Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz

 
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
Eine statistische Analyse zur
Wetterabhängigkeit bei der Nutzung der
         MVG-Leihfahrräder

                                            von

                                   Anna Lensch

                           Bachelorarbeit in Meteorologie

  vorgelegt dem Fachbereich Physik, Mathematik und Informatik (FB 08)
                der Johannes Gutenberg-Universität Mainz
                           am 19. Januar 2018

1. Gutachter: Dr. Philipp Reutter
2. Gutachter: Prof. Dr. Peter Spichtinger
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
Ich versichere, dass ich die Arbeit selbstständig verfasst und keine anderen als die angege-
benen Quellen und Hilfsmittel benutzt sowie Zitate kenntlich gemacht habe.

Anna Lensch

Mainz, den 19.01.2018

Anna Lensch
Matrikel-Nummer: 2714684
Binger Straße 11
D-55116 Mainz
alensc01@students.uni-mainz.de
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
Inhaltsverzeichnis
1 Einleitung                                                                                                                           1

2 Datengrundlage und Datenverarbeitung                                                                                                  3
  2.1 Datengrundlage . . . . . . . . . . . . . . . . . .               . . . .         .   .   .   .   .   .   .   .   .   .   .   .    3
      2.1.1 Daten der MVGmeinRad GmbH . . . . .                        . . . .         .   .   .   .   .   .   .   .   .   .   .   .    3
      2.1.2 Daten der Wetterstation des IPA der Uni                    Mainz           .   .   .   .   .   .   .   .   .   .   .   .    3
  2.2 Eingrenzung der meteorologischen Variablen . .                   . . . .         .   .   .   .   .   .   .   .   .   .   .   .    5
  2.3 Datenverarbeitung . . . . . . . . . . . . . . . .                . . . .         .   .   .   .   .   .   .   .   .   .   .   .    6
      2.3.1 Temperatur . . . . . . . . . . . . . . . .                 . . . .         .   .   .   .   .   .   .   .   .   .   .   .    6
      2.3.2 Niederschlag . . . . . . . . . . . . . . . .               . . . .         .   .   .   .   .   .   .   .   .   .   .   .    7
      2.3.3 MVG-Daten . . . . . . . . . . . . . . . .                  . . . .         .   .   .   .   .   .   .   .   .   .   .   .    7

3 Vergleich der Extrema in Wochensummen der MVG-Ausleihen mit Wet-
  terlagen                                                                                                                              8
  3.1 Vergleich der Jahresgänge der Temperatur und der Ausleihen . . . . . . . .                                                       8
  3.2 Vergleich zwischen Temperatur- und Ausleihenextrema . . . . . . . . . . . .                                                      16
  3.3 Fallbeispiel einer Wetterlage im Frühsommer 2016 . . . . . . . . . . . . . .                                                    20
  3.4 Weitere Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .                                              24

4 Ergebnisse der statistischen Datenauswertung                                                                                         26
  4.1 Zusammenhang zwischen Temperatur- und MVG-Daten . . . . . . . . . . .                                                            27
      4.1.1 Absolute Temperaturen . . . . . . . . . . . . . . . . . . . . . . . . .                                                    27
      4.1.2 Temperaturdifferenzen . . . . . . . . . . . . . . . . . . . . . . . . . .                                                  28
  4.2 Zusammenhang zwischen Niederschlags- und MVG-Daten . . . . . . . . . .                                                           30
      4.2.1 Auswirkung von Niederschlag . . . . . . . . . . . . . . . . . . . . . .                                                    30
      4.2.2 Auswirkung von Niederschlag im Bezug auf Wochentage . . . . . . .                                                          33
  4.3 Änderung des Verhaltens der MVGmeinRad-Nutzer bei extremen Tempera-
      turen und Niederschlägen in den einzelnen Jahreszeiten . . . . . . . . . . . .                                                  35
      4.3.1 Unterschiede in der Nutzung zwischen den Jahreszeiten allgemein . .                                                        35
      4.3.2 Auswirkungen von extremen Temperaturen und Niederschlägen in je-
             weiliger Jahreszeit . . . . . . . . . . . . . . . . . . . . . . . . . . . .                                               36

5 Fazit und Ausblick                                                                                                                   40

A Appendix                                                                                                                             42
  A.1 Verwendete statistische Methoden . .         .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   42
  A.2 Weitere Abbildungen . . . . . . . . . .      .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   44
  A.3 Literatur- und Quellenverzeichnis . . .      .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   46
  A.4 Danksagung . . . . . . . . . . . . . . .     .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   .   48

                                              ii
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
1     Einleitung
Immer mehr geraten die Fragen zum Beitrag des Menschen am Klimawandel durch Treib-
hausgasemissionen in den öffentlichen Vordergrund. Dabei spielt vor allem die Belastung
der Luft mit Feinstaub, welcher durch die enormen Mengen an Abgasen durch übermäßigen
Verkehr in die Atmosphäre gelangt, eine große Rolle. Noch mehr diskutiert ist wohl das
Thema CO2 -Ausstoß. Trotz gesteckter Klimaziele hat der Eintrag von Treibhausgasen durch
den Verkehrssektor im Jahr 2016 gegenüber 2015 um 3.4 % zugenommen, das enspricht
einer Menge von 5.4 Mio. Tonnen [1]. Damit verbucht dieser Sektor den stärksten Anstieg
und trägt damit keinen guten Teil zur Reduktion der anthropogenen Treibhausgasemission
bei. Um diesem Trend entgegen zu wirken, gibt es viele verschiedene Möglichkeiten. Eine
davon ist die Nutzung des Fahrrades statt des Autos, vor allem für Kurzstrecken, die man
im Alltag zurücklegen muss. Der Vorteil ist, man trägt nicht nur einen Teil zum Schutz des
Klimas bei, sondern fördert mit Bewegung auch die eigene Gesundheit.

Das Fahrradverleihsystem MVGmein-
Rad bietet in Mainz die Möglichkeit,
sich ein Fahrrad zu leihen: für beliebige
Zeiträume innerhalb von 24 Stunden
und an den verfügbaren Stationen
nach Wahl entnehm- und abstellbar.
Natürlich ist man als Radfahrer immer
dem Wetter ausgesetzt, so fällt die
Entscheidung mancher Nutzer, den
Weg zur Arbeit oder zum Einkauf mit
dem Fahrrad zurückzulegen je nach
Wetterlage bestimmt verschieden aus.
Dieser Einfluss scheint sich jedenfalls
in den Quoten der jährlichen Gesamt-
fahrten widerzuspiegeln: 2015 wurden            Abbildung 1: Station mit Mieträdern [2].
insgesamt ca. 4.2 % mehr Fahrten
getätigt als im darauffolgenden Jahr und das trotz über 3000 Neuanmeldungen in 2016. Je
                                                                                          ”
nachdem, an welchen Tagen und zu welchen Uhrzeiten die Temperaturen schwankten oder
es regnete, fuhren die Kunden weniger Rad. 2016 hatten wir zum Beispiel tendenziell mehr
Regen.“, so ein Zitat des MVGmeinRad-Geschäftsführers Michael Kraus in einem Artikel
der Allgemeinen Zeitung vom 06.04.2017 [3].
In dieser Arbeit wird der Einfluss des Wetters auf die Nutzung der MVG-Leihräder mit Hilfe
des Vergleichs zwischen den stündlich aufgelösten Gesamtanzahlen ausgeliehener Fahrräder
und den Wetterdaten der Wetterstation der Universität Mainz in Form von statistischen
Analysen untersucht.

Auf folgende grundlegende Fragen wird in der Analyse Bezug genommen:

    • Inwiefern beeinflusst die Lufttemperatur das Nutzerverhalten?

    • Haben größere Temperaturschwankungen eine stärkere Wirkung auf die Nutzung der
      Fahrräder als kleine?

    • Wie groß ist der Einfluss von Niederschlag auf die Leihfahrradfahrer?

    • Spielt die Niederschlagsmenge eine Rolle?

                                             1
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
• Gibt es einen Unterschied zwischen den einzelnen Wochentagen, wenn es regnet?

   • Inwiefern wirken sich extrem warme, kalte oder niederschlagsreiche Tage in den einzel-
     nen Jahreszeiten auf die Nutzer der MVG-Leihräder aus?

Am 21.04.2012 wurde das Fahrradverleihsystem offiziell eingeführt und steht seitdem Tag
und Nacht zur Verfügung. Die meisten Stationen befinden sich im Innenstadtbereich, je
nach Nachfrage werden immer wieder Stationen in umliegenden Stadtteilen neu auf- oder
auch wieder abgebaut. Auf der Website der Mainzer Verkehrsgesellschaft [4] sowie in der
MVGmeinRad-App lassen sich die aktuell verfügbaren Stationen mit jeweiliger Angabe
über die Anzahl freier Fahrräder oder Radboxen nachsehen, wie beispielhaft in Abbildung
2 dargestellt ist.

