Herausforderungen bei der Einnahmeaufteilung im öffentlichen Verkehr
Öffentlicher Verkehr wird zwar weltweit immer integrierter und komfortabler, aber er wird auch für alle Beteiligten immer komplexer zu verwalten – wobei die Aufteilung der Ticketeinnahmen eine der größten Schwierigkeiten darstellt. Möchten Sie die folgenden Probleme beseitigen, um die Ticketeinnahmen effektiver aufzuteilen?
- Ungenauigkeit der Daten aufgrund von menschlichen Fehlern und Verzerrungen.
- Begrenztes Wissen über das Passagierverhalten.
- Erheblicher manueller Aufwand zur Erfassung und Analyse der Daten, der zeit- und kostenintensiv ist.
- Ineffizienter Datenaustausch.
Wenn die Antwort „ja“ lautet, lassen Sie uns das anhand eines Beispiels erklären, das wir kürzlich in Deutschland erlebt haben: das 9-Euro-Ticket.
Die deutsche Bundesregierung hat als Reaktion auf die steigenden Konsumgüter- und Benzinpreise ein 9-Euro-Ticket für den ÖPNV eingeführt. Jede:r konnte im Sommer 2022 ein Monatsticket für nur 9 Euro erwerben. Zudem war das Ticket deutschlandweit im öffentlichen Nahverkehr gültig – mit Ausnahme von Intercity- und Intercity-Express-Zügen.
Aufgrund des Umfangs der Umsetzung und der vielen beteiligten Akteure war dies ein noch nie dagewesenes Experiment für das deutsche Verkehrssystem. Logischerweise war eine der größten Herausforderungen die Aufteilung der Einnahmen aus den Fahrkarten zwischen allen Verkehrsbetrieben, die dieses Ticket akzeptierten. Genaue Kosten- und Einnahmenschätzungen gehören dabei zu den größten Problemen, da Schwankungen bei den Fahrgastzahlen, Änderungen der Betriebskosten und andere Faktoren die Kalkulation erschweren – insbesondere, wenn mehrere öffentliche Verkehrsbetriebe beteiligt sind.
Neben der Deutschen Bahn als bundesweitem Betreiber von Regional- und Nahverkehrszügen gibt es in Deutschland mehr als 60 lokale ÖPNV-Unternehmen, die in 16 Bundesländern tätig sind. Es ist daher eine große Herausforderung, den Gewinnanteil für jeden Verkehrsbetrieb zu berechnen. Zudem ist Deutschland nach Frankreich das zweitgrößte europäische Land in Bezug auf das Fahrgastaufkommen und erzielt im ÖPNV jährlich etwa 10 Milliarden Euro Umsatz. Schon kleine Fehlkalkulationen beim Passagieraufkommen können daher für einzelne Unternehmen erhebliche Verluste bedeuten.
Aus Sicht der Nachfrage war das 9-Euro-Ticket ein Erfolg. Allerdings hat die deutsche Regierung fast ein Jahr gebraucht, um den Nachfolger einzuführen: das 49-Euro-Ticket. Der Grund liegt teilweise darin, dass das Land die Praxis der Einnahmeaufteilung noch nie in einem solchen Ausmaß angewandt hatte.
* 52 Millionen Fahrgäste kauften das 9-Euro-Ticket. Zum Vergleich: Die BahnCard 100, ein Ticket, mit dem alle öffentlichen Verkehrsmittel in Deutschland ein Jahr lang kostenlos genutzt werden können, hatte 2021 rund 36.000 Abonnent:innen.
An unclear and unreliable calculation system can lead to conflicts, especially when one agency is more successful or profitable than others.
Data sharing and reporting are additional challenges when agencies use different data systems or reporting methods. The mentioned complications can make it difficult to estimate the revenue generated by each public transport operator accurately and reach a fair and equitable revenue allocation agreement.
Traditional transportation data collection methods, such as surveys or ticketing information, are not only restrained in overcoming the challenges of revenue allocation but also add complications to an already challenging system.
Precise transportation data provided by motiontag can play a critical role in solving your challenges associated with revenue allocation. Apart from eliminating the errors and biases mentioned earlier, our technology can also:
- Ensure the revenue allocation is fair and equitable based on precise passenger kilometer data.
- Help to improve the integration of services provided by multiple public transit agencies. This data can identify areas where services overlap and help coordinate the scheduling and routing of services to provide the best possible service for users.
- Be used to develop standardized data systems and reporting methods, which can help to eliminate disputes over data quality and accuracy. This can also ensure that data is shared and reported consistently and transparently, which helps to build trust between the different public transit agencies. Be used to monitor and evaluate the performance of the public transit system, which can help identify improvement areas and ensure that the revenue sharing remains fair and equitable over time. This data can also track individual agencies’ performance and identify areas where performance can be improved.
- Providing accurate and detailed information about each agency’s revenue generated on public transport lines can help ensure that the revenue allocation is fair, equitable, and consistent with the goals and priorities of all parties involved.
Subscribe to our newsletter using the form below, and follow the updates to learn more about how motiontag’s tracking technology supported the Austrian Klimaticket in overcoming revenue allocation challenges.
“motiontag’s technology is one of the most interesting new tools for mobility surveys. New, digital survey methods simplify data collection and facilitate access for young, technology-oriented target groups.
motiontag’s technology convinces with an elaborate data privacy and security approach, high precision and fast data availability. Integrating this technology in our market research app gave us the possibility to collect better data for longer timeframes in a more economic and customer-friendly way.”
– Robert Follmer – Head of Mobility and Regional Research at Infas.
motiontag generates detailed, real-time data on how individuals travel – no matter the mode of transportation. Data is collected through apps, where our technology runs in the background in full transparency for the end users as they accept the tracking (opt-in). By anonymizing this data, we provide aggregated mobility insights into travel demands. Our technology is already a basis for mobility data collection for GfK, BVG, Deutsche Bahn, Swisscom, Infas, and ETH Zurich.