Benjamin KickhöferVormals: DLR –Institut für VerkehrsforschungKünftig:Einride–Future oftransport

Lösen selbstfahrende Autos unsere Verkehrsprobleme?

Wunsch und (wahrscheinliche) Wirklichkeit

Benjamin Kickhöfer

Vormals: DLR – Institut für Verkehrsforschung

Künftig: Einride – Future of transport

Utopie für die Zukunft.

Utopie für die Zukunft.

Die Stadt von morgen?

htt ps :// yo utu .b e/ W m Ys W YD Q xu I

© Drive Sweden - Strategic Innovation Program launched by the Swedish government with Lindholmen Science Park

Wie beschreibt das Video die Stadt von morgen?

Mehr Platz für Menschen

(weniger Parkraum benötigt, effizienterer Verkehrsfluss)

Geringere Wartezeiten, reibungsloser Betrieb

(Synchronisierung von Verkehrsangebot und -nachfrage)

© D riv e S w ed en - Str ate gic In no va tio n P ro gra m la un ch ed b y t he Sw ed ish go ve rn m en t w ith Lin dh olm en

(Synchronisierung von Verkehrsangebot und -nachfrage)

Sicherer, weniger Lärm und Schadstoffe durch Verkehr

(Intelligente Verkehrssteuerung, car2car Kommunikation)

Str ate gic In no va tio n P ro gra m la un ch ed b y t he Lin dh olm en Sc ie nc e P ark

Wie kommen wir dort hin?

• Private Pkw abschaffen

• Installieren von Shared Autonomous Vehicle Angeboten (SAV/AVoD/MaaS)

Historie Pkw-Markt.

Historie Pkw-Markt.

Seit 1993: Pkw-Bestand in Deutschland +10 Mio. Fahrzeuge

31,4

40,6 34,4

44,4 Millionen Pkw

gewerblich privat

42,5 Mio. (95%) in Privathaushalten

1 9 9 3 1 9 9 4 1 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2 2 0 0 3 2 0 0 4 2 0 0 5 2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 11 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5

in Privathaushalten West:

28.4 Mio.

Ost:

6 Mio. _{6,5 Jahre} ^{∅ Alter} _{9 Jahre} ^{∅ Alter}

Quelle: KBA Kraftfahrzeugstatistik

Jährlich 0,5 Millionen mehr Pkw auf der Straße – fast alle in Privathaushalten

~3 Mio. Neuzulassungen pro Jahr  ~7 Mio.

Halterwechsel pro Jahr

1 .1 .1 99 5 1 .1 .1 99 6 1 .1 .1 99 7 1 .1 .1 99 8 1 .1 .1 99 9 1 .1 .2 00 0 1 .1 .2 00 1 1 .1 .2 00 2 1 .1 .2 00 3 1 .1 .2 00 4 1 .1 .2 00 5 1 .1 .2 00 6 1 .1 .2 00 7 1 .1 .2 00 8 1 .1 .2 00 9 1 .1 .2 01 0 1 .1 .2 01 1 1 .1 .2 01 2 1 .1 .2 01 3 1 .1 .2 01 4 1 .1 .2 01 5 1 .1 .2 01 6

~2,5 Mio. Löschungen pro Jahr

Quelle: KBA Kraftfahrzeugstatistik

~15 Jahre, ~4 Besitzer

Anteil gewerblicher Neuzulassungen steigt ständig – dies schlägt sich im Bestand jedoch nicht nieder

60%

70%

80%

90%

100% Bestand

gewerblich

privat, 65 bis 100 Jahre privat, 40 bis

60%

70%

80%

90%

Neuzulassungen 100%

0%

10%

20%

30%

40%

50%

1 99 5 1 99 6 1 99 7 1 99 8 1 99 9 2 00 0 2 00 1 2 00 2 2 00 3 2 00 4 2 00 5 2 00 6 2 00 7 2 00 8 2 00 9 2 01 0 2 01 1 2 01 2 2 01 3 2 01 4 2 01 5

privat, 40 bis 64 Jahre privat, 25 bis 39 Jahre privat, 0 bis 24 Jahre

0%

10%

20%

30%

40%

50%

1 9 9 5 1 9 9 7 1 9 9 9 2 0 0 1 2 0 0 3 2 0 0 5 2 0 0 7 2 0 0 9 2 0 11 2 0 1 3 2 0 1 5

