8 Modelle Besuchsaufkommen

In diesem Kapitel werden die Abhängigkeiten der Besuchszahlen während der Sommersaisons von äusseren Faktoren wie Wetter, Wochentag und Ferien untersucht.

8.1 Glaspass, 2019 und 2020

Das negativ-binomiale Modell mit Wetterparametern sowie Ferien und Wochentagen als erklärende Variablen erklärt die Besucheranzahl in den Sommern 2019 und 2020 am Glaspass am besten (marginales R2: 2019 = 0.65 , 2020 = 0.70; konditionelles R2: 2019 = 0.69, 2020 = 0.79). Overdispersion (Vorhandensein einer größeren Variabilität in einem Datensatz, als dies aufgrund des statistischen Modells zu erwarten wäre) ist mit einem Wert von 1.05 im Jahr 2019 und 1.07 im 2020 nicht gegeben. Die «random effects» (Kalenderwochen) spielen im Jahr 2019 mit 20 % und im Jahr 2020 mit 21 % Varianz eine bedeutende Rolle; die saisonalen Unterschiede waren also auch innerhalb der Sommersaison 2019 und 2020 sehr wichtig.

An der Zählstelle Glaspass hatte die Temperatur (gemessen an der Wetterstation Andeer) in den Sommern 2019 und 2020 einen vergleichbaren Effekt auf das Besuchsaufkommen (Abbildung 8.1). Bei ca. 28 °C wurde der Pass am meisten frequentiert. Sobald es wärmer wurde, insbesondere über 30 °C, waren die Besuchszahlen wieder rückläufig. Mit zunehmender Temperatur werden die Fehlerbereiche allerdings schnell auch grösser.

Im Sommer 2020 gab es in Andeer stärkere Regenereignisse als im Sommer 2019. Nichts desto trotz nahm im Sommer 2020 die Besucheranzahl am Glaspass mit zunehmendem Regen weniger stark ab als im Sommer 2019 (Abbildung 8.2). Im Modell sind die Fehlerbereiche mit zunehmendem Niederschlag allerdings relativ gross, was auf sehr unterschiedliches Besuchsverhalten oder wenig Datenpunkte hindeutet.

Je länger die tägliche relative Sonnenscheindauer, desto mehr Passagen wurden am Glaspass gezählt (Abbildung 8.3). 2020 war der Effekt der Sonnenscheindauer fast noch etwas deutlicher als im Jahr 2019.

Schulferien (im Kanton Graubünden) führten zu mehr Passagen am Glaspass (Abbildung 8.4). 2019 war der effektive Unterschied relativ klein, 2020 etwas grösser.

Schliesslich waren die Wochentage ebenfalls ein entscheidender Faktor, welche das Besuchsverhalten am Glaspass erklärten. Samstage und Sonntage hatten sowohl im Sommer 2019 und 2020 einen positiven Einfluss (Abbildung 8.5). 2020 hatte der Mittwoch allerdings einen deutlich positiveren Einfluss als im Jahr 2019. Während im Sommer 2019 das Modell mit der Interaktion Wochentage:Ferien signifikant besser war als das Modell ohne, schnitt das Modell ohne Interaktion im Sommer 2020 besser ab als das mit. So wurden 2019 z. B. Freitage ausserhalb der Ferienzeit deutlich besser besucht als während der Ferienzeit.

Einfluss der Temperatur auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.1: Einfluss der Temperatur auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Einfluss des Regens auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.2: Einfluss des Regens auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Einfluss der relativen Sonnenscheindauer auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.3: Einfluss der relativen Sonnenscheindauer auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Einfluss der Ferien auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.4: Einfluss der Ferien auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Einfluss des Wochentages auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.5: Einfluss des Wochentages auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Modellergebnisse, gültig für das finale Modell im Sommer 2019 (oben) und 2020 (unten) am Glaspass. Die Schätzungen und Standardfehler beziehen sich auf die skalierten Werte. Der y-Achsenabschnitt zeigt den Punkt, an dem die vom Modell berechnete Linie die y-Achse (Besuchszahlen, abhängige Variable) schneidet. Die Schätzungen der Wochentage, Ferien und Wetterparameter beziehen sich auf den Wochentag Montag (Lesebeispiel: Dienstags waren gegenüber montags 0.12 mal mehr Personen unterwegs). tre200jx_scaled = Tagesmaximaltemperatur, rre150j0_scaled = Halbtagessumme Niederschlag. Fett gedruckt sind die signifikanten Schätzungen.