                                                     Eine der wichtigsten Zielgruppen sind
                                                     Studenten, weshalb sich einige Statio-
                                                     nen in der Umgebung der Universität
                                                     befinden. Diese liegt im Vergleich
                                                     zur Innenstadt auf einer Anhöhe, so
                                                     werden meist mehr Fahrräder an den
                                                     Stationen auf dem Campus entnom-
                                                     men als dort wieder abgestellt. Nicht
                                                     nur an der Universität, sondern im
                                                     gesamten Einzugsgebiet müssen täglich
                                                     Räder umverteilt werden, um eine
                                                     relativ gleichmäßige Verfügbarkeit zu
Abbildung 2: Übersichtskarte mit Anzahl freier gewährleisten. Grundsätzlich ist es für
Räder und Radboxen je Station [4].                  die Logistik des Unternehmens wich-
                                                     tig, die Umverteilung der Fahrräder
bestmöglich prognostizieren zu können. In der Software zur Verteilung werden aktuell schon
Wetterdaten des ZDF implementiert, eine stetige Verbesserung der Prognosen ist jedoch
wünschenswert, weshalb Informationen zum Einfluss des Wetters auf die Nutzer unter
anderem wichtig für die Optimierung der Umverteilungsstrategie sind.

In der Wettervorhersage ist ein essenzielles Ziel, die Vorhersagbarkeit stetig zu opti-
mieren. Zur bestmöglichen Planung gehört auch eine eventuelle Vorhersagbarkeit des
Nutzerverhaltens der MVGmeinRad-Kunden zu einer wesentlichen Intention. Mit Hilfe der
Analyse zum Einfluss des Wetters auf die Nutzer der Leihfahrräder kann möglicherweise die
Interpretation der Wettervorhersage zur bedingten Vorhersage der Fahrtenzahlen genutzt
werden.
Eine mögliche sich steigernde Prognostizierbarkeit kann Sicherheit in Planungsvorgängen
schaffen und damit auch ein Voranschreiten in der Vorbildfunktion solcher Projekte.
Sie können einen sehr wichtigen Beitrag im Umweltbewusstsein der Menschen leisten
und das nicht nur passiv, sondern in erster Linie durch die direkte Vermeidung von
Luftverschmutzung und CO2 -Ausstoß auch aktiv.

                                             2
Eine statistische Analyse zur Wetterabh angigkeit bei der Nutzung der MVG-Leihfahrr ader - Uni Mainz
2       Datengrundlage und Datenverarbeitung
2.1     Datengrundlage
Zur Untersuchung, inwiefern die Nutzung der Fahrräder des Mietradsystems MVGmeinRad
von verschiedenen meteorologischen Größen abhängig ist, werden die statistischen Daten
der MVGmeinRad GmbH (nachfolgend “MVG-Daten“ genannt), das heißt die stündlichen
Anzahlen ausgeliehener Fahrräder, und die Daten der Wetterstation der Universität Mainz
genutzt. Die Datensätze und ihre Verarbeitung werden im Folgenden vorgestellt.
Die MVG-Daten wurden von der MVGmeinRad GmbH bereitgestellt, eine Erklärung zur
ausschließlichen Verwendung dieser Daten für diese Arbeit wurde unterzeichnet und liegt
der MVGmeinRad GmbH vor.
Die Wetterdaten wurden aus der Wetterstation des Instituts für Physik der Atmosphäre der
Johannes Gutenberg-Universität Mainz bezogen.

2.1.1    Daten der MVGmeinRad GmbH
Die von der MVGmeinRad GmbH bereitgestellten Daten enthalten die Anzahl ausgeliehener
Mieträder pro Stunde im gesamten MVGmeinRad-Netz. Sie liegen ab dem 19.02.2014 um
10.00 Uhr vor. Das Fahrradverleihsystem existiert seit dem 21.04.2012, am 19.02.2014 gab
es eine Softwareumstellung, sodass die hier verwendeten stündlichen Daten erst ab dann
verfügbar sind. Vorher waren die Daten lediglich täglich aufgelöst, daher werden die Daten
erst ab diesem Datum verwendet.
Die zeitliche Auflösung der Daten ist, wie bereits erwähnt, stündlich. Aufgenommen werden
die Daten in der Zeitzone MEZ (Mitteleuropäische Zeit), beziehungsweise über Sommer in
der Zeitzone MESZ (Mitteleuropäische Sommerzeit).

2.1.2    Daten der Wetterstation des IPA der Uni Mainz
Diese Daten sind für den kompletten Zeitraum der Untersuchung (19.02.2014 - 10.10.2017),
dessen Beginn durch die Verfügbarkeit der MVG-Daten begrenzt ist, ebenfalls abrufbar.

Messfeld

Das Messfeld (Abb. 3) ist ein Teil der institutseigenen Wetterstation des Instituts für
Physik der Atmosphäre (IPA) der Uni Mainz und befindet sich auf dem Campusgelände
zwischen der Hauptpforte der Universität und dem Bretzenheimer Friedhof auf ungefähr
130 m über NN [5]. Die Koordinaten des Standorts sind 49.59◦ nördliche Breite und 8.13◦
östliche Länge [6]. Dort werden unter anderem die Lufttemperatur in verschiedenen Höhen
über dem Erdboden, der Druck, die Windstärke und -richtung oder auch die relative Feuchte
gemessen.
Für diese Untersuchung wird die Temperatur, welche zwei Meter über dem Boden gemessen
wird, genutzt. Die zeitliche Auflösung dieser Daten ist eine Minute, aufgenommen werden
sie in der Zeitzone UTC.

Messplattform

Der andere Teil der Wetterstation, die Messplattform, befindet sich auf dem Dach
der Naturwissenschaftlichen Fakultät der Uni Mainz, ca. 800 m nordöstlich des Messfeldes

                                             3
auf ungefähr 157 m über NN. Dort werden Strahlungsgrößen (Sonnenscheindauer, globale
und diffuse Strahlung) und die Niederschlagsmenge gemessen.
In dieser Arbeit werden die Niederschlagsdaten verwendet, welche eine zeitliche Auflösung
von 20 Sekunden haben..

    Abbildung 3: Wetterhütte und Messmast an der Wetterstation der Uni Mainz, [7].

Abbildung 4: Messplattform auf dem Dach der Naturwissenschaftlichen Fakultät der Uni-
versität Mainz [8].

                                            4
2.2    Eingrenzung der meteorologischen Variablen
Aus allen verfügbaren meteorologischen Größen, die theoretisch zur Untersuchung des Ein-
flusses des Wetters auf die Nutzung der MVG-Fahrräder verwendet werden könnten, wird
eine bestimmte Auswahl getroffen, da manche Größen in diesem Zusammenhang weniger
sinnvoll sind als andere. Außerdem wäre die Betrachtung aller verfügbarer Variablen in die-
ser Arbeit zu umfangreich. Daher wird der Fokus auf die nach eigener Einschätzung für
diese Untersuchung sinnvollsten“, primären Klimagrößen Lufttemperatur und Niederschlag
                     ”
gelegt, da diese die größte Wirkung auf den Wohlfühlfaktor für Aktivitäten an der frischen
Luft haben. Des Weiteren stehen diese beiden meteorologischen Größen bei der Definition
des Wetters im alltäglichen Verständnis im Vordergrund.
An der Wetterstation der Universität Mainz wird die Temperatur in verschiedenen Höhen
über und auch unter dem Boden gemessen. Verwendet wird hier die Temperatur, die in zwei
Metern über dem Grund gemessen wird. Diese Höhe gilt als Standard für die Messung der
Lufttemperatur und ist eine internationale Festlegung nach der WMO [9]. Gemessen wird
die 2-Meter-Temperatur in einer Wetterhütte, die das messende Thermometer vor Sonnen-
einstrahlung und Wärmestau schützt.
Neben der Temperatur ist auch der Niederschlag einer der entscheidenden Faktoren für
Tätigkeiten im Freien. Dabei spielt wohl die größere Rolle, ob es regnet oder nicht, als die
Niederschlagsmenge bzw. -intensität. Daher wird sich in der Auswertung der Daten meist
darauf beschränkt, ob es in einer Stunde Niederschlag gab oder nicht. Weitere Gründe für
diese Einschränkung sind in Abschnitt 4.2.1 erklärt.
Als weitere fühlbare“ Größe könnte man auch den Wind als mögliche zu analysierende Va-
             ”
riable in Betracht ziehen. So könnte ein eventueller negativer Einfluss durch besonders hohe
Windgeschwindigkeiten, vor allem bei Windrichtungen, welche kalte Luft herantranspor-
tieren (meist Nord oder Nord-Ost) gegeben sein. Allerdings treten genannte hohe Windge-
schwindigkeiten am Messstandort selten auf. Man betrachte dazu Abbildung 50a im Anhang,
die die Häufigkeitsverteilung der auftretenden stündlich gemittelten Windgeschwindigkeiten
beispielhaft für das Jahr 2017 zeigt. Frischer Wind, welcher nach der Beaufort-Skala [10]
ab ca. 8 ms definiert ist, tritt kaum auf, selbst mäßiger Wind ab ca. 5 ms vergleichsweise
eher selten. Die Betrachtung der Windstärke und auch Windrichtung wäre in einem Ge-
biet, in dem höhere Windgeschwindigkeiten kontinuierlicher vertreten sind, wie etwa in einer
Küstenregion, interessant. In der für diese Untersuchung betrachteten Region lässt sich ein
Zusammenhang zwischen dem Wind und der Veränderung der Leihfahrrad-Nutzung aller-
dings aus genannten Gründen eher schwer ableiten (siehe Abbildung 50b im Anhang).
Eine weitere vom Nutzer direkt gut wahrnehmbare meteorologische Variable ist die
Bewölkung. Allerdings ist die Wahrnehmung der Bewölkung sehr subjektiv und die Ver-
arbeitung der Strahlungswerte im Vergleich zu denen der Temperatur und des Niederschlags
eher komplex.
Gut mess- und verarbeitbare Größen wären beispielsweise auch der Luftdruck oder die re-
lative Feuchte. Sie sind aber im Vergleich zur Lufttemperatur und zum Niederschlag nur
indirekt oder sogar gar nicht vom Menschen wahrnehmbar, weshalb die Beschränkung in
dieser Analyse bei den zuletzt genannten beiden Variablen bleibt. Sollte an diese Arbeit eine
weitere angeschlossen werden, könnten allerdings beispielsweise Größen wie der Luftdruck,
Wind oder auch die mit der relativen Feuchte verbundene Taupunkttemperatur untersucht
werden.

