Zahlreiche Untersuchungen zeigen, dass sichere Infrastruktur für Radfahrende geschaffen werden muss, um den Radverkehrsanteil zu steigern und den Kfz-Verkehrsanteil zu reduzieren. Die wissenschaftliche Grundlage dafür, was als sichere Infrastruktur angesehen wird, ist allerdings nur bedingt belastbar. In diesem Discussion Paper zeigen wir auf, welche Schwachstellen wir in der Perspektive der außeruniversitären deutschen Unfallforschung sehen, allen voran die grundlegende Herangehensweise, Sicherheit überwiegend als Zahl zu verstehen. Zudem werden auch die verwendeten Rohdaten, Interpretationen sowie Schlüsse und Empfehlungen, die aus entsprechenden Ergebnissen gezogen werden, kritisch hinterfragt. Auf diesem Weg fordern wir nicht nur, einem angemessenen wissenschaftlichen Standard gerecht zu werden, sondern wollen auch dazu anregen, die Perspektive der Infrastrukturplanung mit interdisziplinärer Unterstützung zu erweitern, um eine Planung vom Menschen aus zu ermöglichen.

Ein Gespräch mit Elias Pajares, Technische Universität Mün-chen, Leiter des mFUND-Projekts Geo Open Accessibility Tool – Entwicklung eines offenen und interaktiven Erreichbarkeitstools für den Fuß- und Radverkehr auf Basis von Open Data (GOAT).

Am 8. Juli 2020 nahmen am Fachaustausch Radverkehr der mFUND-Begleitforschung des WIK ca. 60 Fachleute teil, um über Potenziale von Radverkehrsdaten zu diskutieren. Neben neun mFUNDProjekten, die durch die Förderinitiative mFUND des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert werden, waren auch Verkehrsplaner*innen und Radverkehrsexpert*innen verschiedener Unternehmen und Behörden vertreten.

Am 28. Oktober 2019 trafen sich beim Fachaustausch „Radverkehr“ der mFUND-Begleitforschung des WIK mehr als 30 Fachleute, um über Potenziale von Radverkehrsdaten zu diskutieren. Neben Vertretern von neun mFUND-Projekten, die durch die Förderinitiative mFUND des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert werden, nahmen an dem Fachaustausch im BMVI Berlin auch externe Radverkehrsexperten teil.