	Anzahl_2019
Predictors	Log-Mean	std. Error	CI	p
(Intercept)	3.31	0.22	2.87 – 3.75	<0.001
Wochentag [Dienstag]	0.15	0.29	-0.42 – 0.73	0.603
Wochentag [Mittwoch]	0.09	0.30	-0.50 – 0.69	0.755
Wochentag [Donnerstag]	0.03	0.29	-0.55 – 0.60	0.929
Wochentag [Freitag]	-0.39	0.29	-0.95 – 0.18	0.177
Wochentag [Samstag]	0.38	0.28	-0.17 – 0.92	0.172
Wochentag [Sonntag]	0.34	0.28	-0.21 – 0.88	0.226
Ferien [0]	-0.61	0.31	-1.22 – 0.01	0.053
tre200jx_scaled	0.29	0.09	0.12 – 0.46	0.001
tre200jx_scaled^2	-0.10	0.05	-0.19 – -0.01	0.026
rre150j0_scaled	-0.17	0.08	-0.33 – -0.01	0.034
rel_Sonnenscheindauer_scaled	0.12	0.07	-0.02 – 0.26	0.106
Wochentag [Dienstag] * Ferien [0]	-0.11	0.41	-0.93 – 0.70	0.783
Wochentag [Mittwoch] * Ferien [0]	-0.01	0.43	-0.84 – 0.83	0.990
Wochentag [Donnerstag] * Ferien [0]	0.78	0.40	-0.01 – 1.56	0.052
Wochentag [Freitag] * Ferien [0]	0.94	0.40	0.14 – 1.73	0.021
Wochentag [Samstag] * Ferien [0]	0.30	0.39	-0.47 – 1.06	0.446
Wochentag [Sonntag] * Ferien [0]	0.32	0.39	-0.44 – 1.09	0.409
Random Effects
σ²	0.20
τ₀₀ _KW	0.03
ICC	0.12
N _KW	14
Observations	88
Marginal R² / Conditional R²	0.668 / 0.706

	Anzahl_2020
Predictors	Log-Mean	std. Error	CI	p
(Intercept)	3.36	0.21	2.94 – 3.78	<0.001
Wochentag [Dienstag]	0.24	0.19	-0.14 – 0.62	0.211
Wochentag [Mittwoch]	0.46	0.19	0.09 – 0.84	0.016
Wochentag [Donnerstag]	0.24	0.19	-0.14 – 0.61	0.218
Wochentag [Freitag]	0.15	0.19	-0.22 – 0.53	0.423
Wochentag [Samstag]	0.31	0.19	-0.07 – 0.69	0.107
Wochentag [Sonntag]	0.51	0.19	0.14 – 0.88	0.007
Ferien [0]	-0.36	0.20	-0.75 – 0.04	0.074
tre200jx_scaled	0.40	0.11	0.19 – 0.61	<0.001
tre200jx_scaled^2	-0.19	0.06	-0.31 – -0.07	0.002
rre150j0_scaled	-0.02	0.06	-0.15 – 0.10	0.703
rel_Sonnenscheindauer_scaled	0.31	0.08	0.15 – 0.48	<0.001
Random Effects
σ²	0.21
τ₀₀ _KW	0.10
ICC	0.33
N _KW	16
Observations	110
Marginal R² / Conditional R²	0.716 / 0.809

8.2 Lai Grand, 2020

Das negativ-binomiale Modell mit Wetterparametern sowie Ferien und Wochentagen als erklärende Variablen erklärt die Besucheranzahl im Sommer 2020 am Lai Grand am besten (marginales R2 = 0.86; konditionelles R2 = 0.90). Overdispersion (Vorhandensein einer größeren Variabilität in einem Datensatz, als dies aufgrund des statistischen Modells zu erwarten wäre) ist mit einem Wert von 1.04 im Jahr 2020 nicht gegeben. Die «random effects» (Kalenderwochen) spielen im Jahr 2020 mit 36 % Varianz eine sehr bedeutende Rolle; die saisonalen Unterschiede sind also auch innerhalb der Sommersaison äusserst wichtig.

