Adaptives luftqualitätsgewichtetes Fahrradrouting mittels Land-use Regression auf Basis offener Daten

Luftschadstoffen ausgesetzt zu sein hat langfristige negative gesundheitliche Folgen, denen besonders Fahrradfahrer im urbanen Raum ausgesetzt sind. Dabei gibt es wahrscheinlich keine unschädliche Dosis: weniger ist immer besser. Diese Arbeit zeigt, dass luftqualitätsgewichtete Fahrradrouten die persönliche Exposition gemäß dem Regressionsmodell deutlich reduzieren können, wobei die errechneten Umwege zumeist nur minimal sind. Auf Basis offener Daten wird ein neuronales Netzwerk zur Schätzung der Luftqualität trainiert. Dabei werden PM10-Daten aus mobilen Messungen als Indikator der Luftqualität verwendet. Das entstehende Land-Use-Regression-Modell bezieht dabei sowohl zeitliche als auch räumliche Features mit ein. Anschließend wird dieses Modell verwendet, um luftqualitätsgewichtete Routen zu berechnen. Dabei wird gezeigt, wie ein solches feingranulare Modell im Routing verwendet werden kann. Anhand von zufällig gewählten Start/Ziel Paaren werden die luftqualitätsgewichteten Routen mit der jeweils kürzesten Strecke verglichen.