Eine multimodale Methodik zur Erfassung und Erkennung von Stressfaktoren in der (aktiven) Mobilität

Die Dissertation „Eine multimodale Methodik zur Erfassung und Erkennung von Stressfaktoren in der (aktiven) Mobilität“ ist ein Forschungsprojekt der Interdisciplinary Transformation University (IT:U) Austria. Klassische Unfallanalysen ignorieren subjektive Stresswahrnehmungen, wodurch latente Gefährdungen im Radverkehr oft unerkannt bleiben. Das Projekt adressiert diese Lücke, indem es physiologische Stressreaktionen von Radfahrenden im realen Straßenverkehr sichtbar macht. Durch die Verknüpfung von Sensordaten mit räumlichen und visuellen Umgebungsmerkmalen werden sogenannte stille Risiken identifiziert, bevor Unfälle eintreten. Ziel ist es, Stadt- und Verkehrsplanenden eine evidenzbasierte Grundlage für die gezielte Verbesserung der Infrastruktur zu bieten.

Das Innovative liegt im Wandel von rein unfallbasierten Auswertungen hin zu einer proaktiven, menschenzentrierten Sicherheitsdiagnose. Tragbare Sensorik erfasst akute Stressreaktionen in Echtzeit, während KI-gestützte Bildanalysen von Street-View-Daten und GPS-Ortungen den Kontext liefern. Diese multimodale Datenkombination ermöglicht es, konkrete Infrastrukturmerkmale wie fehlende Trennung vom Kfz-Verkehr oder hohe visuelle Komplexität als Stressauslöser zu identifizieren. Indem die Methodik die wahrgenommene Sicherheit und Attraktivität des Radfahrens stärkt, unterstützt sie den Umstieg vom Auto auf aktive Mobilitätsformen und trägt so zu einer ökologisch verträglicheren Verkehrsgestaltung bei.

Mit Stand Mai 2026 ist das Projekt abgeschlossen und in Form einer Dissertation mit fünf wissenschaftlichen Publikationen umgesetzt. Erste Studien in Salzburg und Osnabrück zeigten, dass klare Radinfrastruktur die Belastung senkt, während eingeschränkte Sichtfelder Stress auslösen. Die Methodik wird bereits in Kooperation mit Städten zur Evaluation sicherheitsrelevanter Maßnahmen eingesetzt. Zukünftig soll der Ansatz durch mobiles Eye-Tracking erweitert und auf weitere aktive Mobilitätsformen wie E-Scooter oder den Fußverkehr übertragen werden, um die Skalierbarkeit und Anwendbarkeit in verschiedenen urbanen Kontexten zu erhöhen.

Diese Zusammenfassung ist teilweise KI-modifiziert.

Partner

Interdisciplinary Transformation University (IT:U) Austria: Supervisor