Ausgabe 35 · Dezember 2022

Diesen Artikel als PDF

Radweganalyse per Smartphone

von Uwe Scholz und Maik Pertermann

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 8 Sekunden lange Messung der Beschleunigung a sieht man unten einen Screenshot (Bild 1). Hier wurde das Smartphone nacheinander jeweils in x-, y- und z-Richtung mit der Hand hin und her bewegt.

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 200 Hz, was bei einer Fahrgeschwindigkeit von 20 km/h einer Auflösung von etwa 2,8 cm entspricht. Weiterhin besitzt das verwendete Xperia einen Empfänger für GPS, der etwa einmal pro Sekunde ausgelesen wird. Damit resultiert eine etwa 2 km lange Fahrt von 6 Minuten Länge in zwei Dateien mit einer Gesamtgröße von etwa 4,2 MByte.

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 a_z 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 200 Hz und etwa 1 Hz), werden die Daten mit obigem Skript zunächst resampled. Das bedeutet, dass jedem Messpunkt der Beschleunigung a_z durch Interpolation (über Verwendung der Zeitstempel) eine geografische Koordinate zugeordnet wird. Verwendet man nun ein typisches Grafikprogramm zur Anzeige der GPX-Datei, so werden die Messwerte a_z als Höhenangaben (»Höhe [m]«) interpretiert. Man muss sich daher die Beschleunigung a_z in m/s² als Beschriftung an die y-Achse dazudenken. Die Autoren haben für die unten folgenden Screenshots der GPX-Daten das Open-Source-Programm GPXSee verwendet und die Beschriftung manuell angepasst. Weiterhin wurde das Analyse-Skript so erweitert, dass man das Zeitfenster der gemessenen Daten einschränken kann, um nur einen relevanten Bereich einer Fahrt zu untersuchen.

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 2 Sekunden Abstand) sucht. Die gefundenen Werte werden in eine separate Tabelle gespeichert. Über deren Zeitstempel können ihnen wiederum Koordinaten des GPS-Sensors zugeordnet werden (siehe Ergebnisse). Somit wird eine besonders »schlechte« Wegqualität schnell identifizierbar. Sonstige Datenauswertungen, wie zum Beispiel Mittelwertbildung zur Erfassung der durchschnittlichen Qualität des Radwegs, sind denkbar. Weitere Details hierzu findet man im Kapitel Erkenntnisgewinnung aus dem bereits oben erwähnten Artikel der Fahrradzukunft, Ausgabe 18.

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 2 cm hohe Bordsteinkante (siehe Bild 2) mit etwa 10 km/h. In den Bildern 3 und 4 sind die Messdaten aus der GPX-Datei dargestellt.

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 a_z 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 a_z über die zurückgelegte Wegstrecke abgetragen. Bei Überquerung der Bordsteinkante gibt es eine deutliche Erschütterung und a_z springt auf Werte über 20 m/s² bzw. unter –40 m/s², während im Bereich der Straße die Beschleunigung a_z um Werte von weniger als ±2 m/s² schwankt. Nach der Bordsteinkante geht der Weg in einen gepflasterten Fußweg über, der unebener ist als die Straße zu Beginn der Messung. Dies ist an den weiterhin erhöhten Ausschlägen gut ersichtlich. Weil das Fahrrad abgebremst wurde, gehen die Messwerte nach etwa 12 m gegen null.

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 2 cm Höhenunterschied. Durch den Umbau erhielt der Übergang Rillen- und Noppenplatten und der Höhenunterschied wurde durch ein flacheres Profil ersetzt, sodass die Stelle auch mit kleinen Rädern leicht befahrbar wurde.

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 a_z bis über 60 m/s² gab, ist der maximale Wert nach dem Umbau um etwa zwei Drittel kleiner. Eine sehr erfreuliche Tendenz.

Wichtig für den Vergleich zwischen beiden Messungen ist, dass die Fahrgeschwindigkeit nahezu gleich ist. Diese war mit ca. 20,2 km/h und 19,3 km/h recht ähnlich, der Unterschied beträgt etwa 4,5 % vom größeren zum kleineren Wert, wie die Daten aus der GPS-Messung zeigen. Beide Messungen lassen sich daher gut miteinander vergleichen (Bild 9).

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 4 m breiten Asphaltbelag. Der Streckenverlauf folgt genau denselben Wegen, die vorher schon existiert haben, bei denen die Wegqualität jedoch zum Teil sehr schlecht war.

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 a_z (und damit die Unebenheiten) vor dem Neubau sind nach dem Neubau deutlich kleiner geworden, gerade im Bereich zwischen 0 und 350 m, vormals Split, sowie zwischen etwa 500 m und 1.100 m, vormals Feldweg. Auch sonst haben sich die Maximalbeträge der Beschleunigung a_z an einigen Stellen deutlich reduziert. Nahezu gleich geblieben ist die Oberflächenqualität im Bereich der nicht erneuerten Holzbrücke, im Diagramm bei etwa 1,2 km.

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 –40 m/s² (rote Kurve) gemessen wurden. Der starke einmalige Ausschlag ist wie zu erwarten verschwunden.

Interessant an den Messungen nach dem Umbau ist die Abhängigkeit von a_z 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 a_z, 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 a_z befindet sich im Bereich der Brücke über den Sterzbach. Vor dem Neubau bestand diese Brücke aus etwa 3 m quer zur Fahrbahn liegenden Holzbalken und einem kurzen Abschnitt aus Pflastersteinen davor (Bild 15). Seit dem Umbau geht der asphaltierte Weg vor der Brücke in nah aneinander liegende Betonträger über (Bild 16).

Das Diagramm der Beschleunigung a_z in Bild 17 zeigt vor dem Umbau zwei deutliche Ausschläge im Bereich von 11 m und etwa 18 m. Nach dem Umbau haben sich die Ausschläge vor allem im Bereich um 11 m verringert. Zwischen diesen beiden Ereignissen sind die Ausschläge nach und vor dem Umbau jedoch in etwa genauso hoch. Es sei hier bemerkt, dass die Ausschläge mit einem Maximalbetrag von etwa 10 m/s² immer noch relativ klein sind und sich aus der etwas rauen Oberfläche der Brücke ergeben.

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 a_z zu erkennen (Bild 20+21). Außerdem sieht man, dass der maximale Betrag von a_z 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.