                                              5
2.3       Datenverarbeitung
Alle Daten werden mit der Skripsprache Python 2.7 verarbeitet. Dazu zählt das Einlesen
der Dateien, die Verarbeitung und Anpassung der Daten, verschiedene Berechnungen und
das Plotten der Daten in Diagrammen.
Bevor Zusammenhänge zwischen den Ausleihe-Daten der MVG und den Wetterdaten
hergestellt werden können, müssen diese Daten in ein gleiches Format gebracht werden.
Das bedeutet vor allem, dass die Daten so bearbeitet werden müssen, dass sie in gleicher
zeitlicher Auflösung und in der gleichen Zeitzone vorliegen. Bei den Temperaturdaten
bedeutet dies eine stündliche Mittelung und bei den Niederschlagsdaten das Einteilen
in stündliche Summen, da die MVG-Daten nur stündlich vorliegen. Das Datums- bzw.
Zeitformat der Wetterdaten wird von UTC nach Lokalzeit verschoben, da die Daten der
MVG in MEZ bzw. MESZ aufgenommen sind und die Nutzer ebenfalls in dieser Zeitzone
agieren.
Die Daten der Wetterstation liegen als txt-File für jedes gesamte Jahr vor, daraus werden
das Datum mit Uhrzeit als datetime-Objekte eingelesen und die Temperatur- und Nieder-
schlagsdaten als floats (Gleitkommazahlen).
Jeder Stunde wird außerdem eine Zahl zugeordnet, welche den Wochentag angibt, zu dem
diese Stunde gehört. Dabei wird folgende Zuordnung vorgenommen:

0   =   Montag
1   =   Dienstag
2   =   Mittwoch
3   =   Donnerstag
4   =   Freitag
5   =   Samstag
6   =   Sonntag
7   =   Feiertag
8   =   Brückentag

Feier- und Brückentage [11], [12] werden extra eingeteilt, da diese später zusammen
mit den Wochenenden gesondert betrachtet werden. Diese Tage werden manuell zugeordnet,
da die meisten nicht für jedes Jahr gleich sind.

Beim Verarbeiten der Daten ist aufgefallen, dass es in den Wetterdaten zum einen
manchmal Fehlwerte und zum anderen teilweise doppelt aufgenommene Werte gibt. Da
die Temperaturdaten nachher zeitlich gemittelt und die Niederschlagsdaten stündlich
akkumuliert werden, sollten die Daten zeitlich konsistent sein. Dazu werden die Duplikate
zunächst eliminiert; es wird vorher überprüft, ob bei den mehrfach aufgenommenen Zeiten
auch die Werte der verwendeten meteorologischen Größen entsprechend identisch sind.
Ist dies der Fall, werden diese überflüssigen Wertepaare gelöscht. Die Fehldaten werden
mit Hilfe eines erstellten zeitlichen Gitters aufgefüllt. Ihnen wird jeweils der Wert -99.99
zugeordnet. Dieser Wert ist sowohl als Temperatur- als auch als Niederschlagswert nicht
realistisch, so dass er für spätere Berechnungen leicht identifiziert und gefiltert werden kann.

2.3.1      Temperatur
Um die Temperaturdaten auf die gleiche Auflösung (stündlich) wie die MVG-Daten zu be-
kommen, besteht die Möglichkeit, entweder einen punktuellen, repräsentativen Wert für jede
Stunde zu wählen oder alle Werte einer Stunde zu einem Wert zu mitteln. Aufgrund der ein-
facheren Berechnung wird zunächst die Variante des repräsentativen Wertes für eine Stunde,

                                                6
nämlich der zur jeweiligen 30. Minute, gewählt. Durch die Wahl des punktuellen Wertes
ergeben sich allerdings mehr Fehlwerte als bei der Bildung des arithmetischen Mittels der 1-
Minuten-Werte zu einem Stundenmittelwert. Außerdem sind die Differenzen zwischen diesen
beiden Varianten doch erheblich. Vor allem bei starken Temperaturschwankungen kann es
beim punktuellen Temperaturwert schnell zu Über- oder auch Unterschätzungen kommen.
Als maximale Abweichung haben sich für das Jahr 2017 beispielsweise 1.73◦ C am 12.07.2017
um 15.30 Uhr ergeben. Aufgrund dieser Ergebnisse wird als repräsentativer Temperatur-
wert einer Stunde nicht der punktuelle zur 30. Minute, sondern der Mittelwert aus 60 ×
1-Minuten-Werten verwendet.
Zur Bewertung, wie sich Temperaturschwankungen auf die Nutzung der Fahrräder auswirken
könnten, wird die Differenz dT zwischen zwei stündlichen Mittelwerten berechnet.

2.3.2   Niederschlag
Die Niederschlagsdaten der Wetterstation liegen als monatlich akkumulierte Werte mit einer
zeitlichen Auflösung von 20 Sekunden vor. Um zu berechnen, wie viele Millimeter es in
einer Stunde geregnet hat, wird aus den gesamten Daten immer der Wert zur vollen Stunde
gefiltert (xx:00:00). Die Differenz zum Wert aus der vorhergehenden Stunde ergibt dann
entsprechend die Summe des Niederschlags aus dieser Stunde. Die Niederschlagswerte sind
also stündliche Summen.
Zusätzlich zu den absoluten Werten wird eine logische (boolean) Liste erstellt: hat es in einer
Stunde nicht geregnet, wird dieser eine 0“ zugeordnet. Entsprechend erhalten Stunden, die
                                       ”
einen Niederschlagswert > 0 mm aufweisen, die Zuordnung einer 1“.
                                                                  ”

2.3.3   MVG-Daten
Die stündlichen Ausleihen der Leihfahrräder wurden von der MVGmeinRad GmbH als
csv-Files bereitgestellt. Zur einheitlichen Verarbeitung mit den Wetterdaten werden diese
csv-Files zunächst in txt-Files konvertiert.
Auch hier werden das Datum und die Zeit als datetime-Objekte eingelesen, die Anzahlen
der stündlichen Ausleihen als integer (ganze Zahlen).

Nach der Verarbeitung der verschiedenen Daten zu einer einheitlichen zeitlichen Auflösung
werden sie sowohl für den gesamten Beobachtungszeitraum als auch einzeln für die jeweiligen
Jahre 2014, 2015, 2016 und 2017 in txt-Files geschrieben. Die zur statistischen Analyse
dann verfügbaren Variablen sind:
Wochentag (als Zahl zwischen 0 und 8), Datum, Uhrzeit, stündlich gemittelte Temperatur
[◦ C], Differenz zur vorangehenden Stunde [◦ C], stündlich akkumulierter Niederschlag [mm],
Zuordnung ob in dieser Stunde Niederschlag gefallen ist oder nicht ( 1“ oder 0“) und
                                                                          ”         ”
Anzahl stündlicher Fahrradausleihen.

                                               7
3     Vergleich der Extrema in Wochensummen der
      MVG-Ausleihen mit Wetterlagen
In diesem Kapitel werden die Jahresgänge der Lufttemperatur mit denen der wöchentlichen
Fahrtenanzahlen in Bezug gesetzt, um einen grundsätzlichen Zusammenhang zwischen
der Nutzung des Leihradsystems und der Temperatur herzustellen. Außerdem werden
Anomalien in beiden Jahresgängen verglichen. Zur weiterführenden Analyse wird anhand
eines Fallbeispiels die Situation zu einer speziellen Wetterlage mit Hilfe weiterer Größen
(Niederschlag, Sonnenscheindauer, Wind) untersucht. Es werden weitere Beispiele zu
markanten Wetterlagen kurz aufgeführt und den Reaktionen der Nutzer der Leihfahrräder
gegenübergestellt.

3.1    Vergleich der Jahresgänge der Temperatur und der Ausleihen

Die Anzahlen der ausgeliehenen MVG-Fahrräder schwanken sowohl im Tages- als auch im
Jahresverlauf. Der Tageszyklus scheint dabei deutlich durch den grundsätzlichen Tagesablauf
der Nutzer bestimmt zu sein. Erkennbar ist dies am Verlauf des Graphen in Abbildung 5,
wo es Extrema zu bestimmten Uhr- bzw. Tageszeiten gibt. Inwiefern und wie stark sich die
Amplituden der Ausleihenzahlen während Stunden mit und ohne Niederschlag unterscheiden,
ist in Abschnitt 4.2.1 genauer erläutert. Die Abbildungen für die einzelnen Jahre 2014 bis
2017 finden sich im Appendix in Abschnitt A.2.

