Ein Forschungsteam des Massachusetts Institute of Technology (MIT) hat kürzlich in der Zeitschrift „Nature Sustainability“ eine Arbeit veröffentlicht, die ein neues Modell zur Echtzeitüberwachung von städtischen Verkehrsemissionen mithilfe vorhandener Sensoren und Mobilitätsdaten vorstellt. Das Modell kann hochauflösende Emissionsbilder erzeugen, die bis hin zu einzelnen Straßen und konkreten Zeitfenstern präzise sind, und bietet damit Unterstützung für die lokale Verkehrspolitik und die Bewertung von Emissionsreduzierungsmaßnahmen.
Diese Studie integriert verschiedene Informationsquellen wie Echtzeit-Verkehrskameras und anonymisierte Mobiltelefonstandortdaten, um einen datengesteuerten Rahmen zur Schätzung von Verkehrsemissionen zu schaffen. Im Vergleich zu traditionellen Methoden, die auf intermittierenden Stichproben oder kleinmaßstäblichen Fahrzeuganalysen beruhen, bietet das neue Modell Vorteile hinsichtlich Praktikabilität und Skalierbarkeit und kann die Datenlücke zwischen stadtweiten Emissionsinventaren und detaillierten Analysen einzelner Fahrzeuge schließen.
Paolo Santi, leitender Forschungswissenschaftler am Senseable City Lab des MIT, erklärte: „Unser Modell kann durch die Kombination von Echtzeit-Verkehrskameras mit verschiedenen Datenquellen sehr detaillierte Emissionskarten ableiten, die bis auf einzelne Straßen und eine bestimmte Stunde des Tages genau sind.“ Carlo Ratti, Direktor des Labors, ergänzte: „Durch die Integration mehrerer Datenströme können wir eine Präzision erreichen, die vor einigen Jahren noch unvorstellbar war – und bieten politischen Entscheidungsträgern ein leistungsstarkes neues Werkzeug, um die menschliche Gesundheit zu verstehen und zu schützen.“
In einer empirischen Studie in Manhattan, New York City, nutzte das Team Bilder von 331 Kreuzungskameras und anonymisierte Standortaufzeichnungen von über 1,75 Millionen Mobiltelefonen, kombiniert mit Fahrzeugerkennungstechnologie, um 93 % der Fahrzeuge erfolgreich in 12 Kategorien einzuordnen. Die Mobiltelefondaten lieferten makro- und mikroskopische Informationen zu Verkehrsmustern, während die Kameras den Einfluss von Verkehrssignalen auf das Fahrverhalten erfassten – Faktoren, die gemeinsam die Genauigkeit der Emissionsschätzung beeinflussen.
Der ehemalige Postdoktorand des Senseable City Lab und derzeitige Assistenzprofessor an der City University of Hongkong, Songhua Hu, wies darauf hin: „Wir müssen lediglich alle emissionsrelevanten Informationen basierend auf vorhandenen städtischen Datenquellen eingeben, um die Verkehrsemissionen zu schätzen.“ Das Modell simuliert auch verschiedene Verkehrsszenarien, wie z. B. Änderungen des Verkehrsmittels oder Anpassungen der Hauptverkehrszeiten. Die Ergebnisse zeigen, dass die Emissionsschätzung empfindlich auf die Datenfeinheit reagiert und vereinfachte Ansätze zu erheblichen Fehlern führen können.
Das Forschungsteam wandte das Modell an, um die Wirkung der Mautgebühr für Staus in Manhattan, New York City, zu bewerten. Es stellte fest, dass nach der Einführung das Verkehrsaufkommen um etwa 10 % zurückging und die Emissionen um 16–22 % sanken – was mit einer Studie der Cornell University über die Verringerung der Feinstaubwerte übereinstimmt. Songhua Hu betonte: „Wir haben diese enormen Veränderungen nach Beginn der Staugebühr beobachtet. Ich denke, das zeigt, dass unser Modell sehr hilfreich sein kann, wenn Regierungen wirklich wissen wollen, ob eine neue Politik zu realen Auswirkungen führt.“
Das Modell ergreift vorsichtige Maßnahmen zum Schutz der Privatsphäre, indem es Fahrzeugtypen mithilfe von Computer Vision erkennt, aber keine Kennzeichen aufzeichnet. Darüber hinaus nutzte das Team in einer erweiterten Arbeit in Amsterdam, Niederlande, Daten von Dashcams, um die Informationen zur Fahrzeugbewegung weiter zu bereichern. Fábio Duarte, stellvertretender Direktor für Forschung und Design am Senseable City Lab, sagte: „Mit unserem Modell können wir jede in der Stadt verwendete Kamera – von Hunderten Verkehrskameras bis zu Tausenden Dashcams – zu einem leistungsstarken Gerät für die Echtzeitschätzung von Verkehrsemissionen machen.“ Diese Studie zeigt das Potenzial von Datenfusions-Technologien im Bereich der Umweltüberwachung und bietet neue Werkzeuge für das globale Verkehrsmanagement und Strategien zur Emissionsreduzierung in Städten.
Veröffentlichungsdetails: Autor: Peter Dizikes, Massachusetts Institute of Technology; Titel: „Researchers measure traffic emissions, to the block, in real-time“; veröffentlicht in: „Nature Sustainability“ (2026); Zeitschrifteninformation: Nature Sustainability
