Mobilität und raumstrukturelle Entwicklungen Zwei ...€¦ · • Die Verknüpfung von MiD mit...

UFZ-UmweltforschungszentrumLeipzig-Hallein der Helmholtz-Gemeinschaft

DLR-Workshop Neue Mobilitätsdaten für die WissenschaftAktuelle Ergebnisse aus der Forschung

Berlin-Adlershof, 3.Juni 2005

Mobilität und raumstrukturelle Entwicklungen–

Zwei Verfahren zur Kopplung von MiD 2002 mit Gemeindedaten

Dr. Martin Lanzendorf

Umweltforschungszentrum Leipzig-Halle, AG Nachhaltige Mobilität

Kontakt: [email protected]

http://www.ufz.de/index.php?de=2589

mailto:[email protected]

http://www.ufz.de/index.php?de=2589


• Leibniz-Institut für ökologische Raumentwicklung, Dresden

(IÖR, Projektleitung, S. Siedentop, S. Kausch)

• Leibniz-Institut für Regionalentwicklung und Strukturplanung

(IRS, A. Stein, U. Wolf)

• Universität Leipzig, Institut für Geographie & UFZ Leipzig-Halle

(M. Lanzendorf, R. Harbich)

• unter Mitarbeit des Instituts für Geographische Wissenschaften der FU Berlin

(M. Hesse)

Erkenntnisse des FOPS-Projekt 70.716 „Mobilität im suburbanen Raum. Neue verkehrliche und raumordnerische

Implikationen des räumlichen Strukturwandels“


Gliederung

1. Einleitung: Zusammenhang zwischen Mobilität und

Raumstruktur

2. Aggregierte Daten (Gemeindestatistik)

3. Disaggregierte Daten (Personen- und Haushaltsdaten)

4. Datenkopplung 1: auf Gemeindeebene

5. Datenkopplung 2: auf Personenebene

6. Schlussfolgerungen


1. Einleitung: Zusammenhang zwischen Mobilität und Raumstruktur

Ziele:

– Erklärung: Verkehrsentstehung besser verstehen

– Maßnahmen: Raumstruktur besser gestalten?


Vielfalt räumlicher Einflussfaktoren

Sour

ce: S

tead

, Will

iam

s & T

ither

idge

(200

0)


Methoden zur Untersuchung des Zusammenhangs(z.B. Handy 1996)

• Aggregierte Verfahren

• Disaggregierte Verfahren


2. Aggregierte Daten (Gemeindestatistik)

Indikatorgruppe Indikator

Größe/Zentralität Bevölkerungsgröße, Beschäftigungsgröße, Zentrale-Orte-Status, siedlungsstruktureller Gemeindetyp (BBR)

Dichte Bevölkerungs-, Siedlungsdichte, Siedlungs- und Verkehrsflächenanteil, Anteil 1- und 2- Familienhäuser

Arbeitsmarkt Beschäftigte (gesamt, tertiärer Sektor, besondere Dienstleistungen), Pendlersaldo, Ein-/Auspendlerquoten

ErreichbarkeitEntfernung Kernstadt, Autobahn, Bahnanschluss;Pkw-Fahrzeit zu Autobahn, Ober-/ Mittelzentrum; Motorisierungsgrad

Dynamik Bevölkerung, Beschäftigte, Siedlungs- und Verkehrsfläche Wohnbautätigkeit

Prosperität Pro-Kopf-Einkommen, Altersstruktur (Altersquotient)


Vor- und Nachteile aggregierter Daten für Verkehrsanalysen

+ vorhanden (Gemeindestatistik, z.B. bei BBR)

+ flächendeckend (für alle Gemeinden)

+ Zeitreihen

– wenig Mobilitätsdaten (z.B. Pendlerstatistik, BA Nürnberg)

– Fokussierung Berufsverkehr

– keine räumliche Differenzierung unterhalb Aggregatebene (z.B. Wohnviertel, individuelle Erreichbarkeiten Supermarkt, ÖV, …)

– keine “Erklärungen” für gefundene Korrelationen

– Keine Wirkungsabschätzungen Maßnahmen


3. Disaggregierte Daten (Personen- und Haushaltsdaten)

z.B. MiD 2002 (Mobilitätspanel, …)

+ gesamte Mobilität, vielfältige Mobilitätsindikatoren

+ Bezugnahme individuelles Handeln (Handlungstheorie)

+ Maßnahmenorientierung

– teuer

– nicht flächendeckend verfügbar

– eingeschränkte Zahl von Items (nur verkehrsspezifisch)

