Ausgabe 35 · Dezember 2022
Diesen Artikel als PDF
Radweganalyse per Smartphone
Jeder Radfahrer möchte auf guten Radwegen fahren. Aber was sind »gute« Radwege? Von der physikalischen Seite aus betrachtet findet man in Ausgabe 18 der Fahrradzukunft eine Antwort: »Radwege sollten möglichst energieeffizient sein, damit Radfahrer:innen mit begrenztem Kraftaufwand möglichst weit kommen.« Es kommt also auf die Oberfläche an. Im selben Artikel wurde auch davon berichtet, wie in den Niederlanden spezielle Fahrräder verwendet werden, um die Qualität von Radwegen mit (recht teuren) Sensoren zu messen. Ähnliche Sensoren sind heute in handelsüblichen Smartphones verbaut. Auch wenn diese Sensoren nicht die höchstmögliche Genauigkeit haben, so ermöglichen sie doch eine einfache Analyse der Radwegqualität. Im folgenden Artikel wurde als Untersuchungsobjekt unter anderem der Radschnellweg FRM1 von Frankfurt nach Darmstadt vor und nach dem Umbau gewählt.
Das Setup
Datenmessung und Datenexport
Zunächst benötigten wir für das Auslesen der Smartphone-Sensordaten eine
App. Hierfür eignet sich die App phyphox, die am 2. Physikalischen
Institut A der RWTH Aachen University entwickelt wurde, hervorragend.
Neben verschiedenen anderen Sensoren können mit dieser App insbesondere
der Beschleunigungssensor und der GPS-Sensor des Smartphones parallel
ausgelesen werden. Ersterer ist zur Bestimmung der Oberflächenqualität
wichtig, Letzterer für die aktuellen Koordinaten des Smartphones. Die
Daten werden live auf dem Display dargestellt und lassen sich als
CSV-Datei exportieren. Für eine etwa

Die Bewegung in z-Richtung stellt dabei die Bewegung senkrecht zum Bildschirm dar, so, als ob das Smartphone auf dem Tisch liegend hochgehoben und wieder abgesenkt wird. Man kann die einzelnen Bewegungsvorgänge recht gut auseinanderhalten, was eine Voraussetzung für die spätere Messung auf der Straße ist. Denn eine schlechte Wegqualität sollte sich vor allem in einer starken Beschleunigung in z-Richtung bemerkbar machen.
Das parallele Auslesen des Beschleunigungs- und des GPS-Sensors gelingt, indem man ein »Experiment« in phyphox anlegt, welches aus der Kombination der Messungen der Beschleunigung und GPS-Koordinaten besteht. Wer das nicht selbst einrichten möchte, kann sich hier über einen QR-Code die Datei für dieses Experiment herunterladen und in phyphox importieren (dazu in der App unten rechts auf das »+«-Symbol drücken und den QR-Code einscannen). Sollte es dabei Probleme geben, so stehen in der FAQ von phyphox mögliche Lösungsvorschläge.
Für den Datenexport aus phyphox pausiert man eine Messung durch Tippen auf das Pause-Symbol. Dann exportiert man durch einen weiteren Klick ins Menü die gesammelten Daten pro Sensor in eine CSV-Datei. Das Vorgehen ist recht einfach und bedarf nur wenig Übung. Die Daten beider Sensoren liegen nach dem Export in einer ZIP-Datei im Speicher des Smartphones vor. Sie lassen sich nun mit einem beliebigen Programm auswerten.
Wer wissen möchte, welche Möglichkeiten das eigene Smartphone bietet, dem sei die Sensor-Datenbank von phyphox empfohlen.
Die Hardware
Das von den Autoren bei den Messungen verwendete Fahrrad besitzt eine starre Vordergabel ohne Stoßdämpfer. Das Smartphone war dort über einen handelsüblichen Halter am Lenker befestigt, und zwar so, dass das Display des Smartphones möglichst parallel zur Erdoberfläche ausgerichtet war.
Das Smartphone selbst ist ein Xperia X Compact der Firma Sony, gekauft
2016. Die Abtastrate seines Beschleunigungssensors beträgt etwa
Datenaufbereitung und Analyse
Die mit phyphox erstellten Messdaten des Beschleunigungs- und des GPS-Sensors lassen sich über ein von den Autoren geschriebenes Linux-Skript zusammenfassen und in eine GPX-Datei abspeichern. Über diese Datei sind die gemessenen Beschleunigungswerte az entlang der zurückgelegten Fahrradstrecke darstellbar. Das verwendete Skript steht zur freien Verwendung (und Weiterentwicklung) auf GitHub zum Download bereit.
Weil die Auslesefrequenz des Beschleunigungs- und des GPS-Sensors
unterschiedlich ist (im verwendeten Smartphone etwa
Neben der Umwandlung in ein anderes Format lässt sich mit den Rohdaten
natürlich auch Datenanalyse betreiben. Hierfür wurde von Maik Pertermann
ein Python-Skript erstellt, welches nach maximalen Beschleunigungswerten
innerhalb eines bestimmten Zeitfensters (aktuell fünf Stück zu je
mindestens
Ergebnisse
Zunächst wird von den Autoren eine signifikante Unebenheit während einer
kurzen Fahrt untersucht. Diese startet von einer asphaltierten, ebenen
Straße und überquert dann eine