Abbildung 5: Mittelwert der stündlichen Fahrradausleihen, berechnet für den Zeitraum vom
19.02.14 bis 10.10.2017.

Bei der zeitlich größerskaligen Betrachtung der Anzahl der Fahrrad-Ausleihen im Jahresver-
lauf lässt sich ein klarer Jahresgang ausmachen. Man betrachte dazu das gleitende Mittel
der wöchentlichen Ausleihensummen aus allen Jahren (rote Kurve in Abbildung 6 bis 9).

                                             8
Abbildung 6: Wöchentliche Ausleihensummen für 2014 (hellblau). dunkelblau: gleitendes
Mittel mit w =3 (siehe Gl. 4 in A.1 im Appendix), rot: gl. Mittel (w =3) des Mittelwerts
2014 - 2017.

Abbildung 7: Wöchentliche Ausleihensummen 2015, Bedeutung der Kurven wie in Abb. 6.

                                           9
Abbildung 8: Wöchentliche Ausleihensummen 2016, Bedeutung der Kurven wie in Abb. 6.

Abbildung 9: Wöchentliche Ausleihensummen 2017, Bedeutung der Kurven wie in Abb. 6.

Die wöchentlichen Ausleihen verzeichnen einen stetigen Anstieg von ca. 4 000 zu Beginn des
Jahres bis zu einem Maximum von bis zu ca. 16 000 im Sommer. Dieses liegt ungefähr im
Zeitraum der 24. bis 30. Kalenderwoche, also Anfang/Mitte Juni bis Ende Juli. In dieser
Zeit werden in der Woche im Durchschnitt 12 000 bis 13 000 Fahrten getätigt. Danach fällt
die Summe der wöchentlichen Ausleihen wieder relativ kontinuierlich bis auf etwas weniger
als 5 000 am Ende des Jahres.
Diese Trends sind ähnlich denen der Lufttemperatur (gemessen in zwei Metern über dem
Boden) in Mainz. Dazu sind in den Abbildungen 10 bis 13 die Tagesmittel-, -maximum- und
-minimumtemperaturen für die Jahre 2014 bis 2017 dargestellt. Die dickeren Kurven zeigen
zur besseren Übersichtlichkeit die gleitenden Mittel über 7 Tage, also eine Woche. Auch hier
lässt sich das Minimum der Kurve wie beim Verlauf der wöchentlichen Fahrrad-Ausleihen
im zwei- bis dreimonatigen Zeitraum um den Jahreswechsel verordnen. Ebenfalls ist ein
Anstieg bis zum Maximum im Sommer und danach wieder ein Rückgang zu beobachten.
Unterschiede zwischen den beiden Jahresgängen lassen sich lediglich in der Lage der

                                             10
Maxima (Ausleihen-Maximum ungefähr im Juni/Juli, Temperatur-Maximum ungefähr im
Juli/August) feststellen. Ein Grund hierfür könnte der hohe Einfluss der Nutzergruppe der
Studenten sein, welche aufgrund der vorlesungsfreien Zeit im Hochsommer das Leihradsys-
tem möglicherweise weniger nutzen als über das Semester.

Abbildung 10: Temperaturen 2014, schwarz: Tagesmitteltemperatur, rot: Tagesmaximum-
temperatur, blau: Tagesminimumtemperatur. Die dickeren Kurven stellen jeweils das glei-
tende Mittel mit w = 7 (siehe Gleichung 4 in Abschnitt A.1 im Appendix) dar.

        Abbildung 11: Temperaturen 2015, Bedeutung der Kurven wie in Abb. 10.

                                            11
Abbildung 12: Temperaturen 2016, Bedeutung der Kurven wie in Abb. 10.

Abbildung 13: Temperaturen 2017, Bedeutung der Kurven wie in Abb. 10.

                                 12
Vor allem in den Sommermonaten und auch teilweise im Frühjahr und Herbst schwankt die
Quote der Ausleihen von Woche zu Woche mitunter stark.
Erkennbar ist dies zum einen am Unterschied zwischen dem gleitenden Mittel der
wöchentlichen Ausleihen des jeweiligen Jahres (blaue Kurven in Abbildungen 6 bis 9) und
dem gleitenden Mittel des Mittelwerts aus allen Jahren (hellrote Kurve in Abbildungen
6 bis 9). In diesem Zeitraum liegen die beiden Kurven oftmals weit auseinander, positive
Anomalien gegenüber dem Mittelwert (blaue Kurve über hellroter Kurve) bedeuten,
dass in der Woche des entsprechenden Jahres mehr Fahrräder ausgeliehen wurden als im
Durchschnitt der vier Jahre. Umgekehrt bedeuten negative Anomalien (hellrote Kurve
über blauer Kurve), dass in der Woche des betrachteten Jahres die Zahl der Ausleihen
eher unterdurchschnittlich gewesen ist. In den Wintermonaten, im zeitigen Frühjahr und
im Spätherbst sind die beiden Kurven ähnlicher, die Differenzen zwischen jeweiligem Jahr
und Mittelwert aller Jahre sind weniger groß. Es bleibt zu beachten, dass der Mittelwert
aus den vier Jahren nur bedingt aussagekräftig ist, da mit n = 4 der Stichprobenraum
sehr klein ist. Außerdem sind die Kalenderwochen der einzelnen Jahre nicht vollkommen
übereinstimmend im Datum. Daher dient das gleitende Mittel des Mittelwertes aus den
vier Jahren mehr zu einer groben Orientierung, in welchem Bereich sich die wöchentlichen
Fahrrad-Ausleihensummen befinden.
Weiterhin sind die größeren Schwankungen der Ausleihen in der wärmeren Jahreshälfte
direkt in den Wochensummen erkennbar: die Differenzen zwischen den einzelnen Wochen
sind in diesen Monaten meist größer (größere “Zacken“) als in denen der kühleren Jah-
reshälfte (kleinere “Zacken“). Dies ist vergleichbar mit den verschieden hohen Amplituden
des Hintergrundrauschens einer Signalmessung. Verdeutlicht wird dies auch noch einmal
in den Abbildungen 14 bis 17: Die größeren Differenzen der Ausleihen zur vorangehenden
Woche konzentrieren sich eher in der Jahresmitte.

          Abbildung 14: Differenzen der wöchentlichen Ausleihensummen 2014.

                                           13
Abbildung 15: Differenzen der wöchentlichen Ausleihensummen 2015.

Abbildung 16: Differenzen der wöchentlichen Ausleihensummen 2016.

                               14
Abbildung 17: Differenzen der wöchentlichen Ausleihensummen 2017.

Dieses Ergebnis lässt darauf schließen, dass äußere Einwirkungen wie das Wetter in der
wärmeren Jahreshälfte möglicherweise größere Einflüsse auf die Entscheidung der Nutzer
haben, sich ein Rad zu leihen oder nicht, als in der kühleren Jahreshälfte.
So kann man davon ausgehen, dass es bei wärmeren Temperaturen, zusätzlich zu den re-
gelmäßigen Vielfahrern, mehr Gelegenheitsfahrer gibt, die durch das schöne Wetter zum
Radfahren motiviert sind. Ebenso werden diese Gelegenheitsfahrer aber auch bei Schlecht-
wetterphasen im Sommer, Frühjahr oder Herbst wahrscheinlich eher auf das Radfahren ver-
zichten als die Vielfahrer. Dies würde ebenfalls die stärkeren Schwankungen zur Jahresmitte
erklären.

                                             15
3.2    Vergleich zwischen Temperatur- und Ausleihenextrema
Die nachfolgenden Beispiele verdeutlichen die Annahme, dass größere und/oder längerfristige
Extrema in den Anzahlen der Fahrradausleihen durch starke und/oder länger anhaltende
Temperaturanomalien beeinflusst werden.

2014:     In den Kalenderwochen 29 bis 32 (14.07.14 bis 10.08.14) ist ein prägnantes
Maximum in den Ausleihenzahlen zu erkennen, gefolgt von einem starken Einbruch in den
darauffolgenden drei Wochen (KW 33 bis 35, 11.08.14 bis 31.08.14).
Äquivalent dazu gab es Mitte Juli bis Mitte August eine hochsommerliche Periode mit
Tagesmaximumtemperaturen zwischen 25 und 30 ◦ C. Daran schloss sich eine kühlere Phase
an, in der die Tageshöchstwerte unter 20 ◦ C sanken.

      Abbildung 18: Wöchentliche Ausleihensummen 2014, Extrema im Juli / August.

              Abbildung 19: Temperaturen 2014, Extrema im Juli / August.

                                             16
2015: Anfang April gab es einen relativ starken Temperaturanstieg im Tagesmittel von ca.
6 ◦ C auf ca. 14 ◦ C. Analog dazu lässt sich ein extremer Zuwachs an Ausleihen beobachten.
Eine noch größere Temperaturzunahme erkennt man Anfang Juli, wo Temperaturen über
30 ◦ C erreicht wurden. Auch in dieser Zeit ist ein Wachstum in den Ausleihen-Zahlen zu
sehen (KW 27, 29.06.15 bis 05.07.15), allerdings ist dieses nicht so ausgeprägt. Möglicherweise
hat ersteres ein “Frühlingserwachen“ hervorgerufen, wohingegen es bei dem Anstieg im Juli
teilweise schon zu heiß gewesen sein könnte. Ein weiterer Grund für einen nicht so extremen
Zuwachs wäre die Ausgangslage: im April lag die Anzahl der wöchentlichen Ausleihen bei
ca. 6 000 vor dem Ereignis, im Juli aber schon bei ca. 11 000, sodass das mögliche Ausmaß
eines Anstiegs auch zu einer Kapazitätsfrage wird.

