RADELN (Fahrradinfrastruktur und Netzwerkdesign - ein menschenzentrierter, datengesteuerter Ansatz unter Verwendung von räumlich-zeitlichem maschinellem Lernen)

Projektbeschreibung

Wir entwickeln einen menschenzentrierten, datengesteuerten Ansatz, um optimale Fahrradinfrastrukturen und Netzdesigns für Metropolregionen zu finden, die dazu beitragen, Fahrten vom Auto auf das Fahrrad zu verlagern. Der Ansatz schöpft alle Verlagerungspotenziale aus, indem er Fahrten über längere Distanzen (z.B. Pendler aus/nach Vorstädten) einbezieht und die heterogenen Präferenzen der zuvor identifizierten Radfahrertypen differenziert. Um die Auswirkungen von fahrwegspezifischen Fahrradinfrastrukturmerkmalen auf den Radverkehrsanteil so realistisch wie möglich vorherzusagen, entwickeln wir zunächst einen Reverse-Engineering Ansatz der tatsächlich realisierten Routen- und Verkehrsmittelwahl auf der Grundlage realer Daten (z. B. von Mobiltelefondaten abgeleitete Quelle-Ziel-Modal-Splits, GPS-Fahrradtrajektorien). Außerdem entwickeln wir ein datengestütztes Modell zur Identifizierung von Engpässen in bestehenden Fahrradnetzen. In alle unsere Modelle beziehen wir Expertenwissen ein und vergleichen die Qualität der Ergebnisse mit bereits existierenden Ansätzen. Das Projekt entwickelt, evaluiert und vergleicht sowohl analytische als auch robuste räumlich-zeitliche Methoden des maschinellen Lernens (ML). Im Rahmen einer Feldstudie wenden wir den Ansatz auf den Großraum München an. Wir schlagen einen Fahrradinfrastrukturplan vor, der den Behörden hilft, einzelne Maßnahmen zu implementieren, die zum modellierten optimalen Fahrradinfrastruktur- und Netzdesign führen. Abschließend wird dieser Plan mit den bestehenden Fahrradinfrastrukturplänen und -entwicklungen in München abgeglichen und verglichen. Zusammenfassend lässt sich sagen, dass unser Ansatz den Radverkehr in größerem Umfang nachhaltig fördern und damit die öffentliche Gesundheit [1] verbessern sowie Emissionen, Luftverschmutzung und Flächenverbrauch [2] verringern wird.

[1]    Pucher, J., Buehler, R., Bassett, D. R., & Dannenberg, A. L. (2010). Walking and cycling to health: a comparative analysis of city, state, and international data. AJPH, 100(10), 1986–1992.

[2]    Neves, A., & Brand, C. (2019). Assessing the potential for carbon emissions savings from replacing short car trips with walking and cycling using a mixed GPS-travel diary approach. TR Part A, 123, 130-146.

Aufgaben des Lehrstuhls

Der Lehrstuhl für Verkehrstechnik ist für die Gesamtkoordination des Projekts verantwortlich. Die Forschungsschwerpunkte liegen in der Entwicklung von analytischen Ansätzen zur Verkehrsmittel- und Routenwahl sowie zur Radverkehrsnetz- und -infrastrukturoptimierung, der Integration von Expertenwissen in alle Projektteile sowie der abschließenden Fallstudie für die Stadt München.