Das Potenzial von Big Data fürs Radfahren

Wussten Sie, dass nach dem Bus das Radfahren die effektivste Nutzung von Straßenraum darstellt? Wenn man es recht bedenkt, überrascht es eigentlich nicht, trotzdem ist es eine coole Statistik. Letzte Woche nahm ich am 4. Nationalen Radverkehrskongress teil, der praktischerweise gleich um die Ecke vom IASS in Potsdam stattfand – was ironischerweise hieß, dass ich auf dem Weg dorthin nicht einmal in die Pedale treten musste, sondern einfach zu Fuß gehen konnte.

Es wurden viele interessante Vorträge und Initiativen präsentiert, aber ganz besonders gefiel mir der Vortrag, den Lilli Matson von Transport for London bei der Auftaktveranstaltung hielt. Angesichts der teilweise grauenhaften Bedingungen für Radfahrer in der britischen Hauptstadt ist London nicht unbedingt die erste Stadt, die einem zum Thema Radfahren einfällt. Aber es gibt dort eine wachsende Radfahrerbewegung, und es ist deutlich, dass Transport for London sich sehr für das Radfahren engagiert – und dafür, die Lage für Radler erheblich sicherer zu machen. Weil die Organisation für die Vergabe großer Bauaufträge in London zuständig ist, konnte sie zum einen ihren Einfluss nutzen, um ein Zusatztraining für LKW-Fahrer auf dem Fahrrad zu fordern! Dahinter steht der Gedanke, dass Fahrer, die bei ihrer Ausbildung mit dem Rad in der Stadt unterwegs waren, besser auf die schutzlosesten Verkehrsteilnehmer Acht geben. Ich finde, das ist eine innovative Idee und trägt wahrscheinlich viel zur Verbesserung der Sicherheit bei. Zum anderen arbeitet die Organisation beim Thema Fahrraddiebstahl mit der Polizei zusammen, die nun härter durchgreift. Ursprünglich fanden die Ordnungshüter das Problem nicht so interessant, bis sich herausstellte, dass es eine Verbindung zwischen Fahrraddiebstahl und dem organisierten Verbrechen gibt. Wer das herausgefunden hat, ist unklar, aber Fahrradklau ist schlimm, und wenn diese kleine Information hilft, die Polizei zum Handeln und zum energischen Vorgehen gegen Diebesbanden zu bewegen – großartig!

Ich könnte den ganzen Tag von den interessanten Dingen erzählen, die ich von Lilli Matsons Vortrag gelernt habe, und von den Ideen, die Transport for London auf Lager hat oder bereits umsetzt, aber es gab noch einen Beitrag, der mich schwer beeindruckt hat und der hier nicht unerwähnt bleiben soll. Der Vortrag mit dem Titel BikePrint - cyclists´ data as background for bicycle traffic planning von Dirk Bussche (NHTV/DAT.Mobility, Niederlande) wurde im Forum Digitale Medien gehalten. Bussche zeigte, was alles möglich ist, wenn man „Big Data“ mit Stadtplanung verbindet. Bussche und seine Leute haben einen erstaunlichen Datenbestand und setzen ihn hervorragend ein. So präsentierte er GPS-Tracking-Daten von Radstrecken in und um Eindhoven und Breda. Sie bieten Informationen zu Routen, Geschwindigkeiten und Tageszeiten. Will man das Umsteigen vom Auto aufs Fahrrad fördern, muss Radeln der bessere Weg sein – besser im Sinne von attraktiver, einfacher, schneller, bequemer usw. Es wird immer einen kleinen Teil der Bevölkerung geben, der sich dem Radfahren verweigert, auch wenn die Bedingungen noch so angenehm sind, aber für viele gilt: je niedriger die Barrieren und je höher die Anreize, desto besser. Das ist die Herausforderung für die städtische Verkehrsplanung, denn ein Wechsel vom Auto auf den öffentlichen Nahverkehr und vor allem vom Auto aufs Fahrrad trägt durch die Reduktion von Emissionen auch zur Lösung von Problemen wie Luftverschmutzung und Klimawandel bei.

Wie Bussche betonte, sind „Fahrräder keine Miniautos“. Das erscheint selbstverständlich. Aber was ist damit eigentlich gemeint? Bussche bezieht sich dabei auf Planung und Analyse. Zum Beispiel werden die idealen Fahrzeiten für Autos auf der Basis einer nächtlichen Fahrt von A nach B errechnet (wenn also praktisch kein Verkehr auf den Straßen ist, der den Fahrer aufhalten würde). Für Radfahrer wurde dieselbe Berechnung versucht, aber es stellte sich rasch heraus, dass sie nachts langsamer unterwegs sind als tagsüber, die Methode funktioniert also nicht. Langsamer wahrscheinlich, weil Radfahrer nachts nicht zur Arbeit oder zu einem Termin müssen, sondern einfach ausgehen und nach ein paar Drinks wieder nach Hause fahren. Also braucht man andere Ausgangsdaten.

