Zum Hauptinhalt springen

Fahrrad/Pedelec

Das Verkehrsmittel Fahrrad/Pedelec wird für alle Analysen in GOAT verwendet, die Fahrradfahrten enthalten.

1. Zielsetzung​

Das Fahrrad-/Pedelec-Routing wird für viele Indikatoren in GOAT verwendet, wie z.B. Einzugsgebiete, Heatmaps und Nahgeölegene ÖV-Haltestellen. Da GOAT auch die Erstellung von Szenarien für das Straßennetz erlaubt, wird ein angepasster Routing-Algorithmus benötigt, der auch die Änderungen des Szenarios in den Erreichbarkeitsanalysen widerspiegelt. Für den Verkehrsträger Fahrrad/Pedelec werden dabei nur Wege berücksichtigt, die für den Radverkehr geeignet sind. Darüber hinaus haben die Oberfläche und die Steigung einen Einfluss auf die Radfahrgeschwindigkeit und werden daher bei der Routenplanung berücksichtigt. Die durchschnittliche Geschwindigkeit einer radfahrender Person kann vom Benutzer bei jeder Erreichbarkeitsanalyse angepasst werden. Abhängig von der Steigung und Oberfläche eines Wegabschnitts wird die Geschwindigkeit entsprechend angepasst.

2. Daten​

Routing-Netzwerk​

Die Daten der Overture Maps Foundation iwerden in GOAT als Routing-Netzwerk verwendet. Es umfasst die Verkehrsinfrastruktur mit Kanten (für jeden durchgehenden Weg, der nicht von einem anderen halbiert wird) und Knoten (für jeden Punkt, an dem sich zwei verschiedene Wege kreuzen), die reale Netzwerke darstellen.

Topographie und Höhenlage​

Die Höhendaten stammen von Copernicus als Digital Elevation Model (DEM) Kacheln.

3. Technische Details​

Datenvorverarbeitung​

Die folgenden Schritte werden an den Daten durchgeführt, um ein schnelles und genaues Routing für Fahrrad/Pedelec zu ermöglichen:

  1. Attribute Parsing: Kategorisierung der Attribute der Kanten (Straßen Klasse und Oberfläche).
  2. Geospatial Indexing: Nutzen des Uber H3 auf Gitter basierenden Indexing für effizientes Routing.
  3. Oberflächenwiderstandsberechnung: Berechnung des Widerstands unter Berücksichtigung der Oberflächeneigenschaften.
  4. Steigungswiderstandsberechnung: Überlagerung von DEM auf Kanten zur Berechnung von Steigungsprofilen.

Routing-Prozess-Schritte​

Extraktion von Teilnetzen​

  1. Pufferregion: Basierend auf Benutzerherkunft, Reisezeit und Geschwindigkeit.
  2. Kantenfilterung: Es werden nur die für den Radverkehr relevanten Kanten berücksichtigt.

Für das Fahrrad-/Pedelec-Routing werden die Kanten der folgenden Straßenklassen berücksichtigt:

Sekindär, Tertiär, Wohngebiet, verkehrsberuhigter Bereich, Fernstraße, nicht klassifiziert, Parkreihe, Auffahrt, Gasse, Fußgänger, Zebrastreifen, Pfad, Radweg,Reitweg und unbekannt.

Weitere Informationen zu diesen Klassifizierunged sind im Overture Wiki zu finden.

Erstellung künstlicher Kanten​

Die vom Benutzer bereitgestellten Ausgangspunkte befinden sich in der Regel in geringer Entfernung zum Straßennetz. Um die zusätzliche Zeit (oder die Kosten) für die Fahrt vom Ausgangspunkt zur nächstgelegenen Straße zu berücksichtigen, werden künstliche (oder simulierte) Kanten erstellt.

Berechnung der Kantenkosten​

Für alle Kanten im Teilnetz wird ein Kostenwert (dargestellt als Zeit) auf der Grundlage der Weglänge und der Radfahrgeschwindigkeit berechnet.

Kostenfunktion für Fahrrad: Kosten = (Länge * (1 + Steigungswiderstand + Oberflächenwiderstand)) / Geschwindigkeit

Kostenfunktion für Pedelec: Kosten = (Länge * (1 + Oberflächenwiderstand)) / Geschwindigkeit

Wenn eine Kante der Klasse Fußgänger oder Zebrastreifen angehört, gehen wir davon aus, dass der Fahrer absteigt und sein Fahrrad/Pedelec schiebt. Die Kosten für diese Art von Segmenten sind: Kosten = Länge / Geschwindigkeit

Netzausbreitung​

Um den kürzesten Weg vom Ausgangspunkt zu verschiedenen Zielen zu berechnen, wird eine eigene Implementierung des bekannten Dijkstra Algorithm verwendet.

Die Implementierung hat eine Zeitkomplexität von O(ElogV), ist in Python geschrieben und verwendet den just-in-time compiler Numba.

4. Literaturverweis​

  • E. Pajares, B. Büttner, U. Jehle, A. Nichols, and G. Wulfhorst, ‘Accessibility by proximity: Addressing the lack of interactive accessibility instruments for active mobility’, Journal of Transport Geography, Vol. 93, p. 103080, May 2021, doi: 10.1016/j.jtrangeo.2021.103080.