Internationales Verkehrswesen (70) 3 | 2018 28 INFRASTRUKTUR Wissenschaft Wo fehlt was? Bestimmung unterversorgter Gebiete mittels Erreichbarkeitsmaßen Aktivitätenorte, Erreichbarkeitsindikator, Erreichbarkeitsmaß, Mobilitätsangebot Erreichbarkeitsmaße verschieben den Fokus der Betrachtung des Mobilitätsangebots auf die Verteilung der Aktivitäten im Raum und die Möglichkeiten des Erreichens dieser mittels verschiedener Verkehrsträger und -modi. Sie werden als Paradigmenwechsel zugunsten einer umweltfreundlichen Mobilität angesehen. Doch werden Erreichbarkeitsmaße oft mit komplexen, teilweise modellgestützten Annahmen angereichert und zumeist in Choroplethen dargestellt, wodurch eine einfache Interpretation der Ergebnisse in der Praxis nicht immer gewährleistet ist. Dieser Artikel beschreibt eine Methode zur Verarbeitung von Erreichbarkeitsmaßen mit dem Ziel, Bereiche mit potentiell unzureichender Versorgung auf eine leicht verständliche Art und Weise quantitativ zu erfassen und darzustellen. Daniel Krajzewicz, Simon Nieland, Jorge Narezo Balzaretti, Dirk Heinrichs L ange Zeit wurde die Bewertung des Verkehrs von Indikatoren, die den Durchsatz des motorisierten individuellen Verkehrs (MIV) im Straßennetz beschreiben, dominiert. Dies ändert sich zunehmend durch die Nutzung von Erreichbarkeitsmaßen, die alle Verkehrsträger sowie die Verteilung der Bevölkerung und möglicher Angebote im Raum berücksichtigen [1]. Die Einbeziehung verschiedener Verkehrsträger eröffnet hierbei die Sicht auf die Leistungsfähigkeit umweltfreundlicher Verkehrsmodi. Die Berücksichtigung der Verteilung der Aktivitätenorte begünstigt dicht bebaute Gebiete und kurze Wege und bestraft zersiedelte Raumstrukturen. Der Zugang zu Aktivitätsorten findet sich auch in den Sustainable Development Goals der Vereinten Nationen wieder. Hier finden sich Forderungen wie der Zugang zu Wasserversorgung, öffentlichem Raum (Parks), Bildung oder öffentlichen Verkehrsangeboten, die direkt mit Erreichbarkeitsmaßen berechnet werden können. Durch die Möglichkeit, urbane Erreichbarkeitsindikatoren auf Basis freier Daten zu generieren, können für verschiedene Räume aussagekräftige Grundlagen für die lokale Stadtplanung geschaffen und diese auch miteinander verglichen werden. Die Anwendung solcher Indikatoren in der lokalen und übergeordneten strategischen Planung hat daher hohes Potential, zur Verbesserung urbaner Verkehrssysteme weltweit beizutragen. Es existiert eine Vielzahl verschiedener Klassen von Erreichbarkeitsmaßen [2], skizziert in Bild 1. Das inkrementelle Hinzufügen von Gewichten, Attributen und Einschränkungen erfolgt aus dem Wunsch heraus, die tatsächlichen Bedarfe und Möglichkeiten der Bevölkerung sowie die Kapazitäten und die Attraktivität von Orten abzubilden. Hierfür werden jedoch zusätzliche Daten benötigt, die nur selten vorliegen und daher mit Hilfe von Modellen hergeleitet werden müssen. Mit zunehmender Komplexität orientieren sich Erreichbarkeitsmaße so zunehmend weniger an real messbaren Größen. Zudem werden sie zunehmend schwerer verständlich und interpretierbar. Aus diesem Grund beschränkt sich der nachfolgend präsentierte Ansatz auf sog. „Contour Measures“. Contour Measures beschreiben, wie viele Aktivitätenorte von einem Punkt ausgehend innerhalb eines vorgegebenen Zeitrahmens oder einer maximalen Reiseweite erreicht werden können. Auch andere Einschränkungen sind möglich, wie z. B. das Erreichen des am nächsten gelegenen Ziels eines bestimmten Typs oder einer