßenkategorien angestrebte Pkw-Fahrgeschwindigkeiten angegeben, aus denen sich eine Soll-Fahrzeit unter Verwendung der Länge berechnen lässt. Der zweite Ansatz ermittelt die Soll-Fahrzeit aus einer erwarteten Fahrzeit. Dabei wird die Soll-Fahrzeit aus einem Perzentil der Fahrzeitverteilung abgeleitet. Dieser Ansatz kann nur verwendet werden, wenn Fahrzeiten vorliegen, und ist daher nicht für eine Planung geeignet. Der Perzentilwert für die Soll-Fahrzeit sollte ausreichend groß gewählt werden, damit sehr schnelle Fahrzeiten, die möglichweise über der Geschwindigkeitsbeschränkung liegen, nicht berücksichtigt werden. Es empfiehlt sich, die Soll-Fahrzeit mit Hilfe einer maximalen Geschwindigkeit, z. B. die Richtgeschwindigkeit auf den deutschen Autobahnen (130 km/h), zu begrenzen. Die Soll-Fahrzeit soll in diesem Fall eine Fahrzeit widerspiegeln, die ein Pkw-Fahrer bei freiem Verkehr und zügiger, aber nicht rasanter Fahrweise erreicht. Beide Ansätze zur Festlegung der Soll-Fahrzeit haben bei der Bewertung des Verkehrsablaufs Nachteile: Für die Kenngrößen, die einen Anteil oberhalb bzw. unterhalb einer Soll-Fahrzeit angeben, kann aus einer erwarteten Fahrzeit (Perzentil-Fahrzeit) keine Soll-Fahrzeit abgeleitet werden, da sich der Anteil direkt aus dem Perzentil ergibt. Wird z. B als Soll-Fahrzeit das 15 %-Perzentil gewählt, sind genau 15 % aller Fahrzeiten kleiner und 85 % der Fahrzeiten größer als die Soll-Fahrzeit. Daraus ergibt sich ein Anteil an Verspätungen von genau 85 %. Bei Vergleichen unterschiedlicher Verbindungen ist es sinnvoll, dieselbe Bezugsgröße, also eine Soll-Fahrzeit aus einer planerischen angemessenen Geschwindigkeit (z. B. 100 km/h), zu verwenden. Das kann aber dazu führen, dass Netzabschnitte mit Geschwindigkeitsbeschränkungen oder entsprechender Topologie schlechter bewertet werden, weil selten schneller als die Soll-Geschwindigkeit gefahren werden darf oder kann und dadurch die Soll-Fahrzeit häufiger unterschritten wird. 2 Aus der Sicht des Fahrers wird eine Wunschgeschwindigkeit angestrebt, welche sich direkt mit Hilfe der Länge der Strecke in eine Wunschfahrzeit umrechnen lässt. 43

48 Kenngrößen zur Quantifizierung der Zuverlässigkeit Für die exemplarischen Pkw-Geschwindigkeitsverteilungen in diesem Kapitel (5.5) wird die Soll-Fahrzeit ausgehend von einer planerisch angemessenen Geschwindigkeit von 80 km/h berechnet. Dieser Wert entspricht der angestrebten Fahrgeschwindigkeit nach RIN für Autobahnen der Verbindungsfunktionsstufe II (siehe Tabelle 3). 5.2 Zuverlässigkeit aus der Streuung der Fahrzeiten Die am häufigsten verwendete Kenngröße zur Beschreibung der Streuung einer allgemeinen Verteilung ist die Standardabweichung (vgl. SIGNIFICANCE et al., 2012). Die Standardabweichung gibt die Streuung ausgehend vom Mittelwert an. Da die Standardabweichung bei einer relativen Zunahme des Mittelwerts steigt, sollte sie durch den Mittelwert geteilt werden. Dieser Wert wird als Variationskoeffizient bezeichnet. Mit Hilfe des Variationskoeffizienten können Netzabschnitte unterschiedlicher Länge miteinander verglichen werden. Variationskoeffizient = 1 I 1 I i=1 t (t i t )² mit I t i t Anzahl der Zeitintervalle Fahrzeit im Zeitintervall i Mittelwert der Fahrzeit In der Literatur wird die Standardabweichung neben dem Variationskoeffizienten in weiteren Versionen verwendet, z. B. das Fahrzeitfenster (Travel Time Window, LOMAX et al., 1997) oder die prozentuale Variation (Percent Variation, LOMAX et al., 2003). Unerwünschte Eigenschaften des Variationskoeffizienten sind, dass sich zum einen schnellere Fahrzeiten genauso auf den Kennwert auswirken wie langsame Fahrzeiten. Als Bezugsgröße wird außerdem der Mittelwert verwendet, der wiederum von den Störungen beeinflusst wird. Weil Fahrzeitverteilungen häufig schief verteilt sind, wird von VAN LINT et al. (2007) empfohlen, die Standardabweichung, und damit auch den Variationskoeffizienten, nicht zu verwenden. Stattdessen schlagen VAN LINT et al. (2007) weitere statistische Kenngrößen vor: Die Kenngröße Schiefe (skew) setzt die Ausdehnung zwischen dem 90 %-Perzentil und 50 %-Perzentil ins Verhältnis zur Ausdehnung zwischen dem 50 %-Perzentil und 10 %-Perzentil. Schiefe = λ skew = T90 T50 T50 T10 mit Ti i %-Perzentil der Fahrzeit 44

49 Kenngrößen zur Quantifizierung der Zuverlässigkeit Je größer die Kenngröße, desto schiefer ist die Verteilung. Bereits LAM und SMALL (2001) hielten die Distanz zwischen dem 90 %-Perzentil und 50 %-Perzentil für einen robusten Indikator für die Zuverlässigkeit. Eine Schiefe größer 1,0 stellt eine linksschiefe Verteilung dar, eine Schiefe kleiner 1,0 eine Rechtsschiefe, was aber in Fahrzeitverteilungen selten zu finden ist. Neben der Schiefe schlagen VAN LINT et al. (2007) vor, die Variation (width) wie folgt zu berücksichtigen: Variation = λ var = T90 T10 T50 Die Variation betrachtet die Breite der Fahrzeitverteilung mithilfe der Differenz zwischen der 10 %-langsamsten und 10 %-schnellsten Fahrzeit. Die Division durch den Median macht die Kennwerte unterschiedlich langer Netzabschnitte vergleichbar. Aus diesen beiden Kenngrößen wird dann ein Unzuverlässigkeitsindex (Unreliabilityindex) abgeleitet: λ var ln (λ skew ) Unzuverlässigkeitsindex = L λ var { L λ skew > 1 λ skew 1 mit L Länge des Netzabschnitts Da die meisten Fahrzeitverteilungen linksschiefe Verteilungen sind (λ skew > 1), wird überwiegend der obere Teil der Gleichung für den Unzuverlässigkeitsindex herangezogen. Im Unzuverlässigkeitsindex hat die Variation eine höhere Gewichtung als die Schiefe. Einfach ausgedrückt entspricht der Unzuverlässigkeitsindex der Variation und einem zusätzlichen Strafwert, je schiefer die Verteilung ist. Rechtsschiefe Verteilungen (λ skew 1) treten in der Regel dann auf, wenn die Medianfahrzeit (T50) deutlich größer als die Fahrzeit im freien Verkehr ist (T10). VAN LINT et al. (2007) betrachten in ihrer Arbeit 5 Minuten Wochenzeitintervalle (z. B. alle Fahrzeiten freitags zwischen 16:30-16:35 Uhr). Bei diesen Fahrzeitenverteilungen sind rechtsschiefe Verteilungen möglich. Hingegen sind die Fahrzeitenverteilungen in dieser Arbeit, bei denen alle Zeitintervallen eines Jahres betrachtet werden, immer linksschiefe Verteilungen. Der Fahrzeitindex, häufig auch Reisezeitindex genannt, bildet sich aus einem oberen Fahrzeitperzentil im Bezug zu einem unteren Perzentil. Das untere Perzentil beschreibt dabei eine Fahrzeit im freien Verkehr und das obere Perzentil in der Regel eine Fahrzeit bei zusammengebrochenem Verkehr. In dieser Arbeit wird als unteres Perzentil das 15 %-Perzentil und als oberes Perzentil das 99 %-Perzentil verwendet. Die Kenngröße gibt damit an, um welchen Faktor sich die Fahrzeit in einem bestimmten Überlastungszustand verlängert. Bezogen auf ein Jahr entspricht das 99 %-Perzentil die 90. schlechteste Stunde des Jahres. 45

50 Kenngrößen zur Quantifizierung der Zuverlässigkeit Fahrzeitindex = T99 T15 ESTEL (2008) verwendet den Fahrzeitindex zur Bewertung des Verkehrsablaufs auf Straßenverkehrsanlagen im Bereich der Überlastung. Dabei beschreibt ESTEL (2008, Seite 57) den Fahrzeitindex als Ausdruck für einen Entscheidungsprozess. Wenn das Ziel zu 99 % pünktlich erreicht werden soll, muss ein Faktor entsprechend des Fahrzeitindex zur freien Fahrt berücksichtigt werden. Ein Beispiel der Anwendung zeigt das Washington State Department of Transportation (WSDOT, 2012) im Internet. Basierend auf dem Fahrzeitindex wird eine 95 % zuverlässige Fahrzeit zwischen zwei Städten zurückgegeben. Die Aussagekraft dieser Kenngröße wurde von LE et al. (2012) verstärkt, indem eine Korrelation des Fahrzeitindex zum Commuter-Pain-Index (Kapitel 6.3.2) nachgewiesen werden konnte. Der Commuter-Pain-Index ist eine Kenngröße aus subjektiven Wahrnehmungen, welche aus Befragungen ermittelt wird. Eine dem Fahrzeitindex ähnliche Kenngröße ist der Zeitpufferindex (Buffer Time Index, PEARCE, 2001; LOMAX et al., 2003). Hinter dem Zeitpufferindex steht der Wunsch, in 95 % der Fälle pünktlich sein Ziel zu erreichen. Der Index berechnet sich aus: mit Zeitpufferindex = T95 t t Ti t i %-Perzentil der Fahrzeit Mittelwert der Fahrzeit Teilweise wird auch die Medianfahrzeit als Bezugsgröße verwendet (SPANGLER, 2009, Seite 9). Die Differenz des 95 %-Perzentil und des Mittelwertes gibt die zusätzliche Zeit an, welche man einplanen muss, um sein Ziel mit 95 % Wahrscheinlichkeit zu erreichen. SHRP (2013a, Seite 122) stellt fest, dass der Zeitpufferindex aufgrund des Mittelwerts als Bezugsgröße ein unstabiler Indikator für die Zuverlässigkeit ist. Gegenüber dem Zeitpufferindex wird der Fahrzeitindex bevorzugt, da der Fahrzeitindex eine Fahrzeit im freien Verkehrsfluss als Bezugsgröße verwendet. Einen anderen Ansatz zur Bewertung der Variabilität beschreiben LOMAX et al. (2003) mit dem Variabilitätsindex, welcher die Variabilität von Haupt- und Nebenfahrzeiten ins Verhältnis setzt. Dadurch lässt sich die allgemeine Zuverlässigkeit eines Netzabschnitts nicht bewerten, sondern nur wie sich die Zuverlässigkeit in der Hauptfahrzeit gegenüber der Nebenzeit verhält. Es kann nicht unterschieden werden, ob ein großer Kennwert aus der großen Differenz in der Hauptfahrzeit und/oder aus einer kleinen Differenz in der Nebenfahrzeit resultiert. 46

51 Kenngrößen zur Quantifizierung der Zuverlässigkeit Variabilitätsindex = T95 HFZ T5 HFZ T95 NFZ T5 NFZ mit Ti HFZ Ti NFZ i % Perzentil aller Fahrzeiten der Hauptfahrzeit i % Perzentil aller Fahrzeiten der Nebenfahrzeit Der Variabilitätsindex wird nicht auf die exemplarischen Pkw-Geschwindigkeitsverteilungen (Kapitel 5.5) angewandt, da hierfür eine Differenzierung der Hauptfahrzeit und Nebenfahrzeit notwendig wäre. Eine solche Zuordnung wurde mit den exemplarischen Pkw-Geschwindigkeitsverteilungen nicht durchgeführt. Alle Kenngrößen aus der Streuung der Fahrzeiten können die ökonomischen Auswirkungen der Überlastung nicht berücksichtigen. Um diesen Aspekt in der Zuverlässigkeit zu berücksichtigen, werden noch weitere Kenngrößen benötigt. 5.3 Zuverlässigkeit aus der Ausfallsicherheit Der Ansatz der Zuverlässigkeit aus der Ausfallsicherheit ist, analog zur technischen Zuverlässigkeit, über den Anteil an Funktionstüchtigkeit definiert. Die Funktion eines Netzabschnitts ist gegeben, wenn eine Soll-Fahrzeit eingehalten wird. Wie bereits in Kapitel 5.1 erwähnt, kann hier kein Perzentilwert als Soll-Fahrzeit herangezogen werden, da sich in diesem Fall der Anteil der Funktionstüchtigkeit direkt aus dem Perzentilwert ergibt. Die Kenngröße Verspätungsindex gibt in einer Prozentzahl an, wie häufig die Soll-Fahrzeit eingehalten werden kann: mit Verspätungsindex = I i=1 V(t i, t soll ), V(t I i, t soll ) = { 1, t i > t soll 0, t i t soll t i Fahrzeit im Intervall i t soll Soll-Fahrzeit I Anzahl aller Zeitintervalle Anders ausgedrückt ist der Verspätungsindex der Perzentilwert, mit dem eine bestimmte Geschwindigkeit erreicht wird. Liegt der Verspätungsindex z. B. bei 2 % mit einer Soll- Fahrzeit, welche aus einer Geschwindigkeit von 80 km/h abgeleitet wird, entspricht das 2 %-Perzentil der Geschwindigkeit 80 km/h. In der Literatur wird diese Kenngröße häufig als Florida Reliability Method (FLORIDA DOT, 2000, LOMAX et al., 2003) bezeichnet. Dabei wird die Soll-Fahrzeit aus der mittleren Fahrzeit plus 5, 10, 15 oder 20 % der mittleren Fahrzeit berechnet. Auch beim niederländischen Verkehrsministerium (NOTA MOBILITEIT, 2004) findet sich als Soll- 47

52 Kenngrößen zur Quantifizierung der Zuverlässigkeit Fahrzeit ein Aufschlag von 20 % zur erwarteten Fahrzeit. Mit dem Aufschlag ergibt sich eine akzeptable Fahrzeit. Es impliziert, dass eine leichte Fahrzeitverlängerung zur erwarteten Fahrzeit nicht als Verspätung angesehen und damit akzeptiert wird. Mit dem Verspätungsindex wird eine bestimmte Mindestqualität sichergestellt (Soll- Fahrzeit). Die Definition der Zuverlässigkeit des Wissenschaftlichen Beirats für Verkehr (WBFV, 2008) beinhaltet diese Gewährleistung einer Mindestqualität. Ein Netzabschnitt mit einer konstanten Fahrzeit unterhalb der Soll-Fahrzeit ist damit unzuverlässig. Es wird darauf hingewiesen, dass in anderen Veröffentlichungen (vgl. SIGNIFICANCE et al., 2012) die Zuverlässigkeit ausschließlich über die Variabilität der Fahrzeiten definiert wird. Nach dieser Definition ist jeder Netzabschnitt mit konstanter Fahrzeit, auch unterhalb der Soll-Fahrzeit, höchst zuverlässig. Der Verspätungsindex unterscheidet nicht in der Schwere der Verspätung. Es macht keinen Unterschied, ob die Soll-Fahrzeit knapp überschritten wird, oder ein Verkehrsstillstand vorliegt. Diesen Aspekt berücksichtigen die Kenngrößen aus der Verlustzeit, welche im Folgenden vorgestellt werden. 5.4 Zuverlässigkeit aus der Verlustzeit Die Verlustzeit ist eine Kenngröße, die alle Überlastungssituationen in ihrer Schwere mitberücksichtigt. Für jedes Zeitintervall werden die Verluste anhand der Fahrzeitdifferenz zur Soll-Fahrzeit berechnet. Die Summe über alle Zeitintervalle liefert die Gesamtverlustzeit. Liegen zusätzlich Nachfragewerte vor, kann die ökonomische Auswirkung der Überlastung durch Gewichtung der Verlustzeit mit der Nachfrage ermittelt werden. mit t i Fahrzeit im Intervall i t soll Soll-Fahrzeit L I Länge des Netzabschnitts Anzahl der Zeitintervalle Verlustzeit = I i=1 { t i t soll t i > t soll 0 t i t soll I L In Zeitintervallen, in denen keine Verlustzeit entsteht, da die Fahrzeit kleiner als der Soll- Fahrzeit ist, darf keine negative Verlustzeit in die Summenbildung einfließen. Ein unterschreiten der Soll-Fahrzeit darf nicht zur Kompensation von Verlusten verwendet werden. Damit die Kenngrößen der Verlustzeit für verschiedene Netzabschnitte und unterschiedliche Zeiträume in Bezug zueinander gesetzt werden können, sollte eine mittlere 48