Quelle: KBA Kraftfahrzeugstatistik

Gewerbliche Neuzulassungen gehen nach kurzer Zeit in den privaten Pkw-Bestand über

2,5 3,0 3,5 4,0

M ill io n e n P kw

Pkw-Bestand am 1.1.2015 nach Jahr der Erstzulassung und im Vergleich zu Neuzulassungen im Jahresverlauf 2014

gewerblich privat _3,04

2,76

25-35% Dienst- und

0,0 0,5 1,0 1,5 2,0 2,5

b is 1 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2 2 0 0 3 2 0 0 4 2 0 0 5 2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 11 2 0 1 2 2 0 1 3 2 0 1 4 N Z L 2 0 14

M ill io n e n P kw

40% privat

25-35% Dienst- und Flottenwägen 25-35% faktisch privat

Quelle: KBA Kraftfahrzeugstatistik

Disruptive Veränderungen?

Disruptive Veränderungen?

Entwicklung der Carsharing-Flotte in Deutschland 2007–2017

10000 12000 14000 16000 18000 20000

C ar sh ar in g F a h rz e u g e

+ 17.000

0 2000 4000 6000 8000 10000

C ar sh ar in g F a h rz e u g e

+ 17.000

Quelle: Carsharing.de, ZFZR des KBA

Ein Trend Richtung „Nutzen statt Besitzen“ ist bisher nicht erkennbar – eher ein Trend Richtung „Besitzen statt Nutzen“

1,2 1,3

1,4 Mittleres Pkw-Alter

Pkw Bestand

In de x 19 93 = 1

44,4 Mio. Pkw 636 Mrd. Km

9 Jahre

0,8 0,9 1 1,1

1 99 3 1 99 4 1 99 5 1 99 6 1 99 7 1 99 8 1 99 9 2 00 0 2 00 1 2 00 2 2 00 3 2 00 4 2 00 5 2 00 6 2 00 7 2 00 8 2 00 9 2 01 0 2 01 1 2 01 2 2 01 3 2 01 4 2 01 5

Pkw Gesamtfahrleistung

Fahrleistung pro Pkw

In de x 19 93 = 1

14.300 Km

Quelle: KBA Kraftfahrzeugstatistik, Verkehr in Zahlen

Unter Senioren immer weniger ohne Auto -

In (fast) allen Altersklassen immer mehr mit eigenem Auto

50%

60%

70%

80%

90%

100%

B ev ö lk er u n g s a n te il

2013 Mindestens ein Pkw im Haushalt Pkw im Haushalt geteilt

0%

10%

20%

30%

40%

50%

B ev ö lk er u n g s a n te il

Alter

1998

2013 1998

Mindestens ein Pkw pro Erwachsenem im Haushalt

Quelle: Auswertungen der Einkommens- und Verbrauchsstichprobe

Personen mit

eigenem Pkw

Warum besitzen Menschen Autos?

Unter welchen Umständen wären sie bereit diese abzugeben?