bestimmten Anzahl solcher Ziele. In diesen letzten beiden Fällen wird nicht die Anzahl erreichbarer Orte/ Ziele, sondern die für das Erreichen benötigte Zeit oder die hierbei zurückgelegte Strecke errechnet. Üblicherweise werden die Ergebnisse der Berechnung von Erreichbarkeitsmaßen über Choropleths visualisiert. So nutzt Bild 2 Choropleths, um die Erreichbarkeit von Schulen, ausgehend von allen Gebäuden (Berlin) bzw. Parzellen (Mexiko Stadt), zu Fuß darzustellen. So werden Unterschiede innerhalb und zwischen den Gebieten zwar auf einen Blick erkennbar, das jedoch nur grob, weil die einzelnen Abstufungen nur schwer unterscheidbar sind. Zudem vernachlässigen Contour Measures in ihrer Grundform die jeweilige Anzahl der be- Bild 1: Klassen von Erreichbarkeitsmaßen Internationales Verkehrswesen (70) 3 | 2018 29 Wissenschaft INFRASTRUKTUR troffenen Personen innerhalb des Gebietes. So geht aus Bild 2 zum Beispiel nicht hervor, dass innerhalb einiger Gebiete mit einer hohen Zugangszeit zur Schule nur wenige oder sogar keine Personen wohnen. Der hier vorgestellte Ansatz hebt die genannten Einschränkungen auf, indem er verständliche, mit frei verfügbaren Daten berechenbare Erreichbarkeitsmaße nutzt und die jeweils betroffene Bevölkerung einbezieht. Er erlaubt das Erkennen potentiell unterversorgter Gebiete, bezogen auf die in diesem Gebiet lebenden Bevölkerungsgruppen. „Unterversorgt“ beschreibt in diesem Fall einen schlechten Zugang, also eine hohe Zugangszeit, zu Orten, an denen eine bestimmte Aktivität durchgeführt werden kann. Die Zugangszeit hängt dabei sowohl von der Verteilung dieser Orte im Raum als auch von den verfügbaren Mobilitätsangeboten, zu denen auch die Beschaffenheit des Verkehrsnetzes gehört, ab. Da auch durch gesetzliche Regelungen (wie z.B. das Einsetzen von Schulbussen) ebenfalls eine ausreichende Versorgung gewährleistet werden kann, sind die Ergebnisse als Potentiale der Unterversorgung zu verstehen. Die reale Versorgungslage muss in Einzelfällen geprüft werden. Im Folgenden werden zunächst die Daten, anhand der die Beispiele modelliert worden sind, beschrieben, gefolgt von der Vorstellung der genutzten Methodik. Danach werden die Ergebnisse präsentiert. Der Beitrag endet mit einem Fazit. Genutzte Daten Der nachfolgend beschriebene Ansatz wird anhand der Beispiele Berlin und Mexiko Stadt vorgestellt, wobei beispielhaft die bereits in Bild 2 gezeigte Zugangszeit zur nächstgelegenen Grund-/ Gesamtschule genutzt wird. Weitere Erreichbarkeitsmaße für die beiden betrachteten Gebiete werden in [3] präsentiert. Die jeweils genutzten Daten wurden zumeist offiziellen Quellen entnommen. So wurden als Startpunkte für Mexiko Stadt die Flurdaten (Parzellen) des Nationalen Instituts für Statistik und Geographie [4] genutzt, welches u. a. auch die Standortdaten der Schulen bereitstellt, die als Aktivitätenalso Zielorte der berechneten Verbindungen dienten. Für die Abbildung Berlins wurden Gebäudedaten der Senatsverwaltung für Stadtentwicklung und Wohnen [5] als Startpunkte genutzt. Die Lagen der Schulen wurden ebenfalls dem Open Data-Portal der Senatsverwaltung entnommen und um die Lagen der Schulen außerhalb Berlins aus der frei verfügbaren OpenStreetMap- Datenbank (OSM) [6] angereichert. Als Teilgebiete, für die die Erreichbarkeitsmaße bestimmt werden sollten, wurden für Mexiko Stadt die „Área Geoestadística Básica“ (AGEB - Grundlegender geostatistischer Bereich), für Berlin Teilverkehrszellen (TVZ) benutzt. Betrachtet werden die Modi