Key points are not available for this paper at this time.
Die Beziehung zwischen Gehen und der gebauten Umgebung gewinnt zunehmend an Bedeutung für die Förderung nachhaltiger Mobilität und gesunder Gemeinschaften. Allerdings übersehen Gehwegbewertungen oft menschenbezogene Merkmale, während sie sich hauptsächlich auf die Nachbarschaftsebene konzentrieren. Darüber hinaus stützen sich traditionelle Studien zur Gehwegfreundlichkeit auf begrenzte und zeitgebundene Methoden. Um diese Forschungslücken zu schließen und Einblicke in die Verbindung zwischen Gehen und der gebauten Umwelt zu gewinnen, nutzt diese Studie maschinelle Lerntechniken, um Daten von mobilen Apps über Fußgängerverkehr zusammen mit Straßenmerkmalen zu analysieren. Baum-basierte Algorithmen werden eingesetzt, um den Zusammenhang zwischen Gehverhalten und Merkmalen der gebauten Umwelt auf Straßenebene über verschiedene Zeiträume hinweg zu identifizieren. Die Fußgängerverkehrsdaten wurden in Tel Aviv, Israel, unter Berücksichtigung saisonaler Schwankungen, Wochentage und Tageszeiten gesammelt. Die Untersuchung von 20 Merkmalen auf Straßenebene über 8000 Segmente liefert neue Erkenntnisse über die relative Bedeutung verschiedener Merkmale für das Gehen sowie über Straßenprofile, die mit höherem bzw. geringerem Fußgängeraufkommen verbunden sind. Besonders zeitliche Variablen erscheinen als entscheidend, wobei Straßenmerkmale in ihrer Bedeutung über verschiedene Zeitdefinitionen hinweg variieren. Die Studie bietet Entscheidungsträgern und Stadtplanern wichtige Implikationen, indem sie ihnen das Verhalten und die Präferenzen von Fußgängern auf der Straßenebene näher bringt und somit effizientere Infrastrukturinvestitionen sowie unterstützende Planungsentscheidungen ermöglicht.
Angel et al. (Do,) haben diese Frage untersucht.