Advertisement

Optimale Produktportfolios für urbane Mobilitätsleistungen

Problemformulierungen und Lösungsansätze aus Sicht des Operations Research
  • Jörn SchönbergerEmail author
Chapter
  • 404 Downloads

Zusammenfassung

Für den urbanen Lebensraum werden derzeit neue Mobilitätssicherungs-Ideen diskutiert. Im Fokus dieser Diskussionen stehen Verkehrssysteme, die konzeptionell zwischen dem motorisierten Individualverkehr (MIV) sowie dem traditionellen öffentlichen Personenverkehr (ÖPV) einzuordnen sind. Ziel ist es, Vorteile des MIV und des ÖPV zu bewahren, aber gleichzeitig jeweilige Nachteile auszuschalten.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Ceder, A. (2015), Public Transit Planning and Operation: Modeling, Practice and Behavior,2nd edition, CRC Press, Boca Raton, USAGoogle Scholar
  2. Schönberger, J. (2019), Absatzplanung im Öffentlichen Personenverkehr: Treiber und Herausforderungen in einer taktischen Entscheidungssituation, erscheint in Verkehr und TechnikGoogle Scholar
  3. Müller, S., Haase, K. (2015): “Tariff Zone Planning for Public Transport Companies” presentation at CASPT 2015, available at: http://www.caspt.org/proceedings/talk178.pdf (accessed 2 March 2017).
  4. Kohani, M. (2015): Tariff Zones Design in Integrated Transport Systems: a Case Study for the Žilina Municipality. In: Bulucea, A.: Proceedings of Mechanics, Engineering, Environment, 91–97, WSEAS PressGoogle Scholar
  5. Gattuso, D., Musolino, G. (2007): A simulation approach of fare integration in regional transit services. In: Geraets, E. et al.: Algorithmic Methods for Railway Optimization. Lecture Notes in Computer Science 4359, 200–218.Google Scholar
  6. Schöbel, A. (2006) Optimization in Public Transportation: Stop Location, Delay Management and Tariff Zone Design in a Public Transportation Network, Springer, 2006.Google Scholar
  7. Hamacher, H., Schöbel, A. (2004): Design of zone tariff systems in public transportation. Operations Research, Vol. 52 (6), 897–908.Google Scholar
  8. Caro, F., Gallien, J. (2007) Dynamic Assortment with Demand Learning for Seasonal Consumer Goods. Management Science 53(2):276-292Google Scholar
  9. Paulley, N.; Balcombe, R.; Mackett, R.; Titheridge, H.; Preston, J. M.; Wardman, M. R.; Shires, J. D.; White, P. (2006): The demand for public transport: The effects of fares, quality of service, income and car ownership. Transport Policy, 13(4), pp. 295-306.Google Scholar
  10. Borndörfer, R. Karbstein, M., Pfetsch, M. E. (2006): Models for fare planning in public transport. Discrete Applied Mathematics, Vol. 160, Issue 18, 2591–2605,Google Scholar
  11. Zureiqat, H. M. (2008): Fare Policy Analysis for Public Transport: A Discrete‐Continuous Modeling Approach Using Panel Data, Master Thesis, Department of Civil and Environmental Engineering, Massachusetts Institute of TechnologyGoogle Scholar
  12. Kellerer, H., Pferschy, U., Pisinger, D. (2004) Knapsack Problems. SpringerGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Fakultät VerkehrswissenschaftenTechnische Universität DresdenDresdenDeutschland

Personalised recommendations