Die Informatik des Radverkehrs

„Hi Smarthelm. Bitte navigieren zu Ammerländer Heerstraße 114!“ Ein Sprachbefehl, und der Helm weiß, was zu tun ist. „500 Meter geradeaus fahren, dann links abbiegen“, kommt es aus dem integrierten Sprachassistenten. Auf der Augmented-Reality-Brille sind die entsprechenden Pfeile zu sehen. EEG-Sensoren und ein Eye-Tracking-Modul messen die Aufmerksamkeit der Fahrerin oder des Fahrers. Wenn die zu niedrig ist, reagiert der Helm prompt: „Fahren Sie langsamer und achten Sie auf den Verkehr.“

So oder so ähnlich könnte der smarte Helm eines Tages funktionieren, an dem ein Team aus Wissenschaft und Wirtschaft aktuell arbeitet. Mit dem Projekt verfolgen die Beteiligten (siehe Kasten) das Ziel, Fahrradkurier_innen den Alltag leichter zu machen. Denn eigentlich eignen sich moderne Lastenräder gut, um Pakete auszuliefern: Sie bieten nicht nur viel Stauraum, sondern kommen in verstopften Innenstädten oft schneller voran als Lieferwagen. Trotzdem stresst es viele Fahrer_innen, Handys, Navis oder Paketscanner zu bedienen und gleichzeitig den Verkehr im Blick zu behalten. Der neue Helm soll ihnen im wahrsten Sinne des Wortes die Hände freihalten, indem er die Funktionen der unterschiedlichen Geräte in sich vereint. Außerdem erfasst er mit EEG-Messungen und einem Eye-Tracking Modul die Aufmerksamkeit der Fahrer_innen, um relevante Informationen zum richtigen Zeitpunkt anzuzeigen.

Das Projekt läuft noch bis Januar 2023. Ein fertiges Produkt wird es bis dahin nicht geben – bis der Helm marktfähig ist und im Fahrradladen im Regal steht, könnten noch Jahre vergehen. Doch schon im kommenden Jahr möchte das Projektteam einen Prototyp im Oldenburger Stadtverkehr testen. Für die Städteplanung und Entwicklung der Fahrradinfrastruktur liefern bereits diese Testungen interessante Daten. Zum Beispiel darüber, welche Straßen wann besonders häufig befahren werden oder wo die Fahrer_innen, etwa aufgrund von schlechter Infrastruktur oder starkem Verkehr, besonders unaufmerksam sind. Solche Informationen wollen der Wirtschaftsinformatiker Prof. Dr. Jorge Marx Gómez und sein Team online frei zur Verfügung stellen. Die Wissenschaftler von der Abteilung „Very Large Business Applications“ (VLBA) der Uni Oldenburg sind Spezialisten, wenn es darum geht, große Datenmengen in Mobilitätsprojekten zu verarbeiten.

Auswählen, auswerten, aufbereiten: Schritte der Datenverarbeitung

Und große Datenmengen fallen auch im Projekt SmartHelm an: Allein die EEG-Sensoren, Spracherkennung und Kameras generieren in einer Viertelstunde etwa 1,5 bis 2,5 Gigabyte an Daten. „Eine große Herausforderung besteht daher darin, die Daten zu sortieren und zu entscheiden, mit welchen wir weiter arbeiten“, sagt Johannes Schering, der gemeinsam mit Harish Moturu als wissenschaftlicher Mitarbeiter im Projekt beschäftigt ist. Einige Daten sind fehlerhaft und müssen entfernt werden. So kann es vorkommen, dass die GPS-Koordinaten bei den Testfahrten lückenhaft sind oder fehlen. Andere können die Wissenschaftler aus Datenschutzgründen nicht nutzen. Die Daten, die relevant sind, werden als nächstes in ein einheitliches Format gebracht. Anschließend werden sie in einem dafür entwickelten Datenmanagementsystem auf einem Server mit Platz für fünf Terrabyte gespeichert.

Von hier aus veröffentlichen die Wissenschaftler die Daten und Ergebnisse auf www.bicycle-data.de – eine von Studierenden entwickelte Seite der Forschungsabteilung, auf der Interessierte Informationen zu unterschiedlichen Projekten zur Fahrradinfrastruktur, Fahrradnutzung oder Verkehrssicherheit im Radverkehr finden. Hierfür müssen die Wissenschaftler die Daten auswählen, die zum Beispiel für Städte- und Verkehrsplaner_innen besonders relevant sind. Darüber hinaus werten sie die Daten auch aus. Im Projekt „Smarthelm“ interessieren sie sich dabei besonders für Eye-Tracking-Daten und EEG-Messungen, aus denen sie Rückschlüsse über die Aufmerksamkeit der Radfahrer_innen ziehen. Sind sie beispielsweise auf stark befahrenen Straßen abgelenkter – oder umso aufmerksamer, weil sie sich auf den Verkehr konzentrieren müssen? Nimmt die Aufmerksamkeit kurz vor Feierabend ab? Gibt es bestimmte Straßen mit besonders viel Ablenkungspotenzial? Führen schlechte Oberflächen oder unübersichtliche Kreuzungen zu mehr Ablenkung? Solche Zusammenhänge visualisieren die Wissenschaftler auf sogenannten Heatmaps: Straßenkarten, auf denen Informationen in verschiedenen Farben dargestellt werden. Auch sie werden auf der Seite frei zur Verfügung gestellt.

Das Potenzial von offenen Daten

Diese Daten können Städteplaner_innen helfen, Schwachstellen in der Fahrradinfrastruktur zu beheben – und davon scheint es einige zu geben. Im Fahrradklimatest des Allgemeinen Deutschen Fahrrad-Clubs (ADFC) sollen Radfahrer_innen aus ganz Deutschland jedes Jahr bewerten, wie fahrradfreundlich ihre Wohnorte sind. 2020 rutschte Oldenburg in der Kategorie der Städte von 100.000 bis 200.000 Einwohnern vom dritten auf den vierten Platz ab. Unter anderem bemängelten die Oldenburger_innen, dass die Radwege oft zu eng und die Fahrbahnbeläge an vielen Stellen zu schlecht seien.

Um diese Probleme anzugehen, können offene Daten wie aus dem Projekt SmartHelm weiterhelfen: Wo laut der Daten besonders viele Radfahrer_innen unterwegs sind, könnten Radwege ausgebaut oder Kreuzungen umgebaut werden. Wo Straßen besonders häufig befahren werden, könnte im Winter als erstes der Schnee geräumt werden. Und wenn eine Baustelle geplant ist, könnten Radfahrer_innen auf Straßen umgeleitet werden, die laut der vorhandenen Daten wenig befahren sind.

Auf lange Sicht planen die Wissenschaftler, Ergebnisse aus unterschiedlichen Projekten miteinander zu verbinden. Denn bereits vor SmartHelm haben sich die Wissenschaftler mit Fahrraddaten beschäftigt. Zum Beispiel im Projekt ECOsense (www.ecosense.mein-dienstrad.de), in dem Sensoren an Fahrrädern unter anderem erfassten, auf welchen Straßen die Radfahrer_innen schnell durchkamen und wo es eher schleppend voran ging – sei es aufgrund von Ampeln, schlechtem Fahrbahnbelag oder Baustellen. (Detailliertere Ergebnisse gibt es hier). Das Nachfolgeprojekt INFRAsense ist bereits angelaufen. Hier arbeiten die Projektpartner an einer Datenanwendung, um Crowdsourcing-Daten zur Qualität von Radwegen auszuwerten.