Studie zur Wahl des Verkehrsmittels städtischer Bewohner basierend auf der CART-Apriori-Methode

Warum Ihr täglicher Arbeitsweg zählt

Jede Fahrt durch die Stadt – zu Fuß, mit dem Fahrrad, dem Bus oder dem Auto – beeinflusst stillschweigend Staus, Umweltverschmutzung und sogar die Art, wie sich Ihre Stadt entwickelt. Diese Studie untersucht genau, wie Menschen in einer mittelgroßen chinesischen Stadt ihre Fortbewegungsweise wählen, und testet eine neue datengetriebene Methode zur Vorhersage dieser Entscheidungen. Die Ergebnisse helfen zu erklären, warum manche Menschen eine Strecke von einem Kilometer zu Fuß zurücklegen, während andere für dieselbe Distanz ein Fahrdienstangebot nutzen, und wie intelligenteres Planen Staus und CO2-Emissionen reduzieren könnte.

Wie sich Menschen in einer mittelgroßen Stadt fortbewegen

Die in dieser Untersuchung betrachtete Stadt hat etwa 580.000 städtische Einwohner, kein U‑ und S‑Bahnnetz und relativ flüssigen Verkehr. Die meisten Fahrten sind kurz; gängige Optionen sind Zu Fuß, geteilte Fahrräder und E‑Scooter, Busse, Taxis bzw. Fahrdienste und private Pkw. Da die Bustarife niedrig und meist pauschal sind, grübeln die Menschen nicht über kleine Preisunterschiede für eine einzelne Fahrt. Stattdessen achten sie stärker auf langfristige Entscheidungen wie den Autokauf und auf praktische Details wie die Distanz und die Anzahl der erforderlichen Umstiege. Eine umfangreiche Befragung von 1.500 Einwohnern sammelte Informationen darüber, wer die Personen sind, warum sie reisen, wie weit sie fahren und welches Verkehrsmittel sie wählen.

Althergebrachte Modelle mit neuen Algorithmen verbinden

Seit Jahrzehnten nutzen Verkehrsplaner traditionelle mathematische Modelle zur Vorhersage von Verkehrsmittelentscheidungen, doch diese stoßen bei komplexem, realem Verhalten oft an ihre Grenzen. Neuere Methoden des maschinellen Lernens können besser vorhersagen, werden jedoch häufig als schwer durchschaubare „Black Boxes“ kritisiert. Diese Studie vereint mehrere Ansätze in einem Rahmenwerk. Zunächst durchsucht ein Algorithmus namens Apriori die Umfragedaten nach den stärksten „Wenn‑Dann“-Mustern, wie etwa „wenn eine Person 3–5 km fährt, ein Auto besitzt und einmal oder zweimal umsteigen muss, dann wählt sie sehr wahrscheinlich einen Fahrdienst“. Diese Muster werden anschließend in ein Entscheidungsbaumverfahren namens CART eingespeist, das Reisende wiederholt anhand von Faktoren wie Distanz oder Autobesitz in Zweige aufteilt, um vorherzusagen, welches Verkehrsmittel jede Person wählen wird.

Die Black Box verständlich machen

Um über reine Vorhersagen hinauszugehen und Verhalten erklärbar zu machen, ergänzen die Forschenden das Modell um RuleFit. RuleFit nimmt die Zweige des Entscheidungsbaums – die Regeln, die festlegen, wer welches Verkehrsmittel wählt – und wandelt sie in einfache, menschenlesbare Aussagen mit numerischen Gewichtungen um. Diese Gewichtungen zeigen, wie stark jede Regel eine Person zum Zu Fuß gehen, Radfahren, Busfahren, Autofahren oder zur Nutzung eines Fahrdienstes drängt. Auf diese Weise kann die Studie sowohl vorhersagen, was Menschen tun werden, als auch die Hauptmuster klar beschreiben, statt lediglich eine nicht erklärte Prognose auszugeben.

Die wenigen Faktoren, die am meisten zählen

Trotz eines großen Ausgangs an möglichen Einflussgrößen zeigt der Data‑Mining‑Schritt, dass nur vier Faktoren die Entscheidungen über Verkehrsmittel dominieren: die zurückgelegte Entfernung, der Reisegrund, ob jemand ein Auto besitzt, und wie viele Umstiege im öffentlichen Verkehr nötig wären. Die Entfernung steht an erster Stelle. Bewohner gehen in der Regel zu Fuß, wenn die Fahrt unter einem Kilometer liegt, unabhängig davon, ob sie ein Auto besitzen. Geteilte Fahrräder sind besonders beliebt für 1–3 km lange Arbeitswege, selbst unter Autobesitzern. Bei mittleren Strecken von 3–5 km sprechen geteilte E‑Scooter und private Pkw diejenigen an, die eine direkte Fahrt bevorzugen und mehrere Umstiege vermeiden wollen. Busse funktionieren am besten für 3–5 km lange Fahrten, die keinen Umstieg erfordern. Fahrdienste werden für 1–3 km lange Wege bevorzugt, wenn die Busalternative mehrere Umstiege erfordern würde. In der Gesamtbilanz sagt das kombinierte CART–Apriori‑Modell das gewählte Verkehrsmittel in etwa 83 % der Fälle korrekt voraus und übertrifft damit mehrere andere weit verbreitete Methoden.

Was das für umweltfreundlichere Straßen bedeutet

Indem die Studie die kleine Anzahl an Faktoren bestimmt, die alltägliche Entscheidungen wirklich antreiben, liefert sie klare Hinweise für Stadtplaner. Verbesserte Gehwege und Radwege im Umkreis von 3 km um Wohnorte könnten viele kurze Fahrten auf Fuß- und Fahrradverkehr verlagern. Die Neugestaltung von Buslinien zur Verringerung von Umstiegen, insbesondere für 3–5 km lange Strecken, kann den öffentlichen Verkehr attraktiver als das Auto machen. Maßnahmen wie Parkgebühren oder Abgaben für kurze Autofahrten, kombiniert mit praktischen Angeboten für geteilte Fahrräder und E‑Scooter, könnten weitere Anreize für CO2‑arme Optionen schaffen. Für Laien lautet die Quintessenz einfach: Wenn Städte kurze Wege leicht zu Fuß oder mit dem Rad möglich machen und längere Wege mit dem Bus ohne viele Umstiege einfach zu bewältigen sind, entscheiden sich Menschen ganz natürlich für saubere und effizientere Fortbewegungsarten.

Zitation: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

Schlüsselwörter: städtisches Reiseverhalten, Verkehrsmittelwahl, maschinelles Lernen, nachhaltiger Verkehr, öffentlicher Verkehr