     Abbildung 20: Wöchentliche Ausleihensummen 2015, Extrema im April und Juli.

              Abbildung 21: Temperaturen 2015, Extrema im April und Juli.

                                               17
2016: Ein ähnliches Beispiel wie im April 2015 findet man auch im fast gleichen Zeitraum
im Jahr 2016: ein starker Temperaturanstieg Ende April / Anfang Mai (KW 16 bis 18)
korreliert mit einem extremen Anstieg in den Fahrradausleihen.
Im Spätsommer (KW 34 bis 38, 22.08.16 bis 25.09.16) wurde es noch einmal sehr warm
(Tagesmaxima über 30 ◦ C), man erkennt entsprechend eine positive Anomalie in den
Ausleihen-Zahlen; davor gab es ein kleines “Sommerloch“ - sowohl bei den Quoten der
Ausleihen als auch bei den Lufttemperaturen.

Abbildung 22: Wöchentliche Ausleihensummen 2016, Extrema im April / Mai und
August / September.

  Abbildung 23: Temperaturen 2016, Extrema im April / Mai und August / September.

                                           18
2017: Ende März gab es erste sommerliche Temperaturen, die Auswirkung ist deutlich
in der Quantitätssteigerung der Fahrradausleihen erkennbar (KW 13 bis 14, 27.03.17 bis
09.04.17). Gefolgt wurde dieser Aufschwung von einem Temperatursturz von über 20 ◦ C
Tagesmaximaltemperatur auf weniger als 10 ◦ C, verbunden mit einem Einbruch in den Aus-
leihen.

     Abbildung 24: Wöchentliche Ausleihensummen 2017, Extrema im März / April.

             Abbildung 25: Temperaturen 2017, Extrema im März / April.

                                          19
3.3    Fallbeispiel einer Wetterlage im Frühsommer 2016
Neben der Temperatur scheint auch der Niederschlag einen enormen Einfluss auf die
Leihfahrrad-Nutzer zu haben. Durchschnittlich geht die Zahl der Ausleihen im Fall von
Regen um ca. 45 % zurück (dieses Ergebnis ist in Abschnitt 4.2.1 ausführlich erläutert).
Da Niederschlagsereignisse aber meist auf einer deutlich kürzeren Zeitskala stattfinden als
Temperaturschwankungen (bei gefiltertem Tagestrend), lässt sich diese Feststellung im
Jahresverlauf nicht deutlich genug widerspiegeln. Daher wird als Beispiel zur Erläuterung
dieser Auswirkungen ein kürzerer Zeitraum gewählt und die Wetterlage Mitte Mai bis Mitte
Juni 2016 genauer betrachtet.

Abbildung 26: Wöchentliche Ausleihensummen 2016, extreme Schwankungen Ende Mai bis
Mitte Juni.

Abbildung 26 zeigt die wöchentlichen Summen der Fahrradausleihen im Jahr 2016. In den
Kalenderwochen 21 bis 24 (23.05.16 bis 19.06.16) lässt sich ein deutlicher Einbruch erkennen,
mit Ausnahme eines lokalen Maximums in der 23. Woche. Die Zahlen sinken von mehr als
12 000 in KW 20 über nur noch 10 600 in KW 21 auf ca. 10 000 in KW 22. Nach einem
kurzen positiven Ausreißer in KW 23 mit knapp 13 000 gehen die Zahlen noch weiter zurück,
bis auf etwas über 9 000 Ausleihen in der Woche, danach steigen sie wieder an. Die Quoten
dieses Zeitraumes (ausgenommen KW 23) liegen somit deutlich unter dem Durchschnitt der
vier Jahre, welcher in dieser Zeit bei etwa 11 500 - 12 500 liegt.
Der erste Einbruch in KW 21 - 22 könnte mitunter durch viel Niederschlag zu erklären sein.
Ab dem 22.05.16 gab es über mehrere Tage viele Gewitter in der Region. Da eher geringe
Windgeschwindigkeiten herrschten (siehe dazu Abbildung 28, Ende Mai durchschnittliche
Windgeschwindigkeiten von maximal 5 ms an der Wetterstation), zogen die Gewitter nur
langsam, sodass es lokal zu viel Regen kam (an der Wetterstation der Uni Mainz gemessen:
47 mm im Zeitraum vom 26. - 30.05.16, siehe Abbildung 27). Außerdem war es in dieser Zeit
relativ kühl, mit durchschnittlich ungefähr 16 ◦ C.
In der darauffolgenden Woche (KW 23, 06.06. - 11.06.16) ließ sich sowohl in den Quoten
der Fahrradausleihen als auch in den Wetterdaten ein kurzer sommerlicher Aufschwung ver-
zeichnen. Es war weiterhin relativ windstill (Abb. 29), wurde aber wärmer, regnete fast gar
nicht (Abb. 27) und die Sonne schien täglich viele Stunden (Abb. 30b) In den vorangehenden

                                             20
beiden Wochen gab es vergleichsweise nicht extrem wenig Sonnenstunden, man sollte aller-
dings beachten, dass der viele Niederschlag hauptsächlich durch Gewitter verursacht wurde.
Diese existieren auf einer eher kurzen Zeitskala, sodass es zwischendrin sehr wohl auch zu
sonnenreichen Stunden gekommen sein kann.
Nach der kurzen Schönwetterphase schloss sich der Durchzug eines Tiefdruckgebietes an,
welches wieder sinkende Temperaturen, auffrischenden Wind, viel Niederschlag und entspre-
chend weniger Sonne mit sich brachte (Abb. 27, 29, 30b). Außerdem gab es auch in dieser
Zeit wieder Gewitter; der Durchgang der Böenfronten der Gewitter lässt sich an den Wind-
spitzen zum Beispiel am 14.06. und 25.06. in Abbildung 29 in Verbindung mit Regenmaxima
an den gleichen Tagen in Abbildung 27 erkennen.

Abbildung 27: An der Wetterstation der Universität Mainz (Messplattform Naturwissen-
schafliche Fakultät) gemessene tägliche Niederschlagssummen [mm] Mai und Juni 2016.

Abbildung 28: An der Wetterstation der Universität Mainz (Messfeld) gemessene Windge-
schwindigkeiten [ ms ] im Mai 2016, rot: Maxima, grün: 10-min-Mittel, [13].

                                            21
Abbildung 29: An der Wetterstation der Universität Mainz (Messfeld) gemessene Windge-
schwindigkeiten [ ms ] im Juni 2016, rot: Maxima, grün: 10-min-Mittel, [13].

     (a) Tägliche Sonnenscheindauer, Mai 2016        (b) Tägliche Sonnenscheindauer, Juni 2016

Abbildung 30: An der Wetterstation der Universität Mainz (Messplattform Naturwissen-
schaftliche Fakultät) gemessene tägliche Sonnenscheindauern [min] im Mai und Juni 2016.

Insgesamt war der Sommer im Jahr 2016 durchaus wechselhaft, es konnte sich keine stabile
Hochdrucklage einstellen, welche den Durchzug von Tiefdruckgebieten blockieren konnte.
Die Großwetterlagen bestimmen sehr das Sommerwetter über Mitteleuropa. Vergleicht
man dazu die Situation im Jahr davor, lässt sich möglicherweise auch erklären, warum die
Gesamtzahlen der Fahrradausleihen im Jahr 2016 (ca. 460 000 Fahrten) gegenüber 2015 (ca.
480 000 Fahrten) zurückgegangen waren.
Der Sommer 2015 war geprägt durch mehrere Hitzewellen, hervorgerufen durch stabile
Hochdrucklagen. Der dadurch ausbleibende Regen machte 2015 zum trockensten Jahr der
letzten Dekade in Mainz, wohingegen 2016 eines der nassesten Jahre war und nur von 2010
übertroffen wird. So wurde im Juni 2016 bereits die Niederschlagsmenge erreicht, die 2015
im ganzen Jahr gefallen war - dies zeigen die Pfeile in Abb. 31.

Im oben betrachteten Zeitraum der KW 21 bis 24 (Mitte Mai bis Mitte Juni) lagen
die Zahlen der wöchentlichen Summen der Fahrradausleihen im Jahr 2016 mit ∼9 200 bis
10 500 (Ausnahme KW 23, ∼13 000) wie schon erwähnt unter dem Durchschnitt der vier
vorliegenden Jahre. Die Zahlen dieses Zeitraums in 2015 liegen dagegen im Durchschnitt mit
∼11 200 bis 14 000 deutlich darüber. Ein Beispiel der Großwetterlage über Europa für einen
Tag in KW 24 des Jahres 2016 ist in Abbildung 32b, für 2015 in Abbildung 32a dargestellt.