53 Kenngrößen zur Quantifizierung der Zuverlässigkeit Verlustzeit in Bezug auf die Netzabschnittslänge verwendet werden. Das bedeutet, dass sich die Kenngröße aus dem Mittelwert der Verlustzeiten der einzelnen Zeitintervalle dividiert durch die Länge berechnet. Die Einheit der Kenngröße ist dann Sekunden pro Kilometer. Die Kenngröße Verlustzeit stellt einen Zusammenhang zur Geschwindigkeit dar: Je langsamer die Geschwindigkeit, desto größer ist der Kennwert und damit die Unzuverlässigkeit. Die Verlustzeit beschreibt die Auswirkungen aller Überlastungssituationen, jedoch gibt die Kenngröße nicht die Häufigkeit und die Variabilität des Ausmaßes der Überlastungen wieder. Aus der Kenngröße kann nicht entnommen werden, ob viele kleine Überlastungen oder wenige starke Überlastungen auftreten. Auch der Misery Index (LOMAX et al., 2003) berücksichtigt die Verlustzeit. Die Kenngröße fasst die langsamsten 20 % Fahrzeiten zusammen und vergleicht sie mit dem Mittelwert: mit Misery Index = t 20% t t t 20% mittlere Fahrzeit der 20 % langsamsten Fahrzeiten t mittlere Fahrzeit Einfach ausgedrückt beschreibt der Misery Index die mittlere Verlustzeit, welche bei schlechtem Verkehrszustand entsteht. Nachteilig bei dieser Kenngröße ist der Bezug zum Mittelwert. 5.5 Anwendung der unterschiedlichen Kenngrößen Anhand von vier exemplarischen Pkw-Geschwindigkeitsverteilungen (Abbildung 5) werden die einzelnen Kenngrößen miteinander verglichen. Die Verteilungen sind an realen Verteilungen angelehnt, aber für die Interpretation der Kenngrößen idealisiert. Die sogenannte normale Verteilung (1) entspricht keiner statistischen Normalverteilung, sondern besitzt eine Schiefe zu langsameren Geschwindigkeiten (VAN LINT et al., 2007). Bei der zweiten exemplarischen Pkw-Geschwindigkeitsverteilung, der linksschiefen Verteilung (2), ist diese Schiefe stärker als bei der normalen Verteilung (1) ausgeprägt. Dadurch wird die Verteilung breiter. Mit dieser Verteilung soll gezeigt werden, wie sich eine breitere Fahrzeitverteilung auf die Kenngrößen ausprägt. Die Verteilung mit höherer Geschwindigkeit (3) kennzeichnet, dass jede Geschwindigkeit um 10 km/h schneller ist als die der normalen Verteilung (1). Die vierte Verteilung, die Verteilung mit Stauanteilen (4), besitzt einen ähnlichen Verlauf wie die normale Verteilung (1), jedoch gibt es zusätzliche Anteile im Bereich km/h. Mit dieser Verteilung soll gezeigt werden, wie sich häufige Staus auf die Kenngrößen auswirken. 49

54 Kenngrößen zur Quantifizierung der Zuverlässigkeit Im freien Verkehrsfluss variieren die Pkw-Geschwindigkeiten deutlich geringer als im gestauten Verkehr. Die angewandten Kenngrößen der vier Verteilungen sind aus Tabelle 1 zu entnehmen und sind für einen besseren Vergleich in Abbildung 6 visuell dargestellt. In der Tabelle sind neben den Kennwerten auch der Mittelwert, verschiedene Perzentile und der Mittelwert der 20 % langsamsten Geschwindigkeiten dargestellt. Diese Werte werden für die Berechnung der Kennwerte benötigt. Abbildung 6 gibt für jede Kenngröße einen relativen Wert zurück. Die Verteilung mit dem größten Wert einer Kenngröße wird zu 100 % gesetzt. Damit lassen sich die Kennwerte der vier Verteilungen für jede Kenngröße direkt vergleichen. prozentuale Häufigkeit [%] normale Verteilung (1) linksschiefe Verteilung (2) Verteilung mit höherer Geschwindigkeit (3) Verteilung mit Stauanteilen (4) v soll =80km/h Geschwindigkeit [km/h] Abbildung 5: Exemplarische Pkw-Geschwindigkeitsverteilungen. 50

55 Kenngrößen zur Quantifizierung der Zuverlässigkeit Kenngröße Einheit Normale Verteilung (1) Linksschiefe Verteilung (2) Verteilung mit höherer Geschwindigkeit (3) Verteilung mit Stauanteilen (4) Variationskoeffizient [-] 0,09 0,17 0,08 0,31 Schiefe [-] 1,86 2,14 1,82 1,83 Variation [-] 0,22 0,40 0,20 0,25 Unzuverlässigkeitsindex [1/km] 0,01 0,03 0,01 0,01 Fahrzeitindex [-] 1,41 1,87 1,36 3,03 Zeitpufferindex [-] 0,18 0,31 0,16 0,18 Verspätungsindex [%] 4,20 27,35 0,37 7,73 Verlustzeit [s/km] 0,02 0,32 0,00 0,38 Misery Index [-] 0,14 0,27 0,13 0,35 Mittelwertk [km/h] %-Perzentil Geschwindigkeit [km/h] %-Perzentil Geschwindigkeit [km/h] %-Perzentil Geschwindigkeit [km/h] %-Perzentil Geschwindigkeit [km/h] %-Perzentil Geschwindigkeit [km/h] %-Perzentil Geschwindigkeit [km/h] Mittelwert der 20 % langsamsten Fahrzeiten [km/h] Tabelle 1: Übersicht der Kenngrößen und Perzentile für die exemplarischen Pkw- Geschwindigkeitsverteilungen. Anhand Tabelle 1 und Abbildung 6 zeigt sich, dass die verschiedenen Kenngrößen die Verteilungen unterschiedlich bewerten. Selbst innerhalb der Gruppe der Kenngrößen, welche die Streuung der Fahrzeiten berücksichtigen, ergeben sich unterschiedliche Verhältnisse der Kennwerte. Die Kenngrößen Schiefe, Variation, Unzuverlässigkeitsindex und Zeitpufferindex bewerten die linksschiefe Verteilung (2) am unzuverlässigsten (größter Wert). Bei den Kenngrößen Variationskoeffizient und Fahrzeitindex wird dagegen die Verteilung mit Stauanteilen (4) am unzuverlässigsten bewertet. Die Unterschiede zwischen den Kennwerten erklären sich aus der Wahl des Perzentilwerts (vgl. Kapitel 5.2). Der Fahrzeitindex berücksichtigt deutlich langsamere Fahrzeiten (99 %- Perzentil) als der Zeitpufferindex (95 %-Perzentil). Auch die Kenngrößen von VAN LINT (Schiefe, Variation und Unzuverlässigkeitsindex) berücksichtigen sehr langsame Fahrzeiten nicht (90 %-Perzentil), weshalb die Verteilung mit Stauanteilen (4) kaum schlechter als die normale Verteilung (1) bewertet wird. Das liegt daran, dass die Häufigkeit der Stauanteile (30-40 km/h) in dieser Verteilung (4) kleiner als 5 % ist. Es zeigt sich also, dass die Wahl des Perzentilwerts einen großen Einfluss auf die Kenngröße hat. Würde z. B. für die Kenngröße Zeitpufferindex anstatt des 90 %-Perzentils wie beim Fahrzeitindex das 99 %-Perzentil verwendet werden, ergäben sich sehr ähnliche relative Kennwerte zum Fahrzeitindex. 51

56 Kenngrößen zur Quantifizierung der Zuverlässigkeit normale Verteilung (1) linksschiefe Verteilung (2) Verteilung mit höherer Geschwindigkeit (3) Verteilung mit Stauanteilen (4) Variationskoeffizient [-] Schiefe [-] Variation [-] Unzuverlässigkeitsindex [1/km] Fahrzeitindex [-] Zeitpufferindex [-] Verspätungsindex [%] Verlustzeit [s/km] Misery Index [-] rel. Wert der Kenngröße [%] Abbildung 6: Vergleich der Kennwerte der exemplarischen Pkw- Geschwindigkeitsverteilungen. Für die Kenngröße Verspätungsindex ergibt sich der größte Wert, also die meisten Verspätungen, für die linksschiefe Verteilung (2). Bei dieser Verteilung wird die Soll- Fahrzeit am häufigsten unterschritten. Die Kenngrößen Verlustzeit und Misery Index berücksichtigen die Schwere der Verspätung, weshalb die Verteilung mit Stauanteilen (4) bei diesen Kenngrößen als am unzuverlässigsten bewertet wird, da in dieser Verteilung viele sehr langsame Geschwindigkeiten vorkommen. Bei der Verlustzeit und dem Misery Index kann kein signifikanter Unterschied zwischen der normalen Verteilung (1) und der Verteilung mit höherer Geschwindigkeit (3) festgestellt werden. Der Vergleich der Kenngrößen zeigt, dass für die Bewertung der Zuverlässigkeit mehr als eine Kenngröße erforderlich sind. Die für die Arbeit ausgewählten Kenngrößen werden in Kapitel 8.1 vorgestellt. 52

57 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen 6 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Verfahren zur Bewertung des Verkehrsablaufs haben das Ziel, die Funktion einer Verkehrsanlage oder eines Verkehrsnetzes zu überprüfen und somit sicherzustellen. Grundlage hierfür sind Verkehrsdaten, mit denen der Verkehrsablauf interpretiert werden kann. Durch technische Entwicklungen sind immer mehr Verkehrsdaten verfügbar, mit Hilfe derer eine Bewertung durchgeführt werden kann. Im Zuge dieser Entwicklungen entwickeln sich auch die Verfahren zur Bewertung des Verkehrsablaufs weiter. Aber nicht nur die Art der Verkehrsdaten beeinflussen die Methodik zur Bewertung des Verkehrsflusses. Auch unabhängig von den Verkehrsdaten werden neue Ansätze zur Bewertung erforscht. In diesem Kapitel werden vorhandene Ansätze sowie neue Forschungsprojekte und Anwendungen zur Bewertung des Verkehrsablaufs mit dem Ziel vorgestellt, den Stand der Technik widerzuspiegeln. 6.1 Vorhandene Ansätze zur Bewertung des Verkehrsablaufs in Straßennetzen Im diesem Kapitel werden vier vorhandene Ansätzen zur Bewertung des Verkehrsablaufs in Straßennetzen vorgestellt. Neben den klassischen Regelwerken des Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS) für Einzelanlagen (Knoten oder Strecke) und den Richtlinien für die integrierte Netzgestaltung (RIN) für komplette Ortsveränderungen werden zwei weitere Bewertungsmethoden vorgestellt, die den Verkehrsablauf im Gegensatz zu der Methodik der klassischen Verfahren ganzheitlich (jede Stunde des Jahres) abbilden und monetär bewerten Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS) Mit dem Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS, 2001) steht ein Regelwerk zur Verfügung, in dem der Zusammenhang zwischen Verkehrsstärke und Qualität des Verkehrsablaufs für Verkehrsanlagen dargestellt wird. Damit ist es möglich, die Qualität von Einzelanlagen (Autobahnabschnitte, Landstraßen, planfreie Knotenpunkte, Knotenpunkte mit und ohne Lichtsignalanlage) mit Hilfe von sechs Qualitätsstufen des Verkehrsablaufs (QSV) zu bewerten. Im bisherigen HBS (2001) erfolgt die Bemessung ohne Berücksichtigung des Netzzusammenhangs. Im künftigen HBS (2013) sollen Kapitel für Netzabschnitte ergänzt werden, um den Nachweis der Einhaltung der Zielvorgaben der Pkw-Fahrgeschwindigkeiten der RIN (siehe Tabelle 3, Kapitel 6.1.2) zu erbringen. Die Bewertung der Qualität des Verkehrsablaufs erfolgt für eine Bemessungsverkehrsstärke, die der Verkehrsstärke in der n-ten Stunde des Jahres entspricht. Im Einführungserlass zum HBS (2001) wird als n-te Stunde die 30. Stunde des Jahres 53

58 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen festgelegt. Das bedeutet die Verkehrsanlage wird anhand der 30 höchstbelasteten Stunde eines Jahres bewertet. Störungen durch Unfälle, Witterungseinflüsse und Baustellen werden nicht berücksichtigt. Zur Bestimmung der Qualitätsstufe des Verkehrsablaufs werden die in Tabelle 2 dargestellten Kenngrößen verwendet, die von der Art der betrachteten Verkehrsanlage abhängen. Art der Verkehrsanlage Autobahnabschnitte außerhalb der Knotenpunkte Planfreie Knotenpunkte an Richtungsfahrbahnen Zweistreifige Landstraßen Knotenpunkte mit Lichtsignalanlage Knotenpunkte ohne Lichtsignalanlage Anlagen für den Fußgängerverkehr Abfertigungsanlagen des ruhenden Verkehrs Kriterium Auslastungsgrad Auslastungsgrad Verkehrsdichte Mittlere Wartezeit Mittlere Wartezeit Dichte Mittlere Ein-/Ausfahrtdauer Tabelle 2: Kenngrößen zur Bestimmung der Qualitätsstufe des Verkehrsablaufs für verschiedene Verkehrsanlagen nach HBS Richtlinien für die integrierte Netzgestaltung (RIN) Die Richtlinien für die integrierte Netzgestaltung (RIN, 2008) differenzieren die einzelnen Elemente einer Verbindung zwischen zwei Orten nach dem Typ (Autobahn, Landstraße, Stadtstraße), der Lage (außerhalb, im Vorfeld und innerhalb bebauter Gebiete) und dem Umfeld des Elements (anbaufrei, angebaut). Da die aus der Lage und den verschiedenen Nutzungsansprüchen resultierende Kategoriengruppe nicht zur Beschreibung der Ansprüche an das Netz ausreicht, ist die weitere Unterscheidung der Straßen nach der Verbindungsbedeutung vorzunehmen. Diese ergibt sich aus der Forderung, dass hochrangigen Verbindungen, die über weite Entfernungen verlaufen, grundsätzlich eine höhere Verkehrsqualität zuzumessen ist, als nachrangigen Verbindungen, die über kurze Entfernungen verlaufen. Hierbei liefert die gewünschte Verkehrsqualität eine wichtige Grundlage für den Straßenentwurf. Die Verbindungsbedeutung der einzelnen Straßen ergibt sich dabei aus der Bedeutung der Orte, die diese Straße verbindet. Die Ermittlung der Bedeutung der Orte beruht dabei auf dem System der zentralen Orte, auf dem die Raumplanung der Bundesrepublik Deutschland basiert (BUNDESRAUM- ORDNUNGSGESETZ, 2008, CHRISTALLER, 1933). Dabei werden unter zentralen Orten Gemeinden verstanden, die über den Bedarf ihrer Einwohner hinaus die Bevölkerung des Umlands versorgen. Die Hierarchie der Zentren unterscheidet dabei, entsprechend der zentralen Versorgungsfunktion und der Größe des Umlands, Zentren der höheren Stufe (Oberzentren), der mittleren Stufe (Mittelzentren) und der unteren Stufe (Grundzentren, Gemeinden). Die RIN sehen als höchste Stufe eines Zentrums die Metropolregion vor. Diese Unterteilung mündet in einer sechsstufigen Einteilung des Straßennetzes in Verbindungsfunktionsstufen 0 (kontinental) bis V (kleinräumig). Für die 54

59 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Gestaltung einer Straße ist bei Überlagerung mehrerer Verbindungsfunktionsstufen die höchste maßgebend. Die RIN ermöglichen eine Bewertung der Angebotsqualität in Verkehrsnetzen. Für die Bewertung werden komplette Verbindungen von einem Startpunkt bis zu einem Zielpunkt einschließlich der Zu- und Abgänge und des Fahrtweges im untergeordneten Netz betrachtet. Wesentliche Kenngröße für die Bewertung der Angebotsqualität ist die Luftliniengeschwindigkeit. Die Normierung anhand der Luftlinienentfernung ermöglicht es, Quelle-Ziel-Verbindungen unterschiedlicher Entfernungen miteinander zu vergleichen. Die planerische Zielvorstellung sieht vor, dass die Geschwindigkeit mit zunehmender Entfernung steigen soll. Das wird in den Bewertungsfunktionen berücksichtigt. Die Bewertung erfolgt anhand von sechs Stufen der Angebotsqualität (SAQ). Im Gegensatz zum HBS werden für die Ermittlung des Zeitaufwandes keine exakten Vorgaben gemacht. In den RIN (2008, Seite 20) heißt es: Für die Ermittlung des Zeitaufwandes im Individualverkehr können je nach Fragestellung entweder die Fahrtzeiten in den Nebenverkehrszeiten oder die Fahrtzeiten in den Hauptverkehrszeiten oder anteilige Kombinationen verwendet werden, in allen Fällen sollen etwaige Störungen durch Arbeitsstellen und zufällige Ereignisse (z.b. Unfälle) unberücksichtigt bleiben. Die Verwendung der Fahrtzeiten in den Nebenverkehrszeiten ist dann angezeigt, wenn geprüft wird, ob zum Erreichen eines zentralen Ortes grundsätzlich eine geeignete Verbindung im Netz verfügbar ist. Die Verwendung der Fahrtzeiten in den Hauptverkehrszeiten ist dann angezeigt, wenn geprüft wird, ob eine solche Verbindung für die Verkehrsnachfrage ausreichend dimensioniert ist. Für die Sicherstellung einheitlicher Qualitäten im Verkehrsablauf werden die Luftliniengeschwindigkeiten in Abhängigkeit von der jeweiligen Entfernung der verbundenen zentralen Orte in anzustrebende mittlere Pkw-Fahrgeschwindigkeiten für die einzelnen Netzabschnitte umgerechnet. Während in den RAS-N (1988) diese Zielgrößen neben der Unterscheidung nach definierten Standardentfernungsbereichen zusätzlich nach dem Wochentag (Werktags-, Urlaubs-, Sonntagsverkehr) differenziert wurden, sind in den RIN einheitlich für alle Zeiträume Pkw-Fahrgeschwindigkeiten definiert. Die so für die mittleren Pkw-Fahrgeschwindigkeiten definierten Zielgrößen liefern Vorgaben für den Ausbaustandard einer Straße (siehe Tabelle 3). Die Vorgaben der Fahrgeschwindigkeiten innerhalb einer Kategorie sind längenunabhängig. Sie gehen aber davon aus, dass es einen Zusammenhang zwischen Straßenkategorie und mittlerer Fahrtweite gibt. BAIER et al. (2012) merken jedoch an, dass die angegebenen Pkw-Fahrgeschwindigkeiten für Autobahnen der Kategorie AS 0/I zu hoch und für AS II zu niedrig sind. BAIER et al. (2012) haben nachgewiesen, dass typische Strecken der Kategorie AS 0/I auch bei Pkw-Fahrgeschwindigkeiten unterhalb der Mindestanforderung der RIN (2008) die Mindestqualität nach HBS (2001) erreichen. Bei Autobahnen der Kategorie AS II werden die Anforderungen der RIN generell übertroffen. BAIER et al. (2012) schlagen vor die 55

