MIT hat ein System entwickelt, das Verkehrsemissionen nahezu in Echtzeit bis auf die Ebene einzelner Straßen misst
Forscher des Massachusetts Institute of Technology haben eine neue Methode vorgestellt, die eine deutlich präzisere Überwachung der Emissionen des Straßenverkehrs in einer Stadt ermöglicht, und zwar nahezu in Echtzeit sowie auf der Ebene einzelner Straßen und Stunden des Tages. Es handelt sich um einen Ansatz, der bereits vorhandene Stadtkameras, anonymisierte Bewegungsdaten und maschinelles Sehen kombiniert, um ein detailliertes Bild davon zu erhalten, wo, wann und aufgrund welcher Verkehrsmuster die größte Belastung für Luft und Klima entsteht. Die Studie wurde in der Fachzeitschrift Nature Sustainability veröffentlicht, und das Forschungsteam testete sie in Manhattan, einem der am stärksten verkehrsbelasteten urbanen Räume in den Vereinigten Staaten. Nach Angaben der Autoren könnte ein solches Werkzeug zu einer wichtigen Stütze für Stadtverwaltungen werden, wenn sie über Verkehrsregime, die Dekarbonisierung des Verkehrs und die Bewertung der Wirkung neuer öffentlicher Politiken entscheiden.
Im Gegensatz zu klassischen Emissionsinventaren, die oft ein allgemeines stadtweites Bild liefern oder sich auf gelegentliche Stichproben stützen, versucht das neue Modell, die tatsächliche Dynamik des städtischen Verkehrs zu erfassen. Das bedeutet, dass es nicht nur betrachtet, wie viele Fahrzeuge ein bestimmtes Gebiet durchqueren, sondern auch, um welche Fahrzeuge es sich handelt, wie sie sich bewegen, wie oft sie anhalten und erneut beschleunigen und wie ihre Emissionen von Ampeln, Staus und Veränderungen der Verkehrsnachfrage im Tagesverlauf beeinflusst werden. Gerade dieser Teil ist in den Zentren großer Städte besonders wichtig, wo kurze Stopps, Kolonnen und sogenanntes Stop-and-go-Fahren oft mehr Emissionen verursachen, als sich aus Durchschnittswerten auf Ebene der gesamten Stadt ableiten ließe.
Wie das neue Modell funktioniert
Das Team des MIT Senseable City Lab nutzte ein Netz von 331 Verkehrskameras, die an Kreuzungen in Manhattan installiert waren, zusammen mit anonymisierten Standortdaten von mehr als 1,75 Millionen Mobiltelefonen. Die Kameras dienten dazu, Fahrzeugtypen zu erkennen, ohne Kennzeichen oder andere persönliche Identifikatoren zu erfassen, während die Mobilfunkdaten halfen, breitere Bewegungsmuster durch die Stadt zu rekonstruieren. Die Forscher teilten die Fahrzeuge in 12 breite Kategorien ein und erreichten laut den im Artikel und in der MIT-Darstellung der Forschung genannten Daten eine Genauigkeit von etwa 93 Prozent bei der Zuordnung der Fahrzeuge zur entsprechenden Gruppe. Damit erhielten sie eine ausreichend verlässliche Grundlage, um Verkehrsströme mit bekannten Emissionsraten für verschiedene Fahrzeugtypen und Fahrweisen zu verknüpfen.
Der besondere Wert des Modells liegt darin, dass es die Signalisierung und das Verkehrsverhalten an Kreuzungen in die Berechnung einbezieht. In vielen konventionellen Schätzungen ist genau dieses Element unterschätzt oder vollständig ausgelassen, obwohl städtische Ampeln den Rhythmus der Fahrzeugbewegungen wesentlich bestimmen. Wenn ein Auto auf einem kurzen Abschnitt mehrmals anhalten und dann wieder beschleunigen muss, können die Emissionen deutlich ansteigen, und ein solches Muster ist typisch für dicht bebaute Metropolenzentren. Deshalb verschmutzt derselbe Straßenabschnitt nicht zu jeder Tageszeit gleich stark, selbst wenn die Zahl der Fahrzeuge ähnlich bleibt. Die neue Methode versucht genau diesen Unterschied zu erfassen, und zwar auf einer deutlich detaillierteren räumlichen und zeitlichen Skala, als es in öffentlichen Verkehrsaufzeichnungen üblich ist.
Die Autoren betonen auch, dass das Modell als kosteneffizientes System konzipiert ist, das keine vollständig neue Infrastruktur erfordert. Anstelle teurer, separater und begrenzter Messkampagnen stützt es sich auf die Kombination von Datenquellen, die Städte bereits besitzen oder relativ leicht beschaffen können. Darin zeigt sich auch ein breiterer Trend moderner urbaner Steuerung: die Nutzung bestehender digitaler Spuren und Sensoren, um die Folgen von Verkehr, Lärm, Verschmutzung und anderen städtischen Prozessen präziser zu verstehen. Das MIT-Team betont dabei, dass die Privatsphäre geschützt wird, weil das System Fahrzeugkategorien erkennt, aber nicht die Identität der Fahrer verfolgt.
