TUM – Technische Universität München Menü
Radfahrer fahren auf einem rot markiertem Radweg.
Das Verhalten von Fahrradfahrern im Verkehr lässt sich schwer vorhersagen. (Bild: Kara - Fotolia)
  • Forschung

Studie über das taktische Verhalten von Radlern

Typisch Fahrradfahrer

Er wechselt plötzlich von der Straße auf den Gehweg, schlängelt sich durch den Stau bis ganz nach vorne und ist einer der wendigsten Verkehrsteilnehmer: der Radfahrer. Wissenschaftlerinnen der Technischen Universität München (TUM) haben das Verhalten der Radler analysiert. Das Ziel dieser Arbeiten ist es, zukünftige Fahrassistenzsysteme zu verbessern. 

Immer mehr Menschen in der Stadt ziehen ihren Drahtesel dem Auto oder dem öffentlichen Nahverkehr vor. Radler sind schnell und wendig. Auch fällen sie spontan Entscheidungen - die nicht immer regelkonform sind. Gleichzeitig gehören sie aber auch zu den besonders gefährdeten Verkehrsteilnehmern. Das bedeutet, zukünftige Assistenzsysteme, die motorisierte Fahrer vor Risiken warnen sollen, müssen die Verhaltensmuster von Radfahrern kennen. 

In vielen gängigen Verkehrs-Simulationen ist aber der Radverkehr nicht realitätsgetreu abgebildet. Zum Beispiel halten sich die virtuellen Radler immer an die Verkehrsregeln. Heather Twaddle und Dr. Silja Hoffmann vom Lehrstuhl für Verkehrstechnik an der TUM versuchen daher, statistisch signifikante Verhaltensmuster der Radfahrer zu erkennen. Die Forschung ist Teil des Verbundprojekts "UR:BAN", in dem Industrie- und Forschungsinstitutionen gemeinsam daran arbeiten, Fahrerassistenz- und Verkehrsmanagementsysteme für die Stadt zu entwickeln.

Twaddle beobachtete mithilfe von Kameras drei Tage lang vier Kreuzungen in München. Die Videokameras wurden so installiert, dass die Kreuzung und die Zufahrten aus der Vogelperspektive zu sehen waren. „Gesichter oder Nummernschilder konnten wir nicht erkennen“, sagt Twaddle.

Insgesamt 5050 Fahrradfahrer wurden erfasst. Die Forscherinnen werteten deren Positionen und Geschwindigkeiten aus und konnten so erkennen, wie die Radler sich in typischen Situationen verhalten. Dabei beziehen sich die Prozentzahlen nicht auf die gesamten 5050 Radfahrer, sondern jeweils auf die Anzahl der Radler, die in den genannten Verkehrssituationen beobachtet wurden.

  • Fahren auf dem Radweg, Gehweg oder Straße

Ist ein Radweg vorhanden, nutzen diesen 89 Prozent der Radler, 3,8 Prozent fahren auf dem Gehweg, 7,2 Prozent auf der Straße. Gibt es keinen Radweg, sind 90,5 Prozent der Radler auf der Straße unterwegs und 9,5 Prozent auf dem Gehweg.

  • Halten vor einer roten Ampel

80,8 Prozent der Radfahrer stoppen ordnungsgemäß bei Rot, 7,2 Prozent dagegen fahren über die rote Ampel, wenn sich die Möglichkeit bietet. 12 Prozent der beobachteten Radler stoppen und nutzen die Fußgängerampeln. 

  • Position in der Warteschlange

Hat sich eine Warteschlange auf dem Radweg gebildet, stoppen 78,7 Prozent hinter dem letzten Fahrer, 13,2 Prozent schlängelten sich bis an den Anfang der Schlange vor. 8 Prozent weichen lieber auf den Gehweg aus, allerdings nutzen nur 0,1 Prozent die Straße als Ausweichmöglichkeit. 

  • Verhalten Linksabbieger

Beim Linksabbiegen reihen sich nur 17,9 Prozent in den Verkehr ein und biegen mit den Autos auf der Fahrspur ab, 35,8 Prozent fahren erst gerade über die Kreuzung, um dann im rechten Winkel links abzubiegen, 46,3 Prozent nutzen die Fußgängerampeln. 

Twaddle analysiert nun, warum die Radfahrer in bestimmten Situationen bestimmte Verhaltensmuster zeigen. So werden breitere Radwege öfter genutzt als enge, auch hat erwartungsgemäß die Länge der Rotphase darauf Einfluss, ob die Fahrer stehen bleiben oder dann doch über Rot fahren. Auch das Pulkverhalten spielt eine Rolle, erklärt Twaddle. Ignoriert ein Radler die rote Ampel, folgen ihm noch andere. 

Da auch Faktoren wie Wetter und Tageszeit eine Rolle spielen, wollen die Wissenschaftlerinnen noch mehr Daten sammeln. Zum Beispiel soll eine Infrarotkamera dabei helfen, die Fahrer im Dunkeln zu beobachten. Weitere Versuche werden an einem Fahrrad-Simulator durchgeführt. Die aus den Daten entwickelten Modelle sollen später in Verkehrssimulationen eingebaut werden. 

Bild zum Download

Mehr Informationen:

Kontakt:

Heather Twaddle
Technische Universität München
Lehrstuhl für Verkehrstechnik
heather.twaddle(at)tum.de
Tel: +49 89 289.22436
www.vt.bgu.tum.de

Corporate Communications Center

Technische Universität München Stefanie Reiffert
reiffert(at)zv.tum.de

Weitere Artikel zum Thema auf www.tum.de:

Visio.M fährt ferngesteuert - Bild: Andreas Heddergott / TUM

Autonome Fahrzeuge auf dem Campus Garching

Ginge es nach dem „German Innovation Lab“ (GIL), könnte der Garchinger Campus der Technischen Universität München (TUM) in den nächsten Jahren eines der ersten öffentlichen Testfelder für autonom fahrende Autos in...

Intelligente Fahrzeuge im Stadtverkehr der Zukunft.

Intelligente Fahrzeuge im Stadtverkehr der Zukunft

Head-up-Display in der Windschutzscheibe, vernetzte Simulationswelten, das taktische Verhalten von Radfahrern und grüne Welle für Lkw: Diese und weitere Technologien präsentiert die Technische Universität München (TUM) bei...

Eine Frau sitzt im Fahrzeugsimulator und blickt auf die Leinwand, auf der das Head-up-Display zu sehen ist.

Was will mir mein Auto sagen?

Das Navigationssystem meldet die nächste Abzweigung, ein Verkehrsschild weist auf eine 30er-Zone hin - und plötzlich nähert sich von der Seite ein Rettungsfahrzeug. Der Verkehr erfordert ständig Entscheidungen....

Eine Versuchsteilnehmerin steht vor einer Leinwand. Sie trägt einen Motion-Capturing-Anzug und ein Head-Mounted-Display.

Der virtuelle Fußgänger

Fahr-Assistenzsysteme sollen Gefahren im Verkehr erkennen. Um aber das Verhalten von anderen Verkehrsteilnehmern einschätzen zu können, brauchen die Systeme detaillierte Daten. Forscher der Technischen Universität München...

Ein Lkw der Firma MAN fährt durch die Stadt. Im Vordergrund zeigt eine Ampel grün.

Dynamische Grüne Welle für Lkw

Beladene Lastwagen brauchen länger, um nach einem Stopp wieder anzufahren als Pkw. Das verlangsamt den Verkehrsfluss und bedeutet mehr Schadstoffe und Lärm. Forscher der Technischen Universität München (TUM) arbeiten daher...