Für einen attraktiven Radverkehr bedarf es einer qualitativ hochwertigen Infrastruktur. Bisher liegen durch den hohen Aufwand von Vor-Ort-Erfassungen nur punktuelle Radverkehrsstärken vor. Die aktuell wohl zuverlässigsten und tauglichsten Werte liefern bisher fest installierte automatische Radverkehrszählstellen, wie sie bereits viele Kommunen installiert haben. Ein Nachteil ist hierbei, dass für eine flächige Abdeckung mit einer besseren Aussagekraft für die gesamte Stadt oder Kommune die Anzahl der Erhebungspunkte meist deutlich zu gering ist. Die Bedeutung des Nebennetzes für den Radverkehr wird somit nur unvollständig erfasst. Für weitere Parameter, wie Wartezeiten, Routenwahl oder Geschwindigkeiten der Radfahrenden, fehlen dagegen meist die Daten. Perspektivisch kann diese Lücke unter anderem durch GPS-Routendaten gefüllt werden, was durch die mittlerweile sehr hohe Verbreitung von Smartphones und den entsprechenden Tracking-Apps ermöglicht wird. Die Ergebnisse des im Leitfaden vorgestellten Projektes sind durch das BMVI im Rahmen des Nationalen Radverkehrsplans 2020 gefördert wurden. Das Forschungsprojekt untersucht dabei die Nutzbarkeit von mit Smartphones generierten Nutzerdaten einer App für die kommunale Radverkehrsplanung. Zusammenfassend lässt sich sagen, dass unter Beachtung der im folgenden Leitfaden beschriebenen Faktoren GPS-Daten, im vorliegenden Fall die der Firma Strava Inc., mit einigen Einschränkungen für die Radverkehrsplanung nutzbar sind. Bereits heute sind damit Auswertungen möglich, die zeigen, wo, wann und wie sich Radfahrende im gesamten Netz bewegen. Die mittels Smartphone-App generierten Daten können sehr sinnvoll als Ergänzung zu bestehenden Dauerzählstellen von Kommunen genutzt werden. Berücksichtigt werden sollten bei der Auswertung und Interpretation der Daten jedoch einige Aspekte, wie der eher sportlich orientierte Kontext der erfassten Routen in den untersuchten Beispielen. Des Weiteren werden aktuell die Daten zum Teil noch als Datenbank- oder GIS-Dateien zur Verfügung gestellt, bzw. befinden sich online Masken zur einfacheren Nutzung im Aufbau oder einem ersten Nutzungsstadium. Die Auswertung und Interpretation erfordert also weiterhin Fachkompetenz und auch personelle Ressourcen. Der Einsatz dieser sinkt jedoch voraussichtlich zukünftig durch die Weiterentwicklung von Web-Oberflächen und unterstützenden Auswertemasken. Hier gilt es zukünftig, in Zusammenarbeit mit den Kommunen, die benötigten Parameter sowie die geeignetsten Aufbereitungsformen zu erarbeiten. Im Forschungsprojekt erfolgte ein Ansatz der Hochrechnung von Radverkehrsstärken aus Stichproben von GPS-Daten auf das gesamte Netz. Dieser konnte auch erfolgreich in einer weiteren Kommune verifiziert werden. Jedoch ist auch hier in Zukunft noch Forschungsbedarf vorhanden bzw. die Anpassung auf lokale Gegebenheiten notwendig. In naher Zukunft ist es notwendig, den Praxisnachweis für die Nutzbarkeit von GPS-Daten zu erbringen. Vorbilder hierfür können die Städte Bremen, Dresden, Leipzig oder Mainz sein, die jeweils bereits erste Schritte zur Nutzung von GPS-Daten in der Radverkehrsplanung und -förderung unternehmen. Diese Schritte sind vor dem Hintergrund der weiteren Digitalisierung von Mobilität und Verkehrsmitteln und dem damit wachsenden Datenangebot – auch trotz der bisherigen Einschränkungen der Daten – sinnvoll, um in den Verwaltungen frühzeitig entsprechende Kompetenzen aufzubauen. Langfristig bietet die Nutzung von GPS-Daten einen Mehrwert für die Radverkehrsplanung. Der aktive Einbezug von Radfahrenden eröffnet zudem neue Möglichkeiten in der Kommunikation und der Bürgerbeteiligung – auch ohne Fachwissen vorauszusetzen. Der vorliegende Leitfaden liefert dafür einen praxisorientierten Einstieg in das Thema und weist umfassend auf Angebote, Hindernisse und Potenziale von GPS-Daten hin.

For cycling to be attractive, the infrastructure must be of high quality. Due to the high level of resources required to record it locally, the available data on the volume of cycling traffic has to date been patchy. At the moment, the most reliable and usable numbers seem to be derived from permanently installed automatic cycling traffic counters, already used by many local authorities. One disadvantage of these is that the number of data collection points is generally far too low to cover the entirety of a city or other municipality in a way that achieves truly meaningful results. The effect of side roads on cycling traffic is therefore only incompletely assessed. Furthermore, there is usually no data at all on other parameters, such as waiting times, route choices and cyclists’ speed. This gap might in future be filled by methods such as GPS route data, as is now possible by today’s widespread use of smartphones and the relevant tracking apps. The results of the project presented in this guide have been supported by the BMVI [Federal Ministry of Transport and Digital Infrastructure] within the framework of its 2020 National Cycling Plan. This research project seeks to investigate the usability of user data generated using a smartphone app for bicycle traffic planning by local authorities. In summary, it can be stated that, taking into account the factors described in this guide, GPS data are usable for bicycle traffic planning within certain limitations. (The GPS data evaluated in this case were provided by Strava Inc.) Nowadays it is already possible to assess where, when and how cyclists are moving around across the entire network. The data generated by the smartphone app could be most useful to local authorities as a supplement to existing permanent traffic counters. However, there are a few aspects that need to be considered when evaluating and interpreting the data, such as the rather fitness-oriented context of the routes surveyed in the examples examined. Moreover, some of the data is still provided as database or GIS files, although some online templates that are easier to use are being set up, and some can already be used in a basic initial form. This means that evaluation and interpretation still require specialist expertise as well as human resources. However, the need for these is expected to reduce in the future with the further development of web interfaces and supporting evaluation templates. For this to work, developers need to collaborate with local authorities to work out what parameters are needed as well as the most suitable formats. This research project carried out an approach to extrapolating cycling traffic volumes from random samples of GPS data over the whole network. This was also successfully verified in another municipality. Further research is still nevertheless required in the future, as well as adaptation to the needs of different localities. Evidence for the usability of GPS data in practice still needs to be acquired in the near future. The cities of Dresden, Leipzig and Mainz could be taken as examples for this, as they have all already taken their first steps in the use of GPS data in planning for and supporting cycling. These steps make sense in the light of the increasing digitisation of traffic and transport and the growing amount of data available as a result – despite the limitations on these data to date – so that administrative bodies can start early in building up the appropriate skills among their staff. The use of GPS data would yield benefits for bicycle traffic planning in the long run. In addition, the active involvement of cyclists opens up new possibilities in communication and citizen participation – even without requiring specialist knowledge. This guide delivers a practical introduction to the topic, giving a comprehensive overview of the opportunities, obstacles and potential offered by GPS data.

