Huff-Modell

Das Huff-Modell prognostiziert die Wahrscheinlichkeit, mit der Konsumenten in einem Referenzgebiet bestimmte Standorte aufsuchen, basierend auf der Attraktivität der Standorte und der Entfernung zu diesen, unter Berücksichtigung der Konkurrenz zwischen den Zielen. Das Huff-Modell konzentriert sich auf wettbewerbsfähige Marktanteile.

1. Erklärung

Das Huff-Modell ist ein räumliches Interaktionsmodell, das schätzt, wie sich die Nachfrage (z. B. Kunden, Bewohner) auf konkurrierende Angebotsstandorte (z. B. Geschäfte, Einrichtungen) verteilt. Das Modell funktioniert nach einem einfachen Prinzip: Die Wahrscheinlichkeit, dass ein Standort gewählt wird, hängt von seiner Attraktivität im Verhältnis zu allen konkurrierenden Standorten ab, gewichtet nach der Reisezeit. Ein großes, nahe gelegenes Einkaufszentrum wird mehr Nachfrage auf sich ziehen als ein kleines, weit entferntes – aber die genaue Aufteilung hängt vom Gleichgewicht zwischen Attraktivität und Entfernung aller verfügbaren Optionen ab.

Das Ergebnis ist ein Wahrscheinlichkeitswert für jeden Angebotsstandort, der den Anteil der Gesamtnachfrage darstellt, den er aus dem Referenzgebiet auf sich zieht. Dies ermöglicht einen direkten Vergleich, wie gut verschiedene Einrichtungen um denselben Kundenstamm konkurrieren.

Sie können das Verkehrsmittel, den Gelegenheiten-Layer (mit Kapazitätsfeldern), den Nachfrage-Layer (mit Bevölkerungsfeld), das Referenzgebiet und Reisezeitlimits konfigurieren und Ihr Modell kalibrieren.

• Referenzgebiet — Ein Polygon, das das Untersuchungsgebiet definiert. Nur Nachfrage und Gelegenheiten innerhalb dieses Gebiets werden berücksichtigt.

• Der Gelegenheiten-Layer enthält Einrichtungsdaten mit einem Attraktivitätsattribut (z. B. Anzahl der Krankenhausbetten, Quadratmeter Verkaufsfläche, Schulplätze).

• Der Nachfrage-Layer enthält Bevölkerungs- oder Nutzerdaten (z. B. Einwohnerzahl, potenzielle Kunden), die die Nachfrage nach den Einrichtungen darstellen.

Wesentlicher Unterschied: Im Gegensatz zu Heatmaps, die die Erreichbarkeit pro Rasterzelle visualisieren, erzeugt das Huff-Modell eine Wahrscheinlichkeit pro Angebotsstandort – und zeigt, welchen Anteil der Gesamtnachfrage jede Einrichtung erfasst.

info

Das Huff-Modell ist in bestimmten Regionen verfügbar. Nach Auswahl eines Verkehrsmittels zeigt GOAT eine Kartenüberlagerung mit der unterstützten Abdeckung an. Wenn Sie Analysen außerhalb dieser Regionen benötigen, kontaktieren Sie uns gerne.

2. Anwendungsfälle

• Welchen Marktanteil erfasst jeder Supermarkt aus den umliegenden Wohngebieten?

• Wo sollte ein neues Einzelhandelsgeschäft eröffnet werden, um die Kundenreichweite unter Berücksichtigung bestehender Wettbewerber zu maximieren?

• Wie würde sich das Hinzufügen einer neuen Schule auf die Verteilung der Anmeldungen auf bestehende Schulen auswirken?

• Welchen Anteil der Nachfrage deckt jede öffentliche Bibliothek aus den umliegenden Stadtvierteln ab?

3. Vorgehensweise

1

Klicken Sie auf Werkzeuge .

2

Klicken Sie im Menü Erreichbarkeitsindikatoren auf Huff-Modell.

Routing

3

Wählen Sie das Verkehrsmittel, das Sie für die Analyse verwenden möchten.

Verkehrsmittel	Berücksichtigt	Angenommene Geschwindigkeit
Zu Fuß	Alle zu Fuß begehbaren Wege	5 km/h
Fahrrad	Alle mit dem Fahrrad befahrbaren Wege (Oberfläche, Glätte, Steigung)	15 km/h
Pedelec	Alle mit dem Pedelec befahrbaren Wege (Oberfläche, Glätte)	23 km/h
Auto	Alle mit dem Auto befahrbaren Wege (Tempolimits, Einbahnstraßen)	—

Konfiguration

4

Wählen Sie Ihr Referenzgebiet – einen Polygon-Layer, der die Grenze des Untersuchungsgebiets definiert. Nur Nachfrage und Ziele innerhalb dieses Gebiets werden in die Analyse einbezogen.

5

Legen Sie das Reisezeitlimit fest, das die maximale Reisezeit in Minuten definiert. Einrichtungen außerhalb dieses Limits werden nicht berücksichtigt.

