Estimating CO2 Emissions through travel times

Kurzfassung

Die Präsentation betrachtet die Schätzung von CO2-Emissionen auf Basis von Reisezeiten, um den motorisierten Individualverkehr im historischen Stadtzentrum zu reduzieren. Konstanz, direkt am Bodensee gelegen, zieht viele Touristen aus der Schweiz an, was zu erhöhten Emissionen führt. Als Lösung soll ein neuer Parkplatz nördlich des Rheins gebaut werden, dessen Akzeptanz jedoch durch längere Reisezeiten (Shuttle/zu Fuß) ins Zentrum beeinträchtigt wird. Um dies auszugleichen, wird ein Sensorkonzept entwickelt, das CO2-Emissionen anhand von Reisezeiten schätzt und Anreize für die Parkplatznutzung schafft. Regulatorisch erfüllen ein Großteil der Städte in Deutschland die EU-Grenzwerte für NO2 (40 µg/m3) und Feinstaub (PM2.5/PM10: 50 µg/m3), doch ab 2030 gelten strengere Vorgaben (NO2: 20 µg/m3, PM2.5: 10 µg/m3). Im Klimaschutz müssen bis 2030 die CO2-Emissionen im Transportsektor auf 85 Mio. Tonnen sinken. Im Simulationslabor kommen zwei Modelle zum Einsatz: TAPAS (agentenbasiert) simuliert individuelle Mobilitätsentscheidungen (z. B. Alter, Beruf, Haushaltsauto), während SUMO mikroskopisch Emissionen (CO2, NOx, PMx) für verschiedene Fahrzeugklassen (z. B. Euro-6, Diesel) berechnet. Ein neuronales Netz schätzt CO2-Emissionen präzise (MAE: 19 g/km, R2: 0,93) basierend auf Fahrzeugtyp, Antrieb, Reisezeit und Stopps. Für die Erfassung eignen sich Floating Car Data (FCD), da sie vollständige Trajektorien anonymisiert liefern und im Vergleich zu lokaler Detektion mit vergleichsweise geringen Kosten verbunden sind. Fazit: Bestehende Infrastruktur (z. B. LSA) und FCD können genutzt werden, um Emissionen zu schätzen und die Akzeptanz des neuen Parkplatzes zu erhöhen. Ein KI-gestütztes Modell mit FCD, statistischen Antriebstypen und Netztopologie bietet eine effiziente Lösung für das Verkehrsmanagement.