COVID-19: In diesen außergewöhnlichen Zeiten sind wir hier, um Ihnen dabei zu helfen, zu verstehen, wie sich die Pandemie – und temporäre Infrastrukturmaßnahmen wie Pop-Up-Radwege – auf das Gehen und Radfahren in Ihrer Gegend auswirken. Nehmen Sie Kontakt mit uns auf, um über Ihr Projekt zu sprechen, und erkunden Sie unser interaktives Dashboard, das zeigt, wie sich die Fahrradzahlen in den letzten Monaten verändert haben.

Artikel Liste
20 Januar 2021
Fußgänger-/Radfahrer analysieren – aber wie?
Artikel teilen

Quantitative Nutzerdaten sind Voraussetzung für zuverlässige Analysen des Fußgänger- und Radfahrerverhaltens

Das mittlerweile sehr breit gefächerte Angebot an Lösungen für Fußgänger-/Radfahrerzählungen geht auf die vielfältigen Bedürfnisse der Anwender solcher Daten ein. Die bekanntesten sind im Freizeitbereich die GPS-basierten Tracking-Apps von Strava und Trailforks sowie im städtischen Berufsradverkehr Anwendungen wie Bike Citizens und Geovelo, aber auch vernetzte Radfahrer-Tools wie die von See.sense und Mobilfunkdatenanalysen mit herkömmlichen Verfahren oder durch Abgreifen von MAC- bzw. WLAN-Adressen.

Diese Daten können sehr nützlich sein, wenn es darum geht, Entscheidungsträger über das Gesamtaufkommen, Nutzerprofile, Strecken und Fahrzeiten zu informieren und Städte entsprechend zu gestalten.

Automatische Fußgänger- und Radfahrerzählsysteme sind das A und O für Analysen jeglicher Art, denn sie liefern präzise Daten für genau definierte Punkte und ermöglichen so eine bestmögliche Nutzung moderner Analysetools. Quantitative Daten sind für Analysen auch deshalb unentbehrlich, weil sie die Kalibrierung von Datenströmen und die Berichtigung von fehlerhaften qualitativen Proben, die zeitlichen Schwankungen unterworfen sein können, emöglichen. Verbindet man automatische Zähler mit anderen Datenquellen, lassen sich sämtliche Analysemodule durch Bestätigung der statistischen Repräsentativität der Probe kalibrieren.

Fehler durch unzureichende Repräsentativität

Messungen, gleich welcher Art, können durch mangelnde Repräsentativität verfälscht werden. Wichtig ist in diesem Zusammenhang, sich das Ausmaß solcher Verzerrungen bewusst zu machen. Während unsere automatischen Zählsysteme auf Radwegen eine Messgenauigkeit von 95 % bieten, beträgt die Schwankungsbreite der Repräsentativität von GPS-Tacking-basierten Analysen von WLAN- und Mobilfunkdaten je nach Datenerhebungsart 1 bis 60 %(Quelle: Colorado DOT). Angesichts einer solchen Schwankungsbreite ist es gerade bei schwachen Signalen unmöglich, mengenmäßige Abweichungen zu analysieren. Dies gilt besonders für Fußgängerströme in Innenstädten, wo in der Regel Trends in der Größenordnung von -5 bis +5 % jährlich festzustellen sind.

Wie aber kann man ausgehend von der Annahme, dass GPS- bzw. WLAN-Datenmengen um jährlich 10 % ansteigen, sicher sein, dass dieser Zuwachs nicht einfach einer breiteren Nutzung der App, sondern tatsächlich steigenden Radfahrerzahlen geschuldet ist? Eine eindeutige Trendzuordnung ist also ohne zuverlässige Zähldaten sehr schwierig.

Sonstige Datenquellen

Nicht nur GPS-Tracking-Apps, sondern auch Umfragen, Beobachtungen, manuelle Zählungen, Mobilfunkkommunikation und öffentliche Radverleihsysteme liefern Bewegungsdaten.

Im Radtourismusbereich beispielsweise werden ausgehend von Befragungen von Branchenvertretern Studien über den wirtschaftlichen Nutzen neuer Radverkehrsanlagen erstellt, die ein genaues Bild von den sozio-ökonomischen Auswirkungen solcher Infrastrukturen vermitteln. So wird der wirtschaftliche Nutzen der französischen Radwanderwege alljährlich vom Interessenverband Vélo & Territoires ermittelt, der anhand der so gewonnen Daten die ökonomische Rentabilität von Radverkehrsanlagen belegen kann.

Ergänzende Daten

Man sieht also, dass qualitative Daten aktuell eine wertvolle Informationsquelle sind.

Um eine ausreichende statistische Zuverlässigkeit dieser Daten sicherzustellen, müssen durch unzureichende Repräsentativität versursachte Fehler jedoch unbedingt berichtigt werden. Wir haben zu diesem Zweck ein wissenschaftlich fundiertes Überlagerungs- und Extrapolationsverfahren entwickelt, das es unseren Kunden gestattet, ihre qualitativen Daten fehlerfrei zu analysieren.

So stellen die Consultingagentur TRACES TPI und der interkommunale Zweckverband zum Schutz des Esterel-Gebirges (SIPME) in ihrem gemeinsamen Bericht über das Besucheraufkommen im Esterel-Gebirge denn auch Folgendes fest: „Das Überlagern qualitativer Beobachtungsdaten (Profil-/Streckenumfrage) mit quantitativen Daten automatischer Zählsysteme (Zählungen auf Parkplätzen und Wegen, zusätzliche optische Zählungen an Standorten mit Eco Counter-Zählsystemen) gewährleistet die größtmögliche Relevanz und Stimmigkeit der Studiendaten.“

Datendienstleitungen von Eco Counter

Eco Counter hat in Zusammenarbeit mit seinen Partnern ein zuverlässiges, wissenschaftlich fundiertes Kalibrierungsverfahren entwickelt, um qualitative und quantitative Daten überlagern, korrelieren und extrapolieren zu können.

Damit lassen sich GPS-Trackingdaten so kalibrieren und integrieren, dass über die von den Zählern gelieferten quantitativen Daten hinaus auch qualitative Erkenntnisse gewonnen werden können. Das Verfahren wurde anhand von GPS-Trackingdaten entwickelt, eignet sich darüber hinaus aber auch für beliebige andere qualitative Daten wie beispielsweise Unfalldaten, Mobiltelefondaten oder Daten von WLAN-Analyzern.

Dank unserer fachlichen Kompetenz und Beteiligung an Pilotprojekten von Städten wie Nantes, Québec und Dublin konnten wir ein Verfahren entwickeln und zum Einsatz bringen, das unsere Kunden in die Lage versetzt, anhand ihrer quantitativen Daten weitergehende Analysen zu erstellen.

Beispiel: Karte zur Veranschaulichung der von Radfahrern in Montreal meistbefahrenen Strecken

Möchten Sie mehr über die Datendienstleistungen von Eco Counter erfahren?

Laden Sie unser Dokument „Datendienste“ herunter!

 

Es gibt noch keine Kommentare

Hinterlasse einen Kommentar

Votre e-mail ne sera pas publié
Entrez votre nom
Entrez votre email

Kontaktieren Sie uns !