In Fahrradstraßen können Radfahrende nebeneinander fahren, andere Fahrzeuge sind nur ausnahmsweise zugelassen und es gilt eine Höchstgeschwindigkeit von 30 km/h. Zahlreiche Städte haben in den letzten Jahren Fahrradstraßen eingerichtet und planen einen weiteren Ausbau. Dieses Wachstum findet trotz vieler Unzulänglichkeiten wie einer schwierigen Priorisierung an Knotenpunkten, mangelhafter Regelkenntnis unter den Verkehrsteilnehmenden und einer regelmäßigen Freigabe für Kfz-Verkehre statt. Verkehrsplanerisch ist das Wachstum sehr erfreulich zu bewerten, da sich Fahrradstraßen als relativ sicher erwiesen haben und positiv wahrgenommen werden. Statt in kleinen Schritten neue Fahrradstraßen auszuweisen, sollten ihre Alleinstellungsmerkmale, insbesondere das Recht auf Nebeneinanderfahren, auf alle Tempo-30-Zonen übertragen werden. Innerhalb dieses etablierten Netzes mit 70 bis 80 % aller Straßen könnten Fahrradrouten mit verkehrsplanerischen Mitteln weiter priorisiert werden und es könnte mit geringem Aufwand ein großer Schritt für die Radverkehrsförderung erreicht werden. / Bicycle boulevards permit cycling side by side, motor vehicles may only enter by exemption and the maximum speed is 30 km/h. Many cities in Germany implemented bicycle boulevards throughout the last years and plan further extensions of the network. This growth happens independently from the existing deficiencies like difficulties in assigning the right-of-way at intersections, inadequate knowledge of traffic rules and the common permission of any other vehicles. From the perspective of transportation planning, the increase of bicycle boulevards can be assessed positively because they are relatively safe and have a positive image. Instead of slowly introducing new bicycle boulevards, it is proposed to transfer the unique characteristics, especially the right to cycle side by side, to all 30 km/h zones. This network includes 70 to 80 % of the German road network and is already well established. Recommended bike routes can be further prioritized by smart transportation planning within this network. The transfer of legal rights from bicycle boulevards to 30 km/h zones would be a boost for cycling promotion.