Bild 3 veranschaulicht den zurückgelegten Weg als roten Graph. Der Startpunkt ist mit einem roten Kreuz markiert. Die Fahrt führt über die Uhlandstraße hinweg auf den Gehweg mit der abgesenkten Bordsteinkante. In dem zugehörigen Graph ist ein schwarzer Wegpunkt eingezeichnet, der die Stelle markiert, an der der Betrag von az maximal ist. Dieser Wegpunkt wurde automatisch über das erwähnte Python-Skript identifiziert und stimmt gut mit der tatsächlichen Position der Bordsteinkante überein.
In Bild 4 ist az über die zurückgelegte Wegstrecke abgetragen.
Bei Überquerung der Bordsteinkante gibt es eine deutliche Erschütterung
und az springt auf Werte über
Damit wurde mit diesem Setup die Messbarkeit von Unebenheiten der Radstrecke erfolgreich nachgewiesen. Nachfolgend wird an zwei untersuchten Radwegen das grundlegende Potenzial der Messungen gezeigt.
Verbesserte Radinfrastruktur
Bordsteinkante
In der Stadt Langen (Hessen) wurde im Jahr 2021 im Zuge des barrierefreien
Umbaus der Bushaltestelle Ludwig-Erk-Schule auch eine angrenzende
Straßenquerung erneuert. In Bild 5 und 6 kann man einen Vergleich des
alten und neuen Zustands sehen. Der Weg führte vorher über eine
Bordsteinkante von etwa


Die Fahrt mit dem Fahrrad über diese Stelle fand vor und nach dem Umbau
statt, wobei die Erschütterung durch die Messung mit phyphox bestimmt
wurde. Im Diagram in Bild 7 kann man deutliche Unterschiede zwischen den
Messungen erkennen. Während es vor dem Umbau einen regelrechten Schlag bei
der Fahrt mit Werten von az bis über
Wichtig für den Vergleich zwischen beiden Messungen ist, dass die
Fahrgeschwindigkeit nahezu gleich ist. Diese war mit ca.


Das neue Teilstück des FRM1 zwischen Langen und Egelsbach
Im Oktober 2021 wurde das neu gebaute Teilstück Langen–Egelsbach auf der
Raddirektverbindung zwischen Darmstadt und Frankfurt (FRM1) eröffnet. Der
neu gebaute Weg besteht aus einem sehr ebenen, bis zu