– wenig Raumstruktur (z.B. fehlt Möglichkeit suburbaneGemeinden voneinander zu unterscheiden)


Zwei Verfahren zur Verknüpfung von disaggregierten MiD- mit

aggregierten Daten der Gemeindestatistik

• Datenkopplung 1: Verknüpfung auf Gemeindeebene

• Datenkopplung 2: Verknüpfung auf Personenebene

Allerdings:

• die Gemeindekennziffern in den MiD-Datensätzen sind anonymisiert

• Die Verknüpfung von MiD mit Gemeindedaten kann nur über die

Clearingstelle Verkehr erfolgen


4. Datenkopplung 1: Verknüpfung auf Gemeindeebene

Gemeinde-Indikatoren

GemeindedatenMiD 2002

Gemeindedaten (+ Mobilitätsindikatoren)

1058046103

1058045102

1058044101

Gemeinde-kennziffer

Gemeinde-nummer

DatenverknüpfungAggregation aufGemeindeebene

Mobilitätsindikatoren (auf Gemeindeebene)

(Quelle: eigener Entwurf)

P-Id Var1 Var2 Gemeinde-nummer

45712 … … 101

45713 … … 102

45714 … … 103

Gemeinde-kennziffer

VarA VarB VarC

1058044 … … …

1058045 … … …

1058046 … … …

Gemeinde-nummer

Aggr. Var1

Aggr.Var2

101 … …

102 … …

103 … …

Gemeinde-kennziffer

VarA VarB VarC Aggr.Var1

Aggr.Var2

1058044 … … … … …

1058045 … … … … …

1058046 … … … … …

Verknüpfung auf Gemeindeebene

http://www.kontiv2002.de/index.htm


Mobilitätsindikatoren in MiD-Gemeinden Agglomerationsraum

(Quelle: MiD 2002, eigene Berechnungen)

ausgewählte Kernstädtefür die Radienbildung

Untersuchungsraum(50-km-Radius)

# MiD-Gemeinden (Umland)

%## #

%#

###

##

##

%%

## #

#

%# #

# %%

## ##%

#

%## #%

% ### ##

## ### %

## ##

### # #% %

%# % #

%### # #% %#

%# ###%# #%

%# ## # # ## # ##%

### # ##

%##%

## # ##

% # #

###

#% ## #

##%#% %# #

# % #

%#### ##

# #

# ###% %%%# % % #

# # # ### #%

# #%#

#%#

# ##

% ## # # ####

%%

# ##% ##

#

#

% MiD-Gemeinden (Kernstadt)

Untersuchungsraum (50-km-Radius) sonstiger Raum

Gemeindeninsgesamt

MiD-Gemeinden

Gemeindeninsgesamt

MiD-Gemeinden

Umlandgemeinden 6.205 142 - -

Kernstädte 54 46 - -

Gemeinden 6.259 188 6.963 108


Verkehrsaufwand Umlandgemeinden

%U%U %U%U%U %U%U%U%U

%U %U%U%U %U %U

%U %U%U %U%U %U%U %U %U%U %U

%U%U %U %U%U%U%U %U %U%U%U%U %U%U %U%U%U %U %U%U %U%U%U%U %U %U%U %U %U%U%U%U %U%U %U%U %U %U%U%U %U%U%U %U%U%U %U %U%U %U%U %U%U %U %U%U %U %U%U%U%U

%U%U%U %U %U%U%U %U%U%U %U%U%U %U%U %U%U%U %U%U %U%U%U%U %U%U %U%U %U%U%U %U%U %U%U

%U %U%U %U%U %U%U%U %U %U%U%U%U

%U %U%U %U%U%U%U

%U%U %U%U%U %U%U%U%U%U %U

%U%U %U %U%U %U

%U %U%U %U%U %U %U%U %U%U%U %U %U%U%U%U %U %U%U%U%U %U%U %U%U%U %U %U%U %U%U%U%U %U %U%U %U %U%U%U%U %U%U %U%U %U %U%U%U %U%U%U %U%U%U %U %U%U %U%U %U%U %U %U%U %U %U

%U%U%U%U%U%U %U %U%U%U %U%U%U %U%U%U %U%U %U%U%U %U

%U %U%U%U%U %U%U %U%U %U%U%U %U%U %U%U%U %U%U %U%U %U%U%U %U %U%U%U%U

%U %U%U %U%U%U%U

Gesamt Beruf / Ausbildung

(Que

lle: M

iD20

02, e

igen

e B

erec

hnun

gen)