Laufen, Rad, Öffentlicher Personennahverkehr (ÖPNV) und MIV. Die angenommenen Höchstgeschwindigkeiten pro Modus können der Tabelle 1 entnommen werden. Diese werden durch die in der genutzten Abbildung des Straßennetzes angegebenen maximal erlaubten Geschwindigkeiten zusätzlich beschränkt. Als Grundlage für das Straßennetz, inklusive der Informationen zur Nutzbarkeit der Straßen durch die betrachteten Verkehrsträger, diente OSM. Hierbei sollte betont werden, dass OSM keine Informationen zu den tatsächlichen Durchschnittsgeschwindigkeiten beinhaltet, sondern nur die jeweils geltenden Geschwindigkeitsbeschränkungen. Dies führt zu unrealistisch hohen Reisegeschwindigkeiten für den Modus MIV. Die tatsächlichen Reisezeiten können z.B. aus Zählstellen oder Umlegungsmodellen gewonnen werden, ein entsprechender Datensatz lag für Mexiko Stadt jedoch nicht vor. Für die Abbildung des ÖPNV wurden in beiden Fällen Daten zum jeweiligen Angebot im General Transit Feed Specification (GTFS)-Format benutzt. Alle genutzten Datensätze sind öffentlich zugänglich und frei verfügbar. Methodik Zunächst wird von jedem Gebäude (Berlin) bzw. jeder Parzelle (Mexiko Stadt) ausgehend der schnellste Weg zur nächstgelegenen Grundschule berechnet. Nachfolgend wird der durchschnittliche Wert der Zugangszeit innerhalb eines Gebietes aus den Zugangszeiten der innerhalb dieses Gebietes liegenden Gebäude/ Parzellen gebildet. Beide Berechnungen werden von dem Programm „UrMo AC“ [7] durchgeführt. Um den Anteil der Bevölkerung, für den diese Größe relevant ist, einzubeziehen, wird für die so erhaltenen Verkehrsmodus Max. Geschwindigkeit Laufen 3,6 km/ h Rad 13,0 km/ h MIV wie in der Netzwerkbeschreibung angegeben ÖPNV Gemäß der GTFS-Fahrplandaten Tabelle 1: Angenommene Geschwindigkeiten für die betrachteten Modi Bild 2: Zugangszeit zur nächstgelegenen Grundschule; links: Berlin, rechts: Mexiko Stadt Internationales Verkehrswesen (70) 3 | 2018 30 INFRASTRUKTUR Wissenschaft Zugangszeiten die Anzahl der in dem jeweiligen Gebiet lebenden Kinder im schulpflichtigen Alter bestimmt. Als Schüler werden hierbei in Berlin Kinder zwischen sechs und 15 Jahren, in Mexiko Stadt Kinder zwischen sechs und 14 Jahren angesehen. Nachfolgend werden die Zugangszeiten der einzelnen Teilgebiete aufsteigend angeordnet. Aus dieser Anordnung lassen sich die Gebiete bestimmen, innerhalb derer ein gewählter Anteil der Bevölkerung den besten bzw. den schlechtesten Zugang zu einer Art von Aktivität hat. Im Rahmen dieser Arbeiten werden nur Gebiete mit einer Mindestanzahl von 24 Kindern (minimale Klassenstärke) im schulpflichtigen Alter berücksichtig. In Gebieten mit unter 24 Schülern ist davon auszugehen, dass ein sinnvoller Schulbetrieb nur schwer realisierbar ist. Anwendung auf die Beispielgebiete Bild 3 zeigt die akkumulierte Verteilung der Zugangszeiten der Schulkinder zur nächstgelegenen Grundschule mittels verschiedener Verkehrsträger für die Räume Berlin und Mexiko Stadt. Der Mittelwert sowie die 15%-Perzentile für die verschiedenen Verkehrsträger werden in Tabelle 2 wiedergegeben. Aus der sortierten Liste lässt sich nun leicht bestimmen, wo ein bestimmter Anteil an Personen wohnt, deren Zugangszeit zu einer Schule besonders hoch ist. Bild 4 zeigt die Gebiete, innerhalb derer die am schlechtesten versorgten 15 Prozent der Bevölkerung leben. Neben dieser Möglichkeit, besonders schlecht versorgte Gebiete zu bestimmen, lassen sich auch bestimmte Schwellwerte annehmen. So kann z.B. eine maximal erlaubte