60 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen angestrebte Pkw-Fahrgeschwindigkeit für Autobahnen der Kategorie AS 0/I auf km/h und für AS II auf km/h zu ändern. Kategoriengruppe Kategorie Standard- Entfernungsbereich [km] angestrebte Pkw- Fahrgeschwindigkeiten [km/h] AS 0/I Fernautobahn AS Autobahnen Überregionalautobahn, AS II Stadtautobahn LS I Fernstraße LS II Überregionalstraße LS Landstraßen LS III Regionalstraße LS IV Nahbereichsstraße bis LS V Anbindungsstraße - keine VS anbaufreie Hauptverkehrsstraßen VS II VS III anbaufreie Hauptverkehrsstraße anbaufreie Hauptverkehrsstraße HS angebaute Hauptverkehrsstraßen HS III HS IV Ortsdurchfahrt, innergemeindliche Hauptverkehrsstraße Ortsdurchfahrt, innergemeindliche Hauptverkehrsstraße ES Erschließungsstraßen ES IV Sammelstraße - keine ES V Anliegerstraße - keine Tabelle 3 Angestrebte mittlere Pkw-Fahrgeschwindigkeiten nach den RIN (2008, Seite 23) Ganzjahresanalyse mit stochastischer Kapazität Das Ziel der bisherigen Bemessung von Straßenverkehrsanlagen ist eine ausreichende Qualität des Verkehrsablaufs für ein vorhandenes oder prognostiziertes Verkehrsaufkommen sicherzustellen. Hierfür wird als Bemessungsmethode der Vergleich einer einzigen Stunde mit der Kapazität verwendet (HBS, 2001, vgl. Kapitel 6.1.1). Diese Methode sieht aus wirtschaftlichen Gründen vor, dass für die n höchstbelasteten Stunden eines Jahres eine Überlastung in Kauf genommen wird. Diese Vorgehensweise wird von ZURLINDEN (2003, Seite 211) als unzureichend bezeichnet, da die ökonomischen Auswirkungen der Überlastungsfälle nicht berücksichtigt werden. 56

61 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Für die Bemessung von Straßenverkehrsanlagen stellt die Ganzjahresanalyse eine Nutzen-Kosten Rechnung vor. Dabei wird der Verkehrsablauf über ein gesamtes Jahr modelliert. Durch die Gegenüberstellung von Verkehrsnachfrage und der Kapazität werden die jährlichen Staustunden und Zeitverluste geschätzt, welche in Kosten umgerechnet werden. Damit lassen sich volkswirtschaftliche Zeitkostengewinne den Investitionskosten gegenüberstellen. Die Verkehrsnachfrage über das Jahr wird durch eine Überlagerung der örtlich gemessenen Tageswerte der Verkehrsstärke mit den jeweils zugeordneten typisierten Tagesganglinien modelliert. Die Kapazität ist entgegen den gegenwärtigen Bewertungsmethoden eine variable Größe, die sich neben zufälligen Schwankungen auch durch Unfälle oder Witterung verändert. Als Modell wird hierfür die Methode der Statistik zensierter Daten verwendet (Kapitel 3.2). Die daraus resultierende Verteilung für die Kapazität wird für verschiedene Umfeldbedingungen (hell, dunkel, trocken, nass) abgeleitet. Das Konzept der stochastischen Kapazität wird dadurch umgesetzt, indem jedem Zeitintervall des Modelljahres ein zufälliger Wert der Kapazität aus der Kapazitätsverteilung zugeordnet wird. Zusätzlich werden die Umfeldbedingungen (trocken und nass) und Störungen (Unfälle und Nothalte) entsprechend der Auftrittshäufigkeit zufällig verteilt. Übersteigt die Verkehrsstärke in einem Zeitintervall die Kapazität, wird in den Folgeintervallen der Capacity-Drop angewandt, der die Kapazität um 24 % (ZURLINDEN, 2003) verringert. Baustellen werden nicht berücksichtigt. Damit kann in zeitlich kleiner Auflösung der Verkehr über ein ganzes Jahr modelliert werden. Über ein stochastisches Rückstaumodell werden die Wirkungen des Staus bewertet. Auf Grundlage der Empfehlungen für Wirtschaftlichkeitsuntersuchungen an Straßen (EWS, 1997) gehen die Zeitkosten, Investitionskosten, Betriebskosten, Unfallkosten, Lärmkosten, Umweltkosten, Kosten der Trennwirkung und Kosten der Flächenverfügbarkeit in die Nutzen-Kosten-Analyse mit ein Ganzjahresanalyse mit Berücksichtigung der Zahlungsbereitschaft für die Reisezeit Auch BERNARD (2008) hält die klassischen Ansätze zur Bemessung von Straßen nicht mehr für zeitgemäß. Er schlägt eine Bemessungsmethode für Einzelanlagen auf Grundlage der Zahlungsbereitschaft der Nutzer, um Reisezeit und Schwankungen auf null zu reduzieren (BERNARD, 2008, Seite 55), vor. Das Maß für die Bewertung bilden wie bei der Ganzjahresanalyse (Kapitel 6.1.3) Kosten, die hier aus der Reisezeit abgeleitet werden. Zur Berücksichtigung der Zuverlässigkeit werden unter Verwendung von erwarteten Reisezeiten Verfrühungs- oder Verspätungskosten neben den erwarteten Kosten (erwartete Reisezeit) berücksichtigt. Ähnlich der Ganzjahresanalyse mit stochastischer Kapazität (Kapitel 6.1.3) sollen alle Stunden eines ganzen Jahr betrachtet 57

62 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen werden. Für die einfache Anwendbarkeit werden für die Bewertung Verkehrsstärken verwendet. Mit Hilfe der Verkehrsstärken wird sowohl die Nachfrage als auch die Kapazität als Zufallsgröße ermittelt. Für die Nachfrage wird neben der stündlichen Verkehrsstärke auch die Standardabweichung benötigt. Die Standardabweichung berücksichtigt Schwankungen innerhalb eines Stundenintervalls. Hierfür werden Standardabweichungen in Abhängigkeit von der Auslastung verwendet, die aus einer Analyse von 13 Richtungsmessquerschnitten in der Schweiz ermittelt wurden. Aus den stündlichen Verkehrsstärken werden auf Grundlage einer stochastischen Kapazität der Erwartungswert und die Standardabweichung der Kapazität ermittelt. Dafür sind zusätzlich Geschwindigkeiten erforderlich, damit ein Zusammenbruch identifiziert werden kann. Ein Zusammenbruch wird als Unterschreiten einer Geschwindigkeit von 2/3 der zulässigen Höchstgeschwindigkeit definiert. Falls keine Geschwindigkeiten vorliegen, sind Umrechnungsfaktoren von der statischen Kapazität, wie sie in den Richtlinien enthalten sind, zum Erwartungswert und der Standardabweichung der stochastischen Kapazität gegeben. Der Bemessungsmethode liegen zwei Verkehrszustände zu Grunde: Freier Verkehr und zusammengebrochener Verkehr. Mit Hilfe von Geschwindigkeiten in diesen Verkehrszuständen, der Zusammenbruchswahrscheinlichkeit und der Zusammenbruchsdauer kann die erwartete Reisezeit berechnet werden. Aus den Zufälligkeiten entstehen zudem Verfrühungs- und Verspätungskosten. Aufsummiert für Pkw und Schwerverkehr über ein ganzes Jahr ermitteln sich die jährlichen Reisezeitkosten für eine Verkehrsanlage. 6.2 Weitere Forschung zur Bewertung des Verkehrsablaufs Auswirkungen von Überlastungen an Einzelanlagen des Straßenverkehrs auf die Verbindungsqualität in Straßennetzen Mit Hilfe der Verfahren des HBS (Kapitel 6.1.1) und den RIN (Kapitel 6.1.2) kann auf der einen Seite die Qualität einer einzelnen Anlage beurteilt und auf der anderen Seite die Qualität einer kompletten Verbindung bestimmt werden. Der Zusammenhang zwischen der Qualität einer Einzelanlage und der Verbindung kann mit den Verfahren aber nicht beurteilt werden. Im Forschungsprojekt Auswirkungen von Überlastungen an Einzelanlagen des Straßenverkehrs auf die Verbindungsqualität in Straßennetzen (FRIEDRICH und PRIEMER, 2007) wurde untersucht, inwieweit die beiden Bemessungsverfahren miteinander konsistent sind. Es wurde ein Verfahren entwickelt, mit Hilfe dessen von der Qualität der Einzelanlagen auf die Netzbewertung geschlossen werden kann. Nach 58

63 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen diesem Verfahren kann eine vollständige, weiträumige Verbindung mit dem HBS bewertet und mit der Angebotsqualität nach den RIN verglichen werden. Dazu müssen die Qualitätsstufen in Zahlenwerte umgewandelt werden. Da in den RIN anders als im HBS 3 die Abstufung der Qualitätsstufen nahezu äquidistant ist, können die Bewertungsergebnisse nur eingeschränkt verglichen werden. Es wird empfohlen, die Qualitätsstufen der Einzelanlagen nach dem HBS mit der Länge der Einzelanlage zu gewichten und mit dem harmonischen Mittel zu aggregieren. Werden für die Bewertung der Einzelanlagen des HBS äquidistante Abstufungen der Qualitätsstufen verwendet, zeigt sich ein linearer Zusammenhang zwischen den beiden Bewertungsmethoden. Wesentliche Einflussfaktoren auf die Güte der Übereinstimmung zwischen der Bewertung nach dem HBS und den RIN sind Strecken mit hoher freier Geschwindigkeit (> 120 km/h), die Direktheit und die Zugangs-, Abgangs- und Parksuchzeit. Unter der Vorrausetzung von mindestens 70 % an Autobahnabschnitten der Verbindungsfunktionsstufe 0 und I zeigt der lineare Zusammenhang zwischen der aggregierten Qualität der Einzelanlagen (QSV des HBS) und der Qualität der Verbindung (SAQ der RIN), dass eine Qualitätsstufe D an jeder Einzelanlage auch zu einer Qualitätsstufe D für die gesamte Verbindung (SAQ D) führt. Damit kann der Einfluss der Qualität einer Einzelanlage auf die gesamte Verbindung abgeschätzt und diejenigen Einzelanlagen bestimmt werden, die das höchste Potential für eine Qualitätsverbesserung der Verbindung besitzen Differenzierte Bewertung der Qualitätsstufen im HBS im Bereich der Überlastung Für einzelne Verkehrsanlagen bietet das HBS Bemessungsverfahren an, mit denen die Qualität des Verkehrsablaufs bestimmt werden kann. Für alle Anwendungen ist es dabei notwendig, die Kapazität, d. h. die maximal abwickelbare Verkehrsstärke der Verkehrsanlage, zu kennen. Bei Autobahnen wird als Bemessungsverkehrsstärke meist die Verkehrsstärke der 30. Stunde eines Jahres verwendet. Dabei wird die Überlastung der Verkehrsanlage während 29 Stunden eines Jahres aus wirtschaftlichen Aspekten akzeptiert. Das HBS wird auch genutzt, um den Verkehrsablauf an existierenden Verkehrsanlagen qualitativ zu bewerten und die Notwendigkeit von Verbesserungsmaßnahmen abzuschätzen. Allerdings stößt das derzeitige HBS im Bereich überlasteter Verkehrsanlagen an Grenzen. Für den überlasteten Bereich ist lediglich eine einzige Qualitätsstufe (QSV F) vorgesehen. Eine Quantifizierung der Staudauer oder der räumlichen 3 Für die Qualitätsstufen des Verkehrsablauf für zweistreifige Richtungsfahrbahnen einer Autobahn ist die Differenz des Auslastungsgrads von QSV A zu QSV B 0,25 und zwischen QSV D und QSV E 0,1 (HBS, 2001, Tabelle 3-1). 59

64 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Ausdehnung ist mit den Verfahren des HBS daher bislang nicht möglich. Für eine Dringlichkeitsreihung von Maßnahmen zur Verbesserung des Verkehrsflusses sind die derzeitigen Verfahren nur bedingt geeignet. Für die Verbesserung des Verkehrsablaufs innerhalb eines Verkehrsnetzes ist es jedoch häufig bereits ausreichend, den folgenschwersten Engpass im Netz zu reduzieren oder zu eliminieren. Um diesen Engpass identifizieren zu können, sind vergleichbare Bewertungen der Verkehrsqualität auch im Bereich überlasteter Anlagen erforderlich. Im Forschungsprojekt Differenzierte Bewertung der Qualitätsstufen im HBS im Bereich der Überlastung (BRILON und ESTEL, 2007) wurde daher der Bereich der Überlastung untersucht und standardisierte Bewertungsmethoden zu dessen differenzierter Beschreibung erstellt. Dabei wurde auf die Ursachen und Abläufe von Überlastungen eingegangen und daraus Kenngrößen abgeleitet, die für eine Bewertung in Frage kommen. Darüber hinaus wurden verschiedene Möglichkeiten zur Wahl des Bemessungszeitraumes untersucht. Aus einer Vielzahl von Kombinationsmöglichkeiten von Qualitätskriterien und Bewertungszeiträumen wurden acht Kombinationen ausgearbeitet und mit Vertretern aus Praxis und Wissenschaft diskutiert. Anhand der Kriterien Verständlichkeit, Aufwand, Datenverfügbarkeit, Aussagekraft und Benutzerfreundlichkeit wurden vier Konzepte ausgewählt: Nutzung der Verfahren für den fließenden Verkehr Bewertung anhand der Zusammenbruchwahrscheinlichkeit Bewertung anhand der Ganztagesbewertung Bewertung anhand des Fahrzeitindex 4 Diese Verfahren werden auf die Anwendungsfälle Streckenabschnitte für Autobahnen und Landstraßen sowie plangleiche Knotenpunkte mit und ohne Lichtsignalanlagen bezogen, da die Bewertungsmethoden nach HBS für die weiteren Verkehrsanlagen derzeit im Wandel sind oder aufgrund sehr seltener Überlastungen als nicht relevant eingestuft werden. Theoretisch sind die Bewertungsmethoden jedoch mit Ausnahme der Zusammenbruchwahrscheinlichkeit auf alle Verkehrsanlagen übertragbar. Die Konzepte unterscheiden sich untereinander deutlich in Aussagekraft, Datenbedarf und Aufwand. Daher wird nicht ein Verfahren als für alle betrachteten Verkehrsanlagen besonders geeignet beurteilt werden. Nach BRILON und ESTEL (2007) sind Verfahren für den überlasteten Bereich im Allgemeinen aufwändiger als für den fließenden Verkehr, da sich Überlastungen sowohl räumlich auf stromabwärts liegende Streckenabschnitte als auch auf zeitlich nachfolgende Intervalle auswirken. Die Nutzung der Verfahren für den fließenden Verkehr ermöglicht für Knotenpunkte und Streckenabschnitte von Autobahnen eine einfache überschlägige Bewertung für die Spitzenstunde, für Landstraßen gestaltet sich die Bewertung aufwändiger. Aufgrund der 4 Bei BRILON und ESTEL (2007) als Reisezeitindex bezeichnet. 60

65 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen ausschließlichen Betrachtung der Spitzenstunde können die Auswirkungen der Überlastung nur unvollständig bewertet werden. Für eine vollständige Abbildung ist die Kenntnis der Auslastung der Folgeintervalle von wesentlicher Bedeutung. Die Bewertung anhand der Zusammenbruchwahrscheinlichkeit eignet sich nur für Autobahnabschnitte. Es liefert für den Fall einer Überlastung keine Verlustzeiten, sondern eine Abschätzung, ob eine Überlastung auftreten wird. Dieses Verfahren ist insbesondere für den Einsatz bei der Bemessung interessant, um eine Überlastungssituation zu verhindern, da wegen der hohen Verkehrsnachfrage auf Autobahnen große Gesamtverlustzeiten entstehen und sich Überlastungen aufgrund des Zwei-Kapazitäten- Phänomens (capacity-drop) nur langsam wieder abbauen. Die Verteilungsfunktionen der Zusammenbruchwahrscheinlichkeit hängen stark von den Kapazitätswerten sowie den Parametern der Weibull-Verteilung ab, die im beschriebenen Projekt auf empirischen Untersuchungen von einzelnen Messquerschnitten basieren. Eine Übertragung auf alle Streckencharakteristika war aufgrund der nicht hinreichenden empirischen Absicherung im Forschungsprojekt nicht möglich. Die Anwendung der Ganztagesanalyse lieferte den größten Informationsgehalt zur Bewertung des Zeitaufwands. Zusätzlich zu den resultierenden Verlustzeiten, die als Bewertungskriterium dienen und auf einem Warteschlangenmodell basieren, wird mit diesem Verfahren die Staudauer ermittelt. Des Weiteren wird hier die Nachfrageganglinie eines Tages berücksichtigt, die durch die Verwendung typisierter Ganglinien abgeschätzt werden kann. Außerdem wird ein Verfahren zur Ermittlung der stündlichen Verkehrsstärken bei Kenntnis der Spitzenstundenbelastung sowie dem Verlauf der typischen Nachfrage vorgestellt. Das Konzept der Ganztagesbewertung ist am ehesten in der Lage, Überlastungssituationen mehrdimensional zu bewerten und zu vergleichen, wobei die räumlichen und zeitlichen Auswirkungen der Überlastungen berücksichtigt werden können. Allerdings ist das Verfahren sehr aufwändig und erfordert eine Umsetzung als Rechnerprogramm. Das vierte Verfahren verwendet den Fahrzeitindex als Verhältnis der 95 %-Perzentil Fahrzeit (Wartezeit an Knotenpunkten) zu einer akzeptablen Fahrzeit zur Bewertung. Dieses Konzept ist aus Nutzersicht besonders dazu geeignet, die Qualität des Verkehrsablaufs zu beschreiben. Eine vergleichende Bewertung von Strecken unterschiedlicher Charakteristik wird durch den Fahrzeitindex, der Einflüsse von Streckeneigenschaften und Geschwindigkeitsbeschränkungen berücksichtigt, möglich. Insgesamt reagieren Bewertungsmethoden im Bereich der Überlastung sensitiver auf Änderungen der Eingangsdaten als im fließenden Verkehr, was hohe Ansprüche an die Qualität der Eingangsdaten stellt. Vor diesem Hintergrund ist die im Projekt verwendete Einteilung in vier Überlastungsstufen zu hinterfragen. Trotz des hohen Aufwands wird, wegen des hohen Informationsgewinns gegenüber anderen Verfahren, das Verfahren der Ganztagesbetrachtung für die Bewertung von 61

