NUErLast - Nutzen und Umsetzbarkeit von detektorbasierter Erfassung von Lastenrädern

Generelle Beschreibung

Aufgrund der seit Jahren zunehmenden Radverkehrsmengen, insbesondere im innerstädtischen Bereich, sowie der Zunahme der Verkaufszahlen von Lastenfahrrädern ergibt sich zunehmend die Notwendigkeit, Infrastrukturen auf die neuen Bedürfnisse anzupassen. Allein die Bemaßung der „neuen“ Fahrradkategorien deutet auf unterschiedliche Nutzungsansprüche an die Infrastruktur und eine zunehmend breitere Streuung des Fahrverhaltens hin. Grundvoraussetzung für eine nutzungsorientierte Infrastrukturplanung unter Berücksichtigung der Fahrradzusammensetzung ist die Erfassung zuverlässiger Zähldaten und die Kenntnis über das Fahrverhalten von Radfahrer*innen mit unterschiedlichen Fahrrädern. Bei der Erfassung des Fahrradverkehrs kann derzeit (noch) nicht nach verschiedenen Fahrradtypen unterschieden werden. In der Verkehrsplanung werden automatische Rad-Dauerzählstellen eingesetzt, um eine umfassende und permanente Erfassung von Überfahrten über definierte Querschnitte zu ermöglichen. Neben spezielleren Lösungen gibt es grundsätzlich drei Technologie-Ansätze, auf denen automatisierte Zählstellen basieren: Radarzähler, Kamerasysteme und Zähler mit Induktionsschleifen. Die Induktionsschleifen-Technologie bei Dauerzählstellen für den Radverkehr ist sehr verbreitet. Mittels Induktionsschleifen ist es möglich, den Großteil des Radverkehrs sowie die Richtung und eine Klassifizierung der Geschwindigkeit aufzunehmen. Eine Grenze bildet derzeit die Unterscheidung zwischen verschiedenen Klassen von Fahrrädern, da die aktuell verwendete Zähltechnik nicht erkennen kann, ob ein herkömmliches Fahrrad, ein Lastenrad, oder ein Fahrrad mit Anhänger die Induktionsschleifen passiert hat. Das Projekt NUErLast zielt darauf ab, diese Lücke zu schließen und dabei folgende Fragen zu beantworten:

Welche Kategorisierung von Fahrrädern ist für den weiteren Gebrauch der Daten durch Kommunen und Baulastträger zielführend?
Welche Lastenradtypen können mittels Induktionsschleifen unterschieden werden?
Welche Randbedingungen beeinflussen die Genauigkeit der Klassifizierung?
Welche grundlegenden Aussagen lassen sich aus der Zusammensetzung unterschiedlicher Fahrradtypen in Bezug auf den Radverkehrsfluss ableiten?

März 2023: Projekt NUErLast Internal Kick-off Event
Juni 2023: Datenerhebung für Lastenfahrräder

November 2024:
Projektmeldung: Beitrag zur detektorbasierenden Erfassung von Lastenrädern angenommen
Unser Beitrag mit dem Titel "Nutzen und Umsetzbarkeit von detektorbasierter Erfassung von Lastenrädern" wurde erfolgreich angenommen und wird in der Dezemberausgabe der Straßenverkehrstechnik veröffentlicht.

Projektmeldung: Einreichung zur TRB-Jahrestagung
Unsere Veröffentlichung "Propagation of density across the width of a bicycle path" wurde für die jährliche TRB-Jahrestagung in Washington D.C. eingereicht. Aufgrund positiver Begutachtung wurde unser Beitrag zur Präsentation auf der Konferenz sowie zur weiteren Bewertung durch den TRR-Redaktionsausschuss empfohlen.

Projektdurchführung

Zu Beginn werden Anwendungsfälle für den Einsatz differenzierter Radverkehrszählungen im Rahmen von Expertenworkshops identifiziert. Induktionsschleifen-Daten und Videodaten werden erhoben, um einerseits die elektromagnetischen Signaturen von Lastenfahrrädern zu identifizieren und um Aussagen zur Radverkehrsflusstheorie ableiten zu können. Die Ergebnisse werden in die Entwicklung von Methoden zur automatischen Differenzierung der Fahrradkubatur und damit ihrer Klassifizierung einfließen. Basierend auf den Videodaten werden Kenngrößen zur Radverkehrsflusstheorie abgeleitet.

Ziele

Prüfung der Umsetzbarkeit einer klassifizierenden Detektion und Zählung von Lastenrädern mittels Induktionsschleifen.
Identifikation von Anwendungsfällen differenzierter Radverkehrszählungen in der Infrastrukturplanung und Verkehrstechnik.
Implementierung der gewonnenen Erkenntnisse in die Radverkehrsflusstheorie.