Im Jahr 2020, noch vor der Erneuerung des Radwegs, sind die Autoren mit dem Rad und aktiver phyphox-App diesen Weg entlanggefahren, startend von Langen nach Süden, Richtung Egelsbach. Die Oberfläche des Weges bestand damals am Ortsausgang Langen aus relativ feinem Split, ging nach einer Holzbrücke über den Sterzbach weiter und mündete in den asphaltierten Leukertsweg. Dieser musste jedoch kurz danach geradeaus verlassen werden. Der Weg führte bis 2020 nun über einen schlecht zu befahrenden Feldweg mit Löchern und gröberen Steinen. Eine zügige und kraftsparende Fahrt mit einem Rad war hier nahezu unmöglich. Kurz vor dem Ortseingang Egelsbach führte der Weg über eine Brücke (sie wird im Herbst 2022 erneuert) aus hölzernen Querbalken und ging dann in einen asphaltierten Weg über.
Die Analyse der Beschleunigungsdaten hat dabei einige besonders markante Punkte mit großen Beschleunigungswerten ermittelt:
- WPT001: Bordsteinkante quer zur Fahrtrichtung
- WPT002: kleine Holzbrücke, davor einige Pflastersteine
- WPT003: Feldweg, vermutlich Fahrt über einen Stein
- WPT004: Steinkante vor der Fahrt über eine Holzbrücke
- WPT005: sonstige unebene Stelle
Diese markanten Punkte sind in Bild 10 im Diagramm der Beschleunigungsdaten durch Rechtecke auf der x-Achse markiert. Die Messdaten in Rot sind vor dem Umbau 2020, in Blau nach dem Umbau im Jahr 2022 aufgenommen worden. Messung und Auswertung fanden jeweils mit dem gleichen Setup statt.
Die Verbesserung der Oberflächenqualität ist mehr als deutlich zu
erkennen: Die Schwankungen von az (und damit die Unebenheiten)
vor dem Neubau sind nach dem Neubau deutlich kleiner geworden, gerade im
Bereich zwischen 0 und

Im Folgenden sollen die ersten drei identifizierten Wegpunkte genauer betrachtet werden. Dazu sind die Autoren die betreffenden Stellen nach dem Radwegneubau zweimal entlanggefahren – einmal mit näherungsweise derselben Geschwindigkeit wie vor dem Umbau und ein zweites Mal mit einer höheren Geschwindigkeit. Letzteres, um den Effekt von unterschiedlichen Geschwindigkeiten auf die Beschleunigung in z-Richtung zu untersuchen. Denn die Erschütterung in z-Richtung bei der Fahrt über eine Unebenheit sollte bei höherer Geschwindigkeit zunehmen.
Wegpunkt WPT001
Bei Wegpunkt WPT001 handelte es sich vor dem Umbau des FRM1 um eine Bordsteinkante quer zum Radweg (Bild 11), nach dem Umbau war diese nicht mehr vorhanden (Bild 12). Der neue Weg wurde mit einer Asphaltschicht und farbigen Markierungen ausgestattet.


In den Diagrammen in Bild 13 und 14 zeigen die Messdaten eine klare
Verbesserung zur Situation vor dem Radwegneubau, wo bis zu –


Interessant an den Messungen nach dem Umbau ist die Abhängigkeit von az von der Fahrgeschwindigkeit. Während die blaue Messkurve in etwa bei derselben Geschwindigkeit wie vor dem Umbau aufgenommen wurde, war die Geschwindigkeit bei der grünen Kurve höher. Es zeigen sich hier auch höhere Beträge von az, die wahrscheinlich den farbigen Wegmarkierungen auf dem Radweg zuzuordnen sind. Allerdings sind die Erschütterungen immer deutlich kleiner als vor dem Radwegneubau.
Wegpunkt WPT002
Der zweite Wegpunkt mit hohem Betrag von az befindet sich im
Bereich der Brücke über den Sterzbach. Vor dem Neubau bestand diese Brücke
aus etwa


Das Diagramm der Beschleunigung az in Bild 17 zeigt vor dem
Umbau zwei deutliche Ausschläge im Bereich von


Wegpunkt WPT003
Der wohl deutlichste Unterschied zwischen vorher und nachher dürfte im Bereich des ehemaligen Feldwegs zwischen Langen und Egelsbach sein. Auf Bild 19 ist der aktuelle Zustand mit glattem Asphalt und erfreulich breiter Fahrbahn zu sehen. Vor dem Umbau gab es hier nur einen Feldweg aus relativ grobem Split, einigen Schottersteinen und vielen Löchern, die es mit dem Rad zu umfahren galt.