55 82 45

Ein (privater) Pkw wird nur ~3% der Zeit gefahren Maximal ~10% der Pkw sind gleichzeitig unterwegs

∅ an einem Stichtag:

• 39% ohne Fahrt

• 39 km

• 2,1 Fahrten

• 00:44 h Fahrt

60%

70%

80%

90%

100% Fahrt

Parken:

Sonstiges, (halb-)öffentlich Sonstiges, privat

• 00:44 h Fahrt

• 15:46 h Parken auf Privatgrund

• 07:30 h Parken (halb-)öffentlich

0%

10%

20%

30%

40%

50%

M o n ta g

privat Arbeit,

(halb-)öffentlich Arbeit,

privat Zuhause, (halb-)öffentlich Zuhause, privat

Quelle: Eigene Auswertungen MiD, KiD

Durchschnittliche Pkw-Jahresfahrleistung = 14.000 Km – Häufigkeit der Nutzung unterscheidet sich stark

60%

70%

80%

90%

100%

k u m u lie rt e r A n te il F a h rz e u g ta g e

Typ 1

Typ 2

Jahresfahr- leistung

<14.000 km

Jahresfahr- leistung

>14.000 km

Pkw-Typen nach Jahresfahrleistung und Nutzungshäufigkeit

0%

10%

20%

30%

40%

50%

1 10 100 1000

k u m u lie rt e r A n te il F a h rz e u g ta g e

Tagesfahrleistung [km]

Typ 3

Typ 4

Gesamt

Min. 1 Person im HH mit täglicher Pkw-Nutzung

Typ1: 43% Typ 2: 33%

Keine Person im HH mit täglicher Pkw-Nutzung

Typ 3: 20% Typ 4: 4%

Quelle: Eigene Auswertungen MiD

Studie

„The Impact of Vehicle Automation on Mobility Behaviour“

„The Impact of Vehicle Automation on Mobility Behaviour“

für BMW ifmo

Source: Trommer et al. (2016), https://www.ifmo.de/publikationen.html?t=151

Neue SAV/AVoD/MaaS Verkehrsangebote:

Autonomous Carsharing (ACS), Autonomous Ridesharing (ARS)

Autonomous Ridesharing Autonomous Carsharing

ACS ARS Geteilte Fahrzeuge √ √

Geteilte Wege √

Umwege möglich √

Leerfahrten möglich √ √

Geteilte Kosten √

© OpenStreetMap contributors © OpenStreetMap contributors

Die Qual der Verkehrsmittelwahl bei Wegen und beim Vorhalten von Mobilitätswerkzeugen

Verkehrsmittelwahl bei Wegen?

• Reisezeit

• Wartezeit

• Kosten

• Wetter

• Umstiege

Vorhalten von Mobilitätswerkzeugen?

• Andere Angebote

• Investitionskosten

• Pick-up/drop-off

• Transport von Gütern

• Ferienreisen

Icon made by Freepik from www.flaticon.com

• Umstiege

• Komfort

• Privatsphäre

• …

• Ferienreisen

• …

Wirkungen von automatisierten Fahrzeugen: Szenario autonome private Pkw

• Bis zu 20% AVs in Pkw-Bestand 2035 Automatisierte Fahrzeuge diffundieren

in den Pkw-Bestand

Mobilitätseingeschränkte werden mobiler

• Bis zu 10% Fahrleistungszuwachs

• Verluste vor allem bei öffentlichen Verkehrsmitteln

mobiler

Parken geht einfacher und schneller

Zeit im Auto ist besser nutzbar

Source: Trommer et al. (2016), https://www.ifmo.de/publikationen.html?t=151

Zurück zur Qual der Verkehrsmittelwahl

Icon made by Freepik from www.flaticon.com

?

Wirkungen von automatisierten Fahrzeugen: Szenario SAV/AVoD/MaaS

• Business cases für alle Regionstypen in Deutschland

SAV/AVoD/MaaS Angebot

€ 

• Bis zu 15% Marktanteil (Wege)

• Bis zu 10% Fahrleistungszuwachs

• Verluste bei allen anderen Verkehrsmitteln

Source: Trommer et al. (2016), https://www.ifmo.de/publikationen.html?t=151

Verkehrs- mittelwahl Besitz privater Pkw

+

Die Stadt von morgen ohne private Pkw ist möglich, aber der Weg dorthin ist unklar.

Automatisierung ermöglicht neue Geschäftsmodelle – erhöht aber ohne Eingriffe sehr wahrscheinlich die erhöht aber ohne Eingriffe sehr wahrscheinlich die

Verkehrsprobleme in Städten.