66 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Einzelanlagen im Bereich der Überlastung als geeignet beurteilt. Das Anwendungsgebiet der im Rahmen des Projektes Differenzierte Bewertung der Qualitätsstufen im HBS im Bereich der Überlastung (BRILON und ESTEL, 2007) entwickelten Verfahren wird vorwiegend in der Bewertung existierender Anlagen gesehen. Das ermöglicht eine Dringlichkeitsreihung von Maßnahmen einschließlich der Abschätzung der Verbesserungspotentiale der Verkehrsqualität und einen effizienteren Mitteleinsatz. Der Ansatz des Fahrzeitindexes zur Gegenüberstellung von Netzabschnitten mit unterschiedlichen Streckencharakteristika wird auch in der vorliegenden Arbeit (vgl. Kapitel 8.2.1) als vielversprechendes Maß für die Qualität angesehen. 6.3 Anwendungen zur Bewertung des Verkehrsablaufs In diesem Kapitel werden vier Anwendungen zur Bewertung des Verkehrsablaufs vorgestellt. Bei den Bewertungsmethoden werden unterschiedliche Verkehrsdaten verwendet. Der ADAC (Kapitel 6.3.1) bewertet das deutsche Autobahnnetz mit Verkehrsstärkedaten in Anlehnung zum HBS. IBM (Kapitel 6.3.2) bewertet den Verkehrsablaufs von Großstädten einzig anhand von Befragungen. INRIX und TomTom (Kapitel und 6.3.4) sind führende Unternehmen von Verkehrsinformationen. Sie verwenden ihre eigenen Verkehrsdaten und vergleichen die Verkehrsqualität verschiedener Städte miteinander ADAC Verkehrsqualität auf deutschen Autobahnen Der Allgemeine Deutsche Automobil-Club e. V. (ADAC) veröffentlichte eine Studie zur Verkehrsqualität auf deutschen Autobahnen (ADAC, 2012). In dieser Studie wird die Verkehrsqualität für das Jahr 2010 bewertet und für das Jahr 2025 geschätzt. Die Bewertung der Verkehrsqualität wird sehr vereinfacht in Anlehnung an das HBS (Kapitel 6.1.1) durchgeführt. Basierend auf den Kapazitäten des HBS (2001, Tab 3-5) und den auslastungsabhängigen Qualitätsstufen A-F (HBS 2001, Tab 3-1) werden aus den täglichen Verkehrsstärken Qualitätsstufen abgeleitet. Die Verkehrsstärken der Autobahnabschnitte werden mit Hilfe einer Umlegung und zusätzlichen Zählwerten ermittelt. Abbildung 7 zeigt das Ergebnis der Verkehrsqualitätsstufen für das Jahr 2010 für Süddeutschland. 62

67 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Abbildung 7: Verkehrsqualität auf deutschen Autobahnen, Quelle: ADAC (2012). 63

68 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen IBM Commuter-Pain-Index Eine weitere Möglichkeit ganze Netze zu bewerten zeigt IBM (2011) mit der Commuter Pain Survey. Diese Studie basiert einzig auf Umfragen und verzichtet auf Verkehrsdaten. Aus mehr als Befragungen von Pendlern im Individualverkehr in weltweit 20 Großstädten wird der Commuter-Pain-Index abgeleitet, der die Verkehrssituation der Städte bewertet. Neben der Angabe zur Reisezeit und Verlustzeit werden die Pendler befragt, ob sie folgenden Aussagen zustimmen: Die Benzinkosten sind zu hoch. Der Verkehr hat sich verschlechtert. Stopp und Go Verkehr ist ein Problem. Fahren verursacht Stress. Fahren verursacht Ärger. Der Verkehr beeinflusst den Arbeitstag. Es kommt zu Verkehrsstillständen. Wegen schlechtem Verkehr wurde eine Fahrt nicht gemacht. Der Commuter-Pain-Index wird in Punkten angegeben, größere Werte bedeuten eine beschwerlichere Verkehrssituation. In Abbildung 8 sind die Ergebnisse der Studie zu sehen. Abbildung 8: IBM Commuter-Pain-Index, Quelle: IBM (2011). 64

69 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen INRIX Scorecard INRIX ist einer der führenden Anbieter von Verkehrsinformationen. Regelmäßig veröffentlicht INRIX eine Scorecard (INRIX, 2013), die viele Ballungsgebiete aus Nordamerika und Europa bezüglich der Stausituation miteinander vergleicht. Die Bewertung erfolgt mithilfe von zwei Kenngrößen, dem INRIX-Index und der im Stau verschwendeten Stunden. Beide Werte werden aus gemessenen Verkehrsdaten abgeleitet. Der INRIX-Index beschreibt die mittlere längengewichtete prozentuale Erhöhung der Fahrzeit in der Spitzenstunde im Vergleich zur ungestörten Fahrzeit für eine Metropolregion. Strecken, für die keine Erhöhung der Fahrzeit in der Spitzenstunde vorliegt, werden nicht berücksichtigt. Die im Stau verschwendeten Stunden bauen auf dem INRIX-Index auf und werden mithilfe von durchschnittlichen Fahrzeiten eines Pendlers und der jährlichen Anzahl von Fahrten auf ein Jahr hochgerechnet. In einer weiteren aggregierten Form werden alle Metropolregionen eines Landes zusammengefasst, wodurch sich die Stausituation ganzer Länder miteinander vergleichen lässt. In Abbildung 9 ist der INRIX-Index für das Jahr 2012 für die zehn am schlechtesten bewerteten Ballungsgebiete in Deutschland dargestellt. Ein größerer Wert des Indexes bedeutet eine stärkere Zunahme der Fahrzeit in den Spitzenstunden im Vergleich zur freien Fahrzeit. Bonn Saarbrücken Ruhrgebiet Freiburg München Karlsruhe Düsseldorf Hamburg Köln Stuttgart INRIX-Index (Jahr 2012) Abbildung 9: INRIX-Index, Quelle: INRIX (2013). 65

70 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen TomTom-Congestion-Index TomTom ist ein führender Hersteller von Navigationssystemen. Laut eigenen Angaben (TOMTOM, 2013, Seite 3) verfügt TomTom über die detailliertesten und genauesten Fahrzeitdaten und die größte Menge an historischen Fahrzeiten. Aus diesen Daten wird der TomTom-Congestion-Index (TOMTOM, 2013) für Ballungsgebiete bestimmt. Ähnlich dem INRIX-Index (Kapitel 6.3.3) beschreibt der TomTom-Congestion-Index die prozentuale Vergrößerung der Fahrzeit in den Spitzenstunden im Vergleich zu der Fahrzeit im freien Verkehr. Dieser Index wird für verschiedene Zeiten des Tages (Morgenspitze, Nachmittagsspitze), für die Wochentage und nach Autobahn und nicht-autobahn dargestellt. In Abbildung 10 ist der TomTom-Congestion-Index für die zehn europäischen Ballungsgebiete mit den höchsten Werten im Zeitraum 2012 Quartal 3 dargestellt. Neben der europäischen Version gibt es auch eine separate Version für Nordamerika. Abbildung 10: TomTom-Congestion-Index (TOMTOM, 2013). Erklärung der Spalten: Congestion: mittlerer Anteil an Stau auf allen Straßen (alle Zeiten) Morning peak: mittlerer Anteil an Stau in der Morgenspitze (alle Straßen) Evening peak: mittlerer Anteil an Stau in der Nachmittagsspitze (alle Straßen) Highways: mittlerer Anteil an Stau auf Autobahnen (alle Zeiten) Non-Highways: mittlerer Anteil an Stau auf allen Straßen außer Autobahnen (alle Zeiten) 6.4 Zusammenfassung Stand der Technik Die Zuverlässigkeit einer Verkehrsanlage kann mit dem HBS (Kapitel 6.1.1) nur bedingt berücksichtigt werden. Zur Bewertung einer Verkehrsanlage nach dem HBS wird nur eine bestimmte Verkehrssituation (n-te Stunde) berücksichtigt. Bei der Planung einer Anlage wird sichergestellt, dass diese zu einem festgelegten Anteil (n-te Stunde) eine Mindestqualität erreicht. Eine Bewertung der Zuverlässigkeit vorhandener Verkehrsanlagen ist mit dem HBS nicht möglich. 66

71 Stand der Technik zur Bewertung des Verkehrsablaufs in Straßennetzen Die Bewertung nach den RIN (Kapitel 6.1.2) berücksichtigt den Zeitaufwand zu einem Zeitpunkt. Wenn geprüft werden soll, ob eine Verbindung für die Verkehrsnachfrage ausreichend dimensioniert ist, sollen bei der Wahl des Zeitpunkts Störungen durch Arbeitsstellen und zufällige Ereignisse (z. B. Unfälle) unberücksichtigt bleiben (RIN, 2008, Seite 20). Dadurch, dass nicht alle Verkehrssituationen beachtet werden, kann die Zuverlässigkeit im Verfahren der RIN nicht vollständig berücksichtigt werden. Die Verfahren der Ganzjahresanalyse (Kapitel und 6.1.4) sind in ihrer Anwendung wesentlich aufwendiger als das HBS. Die Berücksichtigung der Zuverlässigkeit erfolgt bei der Ganzjahresanalyse mit stochastischer Kapazität (Kapitel 6.1.3) durch die zufällige Zuordnung der Kapazität, der Umfeldbedingungen und der Störungen. Bei der Ganzjahresanalyse mit Berücksichtigung der Zahlungsbereitschaft für die Reisezeit (Kapitel 6.1.4) wird die Zuverlässigkeit mithilfe unterschiedlicher Kostensätze für die Verfrühung und Verspätung berücksichtigt. Die Zuverlässigkeit kann nur bei kontinuierlicher Fahrzeitmessung quantifiziert werden. Über ausreichend Fahrzeitmessungen verfügen INRIX und TomTom. Mit Hilfe dieser Daten können Bewertungsmethoden, die die Zuverlässigkeit berücksichtigen, eingesetzt werden. Beim Verfahren von IBM, das auf Grundlage von Befragungen den Verkehrsablauf bewertet, spielt die Zuverlässigkeit eine wichtige Rolle. LE et al. (2012) konnten zwischen dem Commuter-Pain-Index und den Fahrzeitindex (Kapitel 5.2) eine Korrelation nachweisen und resümierten, dass die Zuverlässigkeit der Fahrzeit eine bedeutende Bewertungskomponente des Pendlerverkehrs ist. Es ist also eine Frage der Datenverfügbarkeit, in welcher Form die Zuverlässigkeit bei der Bewertung berücksichtigt werden kann. Die Datengrundlage dieser Arbeit wird im nächsten Kapitel vorgestellt. 67

72

73 Datengrundlage 7 Datengrundlage Für die Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit sind detaillierte empirische Daten erforderlich. In der vorliegenden Arbeit werden Daten aus mehreren Quellen ausgewertet: Fahrzeiten aus ANPR-Messungen, Fahrzeiten aus einem Datenarchiv der ddg, lokal gemessene Verkehrsstärken und Geschwindigkeiten, Baustellendaten, Unfalldaten, Wetterdaten Die Verkehrsdaten wurden im Zusammenhang mit den Forschungsprojekten Zeitabhängige Verbindungsqualität in Straßennetzen (FRIEDRICH et al., 2011a) und Wetterabhängige Kalibrierung von Verkehrsmodellen für eine optimierte Verkehrsteuerung (WOLKE, FRIEDRICH et al., 2014) erhoben bzw. zur Verfügung gestellt. In diesem Kapitel werden die Daten vorgestellt und die Datenaufbereitungsprozesse beschrieben. 7.1 Kurzzeit ANPR-Fahrzeitdaten BAB A7 / BAB A8 Im Rahmen des Forschungsprojektes Zeitabhängige Verbindungsqualität in Straßennetzen (FRIEDRICH et al., 2011a) wurden für zwei Autobahnabschnitte Fahrzeitmessungen mit ANPR-Kamerasystemen (Kapitel 4.2.2) durchgeführt. Bei der ersten Messung auf der BAB A7 wurden die Fahrzeiten zwischen Würzburg, Kassel und Hannover gemessen. Die Messquerschnitte der zweiten Messung auf der BAB A8 waren Karlsruhe, Stuttgart und München. An beiden Messungen wurden die Kennzeichen täglich von 04:00 Uhr bis 22:00 Uhr über den Zeitraum von einer Woche an allen Fahrstreifen und in beiden Richtungen detektiert. An den Messquerschnitten Karlsruhe und Stuttgart waren die Kamerasysteme von 00:00 Uhr bis 24:00 Uhr im Dauerbetrieb. Eine Übersicht über die 12 Verbindungen mit der Anzahl an erfassten Fahrzeiten ist in Tabelle 4 aufgeführt. Der Erhebungszeitraum der BAB A7 wurde so ausgewählt, dass der Sommerferienbeginn in Niedersachsen am Donnerstag, den erfasst werden konnte. Die kalendarischen Besonderheiten des Erhebungszeitraums der BAB A8 sind das Pfingstferienende am Sonntag in Baden-Württemberg, die Pfingstferien in Bayern und der Feiertag Fronleichnam (Bayern und Baden-Württemberg) am Donnerstag, den Für die weitere Verwendung der Fahrzeitdaten werden die Einzelfahrzeiten zu repräsentativen Fahrzeiten zusammengefasst (vgl. Kapitel 4.4). Die Daten wurden u. a. 69

74 Datengrundlage erhoben, um die Fahrzeitdaten der ddg (deutsche Gesellschaft für Verkehrsdaten GmbH) zu plausibilisieren (Kapitel 7.2.1). Weiter werden diese Daten zur Validierung der Bewertungskurven (Kapitel 8) verwendet. Die Verkehrsdaten werden im Folgenden mit ANPR-Kurzzeit A7/A8 bezeichnet. BAB Verbindung Länge [km] Erhebungszeitraum Anzahl erfasste Fahrzeiten Hannover - Würzburg 337, Hannover - Kassel 142, A7 Montag, Kassel - Würzburg 195, Würzburg - Hannover 337, Sonntag, Würzburg - Kassel 195, Kassel - Hannover 142, Karlsruhe - München 251, Karlsruhe - Stuttgart 72, A8 Sonntag, Stuttgart - München 179, München - Karlsruhe 251, Samstag, München - Stuttgart 179, Stuttgart - Karlsruhe 72, Tabelle 4: Übersicht über die Fahrzeitmessung der BAB A7 / BAB A Verkehrsdaten deutsches Autobahnnetz Für insgesamt ein Jahr stehen Verkehrsdaten des gesamten deutschen Autobahnnetzes zur Verfügung. Auf Grundlage dieser Vollerfassung der deutschen Autobahnen wird die Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit (Kapitel 8) vorgenommen Fahrzeitdaten Für das gesamte deutsche Autobahnnetz liegen Fahrzeiten von der ddg (deutsche Gesellschaft für Verkehrsdaten GmbH) vom bis zum vor. Die Fahrzeiten beziehen sich auf Strecken zwischen Traffic Message Channel (TMC) Locations, die im Folgenden als TMC-Strecken bezeichnet werden. TMC-Locations im Autobahnnetz sind Knoten des Typs Anschlussstelle, Autobahnkreuz, Autobahndreieck, aber auch Parkplatz, Tank- und Rastanlage sowie Tunnel. Für insgesamt TMC-Strecken liegen sekundenfeine Fahrzeiten in 3-Minuten- Intervallen vor. Die Fahrzeitdaten basieren auf lokalen Schleifendaten, Daten des ddgeigenen stationären Erfassungssystem SES und FCD (vgl. Kapitel 4.3.1) sowie auf Meldungen von Baustellen des Baustelleninformationssystem des Bundes und der 70

75 Uhrzeit Datengrundlage Länder (BIS) und auf Meldungen über Verkehrsstörungen der angebundenen Landesmeldestellen. Das SES basiert laut eigenen Angaben (DDG, 2013) auf Sensoren mit einem mittleren Abstand von ca. 4 km. Die Sensoren messen die mittlere Geschwindigkeit und die Fahrzeugklasse. Die Daten der berücksichtigten Quellen werden in einem mehrstufigen Prozess miteinander abgeglichen. Mit Hilfe dieser detaillierten Fahrzeiten werden für 15-Minuten Intervalle Fahrzeiten für Netzabschnitte berechnet. Der zugrundeliegende Algorithmus für die Berechnung der Fahrzeit entspricht einer zeitabhängigen Kurzwegsuche, bei der die Route vorgegeben ist. Für jeden Zeitpunkt wird die aktuelle Fahrzeit der aktuellen TMC-Strecke verwendet. Es ist so als ob der Algorithmus den Netzabschnitt abfährt. Ist eine TMC-Strecke des Netzabschnitts abgefahren, wird die Fahrzeit von der nächsten TMC-Strecke desselben Zeitintervalls verwendet. Wird ein neues Zeitintervall erreicht, wird die Fahrzeit des nächsten Zeitintervalls derselben TMC-Strecke verwendet. Beispielhaft ist das Vorgehen in Abbildung 11 dargestellt. In der Abbildung repräsentiert jedes Rechteck ein Zeitintervall (z. B. I1 = Intervall Nummer 1) einer Strecke (z. B. S2 = Strecke Nummer 2). Entlang der x-achse folgen die nächsten Strecken (S) des Netzabschnitts, entlang der y-achse folgen die nächsten Intervalle (I). Innerhalb eines Rechtecks ist die Fahrzeit (FZ) konstant. Die Rechtecke sind in Abhängigkeit von der Geschwindigkeit in unterschiedlichen Farben eingefärbt. FZ(S1,I13) FZ(S2,I13) FZ(S3,I13) FZ(S4,I13) FZ(S5,I13) FZ(S1,I12) FZ(S2,I12) FZ(S3,I12) FZ(S4,I12) FZ(S5,I12) FZ(S1,I11) FZ(S2,I11) FZ(S3,I11) FZ(S4,I11) FZ(S5,I11) FZ(S1,I10) FZ(S2,I10) FZ(S3,I10) FZ(S4,I10) FZ(S5,I10) FZ(S1,I9) FZ(S2,I9) FZ(S3,I9) FZ(S4,I9) FZ(S5,I9) FZ(S1,I8) FZ(S2,I8) FZ(S3,I8) FZ(S4,I8) FZ(S5,I8) FZ(S1,I7) FZ(S2,I7) FZ(S3,I7) FZ(S4,I7) FZ(S5,I7) FZ(S1,I6) FZ(S2,I6) FZ(S3,I6) FZ(S4,I6) FZ(S5,I6) FZ(S1,I5) FZ(S2,I5) FZ(S3,I5) FZ(S4,I5) FZ(S5,I5) FZ(S1,I4) FZ(S2,I4) FZ(S3,I4) FZ(S4,I4) FZ(S5,I4) FZ(S1,I3) FZ(S2,I3) FZ(S3,I3) FZ(S4,I3) FZ(S5,I3) FZ(S1,I2) FZ(S2,I2) FZ(S3,I2) FZ(S4,I2) FZ(S5,I2) FZ(S1,I1) FZ(S2,I1) FZ(S3,I1) FZ(S4,I1) FZ(S5,I1) Abbildung 11: Beispielhafte Darstellung der Fahrzeitgenerierung für Netzabschnitte (grün = hohe Geschwindigkeit, orange = mittlere Geschwindigkeit, rot = niedrige Geschwindigkeit). 71

