Advertisement

Ableitung von objektivierten Auslegungsprämissen zukünftiger Fahrzeugkonzepte auf der Basis von Prognosen zum Mobilitätsverhalten in Deutschland im Jahr 2035

  • P. L. PetersEmail author
  • R. Demuth
  • D. Schramm
Chapter

Zusammenfassung

Die Auslegung von Fahrzeugkonzepten erfolgt heute auf der Basis von technischen Prämissen, die aus den Eigenschaftsausprägungen, wie z. B. der elektrischen Reichweite, abgeleitet werden. Für die jeweilige Konzeptpositionierung sind die aus der Marktforschung ermittelten Kundenanforderungen der relevanten Zielgruppe sowie der Wettbewerbsvergleich entscheidend. Die Fahrzeugwahl eines Kunden erfolgt dabei zunächst unter rationalen Aspekten zur Abdeckung des Mobilitätsbedürfnisses (Eckwerte der Mobilität). Zusätzlich sind die emotionalen Anforderungen (Modalwerte der Mobilität) ein wichtiges Entscheidungs- und Akzeptanzkriterium für die Fahrzeugwahl (Pfriem 2016). Technologische Trends (z. B. Vollautomatisiertes Fahren; abg. VAF) sowie Geschäftsmodellinnovationen (z. B. On Demand Mobility; abg. ODM) haben das Potential, das Mobilitätsverhalten der Nutzer und damit die Eigenschaftsausprägungen der Fahrzeugkonzepte zu verändern.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1] Abdulhai, B.; Kattan, L.; Darieby, M. El (2013): Traffic engineering analysis (Chapter 1). In: Myer Kutz (Hg.): Handbook of transportation engineering. 2nd ed. New York: McGraw-Hill (McGraw-Hill’s AccessEngineering).Google Scholar
  2. [2] Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim; Wolf, Joachim (2009): Methodik der empirischen Forschung. 3., überarbeitete und erweiterte Auflage. Wiesbaden, s. l.: Gabler Verlag. Online verfügbar unter http://dx.doi.org/10.1007/978-3-322-96406-9.
  3. [3] Axhausen, Kay W.; Ehreke, Ilka; Glemser, Axel; Hess, Stephane; Jödden, Christian; Nagel, Kai (2015): Ermittlung von Bewertungsansätzen für Reisezeiten und Zuverlässigkeit auf der Basis eines Modells für modale Verlagerungen im nicht-gewerblichen und gewerblichen Personenverkehr für die Bundesverkehrswegeplanung. Schlussbericht: FE-Projekt-Nr. 96.996/2011, zuletzt geprüft am 28.11.2016.Google Scholar
  4. [4] Bhat, Chandra R.; Sardesai, Rupali (2006): The impact of stop-making and travel time reliability on commute mode choice. In: Transportation Research Part B: Methodological 40 (9), S. 709–730.  https://doi.org/10.1016/j.trb.2005.09.008.
  5. [5] Childress, Suzanne; Nichols, Brice; Charlton, Billy; Coe, Stefan (2015): Using an Activity-Based Model to Explore the Potential Impacts of Automated Vehicles. In: Transportation Research Record: Journal of the Transportation Research Board 2493, S. 99–106.  https://doi.org/10.3141/2493-11.
  6. [6] Cyganski, Rita (2015): Autonome Fahrzeuge und autonomes Fahren aus Sicht der Nachfragemodellierung. In: Markus Maurer, J. Christian Gerdes, Barbara Lenz und Hermann Winner (Hg.): Autonomes Fahren. Berlin, Heidelberg: Springer Berlin Heidelberg, S. 241–263.Google Scholar
  7. [7] DESTATIS – Statistisches Bundesamt (2009): Bevölkerung Deutschlands bis 2060 – Begleitheft zur Pressekonferenz am 18. November 2009. Online verfügbar unter https://www.destatis.de/DE/Publikationen/Thematisch/Bevoelkerung/VorausberechnungBevoelkerung/BevoelkerungDeutschland2060Presse5124204099004.pdf?__blob=publicationFile, zuletzt geprüft am 03.04.2018.
  8. [8] Fagnant, D.; Kockelman, K. (2015): Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations. In: Transportation Research Part A 77, S. 167–181.Google Scholar
  9. [9] Fagnant, Daniel J.; Kockelman, Kara M. (2014): The travel and environmental implications of shared autonomous vehicles, using agent-based model scenarios. In: Transportation Research Part C: Emerging Technologies 40, S. 1–13.  https://doi.org/10.1016/j.trc.2013.12.001.
  10. [10] Fagnant, Daniel J.; Kockelman, Kara M. (2016): Dynamic ride-sharing and fleet sizing for a system of shared autonomous vehicles in Austin, Texas. In: Transportation 45, S. 1450.  https://doi.org/10.1007/s11116-016-9729-z.
  11. [11] Follmer, R.; Gruschwitz, D.; Jesske, B.; Quandt, S. (2010): Mobilität in Deutschland 2008. Ergebnisbericht: Struktur – Aufkommen – Emissionen – Trends. Hg. v. Bundesministeriums für Verkehr, Bau und Stadtentwicklung. Bonn und Berlin.Google Scholar