Für einen attraktiven Radverkehr bedarf es einer qualitativ hochwertigen Infrastruktur. Bisher liegen durch den hohen Aufwand von Vor-Ort-Erfassungen nur punktuelle Radverkehrsstärken vor. Die aktuell wohl zuverlässigsten und tauglichsten Werte liefern bisher fest installierte automatische Radverkehrszählstellen, wie sie bereits viele Kommunen installiert haben. Ein Nachteil ist hierbei, dass für eine flächige Abdeckung mit einer besseren Aussagekraft für die gesamte Stadt oder Kommune die Anzahl der Erhebungspunkte meist deutlich zu gering ist. Die Bedeutung des Nebennetzes für den Radverkehr wird somit nur unvollständig erfasst. Für weitere Parameter, wie Wartezeiten, Routenwahl oder Geschwindigkeiten der Radfahrenden, fehlen dagegen meist die Daten. Perspektivisch kann diese Lücke unter anderem durch GPS-Routendaten gefüllt werden, was durch die mittlerweile sehr hohe Verbreitung von Smartphones und den entsprechenden Tracking-Apps ermöglicht wird. Die Ergebnisse des im Leitfaden vorgestellten Projektes sind durch das BMVI im Rahmen des Nationalen Radverkehrsplans 2020 gefördert wurden. Das Forschungsprojekt untersucht dabei die Nutzbarkeit von mit Smartphones generierten Nutzerdaten einer App für die kommunale Radverkehrsplanung. Zusammenfassend lässt sich sagen, dass unter Beachtung der im folgenden Leitfaden beschriebenen Faktoren GPS-Daten, im vorliegenden Fall die der Firma Strava Inc., mit einigen Einschränkungen für die Radverkehrsplanung nutzbar sind. Bereits heute sind damit Auswertungen möglich, die zeigen, wo, wann und wie sich Radfahrende im gesamten Netz bewegen. Die mittels Smartphone-App generierten Daten können sehr sinnvoll als Ergänzung zu bestehenden Dauerzählstellen von Kommunen genutzt werden. Berücksichtigt werden sollten bei der Auswertung und Interpretation der Daten jedoch einige Aspekte, wie der eher sportlich orientierte Kontext der erfassten Routen in den untersuchten Beispielen. Des Weiteren werden aktuell die Daten zum Teil noch als Datenbank- oder GIS-Dateien zur Verfügung gestellt, bzw. befinden sich online Masken zur einfacheren Nutzung im Aufbau oder einem ersten Nutzungsstadium. Die Auswertung und Interpretation erfordert also weiterhin Fachkompetenz und auch personelle Ressourcen. Der Einsatz dieser sinkt jedoch voraussichtlich zukünftig durch die Weiterentwicklung von Web-Oberflächen und unterstützenden Auswertemasken. Hier gilt es zukünftig, in Zusammenarbeit mit den Kommunen, die benötigten Parameter sowie die geeignetsten Aufbereitungsformen zu erarbeiten. Im Forschungsprojekt erfolgte ein Ansatz der Hochrechnung von Radverkehrsstärken aus Stichproben von GPS-Daten auf das gesamte Netz. Dieser konnte auch erfolgreich in einer weiteren Kommune verifiziert werden. Jedoch ist auch hier in Zukunft noch Forschungsbedarf vorhanden bzw. die Anpassung auf lokale Gegebenheiten notwendig. In naher Zukunft ist es notwendig, den Praxisnachweis für die Nutzbarkeit von GPS-Daten zu erbringen. Vorbilder hierfür können die Städte Bremen, Dresden, Leipzig oder Mainz sein, die jeweils bereits erste Schritte zur Nutzung von GPS-Daten in der Radverkehrsplanung und -förderung unternehmen. Diese Schritte sind vor dem Hintergrund der weiteren Digitalisierung von Mobilität und Verkehrsmitteln und dem damit wachsenden Datenangebot – auch trotz der bisherigen Einschränkungen der Daten – sinnvoll, um in den Verwaltungen frühzeitig entsprechende Kompetenzen aufzubauen. Langfristig bietet die Nutzung von GPS-Daten einen Mehrwert für die Radverkehrsplanung. Der aktive Einbezug von Radfahrenden eröffnet zudem neue Möglichkeiten in der Kommunikation und der Bürgerbeteiligung – auch ohne Fachwissen vorauszusetzen. Der vorliegende Leitfaden liefert dafür einen praxisorientierten Einstieg in das Thema und weist umfassend auf Angebote, Hindernisse und Potenziale von GPS-Daten hin.