76 Datengrundlage Plausibilisierung mit ANPR Mit Hilfe dieses Algorithmus können Fahrzeiten für beliebige TMC-Streckenfolgen berechnet werden. Ebenso können auch Fahrzeiten für die Verbindungen der ANPR- Messungen (Kapitel 7.1) berechnet werden. Diese berechneten Fahrzeiten, im Folgenden als ddg-fahrzeiten bezeichnet, können mit den gemessenen ANPR-Fahrzeiten verglichen werden, da sich der Erfassungszeitraum überschneidet. Für den Vergleich werden die ANPR-Einzelfahrzeiten zu repräsentativen Fahrzeiten zusammengefasst (vgl. Kapitel 4.4). In der Folge werden die zusammengefassten repräsentativen Fahrzeiten als ANPR-Fahrzeiten bezeichnet. In Abbildung 12 sind die Summenhäufigkeiten der Fahrzeiten aus den beiden Datenquellen dargestellt. Der deutlich steilere Verlauf der Kurven der ddg-fahrzeiten (in der Abbildung als Geschwindigkeiten dargestellt) zeigt die geringe Variation der ddg- Fahrzeiten gegenüber die der ANPR-Messung. Die Unterschiede sind vor allem bei freiem Verkehrsfluss (große Geschwindigkeiten) deutlich. Die maximale Geschwindigkeit bei den ddg-daten liegt im Bereich von 100 km/h. In der Bewertung der Zuverlässigkeit spielt die unterschiedliche Variation eine entscheidende Rolle. Dennoch werden diese Verkehrsdaten im Folgenden für die Bewertung des Verkehrsablaufs (Kapitel 8) verwendet, da keine gemessenen Fahrzeitdaten in vergleichbarem räumlichem und zeitlichem Umfang vorliegen. Summenhäufigkeit [%] Summenhäufigkeit [%] A8 Karlsruhe - München ANPR ddg A7 Hannover - Würzburg Geschwindigkeit [km/h] A8 Stuttgart - Karlsruhe A7 Kassel - Hannover Geschwindigkeit [km/h] Abbildung 12: Vergleich der Summenhäufigkeit der Geschwindigkeiten aus den ddg- Daten mit der ANPR-Messung für unterschiedliche Verbindungen. 72

77 Datengrundlage Verkehrsmengen Für das Jahr 2008 liegen Verkehrsmengen von automatischen Dauerzählstellen auf Autobahnen vor. Zur Verfügung stehen Detektoren von 595 Querschnitten (größtenteils beide Fahrtrichtungen), welche die Fahrzeuge nach den Technischen Lieferbedingungen für Streckenstationen (TLS, 2002) in Fahrzeugarten unterteilen. Die Anzahl der Fahrzeugarten hängt von der Art der Dauerzählstelle ab. An allen Dauerzählstellen kann zwischen Kraftfahrzeugen und Schwerverkehr unterschieden werden. Die Verkehrsmengen liegen in stündlichen Werten vor. Die Daten werden verwendet, um die Einflüsse der Verkehrsmenge auf die Zuverlässigkeit im Verkehrsablauf (Kapitel 9.2) zu bewerten Baustellen Grundlage der Bewertungsmethode (Kapitel 8) sind ddg-fahrzeiten. Bei Baustellen werden die Fahrzeiten durch Geschwindigkeitsbeschränkungen und Kapazitätsminderungen beeinflusst. Aus diesem Grund werden Fahrzeiten mit Baustellen nicht berücksichtigt. Um Netzabschnitte und Zeitintervalle mit Baustellen identifizieren zu können, werden Baustellendaten aus dem Baustelleninformationssystem des Bundes und der Länder (BIS) übernommen. Die Daten enthalten die räumliche und zeitliche Ausdehnung der Baustellen. 7.3 Verkehrsdaten BAB A8 / BAB A93 München Kufstein / Salzburg Aus dem Projekt WOLKE (FRIEDRICH et al., 2014) liegen detaillierte Verkehrsdaten von für drei Netzabschnitte auf Autobahnen vor. Diese Daten werden für die Validierung der Bewertungskurven (Kapitel 8) und zur Analyse der Einflussfaktoren auf die Zuverlässigkeit (Kapitel 9.3) verwendet. Das Streckennetz und die einzelnen Verkehrsdaten werden in diesem Kapitel vorgestellt Streckennetz Ein Ziel des Projekts WOLKE war es, die Wirkungszusammenhänge zwischen Wetter und Verkehr zu quantifizieren. Hierfür sollte u.a. die Hypothese überprüft werden, dass das Verkehrsaufkommen im Urlaubs- und Freizeitverkehr stärker mit dem Wetter korreliert als im Berufsverkehr. Aus diesem Grund wurde als Untersuchungsgebiet die BAB A8 zwischen München und Salzburg und die BAB A93 zwischen Rosenheim und Kufstein ausgewählt (Abbildung 13). Viele Urlauber aus Deutschland, Niederlanden, Belgien, Dänemark und Frankreich nutzen diese Autobahnen, um die Urlaubsregionen 73

78 Datengrundlage der Ostalpen oder der Adria zu erreichen. Aber auch für kürzere Ausflüge in die Berge, zum Tegernsee oder zum Chiemsee bieten sich diese Autobahnen an. Abbildung 13: Streckennetz und Messstellen im Untersuchungsgebiet BAB A8 / BAB A Fahrzeiten (ANPR) Vom bis wurden an vier Messquerschnitten (Abbildung 13) ANPR-Kameras installiert. Diese Kameras detektieren die Fahrzeuge in Fahrtrichtung Salzburg bzw. Kufstein auf allen Fahrstreifen. Eine Übersicht der detektierten Fahrzeuge und der daraus gewonnenen Einzelfahrzeiten ist in den Tabellen 5 und 6 gegeben. Der deutliche Unterschied in der Anzahl der erfassten Fahrzeuge ist zum einen mit der Verkehrsstärke zu erklären, welche am Richtungsmessquerschnitt (RMQ) München am größten ist. Zudem gab es aufgrund technischer Störungen längere Datenausfälle an den RMQ Rosenheim, Kufstein und Salzburg. Richtungsmessquerschnitt Anzahl Tage mit Daten Anzahl detektierter Fahrzeuge Unterschiedliche Kennzeichen 1: München : Rosenheim : Kufstein : Salzburg Tabelle 5: Übersicht über die detektierten Fahrzeuge auf der BAB A8 / BAB A93. 74

79 Datengrundlage Netzabschnitt Länge [km] Anzahl erfasste Fahrzeiten München Rosenheim 41, Rosenheim Kufstein 24, Rosenheim Salzburg 67, Tabelle 6: Übersicht über die Fahrzeitmessungen auf der BAB A8 / BAB A93. Während dieses Zeitraums gab es keine zeitlich und räumlich längeren Baustellen auf dem Untersuchungsabschnitt. Für die weitere Verwendung der Fahrzeitdaten werden die Einzelfahrzeiten zu repräsentativen Fahrzeiten für 15-Minuten Zeitintervalle zusammengefasst (vgl. Kapitel 4.4). Für die Validierung der Bewertungskurven (Kapitel 8) werden diese Fahrzeitdaten als ANPR A8/A93 bezeichnet Verkehrsmengen und lokale Geschwindigkeiten Die Verkehrsmengen für das Untersuchungsgebiet BAB A8 / BAB A93 stammen aus Induktionsschleifen und liefern an 51 RMQ minütliche Werte für die Anzahl der Fahrzeuge, getrennt nach Pkw und Lkw. Zudem liefern die Induktionsschleifen auch die Geschwindigkeiten für die Fahrzeugklassen Pkw und Lkw. Die Verkehrsmengen sind vom bis vorhanden. An allen RMQ werden die Fahrzeuge auf allen Fahrstreifen, inklusive des Seitenstreifens bei temporärer Seitenstreifenfreigabe, detektiert. Die Lage der RMQ sind in Abbildung 13 zu sehen. Zur besseren Übersicht ist bei nah beieinanderliegenden RMQ nur ein RMQ dargestellt. Zwischen München und Rosenheim gibt es eine große Detektordichte mit einem durchschnittlichen Detektorabstand von weniger als zwei Kilometern. Entlang der BAB A93, vom Rosenheim nach Kufstein, sind nur zwei RMQ vorhanden. Auch von Rosenheim in Richtung Salzburg gibt es auf den ersten 40 km nur wenige RMQ. Für die weitere Verwendung in dieser Arbeit werden die fein aufgelösten Verkehrsmengen und Geschwindigkeiten zu 15-Minuten Zeitintervallen aggregiert. Die Anforderung bei der Aggregation auf ein 15-Minuten Zeitintervall ist, dass mindestens 50 % (also 8) der 1-Minuten Intervalle plausible Daten liefern. Liegen in einem 15-Minuten Zeitintervall sieben oder weniger plausible Werte vor, wird für das 15-Minuten Intervall kein Wert ausgegeben. In einem zweiten Schritt werden diejenigen 15-Minuten Intervalle ohne Werte mit Hilfe der vorangehenden und nachfolgenden 15-Minuten Intervalle mit Werten linear interpoliert. Die Interpolation wird über einen maximalen Zeitraum von einer Stunde durchgeführt. 75

80 Datengrundlage Unfalldaten Die Unfalldaten werden verwendet, um den Zusammenhang eines Unfallereignisses mit der Zuverlässigkeit zu untersuchen (Kapitel 9.3.4). Unfalldaten sind für das Streckennetz vom bis vorhanden. In Tabelle 7 ist die Anzahl der Unfälle getrennt nach Unfalltyp und Jahr aufgeführt. Unfalltyp Jahr 2008 Jahr 2009 Jahr 2010 Jahr 2011 Gesamt Alle Unfälle Unfälle mit Sachschaden Unfälle mit Getöteten Unfälle mit Schwerverletzten Unfälle mit Leichtverletzten Tabelle 7: Übersicht der Anzahl Unfälle getrennt nach dem Unfalltyp. Für jeden Unfall sind das Datum, die Uhrzeit und der Ort angegeben. Abbildung 14 zeigt die Unfallorte mit Personenschaden (Getötete, Schwerverletzte und Leichtverletzte) für den ANPR-Erhebungszeitraum in Fahrtrichtung Salzburg bzw. Kufstein. Abbildung 14: Verortete Unfälle mit Personenschaden für den Zeitraum der ANPR- Erhebung. 76

81 Datengrundlage Wetterdaten Für das Untersuchungsgebiet liegen Wetterinformationen von synoptischen 5 und fahrbahnseitigen Wetterstationen von bis vor. Zu den Wetterinformationen zählen die Lufttemperatur und die Niederschlagsintensität. Mit Hilfe der Wetterdaten wird der Einfluss des Wetters auf den Verkehrsablauf analysiert (Kapitel 9.3.6, Seite 140). Eine Übersicht der Lage der Wetterstationen ist in Abbildung 15 zu sehen. Abbildung 15: Lage der synoptischen und fahrbahnseitigen Wetterstationen. Zur Analyse wird das Wetter in Wetterklassen eingeteilt. Die Einteilung beruht auf zehn Wetterklassen von SCHEDLER (2014, Tabelle 18, Seite 57), von denen jedoch aufgrund mangelnder Anzahl an Zeitintervallen nur drei verwendet werden können. In Tabelle 8 sind die Wetterklassen mit der Bedingung in Bezug auf Niederschlagsintensität, Luftund Fahrbahntemperatur aufgelistet. Zusätzlich ist in der letzten Spalte die Anzahl der 15-Minuten Zeitintervalle, welche der Wetterklasse zugeordnet werden, angegeben. Anhand der Anzahl der Zeitintervalle während des ANPR-Erfassungszeitraums zeigt sich, dass nur fünf Wetterklassen auftraten. Die Wetterklassen Matsch (leichter Schneefall) und Schnee (leichter Schneefall) werden nicht weiter betrachtet, da die Stichprobe zu gering ist. Eine große Stichprobe ist notwendig, um den Einfluss von anderen Einflussfaktoren (Verkehrsstärke, Verkehrszusammensetzung) zu relativieren. 5 Eine synoptische Wetterstation erfasst alle relevanten Wettergrößen (Temperatur, Niederschlag, Wind, Sonnenstunden, relative Feuchte). Sie liegt nicht in unmittelbarer Fahrbahnnähe. 77

82 Datengrundlage Wetterklasse Niederschlagsintensität [mm/h] Bedingung Lufttemperatur [ C] Fahrbahntemperatur [ C] Anzahl ZI während ANPR Erfassung Trocken Nass (leichter Regen) <0.5 >=0 > Glätte (leichter Regen) <0.5 >=0 <=-2 0 Matsch (leichter Schneefall) <0.5 <0 > Schnee (leichter Schneefall) <0.5 <0 <=-2 1 Nass (starker Regen) >=0.5 >=0 > Matsch (mittlerer Schneefall) >=0.5; <3.5 <0 <=-2 0 Schnee (mittlerer Schneefall) >=0.5; <3.5 <0 <=-2 0 Matsch (starker Schneefall) >=0.5 <0 > -2 0 Schnee (starker Schneefall) >=0.5 <0 <=-2 0 Tabelle 8: Kategorisierung der Wetterklassen nach SCHEDLER (2014) und deren Häufigkeit in dieser Arbeit. Zusammenfassend wird jedem Zeitintervall mit einer Lufttemperatur von größer als 0 C eine Wetterklasse in Abhängigkeit von der Niederschlagsintensität zugeordnet. Liegt die Niederschlagsintensität bei null, wird die Wetterklasse Trocken zugeordnet. Beträgt die Niederschlagsintensität mehr als null und weniger als 0,5 mm/h, wird die Wetterklasse leichter Regen zugeordnet. Bei mehr als 0,5 mm/h wird die Wetterklasse starker Regen zugeordnet. Für die Ermittlung der aktuellen Wettersituation werden alle Wetterstationen in Betracht bezogen, welche einem Netzabschnitt zugeordnet werden. Für jede Wetterstation wird für jedes Zeitintervall die Wetterklasse bestimmt. Dem Netzabschnitt wird die Wetterklasse zugeordnet, welche am häufigsten auftritt. Bei gleicher Anzahl von zwei unterschiedlichen Wetterklassen wird die Wetterklasse mit dem kleineren Niederschlagswert zugeordnet, damit sichergestellt wird, dass zumindest auf mehr als der Hälfte des Netzabschnitts eine entsprechende Beeinträchtigung des Verkehrsablaufs durch das Wetter vorliegt Verkehrszusammensetzung Die Verkehrszusammensetzung wird unterschieden nach der Herkunft der Fahrzeuge (Regional- oder Fernverkehr) und der Häufigkeit der Erfassung (Pendlerverkehr). Bei Verkehrserhebungen mit ANPR-Kamerasystemen werden die Kennzeichen der Fahrzeuge detektiert. Aus Datenschutzgründen wird das Kennzeichen verschlüsselt abgespeichert. Vor der Verschlüsselung kann die Herkunft des Kennzeichens gespeichert werden. Weil die Verschlüsselung über die gesamte Erhebungsdauer konstant blieb, kann die Häufigkeit der Erfassung einzelner Fahrzeuge ermittelt werden. Damit können Pendler identifiziert werden. 78

83 Datengrundlage Im HBS wird die Verkehrszusammensetzung durch die Unterscheidung der Lage der Strecke innerhalb / außerhalb von Ballungsgebieten berücksichtigt. Die Kapazitätswerte für Verkehrsanlagen innerhalb von Ballungsgebieten sind höher, weil hier der Anteil an Berufspendlern größer ist und angenommen wird, dass diese mit der örtlichen Situation vertraut und Verkehrssituationen sowie die dabei zu erwartende Reisegeschwindigkeiten gut einschätzen (HBS, 2001, Seite 3-6). Regionalverkehr Anhand der Zeichenfolge des Kennzeichens kann das Herkunftsland bestimmt werden. In manchen Ländern kann die Herkunft weiter differenziert werden. In Deutschland geben die ersten 1-3 Buchstaben den Zulassungsbezirk an (z. B. S für Stuttgart). Den Regionalverkehr bilden diejenigen Fahrzeuge, die in den umliegenden Landkreisen des Untersuchungsgebietes zugelassen sind (Abbildung 16). Es werden nur Gebiete aus Deutschland ausgewählt, auch wenn Gebiete aus Österreich geografisch näher an der Erhebungsstrecke liegen. Es wird angenommen, dass Fahrzeuge aus Österreich weniger häufig den Staat verlassen und auf der deutschen Autobahn fahren. Abbildung 16: Gebiete des Regionalverkehrs. Es wird vermutet, dass Fahrzeuge aus den umliegenden Landkreisen des Untersuchungsgebietes die Strecke besser kennen und aufgrund der geringeren Fahrtweite weniger von Ermüdungserscheinungen oder Konzentrationsschwächen betroffen sind, 79

84 Datengrundlage was den Verkehrsablauf beeinflussen kann. Wie häufig Fahrzeuge aus diesen Gebieten detektiert werden, zeigt Abbildung 17. In dieser Abbildung sind die Gebiete nach ihrer Häufigkeit am Querschnitt München sortiert. Mehr als 20 % aller Fahrzeuge sind in München (M) zugelassen. Das am häufigsten vorkommende Gebiet außerhalb von Deutschland ist Kufstein (KU, AUT) aus Österreich. Unter diesen 20 häufigsten Gebieten sind 13 dem Regionalverkehr zugeordnet. Etwa die Hälfte der Fahrzeuge des Regionalverkehrs kommt aus den drei Zulassungsbezirken München (M), Rosenheim (RO) und Miesbach (MB). Die Tatsache, dass mehr Rosenheimer als Miesbacher detektiert werden, obwohl der Landkreis Miesbach näher am Querschnitt München liegt, ist in der Einwohnerzahl begründet. Der Landkreis Miesbach hat Einwohner ( ) und der Landkreis Rosenheim Einwohner (Stand , BAYERN, 2013). M RO MB TÖL TS EBE FFB FS A N BGL B HH STA DAH R ED KU (AUT) S PAF Regionalverker Fernverker prozentuale Häufigkeit Abbildung 17: Prozentuale Häufigkeit der Herkunft der Fahrzeuge am Kameraquerschnitt München. Unter den 20 am häufigsten detektierten Zulassungsbezirken gibt es zwei Bezirke mit mehr als 500 km Abstand zum Messquerschnitt: Berlin (B) und Hamburg (HH). Diese Gebiete kennzeichnet eine sehr große Einwohnerzahl und damit verbunden eine hohe Anzahl an Pkw-Zulassungen. Der Pkw-Bestand am 1. Januar 2013 liegt laut KBA (2013) in Berlin bei und in Hamburg bei (ein Vergleich: der Pkw-Bestand in 80

