Am 4. April 2019 veranstaltete die mFUND-Begleitforschung des WIK den mFUND-Fachaustausch „BIM & Gebäudenavigation“. 20 Fachleute, darunter Expert*innen aus zehn Projekten, die durch die Initiative mFUND des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert werden, nahmen an dem Fachaustausch teil, der bei PROFI Engineering Systems AG in Darmstadt stattfand.

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.

Der vorliegende Forschungsbericht fasst die Vorbereitung, Durchführung und Auswertung einer Feldstudie zum Thema Radverhaltensforschung mittels GPS Daten zusammen. Ziel des Teil-Projektes war es zu prüfen, welche Parameter auf Personenebene Einfluss auf das Radverkehrsverhalten haben.

Open Data bezeichnet den freien Zugang und die entgeltfreie Bereitstellung von maschinenlesbaren Daten. Werden die Daten ausschließlich von der öffentlichen Verwaltung bereitgestellt, spricht man auch von Open Government Data. Auch privatwirtschaftlich agierende Unternehmen stellen Daten offen zur Verfügung und verfolgen damit durchaus auch kommerzielle Interessen. Die Deutsche Bahn bspw. ist sehr aktiv in der Bereitstellung von Open Data. Ihr Ziel liegt dabei in der Suche nach neuen Anwendungsmöglichkeiten der Daten. Sie unterstützt diesen Prozess aktiv mit ihren DB Hackathons. Hierbei entstehen u. a. Anwendungen, von denen sich die Deutsche Bahn eine Verbesserung ihres Service erwartet. Die Bereitstellung von Open Data kann einen hohen gesellschaftlichen Mehrwert erzeugen: Der freie Zugang zu Daten kann Transparenz und Vertrauen in Politik und Verwaltung stärken sowie Innovationen und Wirtschaftswachstum ermöglichen. In Dänemark konnte durch die Veröffentlichung von Geodaten ein volkswirtschaftlicher Mehrwert von geschätzt 470 Mio. € im Jahre 2016 erwirtschaftet werden.1 Studien bemessen das volkswirtschaftliche Potenzial von Open Data für Deutschland mit 12,1 Mrd. € bis 131,1 Mrd. € jährlich. Auf Grundlage von offenen Daten können innovative Anwendungen entwickelt werden, die zunächst einen Mehrwert für die Datenbereitsteller selbst, aber umso mehr auch für Bürgerinnen und Bürger schaffen können. Ein gutes Beispiel ist die App Mein Moers, die frei verfügbare Informationen über die Stadt Moers bündelt und bereitstellt. Neue, prototypische Anwendungen werden regelmäßig auf kommunalen Hackathons, wie bspw. dem Münsterhack, entwickelt. Für Wien wurden auf Basis der von der Stadt zur Verfügung gestellten Datensätze bereits über 240 Apps entwickelt. Das Spektrum reicht hier von Routenplanern für den ÖPNV und Informationen zu öffentlichen Leihrädern über Cityguides und Veranstaltungskalender bis hin zur Visualisierung von Pegelständen und Informationen zur Wasserqualität. Open Data können unterschiedlichen Ursprungs und Natur sein. Sie können bspw. über Sensoren automatisch erhoben und mit geringem Zeitverzug über Open Data Plattformen bereitgestellt werden, denkbar bspw. bei Pegelständen von Gewässern. Oder sie werden manuell erhoben und eher selten aktualisiert. Ein Beispiel hierfür wäre die Liste aller Straßennamen einer Stadt. Damit Open Data tatsächlich gefunden und genutzt werden können, ist eine Beschreibung der Daten mit aussagekräftigen Metadaten notwendig. Mit diesem Leitfaden wollen wir die Bedeutung von Metadaten für die Bereitstellung von Open Data aufzeigen und Tipps geben, diese sinnvoll zu gestalten. Metadaten sind strukturierte Informationen, die Merkmale von Daten beschreiben. Sie erleichtern es, relevante Daten in einer Vielzahl verfügbarer Datensätze in Datenportalen wie der mCLOUD (www.mcloud.de) zu suchen, zu finden und zu selektieren. Das Prinzip der Beschreibung mit Metadaten kennt man allgemein aus der Welt der Bibliotheken, in denen Bücher mit Metadaten beschrieben werden: Titel, Autor, Erscheinungsjahr und Klappentext sind Informationen, ohne die ein Buch in einem Bibliothekskatalog nicht gefunden werden kann. Aussagekräftige Metadaten stellen sicher, dass Datensätze von interessierten Nutzern gefunden werden und so ihr volles Potenzial entfalten können. Struktur und Bedeutung der Metadaten unterschiedlicher Datensätze sollten möglichst einheitlich sein, damit sie auch über einen längeren Zeitraum und von verschiedenen Personen einfach genutzt werden können. Für die Beschreibung von Open Data bietet sich die Verwendung eines Standards wie DCAT-AP.de an, der deutschen Version eines europäischen Standards für Metadaten.3 Für den Anwendungsfall der mCLOUD wurden bestimmte Metadatenfelder ausgewählt, für den dieser Leitfaden im Folgenden Empfehlungen geben will.

Problem Bicycle volumes are increasing in many regions worldwide leading to higher relevance of an in-depth understanding of bicyclist safety mechanisms. Detailed studies on bicyclist safety that consider exposure and distinguish by intersection category and crash types are missing for urban signalised intersections which are of particular relevance for bicyclist safety. Method Based on a comprehensive dataset of motorist and bicyclist volumes and infrastructure characteristics for a sample of 269 signalised intersections in two German cities, we analyse in a top-down approach first bicycle crashes of all types and second bicycle crashes by type including turning, right-of-way and loss-of-control. A combination of descriptive statistics and Accident Prediction Models (APM) are applied in terms of analysis methods. Results Bicycle volumes are relevant for all types of intersections and crashes whereas the effect of motor vehicle volumes differ between these different applications. The separation of bicyclists from motor vehicles in time and space increases their safety but also leads to behavioural adaption and risk compensation. The likelihood of right-ofway crashes even increases with more separation in the signalling scheme. The main predictor for loss-of-control crashes in terms of infrastructure are tram tracks. Summary This study provides insights on relevant determinants of bicycle crashes at urban signalised intersections at several levels of detail. Exposure variables as well as the physical separation of bicyclists from motor vehicles show consistent effects on bicycle crash numbers whereas the effects of signalling differ between crash types. Practical Applications The different types of intersections and crashes follow each specific mechanisms of bicyclist safety. The separation of bicyclists and motorists in time and space are paramount at intersections with high bicycle volumes. Risk compensation such as red light running becomes more important as intersections get smaller and motor vehicle volumes decrease.

No description available.

No description available.

No description available.

No description available.

No description available.