Km / Person / d


Indikatorengruppe Indikator DIS_GES DIS_BUA DIS_FREI DIS_VERS MIT_WEGE MIV ÖV RAD FUßGröße/Zentralität BEV_02 -0,25 -0,28 0,04 -0,26 0,22 0,04 0,31 -0,01 0,17

BE10_02 -0,28 -0,34 0,03 -0,27 0,22 0,01 0,25 0,01 0,23ZORT_02A -0,37 -0,41 -0,03 -0,30 0,20 -0,07 0,00 0,13 0,27

Dichte/Kompaktheit BEVD_02 -0,22 -0,30 0,15 -0,28 0,15 -0,10 0,44 -0,06 0,25SD_00 -0,35 -0,34 0,03 -0,34 0,20 -0,07 0,37 -0,09 0,35SUVA_00 -0,22 -0,30 0,16 -0,30 0,11 -0,13 0,38 0,01 0,19WO12_01 0,42 0,41 0,00 0,37 -0,07 0,23 -0,23 0,09 -0,43ND_00 -0,35 -0,34 0,04 -0,36 0,18 -0,06 0,28 -0,15 0,41

Arbeitsmarkt BE10I_02 -0,34 -0,47 0,05 -0,28 0,08 -0,14 -0,14 0,12 0,24AB_02 -0,35 -0,48 0,05 -0,28 0,08 -0,13 -0,14 0,13 0,24PSALD_02 -0,21 -0,31 -0,02 -0,13 0,09 -0,07 -0,11 0,09 0,22BW4A_02 -0,15 -0,17 -0,05 -0,07 0,04 0,09 -0,01 -0,09 0,04BWTS_02 0,01 0,04 0,10 -0,11 0,01 -0,11 0,06 0,00 0,12BW11A_02 -0,10 -0,09 0,01 -0,12 0,11 0,00 0,30 -0,01 0,06EINP_02 0,16 0,14 0,09 0,08 -0,11 -0,04 0,06 -0,12 -0,02AUSP_02 0,37 0,46 0,01 0,26 -0,15 0,06 0,14 -0,19 -0,20

Erreichbarkeit PKW_02 0,06 0,08 -0,11 0,15 0,05 0,28 -0,14 -0,10 -0,17OZ100K_D -0,04 0,02 -0,15 0,04 -0,05 -0,05 -0,33 0,20 -0,06BAB -0,07 -0,11 0,02 -0,08 0,13 0,00 0,21 0,07 0,02BAHN -0,18 -0,15 0,00 -0,24 0,06 -0,14 0,16 0,03 0,20FZ_OZ 0,07 0,19 -0,12 0,06 -0,08 -0,05 -0,26 0,15 -0,09FZ_MZ 0,41 0,37 0,06 0,34 -0,29 -0,13 0,00 -0,06 -0,20FZ_BAB -0,06 -0,02 -0,06 -0,07 -0,17 -0,21 -0,12 0,07 0,00

Dynamik BEV_9002 0,33 0,31 0,06 0,25 0,02 0,13 0,04 0,12 -0,28BE109902 -0,02 -0,04 0,08 -0,11 0,17 0,24 -0,06 -0,05 0,00SUV_9600 0,13 0,11 -0,05 0,19 -0,03 0,04 -0,09 -0,02 -0,04BW4A9902 -0,04 -0,02 0,01 -0,01 -0,33 -0,26 -0,05 -0,09 -0,03BTSA9902 -0,04 0,00 0,00 -0,04 0,04 -0,02 0,01 0,08 -0,01B11A9902 -0,04 -0,08 0,05 -0,11 0,10 -0,01 0,15 0,11 -0,01BF_9601 0,16 0,05 0,04 0,24 -0,02 -0,04 -0,09 0,06 0,03WO129601 -0,19 -0,17 -0,02 -0,14 -0,03 -0,25 0,05 0,06 0,22EINP9902 -0,22 -0,21 -0,02 -0,24 -0,02 -0,05 -0,12 0,07 0,05AUSP9902 -0,08 -0,14 -0,01 -0,01 -0,13 -0,27 -0,04 0,21 -0,01

Prosperität EINK_98 0,14 0,08 0,11 0,02 0,30 0,26 0,28 -0,01 -0,02STEU_98 0,08 0,01 0,12 -0,01 0,31 0,27 0,29 -0,02 -0,01AQ_02 -0,28 -0,13 -0,07 -0,24 -0,11 -0,18 -0,03 -0,08 0,15BM_02 0,31 0,18 0,09 0,24 0,19 0,31 -0,05 0,09 -0,19

Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.Die Korrelation ist auf dem Niveau von 0,05 (2-seitig) signifikant.