85 Datengrundlage Rosenheim am 01. Januar 2011 lag bei , Quelle: KBA, 2013). In Hamburg sind zudem die Mietwagen von Europcar zugelassen (MIETWAGENANBIETER, 2014). Der Anteil des Regionalverkehrs aller 15-Minuten Zeitintervalle wird unter Verwendung des Clusterverfahrens kmeans (SEBER, 1984) in drei Klassen (wenig, mittlerer, viel Regionalverkehr) eingeteilt. Die Clustermethode stellt sicher, dass ähnliche Regionalverkehrsanteile innerhalb einer Klasse bleiben. Die Klassen sind dabei nicht gleich stark besetzt. Die Wertebereiche des Regionalverkehrsanteils und die Anzahl der Zeitintervalle in den Klassen kann aus Abbildung 48 (Seite 132) entnommen werden. Abbildung 18 zeigt die Verteilung der drei Klassen des Regionalverkehrsanteils über eine durchschnittliche Woche. Wenig Regionalverkehr wird in den Nachtstunden zwischen 00:00 und 06:00 Uhr, mit Ausnahme von Samstag auf Sonntag, und am Wochenende beobachtet. Viel Regionalverkehr liegt in den typischen Berufsverkehrsstunden vormittags und nachmittags an den Tagen Montag Freitag, aber auch am Wochenende vor. relative Häufigkeit innerhalb eines Zeitintervalls [%] wenig Regionalverkehr Mo Di Mi Do Fr Sa So mittlerer Regionalverkehr Mo Di Mi Do Fr Sa So viel Regionalverkehr Mo Di Mi Do Fr Sa So Abbildung 18: Verteilung des Regionalverkehrsanteils über eine durchschnittliche Woche. Diese Information zur Herkunft der Fahrzeuge wird in dieser Arbeit verwendet, um den Einfluss des Regionalverkehrs auf die Zuverlässigkeit im Verkehrsablauf zu ermitteln (Kapitel , Seite 131). 81

86 Datengrundlage Pendlerverkehr Mithilfe der erfassten Kfz-Kennzeichen kann bestimmt werden, wie häufig ein Fahrzeug an einem der vier Kameraquerschnitte detektiert wurde. Die Kennzeichen werden aus datenschutztechnischen Gründen verschlüsselt, jedoch wurde der Schlüssel über die gesamte Dauer der Erfassung nicht geändert. Es wird angenommen, dass häufig passierende Fahrzeuge Berufspendler sind. Es wird festgelegt, dass ein Fahrzeug, welches im Durchschnitt mindestens zweimal pro Woche an einem Messquerschnitt detektiert wird, zum Pendlerverkehr gehört. Dabei muss das Fahrzeug nicht in jeder Woche zweimal detektiert werden, sondern die absolute Anzahl an Detektionshäufigkeit über den gesamten Erhebungszeitraum ist entscheidend. Mit der Festlegung auf zwei Detektionen pro Woche wird berücksichtigt, dass ein Pendler nicht an jedem Arbeitstag am Messquerschnitt erfasst wird, da die Erfassungsrate nicht bei 100 % liegt oder weil der Pendler sich im Urlaub befindet, krankgeschrieben ist, Überstunden abbaut, eine andere Route wählt oder auch zu einem bestimmten Maß in Teilzeit arbeitet. Auf der anderen Seite sind nicht alle Fahrzeuge, die sehr häufig erfasst werden, zwingend Pendler. Jedoch wird angenommen, dass häufig wiederkehrende Fahrer, was bei Pendlern gegeben ist, erfahrene Fahrer sind. Um die Pendler nach ihrer Fahrzeugklasse zu unterscheiden, werden die Geschwindigkeit der Fahrzeuge und die Zeiten mit Lkw- Fahrverbot betrachtet. Ein Fahrzeug wird als Pkw klassifiziert, wenn die mittlere Geschwindigkeit einer Fahrt größer als 95 km/h ist oder das Fahrzeug während eines Lkw-Fahrverbots detektiert wird. Damit ergibt sich ein Pkw-Anteil der Pendler von über 99 %. Bei den wiederkehrenden Lkw wird angenommen, dass es sich um Berufskraftfahrer handelt, die ebenfalls als erfahrene Fahrer eingestuft werden können. Am Messquerschnitt München gibt es ca Pendler, das entspricht rund 22 % des durchschnittlichen werktäglichen Verkehrs (DTVw). Ein Zusammenhang zwischen Regionalverkehr und Pendlern ist vorhanden. 88 % der Pendler-Fahrzeuge gehören zum Regionalverkehr. Eine Übersicht über die Herkunft der Pendler zeigt Abbildung 19. In dieser Abbildung sind die Gebiete zusätzlich nach Regionalverkehr und Fernverkehr unterschieden. Im Vergleich zur Verteilung der Gebiete von allen Fahrzeugen (Abbildung 17) zeigt sich, dass der Anteil aus den Landkreisen Miesbach (MB) und Rosenheim (RO) bei den Pendlern deutlich größer ist. Das bedeutet, dass die Pendlerdichte in diesen Gebieten besonders hoch ist. Eine Erklärung ist die räumliche Lage dieser Landkreise, direkt an der Autobahn nach München liegen. Nach dem Messquerschnitt München verläuft die Autobahn A8 vom Landkreis München nach Miesbach und im späteren Verlauf von Miesbach nach Rosenheim. Durch die Nähe zur Stadt München pendeln viele Miesbacher und Rosenheimer nach München. Die Pendler von Miesbach und Rosenheim werden am Messquerschnitt (Richtung Salzburg) am Abend detektiert, also auf ihrer Rückfahrt von der Arbeit nach Hause. 82

87 Datengrundlage M MB RO TÖL TS EBE FS FFB ED KU (AUT) STA BGL DAH BN PAF A D F B N Regionalverker Fernverker prozentuale Häufigkeit Abbildung 19: Prozentuale Häufigkeit der Pendler am Kameraquerschnitt München aufgeteilt nach der Herkunft der Fahrzeuge. Identisch zum Regionalverkehr wird der Anteil der Pendler unter Verwendung des Clusterverfahrens kmeans in drei Klassen (wenig, mittlerer, viel Pendlerverkehr) eingeteilt. Die Wertebereiche des Regionalverkehrsanteils und die Anzahl der Zeitintervalle in den Klassen kann aus Abbildung 53 (Seite 137) entnommen werden. Abbildung 20 zeigt die Verteilung des Pendlerverkehrs über eine durchschnittliche Woche. Viel Pendlerverkehr liegt an den Arbeitstagen Montag bis Freitag vormittags und nachmittags (Ausnahme Freitag) und zum Teil in den frühen Morgenstunden vor. Am Wochenende wird überwiegend wenig Pendlerverkehr beobachtet. Im Vergleich zur Verteilung des Regionalverkehr (Abbildung 18) sind Unterschiede zu erkennen. Vor allem am Wochenende wird häufig mittlerer oder viel Regionalverkehr beobachtet, jedoch meistens wenig Pendlerverkehr. An den Arbeitstagen (Montag-Freitag) liegt wenig Regionalverkehr in den frühen Morgenstunden vor, wenig Pendlerverkehr wird in der Mittagszeit beobachtet. Trotz der Tatsache, dass 88 % der Pendler auch zum Regionalverkehr gehören, ergibt sich eine unterschiedliche Einteilung der Zeitintervalle in die Klassen des Regionalverkehrs und des Pendlerverkehrs. Das erklärt sich zum einen aufgrund der Einteilung in die drei Klassen (Tabelle 9): Beim Regionalverkehr ist die Klasse wenig Regionalverkehr die Klasse mit den wenigsten Zeitintervalle und beim Pendlerverkehr 83

88 Datengrundlage ist die Klasse viel Pendlerverkehr die Klasse mit den wenigsten Zeitintervalle. Zum anderen ergibt sich eine unterschiedliche Einteilung der Zeitintervalle aufgrund der deutlich größeren Stichprobe des Regionalverkehrs: Am Querschnitt München besteht der Regionalverkehr aus 1,5 Millionen unterschiedlichen Fahrzeugen, die 8,8 Millionen Fahrten durchführen. Bei den Pendlern sind es dagegen nur Fahrzeuge, die 1,6 Millionen Fahrten durchführen. Klasse wenig mittlerer viel Regionalverkehr Pendlerverkehr Tabelle 9: Anzahl der Zeitintervalle in den unterschiedlichen Klassen des Regionalverkehrs und Pendlerverkehr. relative Häufigkeit innerhalb eines Zeitintervalls [%] wenig Pendlerverkehr Mo Di Mi Do Fr Sa So mittlerer Pendlerverkehr Mo Di Mi Do Fr Sa So viel Pendlerverkehr Mo Di Mi Do Fr Sa So Abbildung 20: Verteilung des Pendlerverkehrs über eine durchschnittliche Woche. Der Anteil der Pendler wird benötigt, um den Einfluss auf den Verkehrsablauf zu untersuchen (Kapitel , Seite 137). 84

89 Datengrundlage 7.4 Fahrzeitdaten Großraum München (Pendler-FCD) Weitere Fahrzeitdaten entstammen dem Projekt wiki - Wirkungen individueller und kollektiver ontrip Verkehrsbeeinflussung auf den Verkehr in Ballungsräumen (FRIED- RICH et al., 2012). In diesem Projekt wurden für 280 Probanden jeweils über eine Zeitdauer von 8 Wochen GPS-Trajektorien im motorisierten Individualverkehr im Großraum München erhoben. Über alle Probanden liegen Fahrzeitdaten für 208 Tage vor. Aus den GPS-Trajektorien wird die Fahrzeit im untergeordneten Straßennetz ausgefiltert, so dass reine Fahrzeiten auf Autobahnen bestimmt werden können. Es ergeben sich Fahrzeiten für 20 Autobahnabschnitte, die eine Länge zwischen 2 km und 33 km aufweisen. Bedingt durch die Tatsache, dass alle Probanden Berufspendler sind, stammen eine große Menge der Fahrzeiten aus der Hauptverkehrszeit. Im Folgenden werden diese Fahrzeitdaten als Pendler-FCD bezeichnet und bei der Validierung der Bewertung des Verkehrsablaufs verwendet (Kapitel 8). 85

90

91 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit 8 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit In diesem Kapitel wird ein Verfahren zur Bewertung des Verkehrsablaufs unter der Berücksichtigung der Zuverlässigkeit für Netzabschnitte auf Autobahnen vorgestellt. Grundlage dafür sind die Verkehrsdaten des deutschen Autobahnnetzes (Kapitel 7.2). Das zu bewertende Netzelement ist ein Netzabschnitt. Ein Netzabschnitt ist eine Folge von Einzelanlagen auf einem Verkehrsweg mit gleicher Verbindungsfunktionsstufe und gleicher Kategorie. Ein Netzabschnitt wird von zwei sogenannten zentralen Knotenpunkten begrenzt, an denen der betrachtete Verkehrsweg mit einem Verkehrsweg höherrangiger oder gleichrangiger Verbindungsfunktionsstufe verknüpft ist (vgl. Kapitel 2.3). In dieser Arbeit werden ausschließlich Netzabschnitte auf Autobahnen betrachtet. Damit endet ein Netzabschnitt auch dann, wenn eine Autobahn in einen anderen Straßentyp übergeht. Netzabschnitte haben einen Richtungsbezug. Die unterschiedlichen Fahrtrichtungen zwischen zwei zentralen Knotenpunkten werden unabhängig voneinander bewertet. Tabelle 10 und Abbildung 21 zeigen die Netzabschnitte getrennt nach ihrer Verbindungsfunktionsstufe (VFS) und die Knotenpunkte getrennt nach ihrer Zentralität. VFS Anzahl Netzabschnitte Länge gerichtet [km] mittlere Länge [km] ,8 I ,1 II ,6 Summe Tabelle 10: Übersicht der Netzabschnitte. 87

92 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Abbildung 21: Übersicht der Netzabschnitte. 88

93 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Für alle Netzabschnitte wird die Fahrzeit über ein Jahr in 15-Minuten Intervallen berechnet (vgl. Kapitel 6.2.1). Von den insgesamt 772 Netzabschnitten sind für 20 Netzabschnitte keine vollständigen Fahrzeitdaten vorhanden. Weiter werden Zeiträume, in denen die Kapazität durch Baustellen eingeschränkt ist, nicht berücksichtigt. Netzabschnitte werden nur dann verwendet, wenn für mindestens 90 Tage Fahrzeiten ohne Baustelleneinfluss vorhanden sind. Nach dieser Ausfilterung bleiben 633 Netzabschnitte übrig, auf deren Grundlage die Bewertung vorgenommen wird. Die Soll-Fahrzeit für alle Netzabschnitte wird aus einer planerisch angemessenen Geschwindigkeit von 80 km/h abgeleitet. Diese Geschwindigkeit entspricht der mittleren angestrebten Pkw-Fahrgeschwindigkeit der RIN (2008) für Autobahnen der VFS II (vgl. Tabelle 3, Seite 56). Für Autobahnen mit höherer VFS geben die RIN eine größere angestrebte Pkw-Fahrgeschwindigkeit an. In dieser Arbeit wird aber eine einheitliche Soll-Fahrzeit verwendet. Aufgrund der konstanten Soll-Fahrzeit ist die hier vorgestellte Bewertungsmethode unabhängig von der VFS der Netzabschnitte. 8.1 Auswahl von Kenngrößen zur Quantifizierung der Zuverlässigkeit Für die Bewertung der Zuverlässigkeit sind Kenngrößen erforderlich. Von den in Kapitel 5 vorgestellten Kenngrößen aus der Literatur werden im Folgenden geeigneten Kenngrößen ausgewählt. Aufgrund der verschiedenen Aspekte der Zuverlässigkeit von Fahrzeiten genügt es nicht, nur eine Kenngröße für eine umfassende Bewertung zu verwenden (LOMAX et al., 2003, VAN LINT et al., 2007, SHRP, 2012). VAN LINT et al. (2007, Seite 276) stellen fest, dass einige Kenngrößen untereinander inkonsistent sind. Das konnte auch mit den Werten der exemplarischen Pkw-Geschwindigkeitsverteilungen (Tabelle 1 und Abbildung 6 in Kapitel 5.5) gezeigt werden. Damit die unterschiedlichen Aspekte berücksichtigt werden, sollten zur Bewertung der Zuverlässigkeit mehrere Kenngrößen verwendet werden. Für einen Verkehrsteilnehmer ist die Zuverlässigkeit dann gegeben, wenn die Fahrzeit planbar ist. Damit kann er sein Ziel, gegebenenfalls unter Berücksichtig einer Pufferzeit, pünktlich erreichen. Aus verkehrsplanerischer Sicht interessieren die Häufigkeiten, in denen eine Soll-Fahrzeit überschritten wird (Ausfallhäufigkeit), oder tatsächliche Verlustzeiten, die zu monetären Größen umgerechnet werden können. Das erfordert unterschiedliche Kenngrößen. Wegen der häufig auftretenden Schiefe in der Verteilung der Fahrzeiten raten VAN LINT et al. (2007) davon ab, klassische statistische Methoden wie die Standardabweichung oder die Varianz der Fahrzeiten für die Bewertung der Zuverlässigkeit zu verwenden. Für die Zuverlässigkeit aus der Streuung der Fahrzeiten (Kapitel 5.2) wird der Fahrzeitindex verwendet. Für die Verwendung des Fahrzeitindex sprechen die einfache Ermittlung und Interpretierbarkeit. Die Kenngröße Verlustzeit ist die einzige, die alle Überlastungsfälle in ihrer Schwere mitberücksichtigt und mit der monetäre Größen 89

94 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit abgeleitet werden können. Aus der Verlustzeit geht allerdings nicht hervor, ob ein Netzabschnitt häufig mit kleinen Verlustzeiten oder selten mit großen Verlustzeiten ausgefallen ist. Diese Fragestellung beantwortet der Verspätungsindex. Aus diesen Gründen wird im Folgenden eine Methode zur Bewertung der Zuverlässigkeit für Netzabschnitte auf Autobahnen vorgestellt, die auf den drei Kenngrößen Fahrzeitindex, Verspätungsindex und Verlustzeit basiert. Kenngröße Einheit Beschreibung Fahrzeitindex [-] Variabilität der Fahrzeit Verspätungsindex [%] Häufigkeit mit der eine Mindestqualität (z. B. 80 km/h) nicht erreicht wird Verlustzeit [s/km] Summe aller Zeitverluste Tabelle 11: Auswahl der Kenngrößen zur Quantifizierung der Zuverlässigkeit. 8.2 Methodisches Vorgehen Der Verkehrsablauf soll mit einer Funktion bewertet werden, die analog zum HBS (2001) und den RIN (2008) jedem Zustand eine von sechs Qualitätsstufen A bis F zuordnet. Diese Bewertungsfunktion wird durch ihren Funktionstyp und ihre Funktionsparameter beschrieben. Der Methode liegt zu Grunde, dass mit steigender Länge eines Netzabschnitts der Kennwert abnimmt, weil sich Störungen von kurzen Netzabschnitten stärker auf die erreichbare Geschwindigkeit auswirken. Bei längeren Netzabschnitten kann der Zeitverlust möglicherweise kompensiert werden oder ist durch die längere Fahrzeit relativ unbedeutend. Mit dieser Annahme ist die Funktionsvariable x die Länge des Netzabschnitts. Als Funktionstypen wurden eine rationale Funktion, eine Exponentialfunktion und eine abschnittsweise lineare Funktion in Erwägung gezogen. Dabei hat sich die rationale Funktion als die geeignetste erwiesen. Mit einer rationalen Funktion hat ESTEL (2008) den Fahrzeitindex für kurze Autobahnabschnitte bis zu einer Länge von acht Kilometer im Bereich der Überlastung bewertet. Die rationale Funktion wird wie von ESTEL (2008) so erweitert, dass sie sich für x 0 an einen Grenzwert G annähert. f(x) = [( a n x + b) + G n ] 1 n mit a, b, n Parameter der Bewertungsfunktion G Grenzwert bei x = 0 Voraussetzung für die Annäherung an den Grenzwert G für x 0 ist ein negativer Parameter n. Die Funktionsparameter a, b, n und G werden durch eine 90