Laufdauer von 15 Minuten zur nächsten Schule angesetzt werden. Bild 5 zeigt die Gebiete, innerhalb der die durchschnittliche Zugangszeit oberhalb dieser Schwelle liegt. Fazit Präsentiert wurde eine Methode, mit deren Hilfe potentiell unterversorgte Gebiete erkannt werden können. Die Methode wurde am Beispiel des Zugangs zu Schulen in den Städten Berlin und Mexiko Stadt vorgestellt, um ihre Übertragbarkeit auf verschiedene Gebiete zu demonstrieren. Die Ergebnisse in Berlin zeigen im Vergleich zu Mexiko Stadt etwas höhere Zugangszeiten zu den Grundschulen. Dies kann durch die höhere Anzahl schulpflichtiger Kinder in Mexiko Stadt (4 202 418) im Vergleich zu Berlin (310 581) erklärt werden, die erst einen sinnvollen Betrieb von Schulen in vielen Gebieten erlaubt. In Berlin haben schlechter versorgte Gebiete auch geringere Schülerdichten. Die Methode nutzt sogenannte „Contour Measures“ als Erreichbarkeitsmaß und verschneidet diese mit der jeweils betroffenen Bevölkerungszahl. Die Nutzung dieses Erreichbarkeitsmaßes hat mehrere Vorteile: Zum einen sind die Ergebnisse einfach zu interpretieren. Zusätzlich können für die Berechnungen zumeist frei verfügbare Daten genutzt werden, ohne dass modellgetriebene Annahmen benötigt werden. Die Methode kann sowohl für den Vergleich zwischen Räumen wie Städten als auch für die Identifikation schlecht angebundener Teilgebiete dieser Räume genutzt werden. Verkehrs- Modus Zugangszeit nach Bevölkerungsanteil Berlin Mexiko Stadt 15 % 50 % 85 % 15 % 50 % 85 % Laufen 433,37 s 634,21 s 1008,17 s 299,81 s 436,35 s 686,07 s Rad 171,39 s 245,63 s 369,25 s 123,22 s 171,41 s 258,79 s MIV 93,84 s 125,77 s 178,00 s 60,37 s 77,17 s 108,00 s ÖPNV 429,06 s 621,44 s 917,42 s 305,01 s 441,42 s 691,19 s Tabelle 2: Durchschnittliche Zugangszeiten zur nächstgelegenen Grundschule sowie deren 15 %-Perzentile für Schulkinder nach Verkehrsmodus Bild 3: Verteilung der Zugangszeiten zur nächstgelegenen Grundschule über die Anteile betroffener Schüler; oben: Berlin, unten: Mexiko Stadt Bild 4: Die 15 % der Gebiete mit der höchsten Zugangszeit zu einer Grundschule (nicht betroffene Gebiete sind blau dargestellt); links: Berlin, rechts: Mexiko Stadt Internationales Verkehrswesen (70) 3 | 2018 31 Wissenschaft INFRASTRUKTUR Die Analyse zeigt, dass die Berechnung von Erreichbarkeitsindikatoren eine schnell zu erfassende und wertvolle Basis für die lokale Stadtplanung bietet und es darüber hinaus ermöglicht, im Rahmen von übergeordneten Planungsinitiativen Städte miteinander zu vergleichen. Mit Hilfe dieser Methode werden Berechnungen auf einer sehr feinen Auflösung von einzelnen Gebäuden bestimmt und nachträglich aggregiert. Ein zukünftiger Forschungsschwerpunkt sollte daher auf der Auswertung verschiedener Aggregationen liegen. Zudem ist es notwendig, die tatsächlichen Geschwindigkeiten im MIV-Netz vereinfacht abzubilden, z.B. über Zeitreihen. Für den Raum Berlin wären die Reisegeschwindigkeiten im Netz aus einer Umlegung verfügbar gewesen. Für den Raum Mexiko Stadt waren diese jedoch nicht vorhanden. Daher ist auf eine Nutzung verzichtet worden. Ebenfalls nicht dargestellt wurden Vergleiche in der Anbindung mittels verschiedener Verkehrsträger. Prinzipiell können aber die Ergebnisse herangezogen werden, um die Qualität verschiedener Verkehrsträger, wie zum Beispiel des ÖPNV, innerhalb der Teilgebiete miteinander zu vergleichen. ■ LITERATUR [1] Litman, T. A. (2016): Evaluating Accessibility for Transportation Planning: Measuring People‘s