Können Vorhersagen des Verkehrsaufkommens durch Wetterinformationen verbessert werden?

Das Wetter kann einen erheblichen Einfluss auf das Reiseverhalten der Menschen haben. Um diesen Zusammenhang zu quantifizieren und nutzbar zu machen, wird untersucht, ob meteorologische Variablen die Vorhersage des Verkehrsaufkommens in Deutschland verbessern können. Dazu werden stündlichen Verkehrszählungen an 1.400 Stationen an Bundesstraßen und Autobahnen verwendet, wobei zwischen Motorrädern, Pkw, Transportern und Lkw unterschieden wird. Es wird untersucht, inwieweit sich der mittlere quadratische Fehler von Poisson-Regressionsmodellen für stündliche Verkehrszählungen durch die Berücksichtigung von Niederschlag, Temperatur, Bewölkung und Windgeschwindigkeit verringert. In einem iterativen Verfahren werden den Modellen Prädiktorvariablen hinzugefügt, wenn diese den mittleren quadratischen Fehler reduzieren. 

Wir zeigen, dass insbesondere Motorradzahlen stark wetterabhängig sind. Auf Bundesstraßen reduziert sich der mittlere quadratische Fehler von Modellen für stündliche Motorradzahlen um bis zu 60%, wenn meteorologische Prädiktorvariablen zum Modell hinzugefügt werden. Eine detaillierte Analyse des Modells für Motorradzahlen zeigt nicht-lineare Beziehungen zwischen den meteorologischen Variablen und den Motorradzählungen. Für Pkw zeigt sich eine Wetterabhängigkeit insbesondere in touristischen Regionen wie Badeorten und Naturparks. Für Lieferwagen und Lkw zeigt sich nur eine geringe Wetterabhängigkeit.

Die Ergebnisse eröffnen Möglichkeiten für unterschiedliche potenzielle Anwendungen, wie z. B. die Verbesserung der Routenplanung in Navigationssystemen, die Implementierung in Verkehrsmanagementsystemen, die Vorausplanung von Besucherzahlen in touristischen Gebieten oder zur Abschätzung der Exposition in Verkehrsunfallstudien.