Warum präzisere Daten für die öffentliche Politik wichtig sind
Die zentrale Botschaft der Forschung ist nicht nur, dass sich Emissionen besser messen lassen, sondern auch, dass kleine methodische Unterschiede zu großen Bewertungsfehlern führen können. Das Team testete, was passiert, wenn präzise lokale Eingangsdaten durch gröbere stadtweite Durchschnittswerte ersetzt werden. Es zeigte sich, dass eine solche Vereinfachung Abweichungen von minus 49 bis plus 25 Prozent im Vergleich zu feineren Schätzungen erzeugen kann. Mit anderen Worten: Eine Stadt, die Verkehrs- oder Klimamaßnahmen auf der Grundlage grober Durchschnittswerte planen würde, könnte die tatsächlichen Auswirkungen ihrer Entscheidungen erheblich unter- oder überschätzen.
Das hat direkte Folgen für die Verkehrsplanung. Wenn eine Stadtverwaltung wissen will, ob eine bestimmte Buslinie, eine Änderung der Ampelschaltung, eine neue Fußgängerzone oder eine Beschränkung für die Einfahrt von Autos tatsächlich die Emissionen senken wird, reicht ein allgemeines Jahresinventar nicht aus. Erforderlich ist eine Karte, die zeigt, wo sich das Problem konzentriert, zu welchem Tageszeitpunkt es seinen Höhepunkt erreicht und welche Fahrzeuggruppen am stärksten daran beteiligt sind. Genau deshalb argumentieren die Autoren, dass ihr Ansatz als Brücke zwischen breiten stadtweiten Schätzungen und äußerst detaillierten Analysen einzelner Fahrzeuge dienen kann, die oft zu teuer und auf der Ebene der gesamten Stadt schwer anwendbar sind.
Das Modell wurde auch genutzt, um mehrere Szenarien von Verkehrsveränderungen zu simulieren. Unter anderem beobachteten die Forscher, was passieren würde, wenn ein Teil der Fahrten von privaten Autos auf Busse verlagert würde. Sie analysierten auch ein Szenario, in dem die morgendlichen und nachmittäglichen Spitzen durch eine leichte zeitliche Streckung entlastet würden, also eine Situation, in der gleichzeitig weniger Fahrzeuge auf den Straßen erscheinen. Solche Simulationen sind besonders wichtig für Städte, die politisch und gesellschaftlich akzeptable Wege zur Emissionsminderung suchen, weil sie nicht zwangsläufig von Verboten ausgehen, sondern von einer anderen Organisation der Nachfrage, des öffentlichen Verkehrs und des Verkehrsmanagements.
Manhattan als Labor für urbane Mobilität
Die Wahl Manhattans ist kein Zufall. Es handelt sich um einen Raum mit einem ausgesprochen dichten Verkehrsnetz, einer großen Zahl signalgesteuerter Kreuzungen, intensivem Taxi- und Lieferverkehr sowie starken täglichen Schwankungen zwischen geschäftlichen, touristischen und wohnbezogenen Bewegungen. In einer solchen Umgebung können die Unterschiede zwischen einem ruhigeren Teil des Tages und dem Höhepunkt der Belastung dramatisch sein, und genau das begünstigt den Test eines Modells, das versucht, Emissionen bis auf die Ebene eines einzelnen Blocks und einer einzelnen Stunde abzubilden. Das MIT-Team erklärt, dass ein solcher Detaillierungsgrad nicht nur zum Verständnis des bestehenden Zustands nützlich ist, sondern auch zur Bewertung der Auswirkungen konkreter Eingriffe, von Veränderungen der Verkehrsströme bis hin zu breiteren Klimapolitiken.
Wichtig ist auch, dass es hier nicht nur um Kohlendioxid geht, sondern auch um die umfassendere Frage der Luftqualität in der Stadt. Verkehr ist nicht die einzige Quelle von Feinstaub und anderen Schadstoffen, spielt aber in dichten städtischen Umgebungen oft eine entscheidende Rolle bei der lokalen Belastung der Bevölkerung. Eine Emissionskarte, die die räumliche und zeitliche Konzentration des Verkehrs zeigt, kann helfen, Schulen, Krankenhäuser, Wohngebiete und Fußgängerkorridore besser zu schützen. In der Praxis bedeutet das, dass Entscheidungen über Verkehrsregulierung immer weniger blind und immer stärker auf Grundlage von Messungen getroffen werden können, die die tatsächliche Wirkung auf die menschliche Gesundheit zeigen.
