Wie viele Radfahrer:innen fahren heute durch den Stadtwald?

Echte Daten statt Lehrbuch-Datensatz

Der Auslöser war simpel: ein Online-Kurs zu maschinellem Lernen, und die Frage, ob man die Übungen nicht mit echten, selbst besorgten Daten statt mit sklearn- Beispieldatensätzen durchspielen könnte. Mit Bezug zu Köln, der eigenen Stadt — und mit einer Zeitkomponente, die sich lohnt zu modellieren: Wochentage, Jahreszeiten, Wetter.

Die Fahrrad-Dauerzählstelle im Stadtwald war der naheliegende Kandidat: automatisch erfasste, mehrjährige Messreihen, mit einem öffentlichen Dashboard. Nur: ein sauberer CSV-Download war nirgends zu finden.

Wie man Kategorien und Zyklen für lineare Regression aufbereitet

Lineare Regression nimmt jede Eingabezahl wörtlich als lineares Verhältnis — das passt nicht automatisch zu Kalenderdaten. Drei Entscheidungen waren hier zentral:

Wochentag und Monat als One-Hot statt als Zahl

Ein roher Wochentags-Code (0–6) würde dem Modell suggerieren, Sonntag sei "sechsmal so viel Wochentag" wie Montag — Unsinn, Wochentage sind nicht ordinal. Stattdessen bekommt jeder Tag eine eigene 0/1-Spalte, mit einer Referenzkategorie als Vergleichspunkt.

Jahreszeit als Kreis, nicht als Gerade

Der Tag im Jahr (1–365) hat am Jahresende einen künstlichen Sprung: der 31. Dezember und der 1. Januar liegen kalendarisch nebeneinander, numerisch aber 364 Tage auseinander. Eine Sinus/Cosinus-Kodierung bildet das Jahr stattdessen als Kreis ab.

# Tag im Jahr als Punkt auf dem Einheitskreis, nicht als rohe Zahl
doy = df["datum"].dt.dayofyear
df["doy_sin"] = np.sin(2 * np.pi * doy / 365)
df["doy_cos"] = np.cos(2 * np.pi * doy / 365)

Abgeleitete Flags statt roher Messwerte

Aus der Fehleranalyse (dazu im nächsten Abschnitt mehr) kamen zusätzliche Features: ein binäres hat_geregnet statt der reinen Millimeterzahl, eine Kälte-Schwelle (kaelte_unter_m0), und eine Interaktion aus Ferien-Flag und Wochenend-Flag.

Was beim Modellieren tatsächlich schiefging

Der ehrlichste Teil eines Datenprojekts ist selten die finale Pipeline — sondern das, was auf dem Weg dahin kaputtging und warum. Eine Auswahl der Momente, die das Modell am meisten vorangebracht haben:

Was den Radverkehr tatsächlich erklärt

Das finale Modell — multiple lineare Regression mit 19 bereinigten Features — erreicht auf nie gesehenen Testdaten ein R² von 0,83 bei einem mittleren absoluten Fehler von rund 357 Radfahrer:innen pro Tag.

Das zweitstärkste Muster ist weit weniger überraschend, aber ebenso klar: Samstag und Sonntag senken den erwarteten Radverkehr um 870 bis knapp 1.000 Fahrten gegenüber einem normalen Werktag — ein Hinweis darauf, dass die Zählstelle stark pendlergeprägt ist. Schulferien wirken in dieselbe Richtung und fast genauso stark wirkt mittlerweile auch Karneval (−773 Fahrten) — nur der 11.11. fällt mit −470 etwas moderater aus. Regen drückt den Radverkehr ebenfalls, während Sonnenscheindauer und die Maximaltemperatur die stärksten positiven, wettergetriebenen Effekte sind.

Grenzen der linearen Regression

Der Residuenplot zeigt keine systematische Trichterform — ein gutes Zeichen für die Grundannahmen des Modells. Trotzdem bleibt lineare Regression strukturell limitiert: sie kann keine Sättigungseffekte abbilden (irgendwann bremst auch Hitze den Radverkehr statt ihn weiter zu steigern — dieser Bereich kam 2020–2025 in Köln allerdings kaum vor, ein quadratischer Temperaturterm blieb entsprechend statistisch bedeutungslos), und sie extrapoliert jenseits des beobachteten Wertebereichs ohne jede eingebaute Vorsicht.

Für eine Vorhersage-Funktion heißt das konkret: Eingaben weit außerhalb des beobachteten Trainingsbereichs sollten eigentlich gegen eben diesen Bereich geprüft werden, bevor man dem Ergebnis traut — aktuell übernimmt das noch niemand automatisch, das ist ein offener Punkt für die nächste Ausbaustufe. Kalender-Flags wie Feiertage oder Schulferien lassen sich dagegen für jedes beliebige Datum von Hand übergeben; nur die automatische Erkennung aus den hinterlegten Listen deckt bislang nur 2020–2025 ab. Karneval und der 11.11. sind davon ausgenommen — die werden über die Osterformel direkt aus dem Datum berechnet und funktionieren deshalb für jedes beliebige Jahr, auch außerhalb des Trainingszeitraums.

Was am Ende tatsächlich im Modell steckt

Das Modell selbst ausprobieren

Keine Serveranfrage, kein Backend — das lineare Modell ist nichts weiter als 19 Koeffizienten plus ein Achsenabschnitt. Der Rechner unten wertet dieselbe Formel aus, die statsmodels beim Training gelernt hat, direkt in deinem Browser. Karneval und der 11.11. werden dabei automatisch aus dem gewählten Datum berechnet, nicht manuell angehakt. Die Startwerte für Temperatur, Niederschlag, Sonnenschein und Wind kommen aus einer aktuellen Open-Meteo-Vorhersage für Köln, die beim Laden der Seite einmal serverseitig abgerufen wird — die Berechnung selbst läuft aber weiterhin komplett im Browser, und jedes Feld lässt sich frei überschreiben.

Live-Wetterdaten: Open-Meteo (Vorhersage für Köln, stündlich aktualisiert).