Hinweis

Benötigen Sie Hilfe bei der Auswahl einer geeigneten Reisezeitgrenze für verschiedene allgemeine Einrichtungen? Das "Standort-Werkzeug" der Stadt Chemnitz kann hilfreiche Orientierung bieten.

Nachfrage

6

Wählen Sie Ihren Nachfrage-Layer aus dem Dropdown-Menü. Dieser Layer sollte Bevölkerungs- oder Verbraucherdaten enthalten (z. B. Zensusdaten mit Einwohnerzahlen, Kundenstandorte).

7

Wählen Sie das Nachfragefeld – ein numerisches Feld aus Ihrem Nachfrage-Layer, das die Anzahl potenzieller Verbraucher darstellt (z. B. Bevölkerung, Anzahl der Haushalte).

Gelegenheiten

8

Wählen Sie Ihren Gelegenheiten-Layer aus dem Dropdown-Menü. Dieser Layer sollte Standorte von Einrichtungen oder Geschäften enthalten, die um die Nachfrage konkurrieren.

9

Wählen Sie das Attraktivitätsfeld – ein numerisches Feld, das die Attraktivität jeder Einrichtung darstellt (z. B. Verkaufsfläche in m², Anzahl der Produkte, Qualitätsbewertung).

Erweiterte Konfiguration

10

Passen Sie optional den Attraktivitätsparameter (Standard: 1,0) an, um zu steuern, wie stark die Attraktivität die Wahrscheinlichkeit beeinflusst. Höhere Werte verstärken die Unterschiede zwischen den Einrichtungen.

11

Passen Sie optional den Parameter Entfernungsabnahme (Standard: 2,0) an, um zu steuern, wie stark die Reisezeit die Attraktivität einer Einrichtung verringert. Höhere Werte bedeuten, dass Menschen weniger bereit sind, weit zu reisen.

Modellkalibrierung

Für realistische Ergebnisse sollten die Parameter des Huff-Modells unter Verwendung beobachteter Marktanteils- oder Nutzerwahldaten kalibriert werden. Die Standardparameter spiegeln möglicherweise nicht das tatsächliche Kundenverhalten in Ihrem Untersuchungsgebiet wider. Idealerweise sammeln Sie Daten zu tatsächlichen Kundenbesuchen oder Marktanteilen, um optimale Parameter zu schätzen.

Hinweis: Eine automatische Parameterkalibrierung ist derzeit in GOAT nicht verfügbar. Sie können die Parameter manuell anpassen.

Ergebnisse

12

Legen Sie den Name der Ergebnislayer für den Ausgabe-Huff-Modell-Layer fest.

13

Klicken Sie auf Ausführen, um die Berechnung zu starten.

Ergebnisse

Sobald die Berechnung abgeschlossen ist, wird ein Ergebnis-Layer zur Karte hinzugefügt. Jedes Feature im Ergebnis-Layer stellt einen Angebotsstandort mit seiner berechneten Huff-Wahrscheinlichkeit dar.

• Höhere Wahrscheinlichkeitswerte zeigen an, dass eine Einrichtung einen größeren Anteil der Gesamtnachfrage erfasst – sie ist im Vergleich zu Alternativen wettbewerbsfähiger.
• Niedrigere Wahrscheinlichkeitswerte zeigen an, dass eine Einrichtung weniger Nachfrage erfasst, entweder weil sie weniger attraktiv ist, weiter entfernt liegt oder starker Konkurrenz durch nahegelegene Alternativen ausgesetzt ist.

Tipp

Möchten Sie visuell ansprechende Karten erstellen, die eine klare Geschichte erzählen? Erfahren Sie, wie Sie Farben, Legenden und Stile in unserem Abschnitt Styling anpassen können.

4. Technische Details

Berechnung

Das Huff-Modell berechnet die Wahrscheinlichkeit, dass die Nachfrage von Standort i zum Angebotsstandort j fließt:

Wobei:

• P_ij = Wahrscheinlichkeit, dass die Nachfrage am Standort i den Angebotsstandort j aufsucht
• A_j = Attraktivität des Angebotsstandorts j
• d_ij = Reisezeit vom Bedarfsstandort i zum Angebotsstandort j
• α = Attraktivitätsparameter (Standard: 1,0)
• β = Distanzabfallparameter (Standard: 2,0)
• n = Anzahl der von i aus erreichbaren Angebotsstandorte

Die erfasste Nachfrage für jeden Angebotsstandort wird dann berechnet, indem die Wahrscheinlichkeit mit dem Nachfragewert an jedem Ursprung multipliziert und über alle Ursprünge summiert wird:

Wobei:

• C_j = gesamte erfasste Nachfrage am Angebotsstandort j
• D_i = Nachfrage (Bevölkerung) am Standort i
• m = Anzahl der Bedarfsstandorte

Die finale Huff-Wahrscheinlichkeit, die pro Angebotsstandort angegeben wird, ist der Anteil der Gesamtnachfrage, den er erfasst:

5. Referenzen

Huff, D. L. (1963). A Probabilistic Analysis of Shopping Center Trade Areas. Land Economics, 39(1), 81–90.