                                                 22
Abbildung 31: Akkumulierte Jahresniederschläge [mm] für 2009 bis 2017 [14], abgeändert.

     (a) Großwetterlage (Bodendruckkarte)   (b) Großwetterlage (Bodendruckkarte)
     am 17.06.15, 00 UTC [15]               am 16.06.16, 00 UTC [15]

Abbildung 32: Bodendruckkarten für den 17.06.15 und 16.06.16; 2015: hohe Anzahl Fahrrad-
ausleihen, Wetter: Hochdrucklage, trocken, warm; 2016: geringe Anzahl Fahrradausleihen,
Wetter: Durchzug eines Tiefdruckgebietes, Regen, kühl, Gewitter.

                                            23
3.4     Weitere Beispiele
In den folgenden beiden Tabellen sind weitere Beispiele aufgeführt, an denen die Korrelation
zwischen vorliegenden Merkmalen der Wetterlage und positiven beziehungsweise negativen
Extrema in den Zahlen der Fahrradausleihen erkennbar ist.

2016:

 Zeitraum             Extremum             Merkmale der Wetterlage
                      Ausleihen
 KW 12 - 18          positiv               vorher viel Sonne, aber kalt; ab ca. 19.03.
 21.03.16 - 08.05.16 KW 12: ∼ 6000         durchwachsener und wärmer;
                     KW 18: ∼ 13500        April insgesamt typisch wechselhaft (aber Se-
                                           mesterbeginn!);
                                           erste Maiwoche (KW 18) warm, fast kein Nie-
                                           derschlag, sonnig

 KW 21 - 24          negativ               siehe Abschnitt 3.3
 23.05.16 - 19.06.16 (KW 21, 22, 24)
                     positiv
                     (KW 23)

 KW 31               negativ               mehrere Tage beständiger Regen (keine Ge-
 01.08.16 - 07.08.16 KW 30: ∼ 13500        witter!);
                     KW 31: ∼ 10500        Temperaturen schwanken kaum im Tagesgang,
                                           aber insgesamt eher kühl (< 20 ◦ C)

 KW 34 - 38          positiv               Großwetterlage: Hoch mit warmen bis heißen
 22.08.16 - 25.09.16 ∼ 15 bis 20 % über   Temperaturen > 30 ◦ C, kaum Regen, viel
                     dem Mittelwert        Sonne;
                                           warme bis heiße erste Septemberhälfte, danach
                                           frühherbstlich, aber im ganzen September sehr
                                           wenig Niederschlag (gesamt nur 14.7 mm)

 KW 40               negativ               milde Temperaturen, aber viel Regen (ca.
 03.10.16 - 09.10.16 -20 % zur Vorwo-      27 mm in 4 Tagen) und windig
                     che

Tabelle 1: Gegenüberstellung von markanten positiven und negativen Anomalien in
wöchentlichen Ausleihensummen und entsprechenden Wetterlagen in diesen Zeiträumen für
das Jahr 2016, [13], [16].

                                             24
2017:

 Zeitraum             Extremum              Merkmale der Wetterlage
                      Ausleihen
 KW 12 - 14          positiv                steigende Temperaturen, kein Niederschlag
 20.03.17 - 09.04.17 KW 12: ∼ 7500
                     KW 13: ∼ 10500

 KW 15 - 16          negativ                Großwetterlage: Hoch im Westen → Nordwind
 10.04.17 - 23.04.17 KW 14: ∼ 10000         → sinkende Temperaturen, sogar Frost;
                     KW 16: ∼ 7300          viel Regen (Maximum am 17.04.17 (Ostermon-
                                            tag) mit ca. 10 mm)

 KW 19 - 20          positiv                sommerlich warme Periode zwischen kalt-
 08.05.17 - 21.05.17 KW 18: ∼ 8000          frostigem erstem Monatsdrittel und Gewitter
                     KW 20: ∼ 12500         Ende Mai;
                                            eher wenig Niederschlag

 KW 33 - 36          positiv                nach Unwettern Mitte August mäßige, nicht
 14.08.17 - 10.09.17 KW 32: ∼ 9000          zu heiße Temperaturen (meist zwischen 20 und
                     KW 34: ∼ 11500         25 ◦ C) bis Anfang September;
                                            wenig, Anfang September kein Regen

 KW 37               negativ                Tiefdruckgebiet bringt viel Regen und
 11.09.17 - 17.09.17 KW 36: ∼ 10000         Abkühlung;
                     KW 37: ∼ 7000          gesamter September kühler im Vergleich zu 2016

Tabelle 2: Gegenüberstellung von markanten positiven und negativen Anomalien in
wöchentlichen Ausleihensummen und entsprechenden Wetterlagen in diesen Zeiträumen für
das Jahr 2017, [14], [16].

Die qualitative Auswertung zum Vergleich zwischen verschiedenen Wetterlagen und der Nut-
zung der Leihfahrräder zeigt, dass der Einfluss des Wetters in den Quoten der wöchentlichen
Fahrten deutlich sichtbar ist. Vor allem in der wärmeren Jahreshälfte zeigen sich die Auswir-
kungen der unterschiedlichen Witterungen. So bewirken Schönwetterlagen, also angenehm
warme Temperaturen und kein Regen, klare positive Extrema in den wöchentlichen Auslei-
henzahlen. In kühleren Perioden, bei Unwettern oder anhaltendem Regen dagegen werden
die Fahrräder weniger genutzt.

                                              25
4    Ergebnisse der statistischen Datenauswertung
Dieses Kapitel beinhaltet die statistische Analyse des Zusammenhangs der Temperatur-
und Niederschlagsdaten mit den MVG-Daten. Im Vergleich zur weitgehend qualitativen Be-
trachtungsweise in Kapitel 3 werden hier vor allem quantitative Zusammenhänge dargestellt.

Bei der Beurteilung des Einflusses der Lufttemperatur auf die Nutzer der Leihfahrräder
werden sowohl absolute Temperaturen als auch Temperaturschwankungen ausgewertet.
Bei der Auswertung des Einflusses von Niederschlag auf das Verhalten der Nutzer wird der
Fokus darauf gelegt, inwiefern Änderungen sichtbar sind, wenn es überhaupt regnet, also
weniger auf den Einfluss der Niederschlagsmenge. Eine Begründung dafür ist die Nieder-
                                                                                    ”
schlagsarmut“ des Rhein-Main-Gebietes und die Seltenheit größerer Niederschlagsmengen
innerhalb einer Stunde. Eine ausführliche Erläuterung dazu findet sich in Abschnitt 4.2.
Für diese Ergebnisse werden jeweils die Daten des gesamten Beobachtungszeitraumes, also
vom 19.02.2014 bis zum 10.10.2017, verwendet.
Um herauszuarbeiten, inwiefern sich die Wirkung der meteorologischen Größen auf das
Verhalten der Leihfahrradnutzer mit den Jahreszeiten ändert, wird zusätzlich noch eine
Auswertung besonders warmer, kalter und niederschlagsreicher Tage jeweils im Frühling,
Sommer, Herbst und Winter betrachtet.

Zu einer ersten Einschätzung, wie die Anzahlen der stündlichen Fahrten mit den
MVG-Rädern verteilt sind, ist in Abbildung 33 dargestellt, wie oft eine gewisse Anzahl im
Beobachtungszeitraum aufgetreten ist. Der Mittelwert liegt bei 53 und der Median bei 45
Fahrten pro Stunde. Wie in Abbildung 33 erkennbar, treten geringere Werte häufiger auf,
es gibt aber auch einige extreme Stunden, in denen das Fahrradverleihsystem sehr stark
nachgefragt wurde.

Abbildung 33: Histogramm auftretender stündlicher Fahrten vom 19.02.14 bis 10.10.17, In-
tervallgröße: 10 stündliche Fahrten.

                                            26
4.1     Zusammenhang zwischen Temperatur- und MVG-Daten
4.1.1   Absolute Temperaturen
Abbildung 34 zeigt die Verteilung der Anzahl der Fahrradausleihen in Abhängigkeit von der
Temperatur.
Nachts (0 bis 6 Uhr) konzentrieren sich die Werte eher bei geringen Zahlen und sind prinzipiell
gleichmäßiger verteilt als tagsüber (6 bis 24 Uhr), es gibt nur eine schwache Tendenz zu
größeren Ausleihenzahlen bei höheren Temperaturen. Im Vergleich dazu ist der proportionale
Zusammenhang tagsüber deutlicher zu erkennen: mit steigenden Temperaturen steigt auch
die Anzahl der stündlichen Fahrten. Somit scheint das Nutzerverhalten tagsüber stärker von
der Temperatur beeinflusst zu sein als nachts, man beachte dabei allerdings die Spannweite
der auftretenden Temperaturen: Zwischen 0 und 6 Uhr wurden Temperaturen im Intervall
von -11 ◦ C bis +27 ◦ C gemessen, davon die meisten im Intervall von 6 ◦ C bis 15 ◦ C. Zwischen
6 und 24 Uhr dagegen wurden Temperaturen im Intervall von -11 ◦ C bis +37 ◦ C gemessen,
die meisten davon zwischen 4 ◦ C und 6 ◦ C sowie zwischen 8 ◦ C und 20 ◦ C.

Abbildung 34: Anzahl Fahrradausleihen in Abhängigkeit von stündlich gemittelten Tempe-
raturen [◦ C] tagsüber (blau) und nachts (orange).

