RiD: Radverkehrsverhalten in Deutschland

Titel: RiD: Radverkehrsverhalten in Deutschland

Projektdauer: April 2023 – September 2026

Forschungsbereich: Verkehrswissenschaften, Routenwahl-Modellierung, maschinelles Lernen, Datenwissenschaft

Projektbeschreibung

Verkehrswissenschaften, Routenwahl-Modellierung, Maschinelles Lernen: Im Rahmen des DFG-Projekts RiD werden das Fahrverhalten und die Routenwahl von Radfahrer:innen in ganz Deutschland untersucht. Ziel ist es, ein tieferes Verständnis der Faktoren zu gewinnen, die das Radfahrverhalten beeinflussen, und damit einen Beitrag zur Förderung des Radverkehrs und somit auch zu einem klimafreundlicheren Verkehrssystem zu leisten. Da das Radfahrverhalten von Gemeinde zu Gemeinde stark variieren kann, sollen Stadttypen definiert und für jeden Stadttyp Modelle trainiert werden. Auf diese Weise soll es möglich sein, jede Gemeinde in Deutschland mithilfe der im Projekt entwickelten Modelle abzubilden und zu analysieren.

Für das Projekt wird ein Datensatz aus der Aktion „Stadtradeln“ verwendet, der GPS-Aufzeichnungen von Radfahrten aus über 2.700 deutschen Gemeinden enthält. Dieser Datensatz dient der Modellierung und Analyse des Radfahrverhaltens und der Routenwahl.

Ziele

• Analyse räumlicher und stadtspezifischer Variablen hinsichtlich des Fahrverhaltens von Radfahrer:innen in Deutschland
• Untersuchung von Variablen zur Routenwahl von Radfahrer:innen in Deutschland mit Schwerpunkt auf routen-, personen- und stadtspezifischen Merkmalen
• Anwendung verschiedener Methoden der klassischen Statistik und des maschinellen Lernens für diese Analysen sowie Entwicklung und Anwendung eines methodischen Ansatzes zum Vergleich der Ergebnisse aller Methoden

Problem

Das Fahrradverhalten und die Einflussfaktoren bei der Routenwahl unterscheiden sich von Gemeinde zu Gemeinde erheblich. Daher gelten alle bisherigen Ergebnisse solcher Analysen nur für die jeweilige Stadt oder Gemeinde, die Gegenstand der jeweiligen Studie war. Das RiD-Projekt befasst sich mit diesem Problem und zielt darauf ab, durch die Modellierung von Städten und Stadttypen Erkenntnisse über das Fahrradverhalten in ganz Deutschland zu gewinnen.

Technologie

Die „Stadtradeln“-Daten werden zum Trainieren verschiedener statistischer und maschineller Lernmodelle verwendet, z. B. Multinomial-Logit, tiefe neuronale Netze, Support-Vektor-Maschinen und Random Forest, um die Routenwahl und das Verhalten von Radfahrern zu analysieren. Darüber hinaus wird eine Clusteranalyse durchgeführt, um die Stadttypen zu validieren. Alle diese Analysen werden hauptsächlich mit Python durchgeführt.

Team

Projektleitung

Dr. Iryna Okhrin

Technische Universität Dresden

Center for Interdisci­plinary Digital Sciences (CIDS)

Projektmitarbeitende

• Katrin Lubashevsky

Partner

• Dr. Stefan Huber
• Dr. Sven Lißner

Links

• DFG announcement
• On bicycle project