Der reale Test: New Yorker Staugebühr
Einer der interessantesten Teile der Arbeit bezieht sich auf die Analyse einer realen politischen Maßnahme und nicht nur auf eine Simulation. New York führte am 5. Januar 2025 ein Programm zur Staugebühr für das Gebiet Manhattans südlich der 60. Straße ein, das erste derartige System in den USA. Das Programm, das von der Metropolitan Transportation Authority verwaltet wird, wurde mit dem Ziel eingeführt, Staus zu verringern, den öffentlichen Verkehr zu beschleunigen und Einnahmen für Investitionen in die Transit-Infrastruktur zu sichern. Laut offiziellen MTA-Daten, die im ersten Jahr der Umsetzung veröffentlicht wurden, sank die Zahl der Fahrzeuge, die in die Zone einfuhren, um etwa 11 Prozent, was im Durchschnitt mehr als 73 Tausend Fahrzeuge weniger pro Tag bedeutet, beziehungsweise mehr als 27 Millionen weniger Einfahrten in die Zone im ersten Jahr.
MIT-Forscher beobachteten, was zwei, vier, sechs und acht Wochen nach Beginn der Gebühr mit Verkehr und Emissionen geschah. Ihren Ergebnissen zufolge sank das Verkehrsvolumen um ungefähr 10 Prozent, doch der Rückgang der Emissionen war stärker ausgeprägt und lag zwischen 16 und 22 Prozent. Das ist ein wichtiger Befund, weil er zeigt, dass die Verringerung der Fahrzeugzahl nicht linear auf die Verschmutzung wirkt. In einem dichten urbanen Netz kann selbst ein relativ moderater Verkehrsrückgang eine größere Wirkung auf die Emissionen haben, wenn er gleichzeitig Staus, die Zahl der Stopps und den Bedarf an erneutem Beschleunigen verringert. Mit anderen Worten: Weniger Autos bedeuten nicht nur ein geringeres Verkehrsvolumen, sondern auch einen flüssigeren Verkehr der verbleibenden Fahrzeuge.
Die Forscher warnen jedoch, dass die Wirkungen nicht in jedem Teil des Netzes gleich sind. Auf einigen Hauptverkehrsstraßen war der Rückgang der Emissionen ausgeprägter, während die Wirkungen außerhalb der Gebührzone gemischter waren. Eine solche ungleichmäßige räumliche Verteilung ist für jede Diskussion über Fairness und Wirksamkeit von Verkehrsmaßnahmen wichtig. Wenn Stadtbehörden Beschränkungen oder finanzielle Anreize einführen, reicht es nicht zu sagen, dass der Durchschnitt besser ist; man muss wissen, wer konkret sauberere Luft bekommt und wo sich der Verkehr möglicherweise nur verlagert. Genau deshalb kann eine detaillierte Emissionskarte nützlicher sein als die bloße Zahl der Gesamtreduktion.
Vergleich mit anderen Forschungen und breitere Bedeutung
Die Ergebnisse des MIT stimmen mit anderen neueren Forschungen zu den Folgen der New Yorker Staugebühr überein. Die Cornell University veröffentlichte Ende 2025 Ergebnisse, wonach die PM2.5-Konzentrationen in der Gebührzone in den ersten sechs Monaten um etwa 22 Prozent im Vergleich zum erwarteten Niveau ohne diese Politik zurückgingen, mit Rückgängen auch in anderen Teilen der Stadt und den umliegenden Vororten. Obwohl es sich um eine andere Art von Messung handelt, ist der Vergleich wichtig, weil er zeigt, dass modellierte Verkehrsdaten und unabhängige Beobachtungen der Luftqualität in dieselbe Richtung gehen. Das erhöht die Glaubwürdigkeit der These, dass Verkehrsmaßnahmen, wenn sie sorgfältig konzipiert sind, schnellere und größere Umwelteffekte bringen können, als Skeptiker oft annehmen.
Für Stadtplaner und Entscheidungsträger ist das noch aus einem weiteren Grund bedeutsam. Debatten über Verkehr werden oft zwischen zwei Polen geführt: auf der einen Seite stehen allgemeine politische Ziele wie Dekarbonisierung und eine gesündere Stadt, auf der anderen die alltägliche Sorge der Bürger, dass neue Regeln die Mobilität verlangsamen oder der Wirtschaft schaden werden. Werkzeuge wie dieses ermöglichen es, diese Debatte mit mehr Fakten zu führen. Anstelle breiter Annahmen lässt sich bewerten, was auf Straßen, in Vierteln und zu verschiedenen Tageszeiten geschieht, und anschließend können die Auswirkungen auf Verkehrsfluss, Emissionen und Luftqualität verglichen werden. Das beseitigt politische Konflikte nicht, verringert aber den Spielraum für Entscheidungen ohne überprüfbare Daten.