Die vormals inakzeptable Wegqualität und ihre Verbesserung ist unschwer an den jeweiligen Beträgen von az zu erkennen (Bild 20+21). Außerdem sieht man, dass der maximale Betrag von az nach dem Umbau nahezu unabhängig von der Fahrgeschwindigkeit ist. Ein deutliches Zeichen für eine hervorragende Radwegqualität.
Zusammenfassung und Ausblick
Wie die obigen Messdaten und Analysen zeigen, ist es ohne Weiteres möglich, mit einem ganz normalen Smartphone die Radwegqualität über die Nutzung des Beschleunigungs- und des GPS-Sensors zu untersuchen. Dies kann darüber Aufschluss geben, an welchen Stellen eines Radwegs Möglichkeiten der Verbesserung schlummern. Sogar die erhöhte Radwegqualität nach einem Umbau kann quantitativ leicht nachgewiesen werden. Und all das benötigt kein teures Spezialequipment.
Derzeit besteht der Prozess der Datenanalyse noch aus einem (relativ) aufwändigen Prozess des Datenexports und der Analyse am Computer. Eine Vereinfachung über eine spezielle Radweganalyse-App könnte viel mehr Radfahrer:innen zum gemeinsamen Messen anregen. So eine App könnte dann schon direkt nach der Fahrt verbesserungswürdige Stellen identifizieren. Dies übersteigt derzeit jedoch die Fähigkeiten der Autoren. Zu beachten wäre bei so einer App, dass ein direkter Vergleich zwischen den Messungen verschiedener Radfahrer:innen einige Unsicherheiten birgt: Nicht nur die Geschwindigkeiten können sich unterscheiden, sondern auch die Bauform des Rades, der Reifendruck, die Befestigungsart des Smartphones am Rad, die Art der Sensoren usw. Nicht zuletzt ist der kleine Auflagepunkt des Fahrradreifens auf der Straße ein Unsicherheitsfaktor: Schon wenige Zentimeter rechts oder links an einem Schlagloch vorbei macht dieses für die Messung »unsichtbar«.
Aber warum muss es unbedingt eine Messung mit dem Smartphone sein? Es könnte auch ohne gehen. Denn der Einbau eines Beschleunigungssensors in den OpenBikeSensor, ein Gerät zur Messung von Überholabständen zwischen Autos und Fahrrädern, wäre möglich. So würde der massenhaften Analyse der Radwegqualität kaum noch etwas im Weg stehen und könnte einen wertvollen Beitrag für die Verbesserung der Radweginfrastruktur leisten.
Ergänzung: synchrone GPS- und Beschleunigungsmessung mit phyphox
Seit Anfang 2021 speichert phyphox synchronisierte Zeitstempel sowie in den Metadaten die Systemzeit beim Start der Messung. Somit ist eine Zuordnung von GPS- zu Beschleunigungsdaten problemlos möglich. Vorher musste man zu Beginn der Messung bereits eine stabile Verbindung zu mehreren der GPS-Satelliten mit einer anderen App aufbauen. Hätte man dies nicht getan, wäre es zu systematischen Verschiebungen zwischen der gemessenen Beschleunigung in z-Richtung und ihren zugeordneten Koordinaten gekommen. Da es besonders bei Android-Geräten mehrere Sekunden dauern kann, bis die GPS-Koordinaten ermittelt werden können, haben die Autoren die App GPS Locker Prime (einmalig kostenpflichtig, kostenlose Version mit Werbung erhältlich) verwendet. Mit dieser App ist es möglich, eine stabile GPS-Verbindung mit dem Smartphone aufzubauen und erst dann eine Messung in phyphox zu starten.
Danksagung
Zu guter Letzt hier noch einige Danksagungen – an meine Frau Natalia, die mich bei dem Projekt mit hilfreichen Diskussionen und Ansichten unterstützt hat; an Maik Pertermann, der das Python-Skript zur Datenanalyse beigesteuert hat; an die Entwickler der phyphox-App, die das Smartphone zum Messlabor macht, und schließlich an Olaf Schultz von der Fahrradzukunft. Ohne seine Tests würden in dem Radweganalyse-Skript noch einige Bugs schlummern. Außerdem hat er bereits mit weiteren Skripten zur Datenauswertung im Git Repository beigetragen.
Zu den Autoren
Uwe Scholz, Jahrgang 1983. Physiker, den es nach einigen
Jahren in der Forschung doch in die Welt der Softwareentwicklung
verschlagen hat. Um den Kopf freizubekommen, spielt er regelmäßig
Basketball, unternimmt Tandemtouren mit seiner Frau oder beobachtet
Wildbienen und Schmetterlinge im Garten.
Maik Pertermann, Jahrgang 1982, ist in Beruf und Freizeit
leidenschaftlicher Physiker, Datenanalyst und Naturentdecker. Hofft
immer noch, mit seinem Mikroskop neben Katzenhaaren und Pollen auch mal
einen Mikrometeoriten zu entdecken.