An der Zählstelle Lai Grand hatte die Temperatur (gemessen an der Wetterstation Andeer) Im Sommer 2020 einen wichtigen Effekt auf das Besuchsaufkommen (Abbildung 8.6). Bei ca. 32 °C wurde der Pass am meisten frequentiert. Sobald es wärmer wurde, waren die Besuchszahlen wieder rückläufig. Mit zunehmender Temperatur werden die Fehlerbereiche allerdings schnell auch grösser.

Mit zunehmendem Regen nahmen die Passagen an der Zählstelle Lai Grand sehr schnell ab (Abbildung 8.7). Bei mehr als 12 mm Niederschlag während des Halbtages wurden fast keine Passagen mehr registriert.

Je länger die tägliche relative Sonnenscheindauer, desto mehr Passagen wurden am Lai Grand gezählt (Abbildung 8.8). Der Effekt war aber nicht besonders stark und nicht signifikant.

Schulferien (im Kanton Graubünden) führten zu leicht mehr Passagen am Lai Grand (Abbildung 8.9). Der schwache Effekt war nicht signifikant.

Schliesslich waren die Wochentage ebenfalls ein entscheidender Faktor, welcher das Besuchsverhalten am Lai Grand erklärten. Samstage hatten im Sommer 2020 einen positiven Einfluss (Abbildung 8.10). Dienstage hatten ebenfalls einen unerwartet stark positiven Einfluss auf die Besuchszahlen. Das Modell mit der Interaktion Wochentage:Ferien war statistisch besser als dieses ohne Interaktion. Insbesondere Dienstage, Mittwoche und Freitage wurden ausserhalb der Ferienzeit schlechter besucht als während den Ferien.

Abbildung 8.6: Einfluss der Temperatur auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.7: Einfluss des Regens auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.8: Einfluss der relativen Sonnenscheindauer auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Graue Bereiche zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.9: Einfluss der Ferien auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Abbildung 8.10: Einfluss des Wochentages auf die Besuchenden an der Zählstelle Glaspass im RNPB während den Sommern 2019 und 2020. Senkrechte Linien zeigen das 95 % Konfidenzintervall der Regressionsgeraden.

Modellergebnisse, gültig für das finale Modell im Sommer 2020 am Lai Grand. Die Schätzungen und Standardfehler beziehen sich auf die skalierten Werte. Der y-Achsenabschnitt zeigt den Punkt, an dem die vom Modell berechnete Linie die y-Achse (Besuchszahlen, abhängige Variable) schneidet. Die Schätzungen der Wochentage, Ferien und Wetterparameter beziehen sich auf den Wochentag Montag (Lesebeispiel: Dienstags waren gegenüber montags 0.12 mal mehr Personen unterwegs). tre200jx_scaled = Tagesmaximaltemperatur, rre150j0_scaled = Halbtagessumme Niederschlag. Fett gedruckt sind die signifikanten Schätzungen.