  12. [12] Gucwa, Michael (2014): Mobility and Energy Impacts of Automated Cars. Analysis using MTC Travel Model One. Vortrag am Automated Vehicle Symposium. Burlingame, CA, 15.04.2014. Online verfügbar unter https://higherlogicdownload.s3.amazonaws.com/AUVSI/c2a3ac12-b178-4f9c-a654-78576a33e081/UploadedImages/documents/pdfs/7-16-14%20AVS%20presentations/Michael%20Gucwa.pdf, zuletzt geprüft am 12.01.2018.
  13. [13] Lindemann, Udo; Maurer, Maik; Braun, Thomas (2009): Structural complexity management. An approach for the field of product design. Berlin, Heidelberg: Springer, zuletzt geprüft am 29.08.2017.Google Scholar
  14. [14] Litman, T. (2013): Chapter 5.2. Travel Time Costs. In: Victoria Transport Policy Institute (eds.): Transportation Cost and Benefit Analysis II. Online verfügbar unter http://www.vtpi.org/tca/tca0502.pdf, zuletzt geprüft am 04.04.2018.
  15. [15] Maier, Gunther; Weiss, Peter (1990): Modelle diskreter Entscheidungen. Theorie und Anwendung in den Sozial- und Wirtschaftswissenschaften. Wien u. a.: Springer.Google Scholar
  16. [16] Matz, S. (2015): Nutzerorientierte Fahrzeugkonzeptoptimierung in einer multimodalen Verkehrsumgebung: Verlag Dr. Hut. Online verfügbar unter https://books.google.de/books?id=-ccHswEACAAJ.
  17. [17] NPE (2011): Zweiter Bericht der Nationalen Plattform Elektromobilität. Hg. v. Gemeinsame Geschäftsstelle Elektromobilität der Bundesregierung (GGEMO). Nationale Plattform Elektromobilität. Berlin. Online verfügbar unter http://nationale-plattform-elektromobilitaet.de/fileadmin/user_upload/Redaktion/zweiter_bericht_nationale_plattform_elektromobilitaet.pdf, zuletzt geprüft am 11.04.2018.
  18. [18] Ortúzar, Juan de Dios; Willumsen, Luis G. (2011): Modelling transport. 4. ed. Chichester u. a.: Wiley.Google Scholar
  19. [19] Pavone, Marco (2015): Autonomous Mobility-on-Demand Systems for Future Urban Mobility. In: Markus Maurer, J. Christian Gerdes, Barbara Lenz und Hermann Winner (Hg.): Autonomes Fahren. Berlin, Heidelberg: Springer Berlin Heidelberg, S. 399–416.Google Scholar
  20. [20] Pfriem, Matthias (2016): Analyse der Realnutzung von Elektrofahrzeugen in kommerziellen Flotten zur Definition einer bedarfsgerechten Fahrzeugauslegung. Karlsruhe: KIT Scientific Publishing (Karlsruher Schriftenreihe Fahrzeugsystemtechnik, Band 47), zuletzt geprüft am 15.03.2017.Google Scholar
  21. [21] Phleps, Peter; Feige, Irene; Zapp, Kerstin (2015): DIE ZUKUNFT DER MOBILITÄT. Szenarien für Deutschland in 2035. Institut für Mobilitätsforschung (ifmo). München.Google Scholar
  22. [22] Redelbach, Martin; Özdemir, Enver Doruk; Friedrich, Horst E. (2014): Optimizing battery sizes of plug-in hybrid and extended range electric vehicles for different user types. In: Energy Policy 73, S. 158–168.  https://doi.org/10.1016/j.enpol.2014.05.052.
  23. [23] Shaheen, S.; Galczynski, M. (2014): Autonomous Carsharing/Taxi Pathways. Transportation Sustainability Research Center, UC Berkeley (Workshop to the TRB Automated Vehicles Symposium, 18. Juli 2014). Online verfügbar unter https://itspubs.ucdavis.edu/files/carsharing_taxi.pdf, zuletzt geprüft am 09.01.2017.
  24. [24] Trommer, S.; Kolarova, V.; Fraedrich, E.; Kröger, L.; Kickhöfer, B.; Kuhnimhof, T. et al. (2016): Autonomous Driving. The Impact of Vehicle Automation on Mobility Behaviour. ifmo – Institute for Mobility Research. Online verfügbar unter http://www.ifmo.de/tl_files/publications_content/2016/ifmo_2016_Autonomous_Driving_2035_en.pdf, zuletzt geprüft am 09.01.2017.
  25. [25] Vrtic, M. (2005): Anwendung von Vier-Stufen-Modellen. ETH Zürich, Institut für Verkehrsplanung Transporttechnik, Straßen und Eisenbahnbau. Zürich (Materialien zur Vorlesung Verkehrsplanung). Online verfügbar unter https://www.ethz.ch/content/dam/ethz/special-interest/baug/ivt/ivt-dam/studies/transport-planning/material/vpl-05-vier-stufen-modell.pdf, zuletzt geprüft am 06.04.2018.
  26. [26] Weiss, Christine; Chlond, Bastian; Heilig, Michael; Vortisch, Peter (2014): Capturing the Usage of the German Car Fleet for a One Year Period to Evaluate the Suitability of Battery Electric Vehicles – A Model based Approach. In: Transportation Research Procedia 1 (1), S. 133–141.  https://doi.org/10.1016/j.trpro.2014.07.014.
  27. [27] Weiß, Christine; Chlond, Bastian; Hilgert, Tim; Vortisch, Peter (2016): Deutsches Mobilitätspanel (MOP) – Wissenschaftliche Begleitung und Auswertungen. Bericht 2015/2016: Alltagsmobilität. Hg. v. Bundesministerium für Verkehr und digitale Infrastruktur. Karlsruhe.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.BMW AGMünchenDeutschland
  2. 2.Universität Duisburg-EssenDuisburgDeutschland

Personalised recommendations