Bivariate Analysen: Fahrzeit zum nächsten Mittelzentrum

0

5

10

15

20

25

30

35

0 bis 5 über 5 bis 10 über 10 bis 15 über 15

Kilo

met

er


Leibniz-Institut für Regionalentwicklung und Strukturplanung, Erkner (IRS)

Leibniz-Institut für ökologische Raumentwicklung e.V., Dresden (IÖR)

Universität Leipzig, Institut für Geographie

Gemeinde-/Siedlungsstruktur Verkehrsaufwand

insgesamt

Beruf, Ausbildung

Versorgung

Freizeit

Auspendlerquote

Pendeln in Kernstädte

Pkw-N

utzung

+ ++

-

++

-

++

-

--

-

-

O

+

+

0

-

O

O

O

-

O ++

-

-

+

++

++

--

++

ÖV-N

utzung

-- ++

O

O

O

O

O

O

-

-

++

O

O

O

--

--

-

++

-

O

++

-

--

O

++

O

-

++

Clustername

Dichte

Größe/ Zentralität

Erreichbarkeit

Arbeitsmarkt-

zentralität

Bev. dynamik

Besch.dynamik

-- --

-

++

+

+

-

--

O

+

++

„Wohnstandortgemeinden in Randlage“ + - + -- + O + O

O

--

Prosperität

Altersstruktur

Tertiärisierung

-- +

+

++

„periphere Wachstumsgemeinden“ -- - - -- O ++ --

„solitäre Landstädte“ - O -- + - O -

„ländliche Schrumpfungsgemeinden“ -- -- -- -- -- -- --

-

O

-

O

++

O

++

+

„kernstädtische Ergänzungsorte“ ++ ++ ++

„traditionelle Mittelstädte“ + ++ ++

„zentrennahe Wachstumsgemeinden“ O O +

++ stark überdurchschnittlich + überdurchschnittlich o durchschnittlich – unterdurchschnittlich -- stark unterdurchschnittlich

Typisierung suburbaner Gemeinden & Mobilitätsindikatoren


5. Datenkopplung 2: Verknüpfung auf Personenebene

Gemeindedaten

GemeindedatenMiD 2002

Mobilitätsdaten (von Personen)

1058046103

1058045102

1058044101

Gemeinde-kennziffer

Gemeinde-nummer

Datenverknüpfung

MiD-Daten + Gemeindedaten (Personendatensatz)

(Quelle: eigener Entwurf)


45712 … … 101

45713 … … 102

45714 … … 103

Gemeinde-kennziffer

VarA VarB VarC

1058044 … … …

1058045 … … …

1058046 … … …


VarA VarB VarC

45712 … … 101 … … …

45713 … … 102 … … …

45714 … … 103 … … …

Verknüpfung auf Personenebene


http://www.dlr.de/dlr



MIV-Nutzungshäufigkeit nach MiD-Wohnumfeldindikator„Entfernung nächstgelegene Schienenhaltestelle“

M IV - W eg e

0,0

0,5

1,0

1,5

2,0

2,5

bis0,09

0,1 -0,19

0,2 -0,39

0,4 -0,99

1-1,99

2 -4,99

5 -9,99

ab 10

k m

We ge / P /d

Umlandgemeinden Ker nstadt sonstige

Wege / P / d

km


Umlandgemeindenmit Bahnanschluss

Umlandgemeindenohne Bahnanschluss

Kernstädte(mit Bahnanschluss)

Km / P / d

EntfernungSchienenhaltestelle

Mittlere Gesamtdistanzen nach Bahnanschluss und Entfernung Schienenhaltestelle


6. Schlussfolgerungen

• Datenkopplung funktioniert sehr gut (Kooperation mit Clearingstelle)

• Datensatz wird wesentlich bereichert

• Zusammenhang Raumstruktur – Mobilität kann untersucht werden

• Bisher: erst wenige disaggregierte Analysen

• Exploratives Arbeiten mit Daten durch die notwendige Verknüpfung

beim DLR ist allerdings erschwert

Mobilität und raumstrukturelle Entwicklungen Zwei ...€¦ · • Die Verknüpfung von MiD mit...

Documents

Transcript of Mobilität und raumstrukturelle Entwicklungen Zwei ...€¦ · • Die Verknüpfung von MiD mit...