Ability to Reach Desired Goods and Activities, Victoria Transport Policy Institute, 2016 [2] Scheurer, J. und Curtis, C. (2007): Accessibility Measures: Overview and Practical Applications, Urbanet WORKING PAPER 2007. No. 4 [3] Krajzewicz, D. Nieland, S., Balzaretti, J.N. und Heinrichs, D. (2018): Assessing Sustainable Development Goals: a transferable approach using contour accessibility measures at the example of Berlin and Mexico City [4] Instituto Nacional de Estadística y Geografía (2017): SCINCE 2010; retrieved from http: / / www.inegi.org.mx/ est/ scince/ scince2010.aspx 2017 [5] Senatsverwaltung für Stadtentwicklung und Wohnen (2018): https: / / www.stadtentwicklung.berlin.de/ geoinformation/ fis-broker/ [6] OpenStreetMap contributors (2017): Planet dump von https: / / planet.osm.org [7] Krajzewicz, D., Heinrichs, D. und Cyganski, R. (2017): Intermodal Contour Accessibility Measures Computation Using the ‚UrMo Accessibility Computer‘. In: International Journal On Advances in Systems and Measurements, 10 (3&4), Seiten 111-123. IARIA Dirk Heinrichs, Prof. Dr.-Ing. habil. Abteilungsleiter Mobilität und Urbane Entwicklung Institut für Verkehrsforschung am Deutschen Zentrum für Luft- und Raumfahrt DLR, Berlin dirk.heinrichs@dlr.de Jorge Narezo Balzaretti Wissenschaftlicher Mitarbeiter, Institut für Verkehrsforschung am Deutschen Zentrum für Luft- und Raumfahrt DLR, Berlin jnarezo7@gmail.com Simon Nieland, Dr. rer. nat Wissenschaftlicher Mitarbeiter, Institut für Verkehrsforschung am Deutschen Zentrum für Luft- und Raumfahrt DLR, Berlin simon.nieland@dlr.de Daniel Krajzewicz, Dipl.-Inf. Gruppenleiter, Institut für Verkehrsforschung am Deutschen Zentrum für Luft- und Raumfahrt DLR, Berlin daniel.krajzewicz@dlr.de Bild 5: Gebiete mit einer Zugangszeit zur Schule von über 15 Minuten (nicht betroffene Gebiete sind blau dargestellt); links: Berlin, rechts: Mexiko Stadt EUROPEAN TRANSPORT CONFERENCE 2018 The 46 th European Transport Conference Annual Conference of the Association for European Transport 10-12 October 2018 Dublin Castle, Ireland @EuTransportConf www.aetransport.org AET European Transport Conference (ETC) Bookings for 1-3 days are now open! As well as engaging plenaries, including a keynote by Professor Peter Balázs, coordinator of the North Sea-Mediterranean EU Corridor, we’re delighted that this year’s Conference will be opened by the Irish Minister of Transport, Tourism and Sport, Shane Ross TD. With its vibrant social calendar, the Conference also provides excellent opportunities to broaden your network with transport experts from around the world. w Icebreaker Reception sponsored by ITS Ireland w Civic Reception presented by Dublin City Council w Conference Dinner pre-dinner drinks sponsored by Aimsun w Three Day LEAP Card (rechargeable travel card) sponsored by Transport for Ireland and the National Travel Authority To view the programme and book your place, please visit www.aetransport.org or contact Sabrina Winter at sabrina@tftp-training.co.uk *All fees shown are subject to 20% VAT. Discounts are available for new member states of the EU andYoung Researchers and Practitioners. Please see website for full details. Delegate Fees * 1 Day 2 Days 3 Days/ Rover w Individual AET Member £300 €360 £595 €720 £795 €960 w Organisation Member £290 €350 £575 €700 £760 €920 of AET or ECTRI w Non-Members £340 €410 £670 €820 £930 €1,125 J000167 Full bookings Internationales Verkehrswesen advert 88x126 v1.indd 1 05/ 07/ 2018 12: 41