Zur Übersicht, wie oft Temperaturen innerhalb eines bestimmten Intervalls überhaupt
an der Wetterstation innerhalb des Beobachtungszeitraumes gemessen wurden, dient
Abbildung 35. Die Häufigkeitsverteilung ist annähernd gaußförmig, im Intervall von ca.
± 6 ◦ C um den Mittelwert, welcher bei 11.89 ◦ C liegt, ist sie etwas abgeflacht. Hierbei ist zu
beachten, dass der genannte Mittelwert nicht dem der Jahresmittelwerte von 2014 bis 2017
entspricht, da aus 2014 die Zeiträume 01.01. - 18.02. und 24.10. - 09.11. fehlen, sowie aus
2017 der Zeitraum 11.10. - 31.12. Der eigentliche Mittelwert der Jahresmittelwerte ist also
etwas geringer. Am häufigsten treten im Beobachtungszeitraum Temperaturen zwischen 4
und 5 ◦ C und zwischen 8 und 17 ◦ C auf.

Die geringere Dichte der Punkte in Abbildung 34 bei hohen und niedrigen Tempera-
turen ist also dadurch zu erklären, dass diese Temperaturwerte nicht so oft auftreten, was
Abbildung 35 verdeutlicht ist.

                                              27
Abbildung 35: Histogramm auftretender, stündlich gemittelter Temperaturen vom 19.02.14
bis 10.10.17, Intervallgröße: 1 ◦ C.

4.1.2   Temperaturdifferenzen
Ein annähernd linearer Zusammenhang ist zwischen den absoluten Temperaturwerten und
der Anzahl der Fahrradausleihen erkennbar. Interessant ist es auch, das Verhalten der Nut-
zer bei unterschiedlich starken Temperaturschwankungen zu untersuchen. Dazu sind in Ab-
bildung 36 die Temperaturdifferenzen dT innerhalb einer Stunde gegen die Anzahlen der
stündlichen Fahrten aufgetragen.

Abbildung 36: Anzahl Fahrradausleihen in Abhängigkeit von stündlichen Temperaturdiffe-
renzen [◦ C] tagsüber (rot) und nachts (orange).

Auch hier ist wie bei den absoluten Temperaturen in Abbildung 34 nachts eine Konzen-
tration bei geringeren Werten zu beobachten. Insgesamt ist diese Verteilung annähernd
glockenförmig mit einem Maximum bei dTmed = -0.04 ◦ C (Median) und einem Mittelwert
von dTmean = 0.01 ◦ C.

                                           28
Die Ausleihenzahlen konzentrieren sich bei großen Temperaturdifferenzen eher im mittleren
Bereich, ungefähr zwischen 50 und 100. Eine mögliche Erklärung wären hier die Temperatur-
schwankungen bei Sommergewittern mit großen dT auf kurzer Zeitskala, während gleichzeitig
in der warmen Jahreszeit die Anzahlen der Fahrten tendenziell höher liegen als in der kühlen.

Eine weitere mögliche Erklärung ist der Tagesgang der Ausleihenzahlen (siehe Abbildung 41
in Abschnitt 4.2.1): die Maxima liegen in Tageszeiten, in denen die Temperaturzunahmen
(morgens) und -abnahmen (abends) im Tagesverlauf am größten sind.
Auch die Drängung der Punkte nachts bei negativen dT und tagsüber eher bei positiven dT
lässt sich mit Hilfe des Tagesganges der Anzahlen der Fahrten veranschaulichen: zwischen 0
und 6 Uhr nehmen die Temperaturen grundsätzlich eher ab als zu, zwischen 6 und 24 Uhr
treten beide Fälle auf, weshalb die Verlagerung der Drängung tags (rot) auch nicht so stark
ist wie nachts (orange).

Abbildung 37: Histogramm auftretender stündlicher Temperaturdifferenzen vom 19.02.14 bis
10.10.17, Intervallgröße: 0.1 ◦ C.

Durch die Erklärung der Verteilung mit Hilfe des mittleren Tagesganges der Ausleihen
scheint die Abhängigkeit von Temperaturschwankungen weniger stark gegeben als die
Abhängigkeit von den absoluten Temperaturen. Dies ist mit Sicherheit auch dadurch
gegeben, dass sehr große Schwankungen tendenziell eher selten auftreten, wie in Abbildung
37 erkennbar ist.
Die Randbereiche, also größere Temperaturdifferenzen, könnten wie oben beschrieben,
durch Gewitterlagen vor allem im Sommer oder auch durch Frontdurchgänge von Tief-
druckgebieten zu erklären sein. Da letztere das ganze Jahr über auftreten können, sind die
Ausleihenzahlen in den Randbereichen bei großen dT eher weit gestreut.

                                              29
4.2     Zusammenhang zwischen Niederschlags- und MVG-Daten
4.2.1   Auswirkung von Niederschlag
Abbildung 38 zeigt den Zusammenhang zwischen stündlichen Niederschlagsmengen und der
Anzahl stündlicher Fahrradausleihen. Dabei ist deutlich zu erkennen, dass vor allem bei sehr
geringem oder gar keinem Niederschlag viele Fahrten getätigt werden. Die Zahlen sinken bei
Niederschlag sofort rapide ab und es ist eine leichte Tendenz dahingehend zu erkennen, dass,
je mehr Regen in einer Stunde fällt, je weniger werden die Fahrräder genutzt.
Allerdings lässt sich anhand dieses Diagramms auch feststellen, dass die meisten stündlichen
Niederschlagswerte weniger als 3 mm betragen. Das bedeutet, dass starke Niederschlagser-
eignisse in Mainz eher selten vorkommen. Daher wurde auch der Ausschnitt von 0 bis 10 mm
gewählt, es gibt lediglich vier Ereignisse innerhalb des Zeitraums vom 19.02.14 bis 10.10.17,
bei denen innerhalb einer Stunde mehr als 10 mm Niederschlag gemessen wurde, die beiden
höchsten davon mit 19.3 mm und 19.9 mm am 10.07.14 und am 25.06.16. Alle markanten
Stundensummen liegen im späten Frühjahr oder im Sommer, sodass diese extremen Werte
aufgrund der Jahreszeit mit großer Wahrscheinlichkeit lokalen Gewitterereignissen zuzuord-
nen sind.

Abbildung 38: Anzahl Fahrradausleihen in Abhängigkeit von stündlich akkumulierten Nie-
derschlagswerten [mm], Ausschnitt 0 bis 10 mm.

Die Verteilung der stündlichen Niederschlagsmengen ist für den Beobachtungszeitraum in
Abbildung 39 dargestellt. Abbildung 39b zeigt dabei die Vergrößerung des Histogramms im
Bereich der Anzahlen von 0 bis 100, um die wenigen extremen Niederschlagswerte erkennbar
zu machen.

Nicht nur größere stündliche Niederschlagssummen kommen in Mainz eher selten vor,
der gesamte Jahresniederschlag ist im Rhein-Main-Gebiet mit 500 - 600 mm im Vergleich
zu anderen umgebenden Gebieten in Deutschland relativ gering. Dazu betrachte man die
Übersichtskarte zur Niederschlagsklimatologie von 1961 - 1990 im Anhang (Abb. 51).

                                             30
(a)                                            (b)

Abbildung 39: (a) Histogramm auftretender stündlich akkumulierter Niederschlagswerte vom
19.02.14 bis 10.10.17, Intervallgröße: 0.5 mm; (b) Vergrößerung von (a) im Bereich 0 bis 100.

Im Beobachtungszeitraum von Mitte Februar 2014 bis Mitte Oktober 2017 wurde an der
Wetterstation innerhalb 2 251 von insgesamt 31 896 Stunden Niederschlag detektiert, das
sind nur etwa 7 %. Die tatsächliche Zeit sollte dabei noch geringer sein, da es sich bei
den hier verwendeten Werten um Stundensummen handelt. Außerdem sollte grundsätzlich
bedacht werden, dass der Niederschlag eine Variable ist, die lokal sehr unterschiedlich
sein kann. Aus diesen Gründen wird sich nachfolgend nur darauf bezogen, ob es in einer
Stunde geregnet hat oder nicht, da für die Unterscheidung nach Niederschlagsmengen der
Stichprobenraum beziehungsweise die Spannweite der Werte zu gering ist.

Wie sich das Nutzerverhalten der
MVGmeinRad-Kunden verändert, wenn
es regnet, ist in Abbildung 40 dar-
gestellt. Ganz deutlich erkennbar ist,
dass die Nutzung bei trockenem Wet-
ter grundsätzlich höher ist als bei Re-
gen. Der Median der Werte ohne Nie-
derschlag liegt bei 48, der Mittelwert bei
55 Fahrten. Im Fall von Stunden, in de-
nen es geregnet hat, liegt der Median
bei 22, der Mittelwert bei 28 Fahrten.
In beiden Fällen liegt der Median un-
ter dem Mittelwert, das bedeutet, dass
die Konzentration bei geringeren Wer- Abbildung 40: Vergleich stündliche Ausleihen mit
ten liegt, es allerdings größere Extrema und ohne Niederschlag, Median ohne Niederschlag:
nach oben als nach unten gibt (verglei- 48, Median mit Niederschlag: 22
che Abb. 33). Erkennbar ist dies auch
an den Whiskers“ der Boxplots, welche
        ”
hin zu den größeren Werten länger sind bzw. an den Ausreißern“, die nur bei großen Wer-
                                                        ”
ten existieren. Die Variabilität der stündlichen Anzahlen der Fahrradausleihen ist bei Regen
außerdem geringer, erkennbar ist dies an der Größe der Box, die den Bereich der mittleren
50 % der Daten abdeckt. Eine ausführliche Erläuterung zum Aufbau der Boxplots findet sich
im Appendix, in Abschnitt A.1. Ein Grund für die verringerte Variabilität bei Regen kann
der erheblich kleinere Umfang an Stunden mit Niederschlag sein, die geringere Variabilität
zeigt sich aber auch anschaulich in den Unterschieden des mittleren Tages“ in Abbildung
                                                              ”
41. Die Differenzen zwischen Maxima und Minima sind an trockenen Tagen größer als an
verregneten Tagen.

