Green lined street in Berlin

AirQuality-Projekt fördert die Verbesserung der Luftqualität in deutschen Städten

Veröffentlicht am 4. Oktober 2021 in Nachhaltigkeit von AirQuality-Team


Erfahren Sie mehr über die Erstellung von hyperlokalen Luftqualitätskarten durch mobile Messungen in Echtzeit.

Die Belastung der Luftqualität durch Schadstoffe ist für viele Städte ein relevantes Thema. Deutschlandweit erfolgt die formelle Überwachung von Luftschadstoffen mithilfe von ca. 400 stationären, lokalen Messstationen (Umweltbundesamt, n.d.). Diese zeichnen sich zwar durch eine sehr hohe Genauigkeit aus, haben jedoch hohe Anschaffungskosten und durch ihre geringe Anzahl können nur einzelne, fragmentierte Messpunkte innerhalb einer Stadt erfasst werden. Kostengünstige Sensoren  können hingegen auch in größeren Mengen in der Stadt verteilt werden, um ein genaueres Bild über die stadtweite Luftqualität zu gewinnen.

Transparenz schaffen im Hinblick auf Luftqualität

Um Transparenz über die Luftqualität im gesamten Stadtgebiet zu schaffen, fehlt ein engmaschiges Netz an Luftqualitätssensoren, welches lokale Problemzonen in Abhängigkeit der Tageszeit erkennbar macht. Das AirQuality-Projekt (Kollaboration zwischen Geotab GmbH und dem Center Smart Services des FIR e.V. an der RWTH Aachen) verfolgt das Ziel der Entwicklung einer Methode zur Erhebung von Luftqualitätsdaten in bisher nicht vorhandener Granularität: Fahrzeugflotten, die innerhalb eines Stadtgebiets unterwegs sind, wie beispielsweise Fahrzeuge des Öffentlichen Personen Nahverkehrs (ÖPNV), werden mit selbst entwickelten Sensoren zur Erfassung der Luftqualität ausgestattet. Die so gesammelten Daten werden analysiert und in einer über die Stadtkarte gelegten „Heatmap“ visualisiert. Mit dieser Luftqualitätskarte wird die Luftqualität straßen- und uhrzeitgenau angezeigt. Dadurch wird es ermöglicht, Hotspots zu identifizieren und Maßnahmen zur Reduktion von Emissionen objektiv zu bewerten, bzw. innovative Lösungen, wie beispielsweise intelligente Lichtsignalanlagen oder optimierte Routenführung für Bürger basierend auf aktuellen Luftqualitätswerten zu erstellen.

Was ist das AirQuality-Projekt?

Für die Umsetzung des Vorhabens werden in Aachen Fahrzeuge mit der notwendigen Sensorik ausgestattet. Dafür werden kostengünstige, auf dem Markt erhältliche Sensoren zur Messung von PM (Feinstaub) 10, PM 2.5, Luftfeuchtigkeit und Temperatur in einem kleinen Sensorstack modular zusammengebaut. Dieser wird dann auf zuvor ausgewählten Fahrzeugen, wie z. B. Servicefahrzeugen und Bussen in Aachen montiert. Auf den täglichen Fahrten werden Daten gesammelt, die mit Hilfe des GO-Gerätes (inklusive IOX-Bluetooth), welches sich im OBD2-Port der Fahrzeuge befindet, an eine Gateway Server Architektur übertragen werden, und von dort in eine Datenbank weitergeleitet werden (s. Abbildung 1). Gemessene Sensorwerte werden dann mit den entsprechenden GPS-Koordinaten überlagert. Die Daten werden in die MyGeotab-Plattform geladen, analysiert und für die Erstellung der Heatmaps weiterverarbeitet. Das entwickelte System nutzt das existierende Mobilfunknetz und ist aufgrund der verbauten SIM-Karte weltweit einsetzbar. 

Abbildung 1: Vereinfachte Darstellung des Datenflows für die mobile Datenerfassung im AirQuality-Projekt.

 

Die Herausforderungen des Projekts verstehen

Bei der Auswahl der für das Vorhaben geeigneten Sensorik, gab es eine große Herausforderung: für eine wirtschaftliche Skalierbarkeit mussten preisgünstige Luftqualitätssensoren gewählt werden, was allerdings mit einer verringerten Datenqualität einhergeht. Erste Ergebnisse zeigen jedoch, dass das Ziel des Projektes – stadtweite Transparenz über Luftqualität – nicht darunter leidet. Um die Qualität der Daten zu überprüfen, wurden zwei der für das AirQuality-Projekt ausgewählten PM 10 Sensoren auf einer der offiziellen Messstationen des Landesamtes für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen (LANUV) in Aachen platziert. Die gesammelten Daten der drei Sensoren wurden gegeneinander geplottet (s. Abbildung 2). Die Auswertung zeigt deutlich, dass die kostengünstigen Sensoren zwar nicht exakt die Werte der offiziellen LANUV-Messstation erreichen, die Trends der Daten jedoch gleich sind. Die damit erreichte Korrelation sollte über 60% liegen und es ist geplant, Abweichungen mit Hilfe einer automatischen Referenzkalibrierung auszugleichen.

