Anhang
Datenerfassung und Auswertung
Automatische Zählgeräte
Zur Erfassung der Frequenzen der Waldnutzer und Waldnutzerinnen werden Zählgeräte der Firma Eco-Counter sowie automatische Kameras der Firma Reconyx eingesetzt.
Eco-Counter können, je nach Modell, zwischen Fahrradfahrenden und Personen zu Fuss unterscheiden. Die Modelle ohne Unterscheidung erfassen alle Bewegungen und registrieren sie als Passagen. Beide Modelle erfassen die Passagen richtungsgetrennt, sobald diese einen genügend grossen Temperaturunterschied zur Umgebung aufweisen. Die unterirdisch vergrabenen Induktionsschlaufen registrieren die metallenen Felgen von Bikes. Diese Zähler übertragen die Daten täglich via GSM an einen Server, von welchem sie abgerufen werden können. Personendaten werden keine erfasst. Da die generierten Daten eine gewisse Unsicherheit aufweisen – der Hersteller garantiert +/- 5 % – stellen sie keine absoluten Zahlen dar. Die Umstellung von Winterzeit auf Sommerzeit und umgekehrt erfolgte hier automatisch.
Die Bilddaten der automatischen Kameras erlauben eine detaillierte Auswertung der Aktivitäten auf den untersuchten Wegen (Unterscheidung von Freizeitaktivitäten und Tieren usw.). Die Kameras generieren eine Bildserie, sobald der Kamerasensor eine Bewegung registriert (Infrarot-Auslösung). Ein Filter, der eine Identifizierung der erfassten Person verunmöglicht, wurde auf die Kameralinse montiert. Ergänzend wurde mittels Informationsschildern auf die Kamera und deren Zweck hingewiesen. Die erstellten Bilder wurden ausschliesslich intern verwendet und nach der Auswertung gelöscht. Der Datenschutz wurde somit eingehalten. Die Umstellung von Winterzeit auf Sommerzeit und umgekehrt erfolgte hier manuell, bei der periodischen Wartung der Kamera. Die Auswertung der Bilder erfolgte mittels eines spezifischen KI-Tools, dem MegaDetector. Dieser konnte nach einem Training die Bilder zuverlässig in Sequenzen einteilen (so dass dieselbe Person auf verschiedenen Bildern nicht mehrmals gezählt wird) sowie die Anzahl der Personen mit Fahrzeugen (Fahrrad, Mountainbike oder auch Auto), der Personen mit Tieren (Hunde & Pferd) und der Personen ohne Tier und ohne Fahrzeug für jede Bildsequenz automatisch erkennen. Für diese Sequenzen wurde jeweils der Zeitpunkt, die Anzahl Personen sowie die Aktivität auf den Bildern festgehalten. Aufgrund von möglichen Fehlern der KI bei der Bilderkennung haben wir etwa 10 % der Bildsequenzen zusätzlich manuell klassifiziert.
Die Zähldaten wurden gemäss den Zielen ausgewertet. Dabei werden zuerst Datenlücken ausgeschlossen oder interpoliert, die Daten auf Normalverteilung geprüft und nach Ausreissern gesucht, welche ausgeschlossen werden.
Zum Schliessen von Datenlücken und zur Extrapolation der Rohdaten wurden, falls die Lücken nicht zu gross erschienen, zuerst die Passagen gemäss den automatischen Zählgeräten mit den Meteodaten von MeteoSchweiz in einem generalized-linear Model zusammengeführt, wobei die Anzahl Passagen pro Tag die abhängige Variable war und folgende Variablen die Erklärenden: Wochentag, Tagesmaximaltemperatur, Regensumme während des Tages, relative Sonnenscheindauer. Als Resultat dieser Berechnung standen «vorhergesagte» Werte für Tage ohne tatsächliche Messwerte zur Verfügung. An diesen Tagen wurden die fehlenden Werte durch die «vorhergesagten» ersetzt. Nun standen durchgehende Datenreihen an den mit den automatischen Zählgeräten untersuchten Standorten zur Verfügung.
Anschliessend werden die Daten zu verschiedenen Zeiträumen aggregiert, Kennwerte berechnet und verschiedene Abbildungen erstellt. Mit besonderem Augenmerk wird die Nutzung während der Dämmerung und der Nacht betrachtet. So wurden z. B. Auswertungen der Nutzung relativ zu der (Morgen- und Abend) Dämmerung ausgeführt sowie die relative Verteilung der Passagen auf die verschiedenen Tageszeiten (Definition der Tageszeiten siehe Einteilung der Tageszeit) angegeben.
Strava
Die durch Strava-Nutzer und Nutzerinnen freigegebenen Tracks werden von Strava anonymisiert und zusammengefasst. Die Frequenzen auf einzelnen Wegabschnitten werden Verkehrsplaner:innen kostenlos zur Verfügung gestellt.
Die Strava-Daten wurden pro Monat für das gesamte Jahr 2023 bezogen. Sie stellen keine absoluten Werte dar. Die Zähldaten von Strava werden auf das nächste Vielfache von 5 gerundet. Wenn pro Monat weniger als 3 Personen auf einem Wegabschnitt (gemäss der OpenStreetMap) unterwegs waren, werden diese nicht angezeigt (Datenschutz). Die Strava-Daten dienen demnach in erster Linie dazu, die räumliche Verteilung der Waldnutzenden zu beschreiben. Da sie für diese Untersuchung monatlich aggregiert bezogen wurden, sind sie nicht geeignet, um die tageszeitliche Nutzungsverteilung zu beschreiben.
Die Strava-Daten wurden den Daten von ausgewählten automatischen Zählstellen (EcoCounter) gegenübergestellt. Das Ziel war es, den Anteil der Passagen, welche an den ausgewählten Zählstellen erfasst wurden und welche auch Strava nutzten zu berechnen. Durch diesen Faktor Strava sollten dann die von Strava erfassten Passagen auf allen Wegabschnitten des Untersuchungsgebietes auf eine reale Anzahl Passagen (Grössenordnung) hochgerechnet werden.
Dazu wurde zuerst berechnet, wie viel Prozent pro Monat der von den Zählstellen erfassten Passagen auch von Strava erfasst wurden. Anschliessend wurde der Median und eine Gewichtung (nach den Anzahl Passagen Personen zu Fuss und Fahrräder summiert) berechnet. Der Median pro Zählstelle wurde mit dieser Gewichtung multipliziert, so dass die Werte von stärker Frequentierten Zählstellen entsprechend stärker gewichtet werden. Dieser gewichtete Faktor Strava wurde dann in ArcGIS Pro auf die von Strava für das gesamte Jahr 2023 ausgegebenen Werte im ganzen Untersuchungsgebiet angewandt, was das Total (Grössenordnung) der effektiven Passagen auf allen Wegabschnitten im Jahr 2023 in den Untersuchungsgebieten ergab.