Der gesellschaftliche Nutzen hängt somit an der Regulierung –

denn der private Besitz eines Autos bleibt attraktiv.

55 82 45

Backup.

Backup.

Sozio-Demographie der Besitzer beeinflusst Altersstruktur des Bestands und Jahresfahrleistung

5 6 7 8 9

∅ Fahrzeugalter nach Alter der Hauptnutzer

Variable SchätzerSign.

Konstante 13742 ***

Antrieb Benzin ref.

Diesel/Gas 5916***

KW 17 ***

Fahrzeugalter in Jahren -176 ***

Zulassung privat ref.

gewerblich 6520***

Lineare Regression der Jahres-Km

0 1 2 3 4 5

unter 30 30 bis unter 40

40 bis unter 50

50 bis unter 60

60 bis unter 70

70 bis unter 80

80 und älter Alter der Hauptnutzer

gewerblich 6520***

Raumtyp ländlich ref.

suburban -398*

städtisch -1365***

Haushaltstyp junger Haushalt 911*

Familienhaushalt 447*

Mittelalter Haushalt ref.

Seniorenhaushalt -4067***

Pkw-Typ Ein-Fahrer-Pkw 62

Geteilte Pkw ref.

Erst-Pkw 4143***

Zusatz-Pkw -3873***

Quelle: Eigene Auswertungen MiD

Kohorteneffekte Zusatzmotorisierung

Führscheinbesitz

stabil, Pkw-Besitz leicht sinkend,

Pkw-Nutzung sinkend

Business cases für SAV/AVoD/MaaS Systeme in Deutschland

F lo tt e n d ic h te [F a h rz e u g e /1 0 00 E in w .]

Fahrzeugauslastung ++

- -

Nutzerpreis [EUR/km]

[F a h rz e u g e /1 0 00

• Simulation der Verkehrsnachfrage in Deutschland im Jahre 2035

• Die Menschen können zwischen allen Verkehrsmitteln wählen, inklusive SAV/AVoD/MaaS Systemen

• Berechnung für verschiedene Angebotsparameter (Nutzerpreis, Flottendichte)

urban

Business cases für SAV/AVoD/MaaS Systeme in Deutschland

Autonomous Carsharing Autonomous Ridesharing

rural

• Größere Gewinnzone in Städten (jedoch überall Betrieb mit Gewinn möglich)

• Ridesharing hat ein großes Potenzial in Städten (Nutzerpreise ähnlich zu ÖV), Potenzial in ländlichen Räumen gering (kaum Bündelungseffekte)

Source: Trommer et al. (2016), https://www.ifmo.de/publikationen.html?t=151

Zusammenfassung

• Die Stadt von morgen ohne private Pkw ist eine Utopie, erscheint aber möglich.

• Notwendigkeit Verkehrsverlagerungen und Nutzerpräferenzen zu verstehen (welche möglicherweise zu kontra-intuitiven und/oder rebound Effekten führen können) – Verkehrssimulationen können dabei helfen.

• Notwendigkeit eines guten regulatorischen Rahmens:

• Autonome private Pkw werden die Verkehrsleistung erhöhen und somit auch die negativen Effekte auf

• Autonome private Pkw werden die Verkehrsleistung erhöhen und somit auch die negativen Effekte auf die Gesellschaft.

• SAV/AVoD/MaaS Systeme haben das Potenzial die Situation zu verbessern, aber nur wenn sie

• die Verkehrsleistung verringern (z.B. Zwang einen gewissen Besetzungsgrad zu erreichen)

• als Ergänzung und nicht als Konkurrenz zum Umweltverbund (ÖPNV, Rad, Fuß) aufgebaut werden

• Für die Übergangsphase sollten Fallstudien in Zusammenarbeit zwischen Städten und möglichen Betreibern

angestoßen werden, die durch eine unabhängige Begleitforschung evaluiert werden.