95 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Parameterschätzung für die einzelnen Qualitätsstufen bestimmt. Dabei kommen zwei unterschiedliche Ansätze in Frage: Die Parameter werden so bestimmt, dass die Abstände zwischen den Qualitätsstufen gleich groß sind. Die Parameter werden so bestimmt, dass jede Qualitätsstufe gleich stark besetzt ist. Im Folgenden werden die Parameter in einem ersten Schritt so geschätzt, dass jede Qualitätsstufe in etwa gleich stark besetzt ist. Anschließend werden die Parameter manuell angepasst. Die manuelle Anpassung verfolgt zwei Grundsätze: Die Abstände zwischen den Bewertungsfunktionen benachbarter Qualitätsstufen sollen gleich sein oder mit abnehmender Qualität größer werden. Ausgehend von der Überlegung, dass der aktuelle Zustand der Verbindungsqualität in Deutschland im Mittel eher den Qualitätsstufen B oder C und nicht den Qualitätsstufen C oder D entspricht, werden die Funktionen um etwa eine Qualitätsstufe nach oben verschoben. Mit dieser Begründung wurden auch die Bewertungsfunktionen in den RIN korrigiert. In den RIN wird die resultierende (mittlere) Kurve als Grenze zwischen den Stufen der Angebotsqualität B und C definiert (RIN, 2008, Seite 50 und Bild 27 auf Seite 51). Da mit den vorliegenden Kennwerten für jede Kenngröße fünf Bewertungsfunktionen geschätzt werden müssen und sowohl die Kennwerte als auch die Zahl der Beobachtungen mit der Länge abnehmen, werden die Werte vor der Parameterschätzung abschnittsweise zusammengefasst. Dabei werden alle Kennwerte innerhalb eines Längenbereiches aufsteigend sortiert. Aus dieser Sortierung ergeben sich unter der Annahme einer Gleichbesetzung für jeden Längenbereich fünf Grenzpunkte zwischen den sechs Qualitätsstufen. Diese Vorgehensweise orientiert sich an der Methode der Bewertungskurven in den RIN (2008, Bilder 15-17). Um die Länge eines Längenbereichs festzulegen, sind zwei Methoden möglich: Konstante Längenbereiche: Bei dieser Methode werden identisch große Längenbereiche gebildet. Ein Längenbereich kann sich zum Beispiel über 5 km erstrecken. Mit dieser Ausdehnung der Längenbereiche existieren von 0 km bis 200 km insgesamt 40 Längenbereiche. Für jeden Längenbereich werden die Netzabschnitte ermittelt, deren Länge in diesem Bereich liegen. Damit erhält man für jede Bewertungskurve eine Punktfolge über die Netzabschnittslänge. Die Anzahl der Punkte entspricht dabei der Anzahl an Längenbereichen. Mit diesen Punkten werden nun die Funktionsparameter für jede Qualitätsstufe geschätzt. Die variierende Anzahl an Netzabschnitten pro Längenbereich kann über eine Gewichtung mit der Anzahl an Netzabschnitten berücksichtigt werden. Konstante Anzahl von Netzabschnitten: Bei dieser Methode werden die Längenbereiche so gewählt, dass die Anzahl der Netzabschnitte pro Längenbereich konstant bleibt. Das führt zu Längenbereichen mit unterschiedlicher Länge. Zum Beispiel können jeweils 48 Netzabschnitten für die 91

96 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Ermittlung der Lage der Qualitätsstufen herangezogen werden. Mit 48 Netzabschnitten entfallen auf jede der sechs Qualitätsstufen 8 Netzabschnitte. Beginnend bei den 48 kürzesten Netzabschnitten wird die Lage der Qualitätsstufen für diese Netzabschnitte ermittelt. Für die nächste Lage der Qualitätsstufen werden im nächsten Schritt die 48 nächstkürzeren Netzabschnitte verwendet. Die Lage der ermittelten Grenzen auf der Längenachse ergibt sich aus dem Mittelwert der Längen der Netzabschnitte, die für die Grenzermittlung herangezogen werden. Beide Methoden für die Ermittlung der Lage der Qualitätsstufen können auch gleitend durchgeführt werden. Das bedeutet, dass Netzabschnitte nicht ausschließlich für die Ermittlung einer einzigen Lage der Qualitätsstufen herangezogen werden, sondern mehrfach für verschiedene Lagen der Qualitätsstufen verwendet werden. Beginnend mit den 48 längenkürzesten Netzabschnitten ersetzt im zweiten Schritt der nächstlängste Netzabschnitt den kürzesten Netzabschnitt aus dem aktuellen Schritt. So wird, mit Ausnahme der 47 kürzesten und längsten Netzabschnitte, jeder Netzabschnitt 48-mal für die Ermittlung der Grenzen miteinbezogen. Das führt zu einer höheren Genauigkeit, als wenn jeder Netzabschnitt nur einmal miteinbezogen würde. Die Anzahl der Netzabschnitte, die für eine Lage der Qualitätsstufen verwendet werden, beträgt 48. Damit wird auf der einen Seite sichergestellt, dass die Lagen der Qualitätsstufen aus einer Mindestanzahl (8) an Netzabschnitten gemittelt werden und somit Zufälligkeiten reduziert werden. Auf der anderen Seite werden die Lagen über einen größeren Längenbereich gebildet, da sich die Lagen auf der Längenachse aus dem Mittelwert der Längen der Netzabschnitte ergeben. Ein Beispiel: Der Mittelwert der 48 kürzesten Netzabschnitte ist kleiner als der Mittelwert der 96 kürzesten Netzabschnitte. Ebenso ist Mittelwert der 48 längsten Netzabschnitte größer als der Mittelwert der 96 längsten Netzabschnitte. Daraus ergibt sich ein größerer Längenbereich für die Lage der Qualitätsstufen mit kleinerer Anzahl Netzabschnitten. Mithilfe dieser Lagen der Qualitätsstufen werden die Parameter der Bewertungsfunktionen berechnet. Dadurch, dass z. B. im Bereich von 0 bis 50 km mehr Netzabschnitte existieren als für den Bereich größer als 150 km, gibt es im Nahbereich eine größere Anzahl an Punkten. Das führt bei der Parameterschätzung dazu, dass die Punkte im Nahbereich einen stärkeren Einfluss auf die Bewertungskurven haben. Um diesen Effekt auszugleichen, werden die einzelnen Punkte nach der Standardabweichung der Netzabschnittslängen, aus denen die Lage berechnet wurde, gewichtet. Dabei gilt: Liegen die Längen der Netzabschnitte für die Ermittlung einer Lage der Qualitätsstufe weit verstreut, ist die Standardabweichung und damit die Gewichtung groß. Die Parameterschätzung ist abhängig von dem Startwert und dem Wertebereich der Parameter. Um sicherzustellen, dass der Startwert und die Wertebereiche der Parameter nicht das Ergebnis der Schätzung beeinflussen, werden diese Eingangswerte für die Schätzung variiert. Die Parameter werden mit der Methode der kleinsten Quadrate 92

97 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit berechnet. Die Parameter dienen als Orientierung für die manuelle Anpassung und Festlegung der Bewertungskurven. Im Folgenden werden die Bewertungskurven der drei Kenngrößen Fahrzeitindex, Verspätungsindex und Verlustzeit vorgestellt. Für jede Kenngröße wird das Ergebnis der Parameterschätzung, die manuell angepassten Bewertungskurven und eine Validierung mit anderen Datenquellen vorgestellt. Bei der Validierung werden ANPR-Fahrzeiten und FCD-Fahrzeiten verwendet. Datenquellen der ANPR-Fahrzeiten sind die Kurzzeit ANPR-Fahrzeiten (Kapitel 7.1, als ANPR-Kurzzeit A7/A8 bezeichnet), als auch die ANPR-Fahrzeiten der Verkehrsdaten BAB A8 / BAB A93 (Kapitel 7.3.2, als ANPR A8/A93 bezeichnet) verwendet. Um den Bezug zu den ddg-daten herzustellen, werden die Kenngrößen nicht aus Einzelfahrzeiten, sondern aus repräsentativen Fahrzeiten in 15-Minuten Zeitintervallen berechnet (vgl. Kapitel 4.4). Für die Fahrzeiten der ANPR-Kurzzeit A7/A8 gilt zu beachten, dass zum Zeitpunkt der ANPR-Messung auf der Relation BAB A7 Hannover - Kassel und auf allen Relationen der BAB A8 Baustellen vorhanden waren. Dadurch und weil explizit Wochen mit starkem Verkehrsaufkommen für die ANPR-Messung ausgewählt wurden, ist anzunehmen, dass die Werte der Kenngrößen groß sind und daher schlecht bewertet werden. Während der Erhebungsdauer der ANPR A8/A93 Daten gab es keine größeren Baustellen auf dem Streckennetz. Weitere Fahrzeitdaten für die Validierung sind die Pendler-FCD Fahrzeitdaten (Kapitel 7.4). Es gilt zu beachten, dass die Kenngrößen aus Einzelfahrzeiten berechnet werden, wodurch größere Kenngrößen als aus gemittelten Fahrzeiten entstehen (FRIEDRICH et al., 2011a, Seite 27). Bedingt durch die Tatsache, dass eine große Menge der Fahrzeiten aus der Hauptverkehrszeit stammt, ist eine schlechte Qualität zu erwarten. Im Folgenden werden diese Validierungsdaten als Pendler-FCD bezeichnet Fahrzeitindex In die Parameterschätzung gehen Fahrzeitindizes der 633 Netzabschnitte ein, für die an mindestens 90 Tagen Fahrzeitdaten ohne Baustellen vorliegen. 14 % dieser Netzabschnitte weisen einen Fahrzeitindex von 1,0 auf, d. h. das 15 %-Perzentil entspricht dem 99 %-Perzentil. Diese Netzabschnitte werden bei der Parameterschätzung nicht berücksichtigt, weil die Fahrzeiten über den gesamten Zeitraum konstant und damit nicht plausibel sind. In Abbildung 22 sind diese Netzabschnitte dargestellt, so dass die Qualitätsstufe A übermäßig stark besetzt ist. Die + Markierungen in Abbildung 22 repräsentieren jeweils den Fahrzeitindex eines Netzabschnitts. Die Grenzlinien zwischen den Graustufen definieren die spezifischen Grenzen der Qualitätsstufen für jeden Längenbereich, ausgehend von der Annahme 93

98 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit gleich stark besetzter Qualitätsstufen. Die Kurven zeigen das Ergebnis der Parameterschätzung an den entsprechenden Grenzlinien der Qualitätsstufen. Die Anzahl der Netzabschnitte in den Qualitätsstufen zwischen den Kurven kann aus der Legende entnommen werden. Da die Kurven an die Graustufen angenähert werden, ergibt sich keine Gleichverteilung. Ab einer Länge von 50 km sind alle Bewertungskurven nahezu entfernungsunabhängig. Die Bewertungskurven der Qualitätsstufen A / B und B / C sind über alle Längen kaum entfernungsabhängig. Das liegt an der Häufung der Fahrzeitindizes bei 1,2 und einer Länge von 0 bis 20 km. In diesem Längenbereich fallen die Bewertungskurven mit schlechterer Qualitätsstufe stärker ab QS F (90, 14%) QS E (93, 15%) QS D (70, 11%) QS C (99, 16%) QS B (96, 15%) QS A (185, 29%) FZI t 99% / t 15% Länge des Netzabschnitts [km] Abbildung 22: Berechnete Bewertungskurven für die Kenngröße Fahrzeitindex (n = 633, mittleres Bestimmtheitsmaß R² = 0,5). Abbildung 23 zeigt die vorgeschlagenen manuell angepassten Bewertungskurven zur Bewertung der Kenngröße Fahrzeitindex. Ausgangspunkt bilden die durch die Parameterschätzung ermittelten Kurven aus Abbildung 22, die in Abbildung 23 gestrichelt dargestellt sind. Die Zielvorstellung, dass die Bewertungskurven um etwa eine Stufe nach oben korrigiert werden und die Bewertungskurven entfernungsabhängig sein sollen, wird dadurch erreicht, dass die Kurven im Bereich von 0 bis 10 km weitgehend mit den berechneten 94

99 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Bewertungskurven übereinstimmen, sich aber mit steigender Länge der nächsthöheren Qualitätsstufe annähern. Eine Ausnahme bilden die ersten beiden Qualitätsstufen, die parallel zur x-achse verlaufen und damit entfernungsunabhängig sind. Die Entfernungsabhängigkeit kann nicht beliebig vorgegeben werden, da sie beim gewählten Funktionstyp mit der Steigung im Bereich 0 bis 20 km korreliert. Um die Steigung im Bereich unter 20 km beizubehalten und die Kurven dennoch entfernungsabhängiger zu gestalten, müsste ein komplexerer Funktionstyp gewählt werden. Mit den dargestellten Bewertungskurven wird einem Netzabschnitt der Länge 50 km dann die Qualitätsstufe F zugeordnet, wenn sein Fahrzeitindex 1,7 übersteigt. D. h. bei einem 15 %-Perzentil der Fahrzeit von 30 Minuten beträgt die Fahrzeit in der 90. Stunde (99 %-Perzentil) mindestens 51 Minuten. In Geschwindigkeiten ausgedrückt, ergibt sich eine freie Geschwindigkeit von 100 km/h und eine Geschwindigkeit im 99 %-Perzentil von 59 km/h. Im Vergleich dazu erhält ein Netzabschnitt mit gleicher Länge und gleicher 15 %-Perzentil Fahrzeit Qualitätsstufe A, wenn die Geschwindigkeit in der 90. Stunde mindestens 83 km/h beträgt. FZI t 99% / t 15% QS F (63, 10%) QS E (66, 10%) QS D (56, 9%) QS C (110, 17%) QS B (149, 24%) QS A (189, 30%) ANPR Kurzzeit A7/A8 FCD-Pendler ANPR A8/A Länge des Netzabschnitts [km] Abbildung 23: Manuell angepasste Bewertungskurven und Validierung für die Kenngröße Fahrzeitindex (n = 633). In Abbildung 23 werden die Fahrzeitindizes aus anderen Daten mit den manuell angepassten Bewertungskurven validiert. Wie erwartet, ergeben sich für die FCD- Pendler in den meisten Fällen schlechte Qualitätsstufen, da der Fahrzeitindex mit 95

100 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Fahrzeiten von Einzelfahrzeugen im Berufsverkehr ermittelt wird. Bei den Kennwerten von ANPR-Kurzzeit A7/A8 muss zwischen den Abschnitten der A7 und der A8 unterschieden werden. Die Relationen der A7 werden mit Qualitätsstufe B bis D bewertet. Nur die Verbindung von Hannover nach Kassel wird mit Qualitätsstufe F bewertet, was auf die Baustelle auf diesem Abschnitt zurückzuführen ist. Alle Verbindungen der A8 werden mit Qualitätsstufe C oder schlechter bewertet. Auch die Abschnitte der A8/A93 (ANPR A8/A93) werden mit Qualitätsstufe E oder F bewertet. Die schlechten Qualitätsstufen von ANPR-Messungen sind in derer größeren Streuung begründet (vgl. Kapitel 7.2.1). Ein weiterer Einfluss hat die Bildung der repräsentativen Fahrzeit für 15-Minuten Intervalle aus den Einzelfahrzeiten (vgl. Kapitel 4.4). Wird bei der Bildung der repräsentativen Fahrzeit ein höheres Perzentil verwendet, sind die repräsentativen Fahrzeiten höher. Im freien Verkehrsfluss wirkt sich das stärker aus als bei gestautem Verkehrsfluss, da im gestauten Verkehrsfluss alle Fahrzeuge annähernd die gleiche Geschwindigkeit fahren. Im freien Verkehr hingegen führt die individuelle Wahl der Geschwindigkeit zu einer stärkeren Streuung der Fahrzeit. Somit ergeben sich bei höherem Perzentilwert zur Bildung von repräsentativen Fahrzeiten kleinere Werte für den Fahrzeitindex. 96

101 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Verspätungsindex QS F (115, 18%) QS E (36, 6%) QS D (154, 24%) QS C (103, 16%) QS B (105, 17%) QS A (120, 19%) 40 Verspätungsindex [%] Länge des Netzabschnitts [km] Länge des Netzabschnitts [km] Abbildung 24: Berechnete Bewertungskurven für die Kenngröße Verspätungsindex (n = 633, mittleres Bestimmtheitsmaß R² = 0,5). In Abbildung 24 ist das Ergebnis der Parameterschätzung für den Verspätungsindex zu sehen. Die beiden Diagramme in Abbildung 24 zeigen inhaltlich identische Kurven. Im unteren Diagramm ist zur besseren Übersicht der Bereich von 0 bis 5 % vergrößert dargestellt. Bei der Analyse der Bewertungen fällt auf, dass die Qualitätsstufe E sehr schwach, die Qualitätsstufe D jedoch stark besetzt ist. Das erklärt sich durch 58 Netzabschnitte mit einem Verspätungsindex von größer als 50 %. Diese Netzabschnitte besitzen fast ausschließlich Verbindungsfunktionsstufe II und eine Länge kleiner als 2 km. Das führt dazu, dass die beiden Bewertungskurven D / E und E / F eng beieinander liegen, so dass wenig Netzabschnitte auf die Qualitätsstufe E entfallen. 97

102 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Verspätungsindex [%] Länge des Netzabschnitts [km] 5 4 QS F (119, 19%) QS E (67, 10%) QS D (69, 11%) QS C (103, 16%) QS B (112, 18%) QS A (163, 26%) ANPR Kurzzeit A7/A8 FCD-Pendler ANPR A8/A Länge des Netzabschnitts [km] Abbildung 25: Manuell angepasste Bewertungskurven für die Kenngröße Verspätungsindex (n = 633) mit Validierung. Abbildung 25 zeigt die manuell angepassten Bewertungskurven der Kenngröße Verspätungsindex. Entsprechend Abbildung 24 zeigen beide Diagramme dieselben Bewertungskurven in unterschiedlicher Achsenskalierung. Die Bewertungskurve E / F wird auf einen maximalen Verspätungsindex von 30 % begrenzt. Mit dieser Begrenzung ist Qualitätsstufe F, bedingt durch die große Anzahl von Netzabschnitten mit einem Verspätungsindex von über 50 %, stark besetzt. Die Bewertungskurve A / B ist entfernungsunabhängig. Auch die Bewertungskurven B / C und C / D weisen über 40 km nahezu keine Entfernungsabhängigkeit auf. Nur die Bewertungskurven D / E und E / F fallen deutlich mit der Länge. 98