Unterschiede bei der Planung gibt es auch beim Thema Geschwindigkeit. Bussche hob hervor, es sei nicht Aufgabe der Verwaltung, den Radfahrern ein Tempo zu diktieren, sondern ihnen die Geschwindigkeit, die sie jeweils wünschen, zu ermöglichen (innerhalb vernünftiger Grenzen). Um zu erläutern, was das heißt, zeigte er einige Beispieldiagramme. In zwei Fällen strebten Radfahrer ziemlich konsequent ein gewünschtes Tempo an – der eine 10 km/h, der andere 20 km/h -, wobei sie ihr Tempo nur selten steigerten oder verminderten (wie im linken und mittleren Diagramm von Abb. 1 gezeigt). In einem dritten Fall (rechts in Abb. 1) wurde deutlich, dass der Radfahrer immer wieder stark abbremsen und dann wieder beschleunigen musste, um seine Wunschgeschwindigkeit von 30 km/h zu erreichen, sie aber nie lange halten konnte. Aus Sicht der Stadtplanung besteht die Herausforderung darin, herauszufinden, warum das so ist, und, falls machbar, das gewünschte Tempo zu ermöglichen.

Enorme Vorteile für die Stadtplanung bringt ein großer Datenbestand beispielsweise auch bei Radwegen und den damit verbundenen Investitionen etwa in Unterhalt und Infrastruktur. Die Stadt hat „Haupt“-Radwege, und das heißt, die nötige Infrastruktur wurde geschaffen, um Radfahrern eine direkte Route durch die Stadt zu öffnen. In vielen Fällen sieht man, dass sich der Radverkehr, wie erwartet, in dem Gebiet auf diesen Wegen abspielt, weil sie die direkteste Verbindung darstellen. In einigen Gegenden aber zeigen die Daten unter Umständen, dass der Radverkehr im Zickzackkurs durch Seitenstraßen verläuft, obwohl eigentlich eine Hauptstrecke existiert (die umrandete Fläche in Abb. 2). Weil sich die Ressourcen auf die Hauptrouten konzentrieren - zum Beispiel wird dort zuerst Schnee geräumt, die Straßen werden regelmäßig gereinigt und es wird investiert - steht fest, dass sich etwas ändern muss, wenn Radfahrer gerade diese Straßen zugunsten anderer Strecken meiden. Die Barrieren könnten zum Beispiel ein schlechter Fahrbahnbelag (Kopfsteinpflaster) oder eine Ampel mit besonders langer Wartezeit sein.

Das letzte Beispiel, das ich beleuchten will, dreht sich um den Fall, dass Radfahrer oft dort radeln, wo offiziell weder eine Straße noch ein Radweg existiert – in diesem Fall legen sie den Weg von einer Sackgasse zur nächsten Straße über einige Bordsteinkanten oder eine kleine Rasenfläche zurück (Abb. 3). Hier stellt sich die Frage: Sollte die Infrastruktur ergänzt werden, um diese Verbindung für Radler und Fußgänger zu erleichtern, oder besteht hier ein erhebliches Sicherheitsrisiko und die Verbindung sollte geschlossen werden? Solche Daten ermöglichen die gezielte Untersuchung dieser Situationen, damit Infrastrukturinvestitionen so erfolgen können, dass Radfahren zur bevorzugten Option wird und mit optimalem Ressourceneinsatz das bestmögliche Radwegenetz aufgebaut wird.

In all diesen Fällen kann die Stadtplanung für die Radverkehrsinfrastruktur nicht isoliert durchgeführt werden. Zum größeren Bild gehören die ganze Bandbreite von Verkehrsoptionen und die Stadtgestaltung, aber das waren nur zwei von vielen Beispielen, die das Potenzial des Fahrrads als Transportmittel in der Stadt zeigen. Wenn ich von solchen Initiativen erfahre, mache ich mir auch Gedanken über die Rolle, die das Fahrradfahren in unserer eigenen Arbeit am IASS spielt – vom Einsatz des Fahrrads bei Messungen zur Luftverschmutzung bis zur Bezifferung seines Potenzials für die Verminderung der Luftverschmutzung in den Städten, indem Verkehrsteilnehmer vom Auto aufs Fahrrad umsteigen.

Header-Bild: istock/focusstock