                                              31
Abbildung 41: Tagesgang der stündlichen Ausleihenzahlen, orange: ohne Niederschlag, türkis:
mit Niederschlag, schwarz: gesamt.

Abbildung 42: Prozentualer Rückgang der stündlichen Ausleihenzahlen bei Niederschlag
(türkis), prozentuale Steigerung bei Trockenheit (orange) gegenüber dem Mittelwert.

Der mittlere Tag“ wird folgendermaßen erstellt: für jede Stunde des Tages wird aus den
      ”
zugehörigen Anzahlen der Fahrradausleihen der Mittelwert gebildet, entsprechend (schwarz)
für alle Stunden, (orange) für trockene Stunden und (türkis) für Regenstunden. Der Verlauf
der türkisen Kurve entspricht also nicht einem gemittelten Tag, an dem es durchggängig
geregnet hat und entsprechend der Verlauf der orangen Kurve nicht einem gemittelten Tag,
an dem es durchgängig trocken war. Die Mittelung erfolgt separat für jede Stunde des Tages
und unabhängig von den anderen Stunden.
Wie auch in Abbildung 40, lässt sich ein starker Rückgang der Anzahlen der stündlichen
Fahrten bei Regen ausmachen. Im Mittel sind es etwa 45 % weniger. Am stärksten hat
Niederschlag in der Zeit zwischen 10 und 19 Uhr sowie spät abends einen negativen Einfluss,

                                             32
wie man Abbildung 42 entnehmen kann. Zu diesen Zeiten liegt der Rückgang im Mittel sogar
über 50 %. Nachts und in den frühen Morgenstunden sind die Auswirkungen nicht ganz so
extrem wie tagsüber, liegen aber auch immerhin bei rund -30 %. Der stärkere Rückgang
bei Regen am Nachmittag könnte mit der zu dieser Tageszeit laut Umfragen zusätzlich
vermehrten Freizeitnutzung der Leihfahrräder neben dem Pendlerverkehr zusammenhängen.
Der Verlauf der einzelnen Kurven in Abbildung 41 ist recht ähnlich, die Extrema liegen
sowohl für die trockenen“ als auch die nassen“ Stunden bei gleichen Uhrzeiten. Das
                ”                            ”
Minimum ist früh morgens gegen 5 Uhr mit durchschnittlich etwa zehn Fahrten in der
Stunde erreicht, zu dieser Zeit fällt es auch am wenigsten ins Gewicht, ob es regnet. Ein
erstes Maximum gibt es morgens gegen 8 Uhr. Wenn es regnet, liegt dieses im Durchschnitt
bei ca. 30 Fahrten pro Stunde, wenn nicht, bei etwas über 50. Das nächste lokale, nicht ganz
so stark ausgeprägte Maximum liegt in der Mittagszeit zwischen 12 und 13 Uhr. Bei Regen
werden dann durchschnittlich ca. 35 Fahrten in der Stunde getätigt, wenn es trocken ist,
knapp doppelt so viele. Die Zahlen steigen im Mittel über den Nachmittag weiter an bis zu
einem absoluten Maximum zwischen 17 und 18 Uhr. Ist es trocken, werden dann stündlich
etwas über 100 Fahrräder ausgeliehen, bei Regen nur ca. halb so viele.
Insgesamt verläuft die Kurve für Regenstunden etwas flacher, das heißt der Unterschied
zwischen hoch- und wenig-frequentierten Stunden ist nicht so groß wie im Fall von Trocken-
heit. Vor allem nachmittags scheint es die Kunden bei Niederschlag also abzuhalten, ihre
Wege mit dem Fahrrad zu bewältigen.
Der Unterschied zwischen den gesamten stündlichen Mittelwerten und denen in trockenen
Stunden ist im Vergleich zu den Mittelwerten der Regenstunden so gering, da die Anzahl der
Stunden mit Niederschlag um vieles kleiner ist als die ohne. Daher erhalten die trockenen
Stunden bei der Gesamtmittelwertbildung (schwarze Kurve) eine größere Gewichtung.

4.2.2   Auswirkung von Niederschlag im Bezug auf Wochentage
Um zu untersuchen, ob Niederschlag einen unterschiedlichen Effekt an den einzelnen Wo-
chentagen hat, sind die MVG-Daten zunächst nach Wochentagen eingeordnet. Außerdem
werden Feier- und Brückentage jeweils gesondert betrachtet, um auch hier ein eventuell un-
terschiedliches Ergebnis evaluieren zu können.

                      (a)                                           (b)

Abbildung 43: (a) Boxplots der Anzahl Fahrradausleihen für Stunden ohne Niederschlag an
jeweiligem Wochentag; (b) wie (a), aber für Stunden mit Niederschlag.

                                             33
Abbildung 43a zeigt die Verteilung der stündlichen Ausleihenzahlen der einzelnen Wo-
chentage in Stunden ohne Niederschlag, Abbildung 43b entsprechend in Stunden mit
Niederschlag. Grundsätzlich lässt sich kein signifikanter Unterschied zwischen den einzelnen
Wochentagen ausmachen. Wie erwartet sind an allen Tagen die stündlichen Anzahlen
der Ausleihen bei Niederschlag geringer als bei Trockenheit. Ein leichtes Maximum ist
samstags zu finden, wenn es trocken ist. Bei Regen jedoch findet sich ein schwaches Maxi-
mum freitags. Aus Tabelle 3 lässt sich entnehmen, dass die stündlichen Mittelwerte bzw.
Mediane montags oder sonntags ein Minimum haben (rot gekennzeichnet). Dass die Media-
ne in allen Fällen unter den Mittelwerten liegen, bedeutet, dass geringere Werte häufiger
vorkommen, es vereinzelt aber auch stark positive Extrema, die sogenannten Ausreißer, gibt.

Man könnte also festhalten, dass Niederschlag an verschiedenen Wochentagen unter-
schiedlich starke Auswirkungen hat: am stärksten samstags und am schwächsten freitags.
Wichtig ist dabei jedoch zu beachten, dass der Anteil von Stunden mit Niederschlag am
jeweiligen Wochentag und wiederum bezogen auf den gesamten Beobachtungszeitraum sehr
gering ist. So gab es beispielsweise an allen 187 Montagen, was 4 272 Stunden entspricht,
im Zeitraum vom 19.02.14 bis 10.10.17 nur 303 Stunden mit Regen, das ist ein Anteil am
Gesamtzeitraum von gerade einmal 0.95 %. Diese geringe Mächtigkeit der Wertemenge
kommt noch stärker bei der Auswertung des Einflusses von Niederschlag auf die Fahrten-
zahlen an Feier- und Brückentagen zum Tragen. Im gesamten Zeitraum gibt es lediglich 45
Feiertage und 11 Brückentage. Von diesen 1 076 und 264 Stunden sind jeweils nur 62 und
10 solche, in denen Niederschlag detektiert wurde. Daher ist besonders an diesen Tagen die
statistische Aussagekraft der Auswirkung von Niederschlag im Bezug darauf, ob es zwischen
den Wochentagen signifikante Unterschiede gibt, als eher gering einzuschätzen.

                              Mo    Di   Mi   Do   Fr   Sa   So   Fe   Br
 Mittelwert trocken           50.0 52.1 54.0 55.7 58.3 62.2 51.9 49.1 66.5
 Mittelwert mit N.            26.2 27.0 28.6 29.3 31.2 29.1 28.7 18.8 25.3
 Median trocken                45   47   47   50   53   55   42   36   64
 Median mit N.                 20   22   24   23   27   22   22   12   20
 # Tage gesamt                178 187 189 179 172 187 180         45   11
 # Stunden gesamt             4272 4502 4550 4296 4128 4488 4320 1076 264
 # Stunden mit N.             303 366 289 307 256 362 296         62   10
 % Std. m. N. /Wochentag       7.1  8.1  6.4  7.1  6.2  8.1  6.9  5.8  3.8
 % Std. m. N.                 0.95 1.15 0.91 0.96 0.80 1.13 0.93 0.19 0.03

Tabelle 3:
Zeilen 1 - 4: Mittelwerte und Mediane der stündlichen Anzahlen Fahrradausleihen mit und
ohne Niederschlag für jeden Wochentag sowie für Feier- und Brückentage.
Zeilen 5 - 9: Gesamtanzahl jedes Wochentages sowie Feier- und Brückentages in Tagen und
Stunden, davon Stunden mit Niederschlag sowie deren prozentualer Anteil an der jeweiligen
Wochentagesstundenzahl und Gesamtstundenzahl des Beobachtungszeitraums.

                                             34
Sie können auch lesen
NÄCHSTE FOLIEN ... Stornieren