Technologie, die sich auch auf andere Städte ausweiten lässt
Die Forscher behaupten, dass das Modell nicht bei Verkehrskameras stehen bleiben muss. In verbundenen Projekten experimentierten sie auch mit Daten aus in Fahrzeuge eingebauten Kameras, einschließlich sogenannter Dashcam-Systeme, um das Bild der Fahrzeugbewegungen durch die Stadt zusätzlich zu bereichern. Dadurch eröffnet sich die Möglichkeit, dass künftige Systeme zur Emissionsbewertung einen breiteren Satz von Quellen nutzen, von der städtischen Infrastruktur bis zu Daten, die von den Fahrzeugen selbst erzeugt werden. Technologisch bedeutet das, dass sich Städte nicht mehr nur auf seltene feste Messpunkte stützen, sondern schrittweise zu einem Netz aus Sensoren und digitalen Spuren übergehen, das eine nahezu kontinuierliche Überwachung ermöglicht.
Eine solche Entwicklungsrichtung ist besonders interessant für europäische und asiatische Städte, die bereits Niedrigemissionszonen, Beschränkungen für ältere Fahrzeuge oder ein dynamisches Verkehrsmanagement einführen. Wenn Emissionen auf der Ebene einzelner Straßen und nahezu in Echtzeit geschätzt werden können, dann können auch Korrekturen der Verkehrspolitik schneller und präziser erfolgen. Anstatt jahrelang auf aggregierte Berichte zu warten, könnten Verwaltungen früher erkennen, ob eine bestimmte Maßnahme wirkt oder angepasst werden muss. Gleichzeitig ließe sich leichter feststellen, wo die größten gesundheitlichen Vorteile liegen und wo die Gefahr besteht, dass sich das Problem nur von einem Teil der Stadt in einen anderen verlagert.
Vom akademischen Modell zum Werkzeug der Stadtsteuerung
Obwohl es sich um eine akademische Studie handelt, ist ihre praktische Botschaft klar: Städte verfügen bereits über eine große Menge an Daten, verknüpfen diese aber oft nicht auf eine Weise, die eine präzise Steuerung der ökologischen und verkehrlichen Folgen ermöglicht. Das MIT-Team zeigt, dass sich durch die Kombination von Kameras, anonymisierten Standortdaten und bestehenden Emissionsdatenbanken ein Werkzeug erstellen lässt, das detailliert genug für die Analyse einzelner Straßen ist, zugleich aber breit genug, um die gesamte Stadt abzudecken. Das ist ein Schritt hin zu einem Steuerungsmodell, in dem Verkehrspolitik nicht nur eine Frage von Einschätzung und politischer Intuition ist, sondern auch von operativer Analytik.
Für die Bürger ist vielleicht am wichtigsten, dass sich hinter der technisch komplexen Methodik eine sehr konkrete Frage verbirgt: Wo ist die Verschmutzung in der Stadt am größten und kann das verändert werden, ohne das Alltagsleben zu lähmen. Die bisherigen Ergebnisse deuten darauf hin, dass die Antwort bejahend ausfallen könnte, insbesondere wenn die Reduzierung des Verkehrs mit besserem öffentlichem Verkehr, intelligenterem Kreuzungsmanagement und einer präzisen Überwachung der Folgen kombiniert wird. In einer Zeit, in der städtische Politiken immer stärker zwischen Klimazielen, Gesundheit der Bevölkerung und wirtschaftlichen Bedürfnissen zerrieben werden, werden Werkzeuge, die nahezu in Echtzeit die tatsächliche Wirkung einer einzelnen Maßnahme zeigen können, wahrscheinlich eine immer größere Rolle dabei spielen, wie große Städte geplant und geführt werden.
Quellen:- - MIT News – Darstellung der Forschung zum Modell zur Bewertung von Verkehrsemissionen und den wichtigsten Ergebnissen der Studie (Link)
- - Nature Sustainability / Research Square – Zusammenfassung der Arbeit „Ubiquitous Data-driven Framework for Traffic Emission Estimation and Policy Evaluation“ und methodischer Rahmen der Forschung (Link)
- - MTA – offizielle Informationen über das Programm zur Staugebühr in der Manhattan-Zone südlich der 60. Straße und Daten zum Rückgang der Fahrzeugzahl (Link)
- - MTA – Überblick über die Ergebnisse des ersten Umsetzungsjahres, einschließlich mehr als 27 Millionen weniger Fahrzeugeinfahrten und einem durchschnittlichen Rückgang von etwa 11 Prozent (Link)
- - Cornell University – Ergebnisse einer Untersuchung zum Rückgang von PM2.5 nach der Einführung der Staugebühr in New York (Link)
Unterkünfte in der Nähe finden
Erstellungszeitpunkt: 1 Stunden zuvor