Eine Bewertung und kollaborative Steuerung des nicht-motorisierten Potenzials kommerzieller TODs basierend auf dem verbesserten NPP-Modell

Warum der Raum um U-Bahnhöfe zählt

Für viele Stadtbewohner ist der Weg zu und von einer U-Bahn-Station ein tägliches Ritual. Diese kurzen Strecken zu Fuß oder mit dem Fahrrad prägen, wie sicher, willkommen und eingebunden sich Menschen in ihrer eigenen Stadt fühlen. Dieser Beitrag untersucht die Flächen um belebte kommerzielle U-Bahnhöfe in Xi’an, China, und stellt eine einfache, aber wirkungsvolle Frage: Dienen diese Bereiche allen gerecht, oder begünstigen sie stillschweigend bestimmte Gruppen? Durch die Verbindung von Gerechtigkeitsfragen mit detailliertem Mapping und straßennahen Daten zeigen die Autorinnen und Autoren, wie Stationsumfelder so umgestaltet werden können, dass sie sowohl effiziente Verkehrsknoten als auch angenehme, würdige Orte für den Alltag sind.

Drei Perspektiven auf das Stationsumfeld

Die Studie führt eine dreiteilige Perspektive ein, das sogenannte „Node–Place–Perception“-Modell. Die „Node“-Sicht betrachtet eine U-Bahn-Station als Verkehrsknoten: Wie gut ist sie zu Fuß, mit dem Bus oder dem Fahrrad zu erreichen und wie gut ist die Anbindung an das übrige Netz? Die „Place“-Sicht untersucht das umliegende städtische Gefüge: Gibt es eine Mischung aus Läden, Dienstleistungen, Wohnraum und öffentlichen Flächen, und ist die Straßenführung fuß- und radfreundlich? Die „Perception“-Sicht richtet den Blick auf das Empfinden alltäglicher Nutzer: Spüren sie Sicherheit, Komfort, Grün, Helligkeit und eine einladende Atmosphäre? Durch die Kombination dieser drei Blickwinkel geht das Modell über das bloße Zählen von Zügen und Gebäuden hinaus und erfasst, wie gut ein Stationsumfeld reales menschliches Leben unterstützt.

Digitale Spuren in eine Gerechtigkeitsbewertung verwandeln

Um das Modell zu testen, untersuchten die Forschenden 14 kommerzielle Stationsumfelder in Xi’an. Sie sammelten eine vielfältige Datenbasis: Metro- und Businformationen, Flächennutzungspläne, Online-Check-ins, Nachtbeleuchtungsdaten, OpenStreetMap-Daten und zehntausende Street-View-Bilder. Mithilfe von Machine Learning extrahierten sie Merkmale wie den sichtbaren Anteil an Grün und Himmel, die Kontinuität des Straßennetzes sowie die Trennung von motorisiertem Verkehr und Rad-/Fußverkehr. Fachurteil und statistische Methoden wurden kombiniert, um jeder Kennzahl eine Gewichtung zu geben, sodass sowohl berufliche Expertise als auch reale Unterschiede die Endbewertungen prägten. Jedes Stationsumfeld wurde anschließend innerhalb eines dreidimensionalen Rasters aus Node-, Place- und Perception-Leistung verortet.

Vier Muster von (Un)Gerechtigkeit um Stationen

Die Ergebnisse zeigen deutliche Muster in der Funktionsweise dieser Stationsumfelder. Die meisten fielen in eine „ausgewogene“ Kategorie, in der Verkehrsanbindung, gebaute Struktur und Nutzererlebnis einigermaßen übereinstimmen. Eine kleinere Gruppe wies eine „Place-Disbalance“ auf: Die Verkehrsanbindung ist zwar in Ordnung, doch Straßen und Flächennutzung sind schwach oder einseitig, sodass Menschen wenige Gründe haben, zu verweilen oder zu laufen. Eine weitere Gruppe litt unter einer „Perception-Disbalance“: Die physische Struktur und Verkehrsanbindung wirken auf dem Papier solide, doch ein Mangel an Grün, Sitzgelegenheiten, Beleuchtung oder einladendem öffentlichem Raum lässt Menschen sich unwohl oder unsicher fühlen. Eine Station, Anyuanmen, war „vollständig unausgewogen“ und erzielte in allen drei Dimensionen niedrige Werte, teilweise weil strenge Denkmalschutznormen neue Gebäude und öffentliche Plätze einschränken. In solchen Fällen argumentieren die Autorinnen und Autoren, dass das Problem nicht nur im Design liegt, sondern in der Gerechtigkeit: Einige Bereiche verwehren Menschen faktisch gleiche Zugangs- und Erlebnisqualität.

Fairere Straßen für alle entwerfen

Aufbauend auf dieser Diagnose skizziert der Beitrag maßgeschneiderte Verbesserungsstrategien. Für Stationen mit schwacher Verkehrsanbindung schlagen die Autorinnen und Autoren bessere Bus–Metro-Verknüpfungen, klarere Fußwege und organisierte Abstellmöglichkeiten für Fahrräder und Roller vor. Wo die Place-Funktionen schwächeln, empfehlen sie, alltägliche Dienstleistungen in fußläufiger Entfernung zu ergänzen und wichtige Straßen mit breiteren Gehwegen und mehr Grün umzugestalten. Bei Perception-Problemen können kleinskalige Eingriffe – Pocket-Parks, Straßenbäume, bequeme Sitzgelegenheiten und menschenmaßstäbliche Beleuchtung – das Sicherheits- und Zugehörigkeitsgefühl deutlich verbessern. In den am stärksten betroffenen Bereichen fordern sie gestufte, langfristige Maßnahmen, die Denkmalschutz sorgfältig mit neuen öffentlichen Räumen und gemischter Nutzung ausbalancieren, sodass historische Zonen lebendig und inklusiv werden können.

Was das für das städtische Leben bedeutet

Einfach gesagt zeigt die Studie, dass der Raum um U-Bahnhöfe nicht nur Kulisse für Bewegung ist, sondern ein Prüfstein dafür, wie gerecht und menschenfreundlich eine Stadt tatsächlich ist. Indem das Empfinden von Komfort und Würde als essentielle Daten betrachtet wird – neben Verkehrseffizienz und Flächennutzung – bietet das Node–Place–Perception-Modell Stadtplanerinnen und -planern ein praktisches Instrument, um verborgene Probleme zu erkennen und Aufwertungen zu steuern. Weit angewandt könnte dieser Ansatz kommerzielle Stationsgebiete von überfüllten, stressigen Trichtern in lebendige, fußgängerfreundliche Viertel verwandeln, in denen effizientes Reisen und soziale Teilhabe zusammen wachsen.

Zitation: Duan, Y., Ma, Y., Liu, Y. et al. An assessment and collaborative governance of the non-motorized environment potential of commercial TOD based on the improved NPP model. Sci Rep 16, 11983 (2026). https://doi.org/10.1038/s41598-026-41044-x

Schlüsselwörter: verkehrsorientierte Entwicklung, fußgängerfreundliche Städte, räumliche Gerechtigkeit, U-Bahnhof-Design, öffentlicher städtischer Raum