Parameterstudien an Straßenbahnnetzen mit Hilfe von OpenStreetMap

Abstract

Diese Diplomarbeit untersucht, wie geometrische und stadtmorphologische Eigenschaften von Straßenbahnnetzen die Durchschnittsgeschwindigkeit als zentrale, messbare Dimension prägen. Im Fokus steht die Frage, ob und wie Bebauungsdichte, Steigungen, Kurvigkeit und Haltestellenabstand die Reisegeschwindigkeit beeinflussen und ob diese Parameter zuverlässig aus offenen Daten gewonnen werden können.Zur Beantwortung dieser Fragen wurden offene Geo- und Fahrplandaten zusammengeführt und die genannten Kennwerte berechnet. Aus OpenStreetMap (OSM) wurden Straßenbahnrelationen extrahiert, zu konsistenten Linienzügen verarbeitet und Kenngrößen wie Kurvigkeit, mittlere Steigungen bzw. Gefälle, Bebauungsdichten entlang der Strecken sowie die Netzausrichtung abgeleitet. Aus GTFS-Fahrplandaten wurden Fahrzeiten, Durchschnittsgeschwindigkeiten und Haltestellenabstände ermittelt und der strukturierte Aufbau der Feeds genutzt, um die relevanten Informationen konsistent zu verknüpfen. Der resultierende Datensatz umfasst 1012 Relationen aus 41 Städten und bildet die Grundlage für Verteilungs-, Streu- und Korrelationsanalysen.Diese Analysen haben gezeigt, dass der Haltestellenabstand ein wesentlicher Treiber der Durchschnittsgeschwindigkeit ist. Steigung und Gefälle wirken deutlich schwächer, und global lässt sich kein robuster Zusammenhang zwischen Kurvigkeit und Geschwindigkeit nachweisen. Zwischen Bebauungsdichte und Kurvigkeit zeigte sich eine näherungsweise lineare Beziehung, die selbst bei sehr geringer Bebauungsdichte eine von Null verschiedene Kurvigkeit impliziert. Den Zusammenhang zwischen Bebauungsdichte und Haltestellenabstand beschreibt hingegen eine Exponentialfunktion besser als eine lineare Annahme.Die Arbeit belegt, dass OSM- und GTFS-Daten eine skalierbare, international vergleichbare Parametrisierung von Straßenbahnnetzen ermöglichen und eine Grundlage für weiterführende Untersuchungen der Einflussfaktoren auf die Reisegeschwindigkeit schaffen. Gleichzeitig begrenzen die eingeschränkte Verfügbarkeit und Heterogenität von GTFS-Daten sowie OSM-spezifische Probleme die Aussagekraft. Die hohe Streuung der Geschwindigkeiten weist zudem auf weitere, nicht modellierte Faktoren wie Bevorrangung an Lichtsignalanlagen und Fahrzeugdynamik hin. Empfohlen werden u. a. Analysen zur durchschnittlichen Umwegigkeit, zur Verteilung der Haltestellenabstände und zum Zusammenspiel von Netzparametern und Fahrzeugpark sowie die Reduktion der Abhängigkeit von GTFS in zukünftigen Datenerhebungen.

This thesis examines how the geometric and urban morphological characteristics of tram networks influence average speed as a central, measurable value. The focus is on how building density, gradients, curvature and the distance between stops affect the average journey speed and whether these parameters can be reliably derived from open data.To answer these questions, open geospatial and timetable data were combined and the relevant metrics calculated. Tram routes were extracted from OpenStreetMap (OSM), processed into consistent route networks, and values for curvature, average gradients, building densities along the routes, and network orientation were derived. From GTFS timetable data, journey times, average speeds and distances between stops were determined, and the structured format of the feeds was used to consistently link the relevant information. The resulting dataset comprises 1012 relations from 41 cities and forms the basis for distribution, dispersion and correlation analyses.The performed analyses have shown that the distance between stops is one of the main drivers of average speed. Gradients have shown a significantly weaker effect, and furthermore, no robust correlation between curvature and speed can be established overall. There appears to be an approximately linear relationship between building densities and curvature, implying a non-zero curvature even at very low building densities. In contrast, an exponential function describes the relationship between building density and stop spacing better than a linear assumption.This work demonstrates that OSM and GTFS data enable a scalable, internationally comparable modelling of tram networks and provide a basis for further investigations into the factors influencing journey speeds. At the same time, the limited availability and heterogeneity of GTFS data, as well as OSM-specific issues, limit the study’s conclusiveness. The high variation in speeds also points to further, unmodelled factors such as priority at traffic lights and vehicle dynamics. Recommendations include analyses of average detour distances, the distribution of stop intervals and the interaction between network parameters and the vehicle fleet, as well as reducing reliance on GTFS in future data collection.