	Anzahl_2020
Predictors	Log-Mean	std. Error	CI	p
(Intercept)	2.36	0.35	1.67 – 3.05	<0.001
Wochentag [Dienstag]	1.40	0.39	0.64 – 2.17	<0.001
Wochentag [Mittwoch]	0.49	0.36	-0.23 – 1.20	0.180
Wochentag [Donnerstag]	0.02	0.37	-0.69 – 0.74	0.949
Wochentag [Freitag]	0.46	0.37	-0.27 – 1.18	0.218
Wochentag [Samstag]	1.09	0.37	0.37 – 1.81	0.003
Wochentag [Sonntag]	0.51	0.36	-0.19 – 1.21	0.153
Ferien [0]	-0.22	0.49	-1.18 – 0.75	0.659
tre200jx_scaled	0.89	0.18	0.53 – 1.25	<0.001
tre200jx_scaled^2	-0.37	0.12	-0.60 – -0.14	0.002
rre150j0_scaled	-0.78	0.24	-1.25 – -0.30	0.001
rel_Sonnenscheindauer_scaled	0.22	0.13	-0.03 – 0.48	0.084
Wochentag [Dienstag] * Ferien [0]	-1.65	0.57	-2.77 – -0.53	0.004
Wochentag [Mittwoch] * Ferien [0]	-1.49	0.55	-2.57 – -0.41	0.007
Wochentag [Donnerstag] * Ferien [0]	-0.33	0.55	-1.40 – 0.74	0.543
Wochentag [Freitag] * Ferien [0]	-1.13	0.57	-2.25 – -0.02	0.047
Wochentag [Samstag] * Ferien [0]	-0.89	0.56	-1.98 – 0.20	0.110
Wochentag [Sonntag] * Ferien [0]	-0.04	0.54	-1.09 – 1.01	0.942
Random Effects
σ²	0.36
τ₀₀ _KW	0.18
ICC	0.33
N _KW	16
Observations	110
Marginal R² / Conditional R²	0.877 / 0.917

8.3 Zusammenfassung

Sowohl am Glaspass als auch am Lai Grand hatten Wochenendtage, die Temperatur und Ferien einen positiven Einfluss auf die Besuchszahlen. Dieser war allerdings oft nur bei der Temperatur signifikant. Die relative Sonnenscheindauer hatte ebenfalls einen positiven Einfluss; sie war aber weniger stark als die bereits beschriebenen Faktoren und nicht signifikant. Dies deutet darauf hin, dass die Besuchszahlen am Lai Grand und am Glaspass in erster Linie und am deutlichsten von der Tagesmaximaltemperatur abhängen. Wenn aber die Tageshöchsttemperatur an der Wetterstation Andeer mehr als 30°C beträgt, dann waren die Besuchszahlen wieder rückläufig - den Wandernden und MTB war es schlicht zu heiss.

Der negative Einfluss des Regens auf die Besuchszahlen war am Lai Grand besonder stark und hoch signifikant. Am Glaspass war er deutlich schwächer und nur im Jahr 2019 signifikant.

Auch wenn die Ferien an sich kein signifikanter Faktor waren, gab es durchaus signifikante Interaktionen zwischen den Ferien und den Wochentagen. Wenn keine Ferien waren, wurden Werktage am Standort Lai Grand deutlich weniger stark besucht als zu Ferienzeiten. Wochenenden hatten am Lai Grand generell einen signifikanten und stark positiven Einfluss auf die Besuchszahlen. Am Glaspass war der Einfluss weder signifikant noch so stark.

All diese Faktoren zeigen, wie sich die Besuchscharakteristiken dieser beiden Standorte unterscheiden. Während der Lai Grand viel mehr an Wochendenden, während Ferienzeiten und schönem Wetter besucht wurde, wurde der Glaspass auch bei schlechterem Wetter, ausserhalb der Ferienzeiten und an Werktagen begangen.

Die Nutzung durch Outdoorsporttreibende im RNPB ist demnach zeitlich als auch räumlich sehr heterogen. Auf der Gundlage der vorliegenden Modelle zu den zwei Standorten Glaspass und Lai Grand lautet unsere These, dass relativ tief gelegene, gut zugängliche (Anschluss öV, Parkplätze in der Nähe) und kurze Wanderwege auch ausserhalb der Ferienzeiten, an Werktagen und bei regnerischem Wetter noch begangen werden. Standorte, welche weiter oben liegen, nicht so gut erschlossen sind und eine lange Wanderung erfordern, werden fast ausschlisslich begangen, wenn das Wetter trocken ist, es Wochenende ist oder Ferien herrschen.