Der Radverkehr einer Stadt ist von vielen verschiedenen Faktoren und Gegebenheiten abhängig. Zu diesen Faktoren zählen etwa die politischen Rahmenbedingungen, klimatische und geographische Einflüsse, Verhalten und Vorlieben der einzelnen Nutzergruppen, die vorhandene Radinfrastruktur sowie Eigenschaften der bebauten Umwelt. Die Eignung eines Gebietes für den Radverkehr wird als „Bikeability“ (Fahrradfreundlichkeit) bezeichnet und beinhaltet sämtliche räumliche Ausprägungen der bebauten Umwelt, die in der Lage sind, den Radverkehr zu beeinflussen. Die vorliegende Arbeit analysiert die Fahrradfreundlichkeit Dresdens mithilfe Geographischer Informationssysteme und gleicht sie mit dem geäußerten Nutzerverhalten ab. Zur Erstellung eines Bikeability Index wurden aufgrund einer vorangegangenen Literaturrecherche Indikatoren identifiziert, die zur Berechnung des Index geeignet sind. Mithilfe Geographischer Informationssystem wurden die benötigten Daten aufbereitet und zu einem Bikeability Index kombiniert. Die daraus resultierende Karte stellt radfreundliche und radunfreundliche Bereiche in einem 100x100 m Raster anschaulich dar. Der Bikeability Index wurde aus den folgenden Faktoren, die nachweislich Einfluss auf das Radfahrverhalten haben, berechnet: Radinfrastruktur, baulich getrennte Radwege, Grünflächen, Topographie und Flächennutzung. Die Betrachtung der Fahrradfreundlichkeit erfolgte sowohl auf gesamtstädtischer Ebene als auch auf kleinräumiger Ebene für ausgewählte Stadtteile. Aufgrund der Erkenntnisse aus der Literaturrecherche wurden für die ausgewählten Stadtteile zwei weitere Indikatoren hinzugefügt: Radabstellanlagen und Verkehrsmenge. Die statistische Analyse ergab eine geringe positive Korrelation des Nutzerverhaltens sowohl mit dem Bikeability Index als auch mit vereinzelten Indikatoren. Die entstandene Bikeability Karte zeigt radfreundliche Gebiete auf und solche, in denen die Radfahrbedingungen verbessert werden sollten und stellt dadurch ein aussagekräftiges und nutzerfreundliches Hilfsmittel zur Förderung nachhaltiger Mobilität für Planer und Politiker dar.

For cycling to be attractive, the infrastructure must be of high quality. Due to the high level of resources required to record it locally, the available data on the volume of cycling traffic has to date been patchy. At the moment, the most reliable and usable numbers seem to be derived from permanently installed automatic cycling traffic counters, already used by many local authorities. One disadvantage of these is that the number of data collection points is generally far too low to cover the entirety of a city or other municipality in a way that achieves truly meaningful results. The effect of side roads on cycling traffic is therefore only incompletely assessed. Furthermore, there is usually no data at all on other parameters, such as waiting times, route choices and cyclists’ speed. This gap might in future be filled by methods such as GPS route data, as is now possible by today’s widespread use of smartphones and the relevant tracking apps. The results of the project presented in this guide have been supported by the BMVI [Federal Ministry of Transport and Digital Infrastructure] within the framework of its 2020 National Cycling Plan. This research project seeks to investigate the usability of user data generated using a smartphone app for bicycle traffic planning by local authorities. In summary, it can be stated that, taking into account the factors described in this guide, GPS data are usable for bicycle traffic planning within certain limitations. (The GPS data evaluated in this case were provided by Strava Inc.) Nowadays it is already possible to assess where, when and how cyclists are moving around across the entire network. The data generated by the smartphone app could be most useful to local authorities as a supplement to existing permanent traffic counters. However, there are a few aspects that need to be considered when evaluating and interpreting the data, such as the rather fitness-oriented context of the routes surveyed in the examples examined. Moreover, some of the data is still provided as database or GIS files, although some online templates that are easier to use are being set up, and some can already be used in a basic initial form. This means that evaluation and interpretation still require specialist expertise as well as human resources. However, the need for these is expected to reduce in the future with the further development of web interfaces and supporting evaluation templates. For this to work, developers need to collaborate with local authorities to work out what parameters are needed as well as the most suitable formats. This research project carried out an approach to extrapolating cycling traffic volumes from random samples of GPS data over the whole network. This was also successfully verified in another municipality. Further research is still nevertheless required in the future, as well as adaptation to the needs of different localities. Evidence for the usability of GPS data in practice still needs to be acquired in the near future. The cities of Dresden, Leipzig and Mainz could be taken as examples for this, as they have all already taken their first steps in the use of GPS data in planning for and supporting cycling. These steps make sense in the light of the increasing digitisation of traffic and transport and the growing amount of data available as a result – despite the limitations on these data to date – so that administrative bodies can start early in building up the appropriate skills among their staff. The use of GPS data would yield benefits for bicycle traffic planning in the long run. In addition, the active involvement of cyclists opens up new possibilities in communication and citizen participation – even without requiring specialist knowledge. This guide delivers a practical introduction to the topic, giving a comprehensive overview of the opportunities, obstacles and potential offered by GPS data.