Abbildung 2: Qualitativer und quantitativer Vergleich zwischen Werten einer professionellen Messstation des LANUV (grün) sowie 2 mögliche „Low-cost“ Sensoren für mobile Zwecke.

 

Der entwickelte Sensorstack ist modular aufgebaut, um ihn nachträglich erweitern bzw. anpassen zu können (zur Zeit wird ein neuer NO2 Sensor analysiert, da bisherige Modelle keine zufriedenstellenden Ergebnisse erzielen konnten). 

Die Auswahl der Fahrzeuge

Die Fahrzeugflotten für das Vorhaben müssen so gewählt sein, dass das Stadtgebiet möglichst großräumig und regelmäßig abgefahren wird. Es liegt nahe, dass Fahrzeuge des ÖPNVs für eine feingranulare Erfassung der Luftqualität am geeignetsten sind. Hier kommt es auf die individuelle Stadtstruktur an: Während in einigen Städten nur Busse das ÖPNV-Netz befahren, sind in anderen Städten auch Straßenbahnen im Einsatz. Erste Tests zeigen, dass im Falle der Stadt Aachen schon 13 Busse ausreichen, um innerhalb eines Tages 70% der für den Verkehr zugänglichen Flächen abzudecken.

 

Gleichzeitig werden auch Nachteile der Nutzung des ÖPNV-Systems zur mobilen Datenerfassung deutlich: Zum einen werden Fahrzeuge auf unterschiedlichen Routen eingesetzt und verlassen dabei teilweise auch das Stadtgebiet; zum anderen gestaltet sich die Abdeckung von Nebenstraßen und öffentlichen Plätzen (z. B. Marktplätze, Fußgängerzonen) als problematisch. Folglich bedarf es einer sorgfältigen Auswahl geeigneter Flotten, welche sich oft schon aus der Stadtstruktur und dem darauf aufbauenden ÖPNV-Netz ergibt. 

Digitale Lösungen für die Verarbeitung von Luftqualitätsdaten

Die mobil erfassten Luftqualitätsdaten werden in einer Heatmap, wie in Abbildung 3, visualisiert. Sie ermöglicht es, tages- und uhrzeitabhängig die Luftqualität des gesamten Stadtgebietes nachzuvollziehen. Hotspots können so erkannt, und die Effektivität von Maßnahmen zur Verbesserung der Luftqualität objektiv bewertet werden. Die aus den Karten gewonnen Informationen können von Städteplanern zur Umsetzung von schadstoffreduzierenden Maßnahmen genutzt werden. Die Luftschadstoffe in der direkten Umgebung von Schulen, Kindergärten, Alten- und Pflegeheimen sowie von Krankenhäusern können erfasst und analysiert werden. Anwohner können über erhöhte Emissionen durch Heizöfen oder nach Großbränden informiert werden. Darüber hinaus eröffnen die Echtzeitdaten Chancen für neue digitale Lösungen: Lichtsignalanlagen können auf erhöhtes Verkehrsaufkommen und damit verbundene erhöhte Emissionen reagieren, um den Verkehr intelligent zu leiten. So können beispielsweise Bereiche mit hochsensitiven Bevölkerungsgruppen (Krankenhäuser, Kindergärten, Schulen, Altenheime, etc.) entlastet werden. Die Luftqualitätsdaten in Echtzeit können die Grundlage für eine Routenoptimierung bieten, um Fußgängern, Sportlern, Hochrisiko-Gruppen und umweltbewussten Bürgern schadstoffarme Wege vorzuschlagen. 

 

Abbildung 3: Visualisierung der Heatmap durch mobil erfasste Luftqualitätsdaten in der Stadt Aachen

Fazit

Mangelnde Luftqualität betrifft uns alle. Deswegen ist es uns wichtig, das AirQuality-Projekt erfolgreich voranzutreiben und stetig weiterzuentwickeln. Wir sind offen für neue Ideen und Innovationen und freuen uns über einen regen Austausch mit verschiedenen Interessensgruppen. 


Um weitere Informationen über das AirQuality-Projekt zu erhalten, besuchen Sie die Projektwebseite oder unseren Blog.


Wenn Ihnen dieser Beitrag gefallen hat, lassen Sie es uns wissen!


Haftungsausschluss

Geotabs Blogbeiträge sollen Informationen bereitstellen und Diskussionen über Themen anregen, die für die gesamte Telematik-Gemeinschaft von Interesse sind. Geotab bietet durch diese Blogbeiträge keine technische, professionelle oder rechtliche Beratung an. Obwohl alle Bemühungen unternommen wurden, um sicherzustellen, dass die Informationen in diesem Blogbeitrag zeitnah und genau sind, können Fehler und Auslassungen auftreten, und die hier präsentierten Informationen können Laufe der Zeit veraltet sein.