103 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Die Abstände der Qualitätsstufen werden mit schlechter werdender Qualität größer. Diese Beobachtung entstammt der Parameterschätzung und wurde für die manuell angepassten Parameter übernommen. Mit den dargestellten Bewertungskurven wird einem Netzabschnitt der Länge 50 km dann die Qualitätsstufe F zugeordnet, wenn der Verspätungsindex 2,7 % übersteigt. Das bedeutet, dass die planerisch angestrebte Soll-Geschwindigkeit von 80 km/h in mindestens 236 Stunden des Jahres unterschritten wird. Durch die entfernungsunabhängige Bewertungskurve A / B erzielt ein beliebig langer Netzabschnitt die Qualitätsstufe A bei einem Verspätungsindex von weniger als 0,3 %. Damit darf die planerisch angestrebte Soll-Geschwindigkeit von 80 km/h in maximal 26 Stunden des Jahres überschritten werden. Dieser Wert entspricht in etwa der 30. Stunde aus dem HBS (2001). Anders als beim Fahrzeitindex wird der Verspätungsindex der 20 Autobahnabschnitte der FCD-Pendler sehr unterschiedlich bewertet. Das liegt daran, dass es im Untersuchungsraum München Autobahnabschnitte gibt, bei denen in der 90. Stunde (99 %- Perzentil) verglichen mit dem 15 %-Perzentil deutliche Fahrzeitverlängerungen zu beobachten sind. Trotzdem ist in der Regel eine Mindestgeschwindigkeit von 80 km/h gewährleistet. Dadurch, dass die Daten von ANPR Kurzzeit A7/A8 nur über den Zeitraum von einer Woche erhoben wurde, wirkt sich eine Störung von einer Stunde, bei der die Soll- Fahrzeit unterschritten wird, in einem Prozent des Verspätungsindex aus. Bei Relationen mit großer Entfernung kann eine solche Störung zu einer Verschlechterung von Qualitätsstufen A zu F führen. Wie bereits bei der Validierung der Bewertungskurven des Fahrzeitindex werden die Relationen mit Baustellen schlechter bewertet. Bei den Abschnitten von ANPR A8/A93 werden die Abschnitte der A8 schlecht (QS E und F) und der Abschnitt der A93 mit Qualitätsstufe C bewertet Verlustzeit Das Ergebnis der Parameterschätzung für die Verlustzeit ist in Abbildung 26 zu sehen. Die beiden Diagramme zeigen inhaltlich identische Kurven. Im unteren Diagramm wurde zur besseren Übersicht der Bereich von 0 bis 1 s/km Verlustzeit vergrößert. Im Vergleich zu den anderen beiden Kenngrößen Fahrzeitindex und Verspätungsindex ist das Bestimmtheitsmaß R² der Parameterschätzung größer. Das hat zur Folge, dass die Qualitätsstufen in etwa gleich besetzt sind. 99

104 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit QS F (98, 15%) QS E (111, 17%) QS D (101, 16%) QS C (112, 18%) QS B (105, 17%) QS A (106, 17%) 3 2 Verlustzeit [s/km] Länge des Netzabschnitts [km] Länge des Netzabschnitts [km] Abbildung 26: Berechnete Bewertungskurven für die Kenngröße Verlustzeit (n = 633, mittleres R² = 0,77). Die manuelle Anpassung (Abbildung 27) erfolgt ähnlich der Methode der Kenngröße Fahrzeitindex. Die manuell angepassten Parameter werden so gewählt, dass die Kurven im Bereich von 0 bis 10 km in der Höhe der berechneten Bewertungskurven liegen, sich aber mit steigender Länge der nächsthöheren Qualitätsstufe annähern. Mit den angepassten Parametern sind die besten drei Qualitätsstufen A, B und C stärker besetzt als die drei Qualitätsstufen D, E und F. Mit einer Länge von 50 km wird einem Netzabschnitt die Qualitätsstufe F zugeordnet, wenn die mittlere Verlustzeit einen Wert von 0,4 s/km übersteigt. Wird angenommen, dass der Netzabschnitt in 90 Stunden des Jahres ausfällt (das entspricht der Qualitätsstufe D der Kenngröße Verspätungsindex), wird genau dann Qualitätsstufe F der Verlustzeit erreicht, wenn die Durchschnittsgeschwindigkeit in den Zeitintervallen mit Verlusten weniger als 42 km/h beträgt. 100

105 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit QS F (73, 12%) QS E (79, 12%) QS D (91, 14%) QS C (130, 21%) QS B (126, 20%) QS A (134, 21%) ANPR Kurzzeit A7/A8 FCD-Pendler ANPR A8/A93 Verlustzeit [s/km] Länge des Netzabschnitts [km] Länge des Netzabschnitts [km] Abbildung 27: Manuell angepasste Bewertungskurven für die Kenngröße Verlustzeit mit Validierung.(n = 633). Die Validierung in Abbildung 27 zeigt ein ähnliches Bild wie bei der Kenngröße Verspätungsindex (Abbildung 25). Durch die kurze Erhebungsdauer der ANPR Kurzzeit A7/A8 Relationen wirken sich einmalige Störungen besonders stark auf die Qualitätsstufe der Verlustzeit aus. Auffällig ist, dass alle Relationen entweder die Qualitätsstufen A oder F erhalten. Tritt eine Störung auf, kann die Verlustzeit über den kurzen Zeitraum nicht relativiert werden (Qualitätsstufe F). Tritt keine Störung auf, ergibt sich Qualitätsstufe A. Bei den Fahrzeiterhebungen über einen längeren Zeitraum wird diese extreme Verteilung der Qualitätsstufen nicht beobachtet. Die Kennwerte der FCD-Pendler verteilen sich über alle Qualitätsstufen. Die Abschnitte von ANPR A8/A93 werden mit den Qualitätsstufen D, E und F bewertet. 101

106 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit 8.3 Gesamtbewertung Für die Gesamtbewertung eines Netzabschnitts unter Berücksichtigung der Zuverlässigkeit kann auf keine der Kenngrößen verzichtet werden, da die Kenngrößen verschiedene Aspekte der Zuverlässigkeit bewerten (Kapitel 5). Das Ergebnis der Bewertung sind drei Qualitätsstufen der einzelnen Kenngrößen. Hierbei stellt sich die Frage, wie ein Vergleich von unterschiedlichen Verbindungen gelingen kann. Dafür gibt es drei Möglichkeiten: Bildung der mittleren Qualitätsstufe Beste Qualitätsstufe Schlechteste Qualitätsstufe Zur Bildung der mittleren Qualitätsstufe müssen die Qualitätsstufen in Zahlenwerte überführt werden. Dabei kann analog zum HBS (2001, Seite 3-21) vorgegangen werden, indem die Qualitätsstufe A mit 5 und pro absteigende Qualitätsstufe die nächst geringere natürliche Zahl (inklusive der Null) zugewiesen wird (B 4, C 3, D 2, E 1, F 0). Als Mittelwert sind auch Werte mit Nachkommastellen möglich. Da Defizite bestimmter Aspekte der Zuverlässigkeit nicht kompensiert werden sollten, bleibt als Lösung für eine Gesamtbewertung die schlechteste Bewertung der drei Kenngrößen zu verwenden. 8.4 Zusammenfassung der Bewertungsmethode Mit Hilfe der aufgezeigten Bewertungsmethode können Netzabschnitte anhand der drei Kenngrößen Fahrzeitindex, Verspätungsindex und Verlustzeit Qualitätsstufen zugeordnet werden. Die Netzabschnitte werden entfernungsabhängig bewertet, da angenommen wird, dass sich Störungen von kurzen Netzabschnitten stärker auf die erreichbare Geschwindigkeit auswirken. Bei längeren Netzabschnitten kann der Zeitverlust möglicherweise kompensiert werden oder ist durch die längere Fahrzeit relativ unbedeutend. Da, mit Ausnahme von Baustellen, alle Zeitintervalle berücksichtigt werden, ist die Methode zur Bewertung der Zuverlässigkeit für Netzabschnitte auf Autobahnen eine robuste Methode. Störungen durch Unfälle, Wetter oder hohe Verkehrsstärke sollen berücksichtigt werden. Um Zufälligkeiten in den Störungen zu relativieren, sollten von dem zu bewerteten Netzabschnitt Fahrzeiten über einen ausreichend langen Zeitraum, idealerweise ein ganzes Jahr, vorhanden sein. Zum Einfluss des Zeitraums der Fahrzeiten auf die Bewertung wird auf FRIEDRICH et al. (2011a, Kapitel 6) verwiesen. Die Qualität der Bewertungskurven muss vor dem Hintergrund der Eingangsdaten gesehen werden. Die Validierung der ddg-fahrzeiten bzw. Fahrgeschwindigkeiten (vgl. 102

107 Bewertung des Verkehrsablaufs unter Berücksichtigung der Zuverlässigkeit Abbildung 12, Seite 72) zeigt, dass die Eingangsdaten die tatsächliche Streuung in den Fahrzeiten unterschätzten. Daraus ergeben sich tendenziell zu strenge Bewertungskurven. Dieser Umstand wurde bei der manuellen Anpassung der Bewertungskurven teilweise dadurch kompensiert, indem die Kurven nach oben verschoben wurden. Trotz dieser Korrektur wäre eine Überprüfung der Bewertungskurven mit weiteren Messdaten wünschenswert. Die Validierung mit den wenigen verfügbaren Messdaten hat zu nachvollziehbaren Bewertungen geführt. Die Validierung mit den ANPR-Messungen hat gezeigt, dass die vorgeschlagenen Bewertungskurven für Verbindungen, auf denen Baustellen vorhanden sind, nur bedingt geeignet sind. Hier ergibt sich korrekterweise eine schlechte Qualitätsstufe. Daher ist zu beachten, dass Fahrzeiten während Baustellen nicht in die Bewertungskurven mit eingehen, obwohl Baustellen einen Einfluss auf die Zuverlässigkeit haben. Die Anwendung dieser Bewertungsmethode soll Schwachstellen im Netz identifizieren und bei der Priorisierung von Ausbaumaßnahmen helfen. Bei einer solchen Anwendung sollten Baustellen unberücksichtigt bleiben. Die Netzabschnitte, aus deren Fahrzeiten die Bewertungskurven abgeleitet werden, liegen in einem Längenbereich von km. Längere Netzabschnitte können mithilfe der Bewertungskurven auch bewertet werden, jedoch kann nicht abgesichert überprüft werden, ob die Bewertungskurven für diesen Bereich plausibel sind. Mithilfe der Bewertung können Schwachstellen im Netz identifiziert werden. Die Bewertung liefert einen direkten Vergleich des Verkehrsablaufs von verschiedenen Netzabschnitten. Der Grund der schlechten Bewertung innerhalb des Netzabschnitts wird nicht festgestellt. Hierzu ist es erforderlich, schlecht bewertete Netzabschnitte detailliert zu betrachten. 103

108

109 Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf 9 Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf In diesem Kapitel werden Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf analysiert. TU (2008) fand heraus, dass der Zufluss einen sehr starken Einfluss auf die Zuverlässigkeit der Fahrzeiten eines Netzabschnitts hat. Basierend auf einer breiten Datengrundlage zeigt TU (2008), dass sich die Zuverlässigkeit der Fahrzeiten mit steigendem Zufluss verringert. TU (2008) konnte zudem nachweisen, dass die Länge der Beschleunigungsstreifen und der Verzögerungsstreifen sowie die Länge zwischen zwei Ausfahrten mit steigender Größe eine positive Auswirkung auf die Zuverlässigkeit der Fahrzeiten haben. Widrige Wetterbedingungen beeinflussen die Zuverlässigkeit der Fahrzeiten negativ. Der Einfluss von Geschwindigkeitsbeschränkungen konnte nicht eindeutig nachgewiesen werden. Durch Unfälle reduziert sich die Zuverlässigkeit der Fahrzeiten signifikant. In der folgenden Analyse wird zwischen zeitlich unabhängigen und zeitlich veränderlichen Einflüssen unterschieden. Zeitlich unabhängige Einflüsse sind zum einen Eigenschaften der Infrastruktur (Anzahl der Fahrstreifenreduktionen), zum anderen durchschnittliche Verkehrsgrößen (Fahrstreifenbelastung und Schwerverkehrsanteil). Der Einfluss dieser Größen kann nur mit einer Vielzahl von Netzabschnitten analysiert werden. Hierzu werden die Verkehrsdaten des deutschen Autobahnnetzes (Kapitel 7.2) verwendet. Bei der Analyse des Einflusses von zeitlich veränderlichen Größen werden dagegen einzelne Zeitintervalle eines Netzabschnitts betrachtet. Dabei werden die Fahrzeiten der Zeitintervalle mit einer bestimmten Ausprägung, z. B. hohe Verkehrsstärke, mit den restlichen Fahrzeiten verglichen. Für diese Analyse wird eine Vielzahl von präzisen Fahrzeitdaten benötigt. Hierzu werden die Verkehrsdaten BAB A8 / BAB A93 verwendet (Kapitel 7.3). Die Verkehrsstärke und der Schwerverkehr treten sowohl in den zeitlich unabhängigen als auch in den zeitlich veränderlichen Einflüssen auf. Bei der Verkehrsstärke wird z. B. der DTV verwendet, um einen Netzabschnitt über einen langen Zeitraum hinweg zu charakterisieren (z. B. BAST, 2009). Auf der anderen Seite unterliegt die Verkehrsstärke aber auch jahres-, wochen- und tageszeitlichen Schwankungen. Deshalb kann die Verkehrsstärke auch als zeitlich veränderliche Einflussgröße untersucht werden. Dasselbe trifft auch für den Schwerverkehr zu. Die Zuverlässigkeit im Verkehrsablauf wird mit Hilfe der Kenngrößen, auf denen die Bewertungsmethode basiert (vgl. Kapitel 8.1), definiert (Fahrzeitindex, Verspätungsindex und Verlustzeit). In der Literatur finden sich neben der oben beschriebene Analyse von TU (2008) nur wenige Analysen, die die Einflussgrößen auf die Zuverlässigkeit analysieren. Jedoch finden sich Analysen zu den Ursachen von Zeitverlusten, welche im Kontext des Verspätungsindex mit der Zuverlässigkeit zusammenhängen. Das folgende Kapitel gibt einen Überblick über die Ursachen für Zeitverluste. 105

110 Ursachen von Stau / Verspätung [%] Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf 9.1 Ursachen für Zeitverluste LOMAX et al. (2003, Seite 2) nennen sieben Gründe, die die Fahrzeit positiv oder negativ beeinflussen: Unfälle / Störungen, Baustellen, Wetter, Schwankung der Nachfrage, Sonderveranstaltungen (z.b. ÖPNV-Streik), Verkehrsbeeinflussungsanlagen und unzureichende Grundkapazität. Es wird allerdings nicht untersucht, welchen Anteil die einzelnen Einflüsse an dem gesamten Zeitverlust haben. GEISTEFELDT und LOHHOFF (2011) geben drei Einflussgrößen an, die einen Stau verursachen: Hohes Verkehrsaufkommen, Baustellen und Unfälle / Pannen. Für Autobahnen in Nordrhein-Westfalen werden die Gründe der Zeitverluste quantifiziert und mit entsprechenden Analysen aus der Literatur verglichen (Abbildung 28) hohes Verkehrsaufkommen Baustellen Unfälle Sonstige ADAC (2008) HLSV (2010) SPARMANN (2005) GEISTEFELDT und LOHOFF (2011) NOTA MOBILITEIT (2004) Abbildung 28: Untersuchungen zu den Ursachen von Staus auf Autobahnen. Quelle: GEISTEFELDT und LOHOFF (2011, Seite 14). Die abweichenden Anteile der Stauursachen zwischen den unterschiedlichen Quellen kommen durch die unterschiedlichen Kennzahlen (Staudauer, Stauanzahl, Verspätung), den betrachteten Netzausschnitt, die zeitlichen und räumlichen Anteile mit Baustellen und Unfalldefinition zustande. Der ADAC (2008) betrachtet das gesamte deutsche Autobahnnetz, das Hessische Landesamt für Straßen- und Verkehrswesen (HLSV, 2010) gibt dagegen die Stauursachen nur für das Bundesland Hessen an. Bezüglich des Einflusses von Baustellen ist zu beachten: Je größer die Baustellendauer und Baustellenausdehnung, desto mehr Stauursachen werden den Baustellen zugeordnet. Es ist unwahrscheinlich, dass die Baustellendauer und ihre Ausdehnung in den verschiedenen Untersuchungen gleich sind. Auch die niederländische NOTA 106

111 alle genannten 1% nichts von den genannten 16% Regen 3% Unfall 7% hohes Verkehrsaufkommen + Regen 6% hohes Verkehrsaufkommen + Unfall 8% hohes Verkehrsaufkommen 58% Einflussgrößen auf die Zuverlässigkeit im Verkehrsablauf MOBILITEIT (2004) gibt Ursachen für Verspätungen an. Im Gegensatz zu den anderen Quellen, bei denen Stauursachen analysiert werden, weichen die Ergebnisse der Verspätungsursachen der NOTA MOBILITEIT (2004) davon ab. Das ist vor allem in der Definition der Verspätung begründet, welche häufiger auftreten als Stau. Dadurch haben die zufälligen Ereignisse wie Baustellen und Unfälle in dieser Untersuchung weniger Gewicht. Mit Hilfe der Verkehrsdaten BAB A8 / BAB A93 (Kapitel 7.3) wird ebenfalls eine Analyse zu den Ursachen von Stau durchgeführt. Wie bei der Analyse der NOTA MOBILITEIT (2004) wird die Zuverlässigkeit nicht anhand der Stauursachen, sondern anhand der Verspätungsursachen untersucht. Eine Verspätung tritt genau dann ein, wenn die Geschwindigkeit unter die Soll-Geschwindigkeit von 80 km/h fällt. Unfall + Regen 1% Unfall + Regen 1% alle genannten 1% nichts von den genannten 16% Regen 3% Unfall 7% hohes Verkehrsaufkommen + Regen 6% hohes Verkehrsaufkommen + Unfall 8% keine Verspätung 97% hohes Verkehrsaufkommen 58% Verspätung 3% Abbildung 29: Verspätungsursache aus den Verkehrsdaten A8 / A93. Abbildung 29 zeigt die Ursachen für Verspätungen für den Netzabschnitt von München nach Rosenheim. Es wurden drei Einflüsse definiert: hohes Verkehrsaufkommen, Unfall und Regen. Hohes Verkehrsaufkommen liegt bei einer Verkehrsstärke größer als Fzg/h vor, was dem 90 %-Perzentil aller Verkehrsstärken entspricht. Baustellen können nicht berücksichtigt werden, da es keine großen Langzeitbaustellen während des Erhebungszeitraums gab. In 3 % der Zeitintervalle fällt die Geschwindigkeit unter die Soll-Geschwindigkeit von 80 km/h (= Verspätung). Hauptursache für die Verspätung ist hohes Verkehrsaufkommen: Zu 73 % hängt die Verspätung mit hohem Verkehrsaufkommen zusammen, auch wenn es sich teilweise mit den anderen Ursachen überlagert. In 27 % der Verspätungen kann diese nicht auf ein erhöhtes Verkehrsaufkommen 107