Ecological Footprint of Road Congestion in Kolkata City: An Integrated Traffic, Carbon Emission and Spatial Assessment Framework

Technische Zusammenfassung: Der ökologische Fußabdruck von Straßenverkehrsstaus in der Stadt Kalkutta

Problemstellung
Straßenstaus verursachen erhebliche Umweltkosten, indem sie Fahrzeuggeschwindigkeiten reduzieren, Leerlaufzeiten verlängeln und Stop-and-Go-Verkehr induzieren, was kollektiv den Kraftstoffverbrauch und die Treibhausgasemissionen erhöht. Während die bestehende Literatur Transportemissionen, Luftqualität und Staus separat behandelt, mangelt es an integrierten Rahmenwerken, die die spezifische ökologische Belastung infolge von Staus auf Korridorebene quantifizieren. Darüber hinaus versagen Standardbewertungen des CO₂-Fußabdrucks oft dabei, zwischen Emissionen unter Verkehrsflussbedingungen und jenen zu unterscheiden, die spezifisch aus verkehrsbedingten Ineffizienzen resultieren. Diese Studie adressiert die Lücke zwischen der beobachteten Stauintensität und den gefahrenen Fahrzeugkilometern (Vehicle-Kilometres Travelled, VKT), dem Kraftstoffverbrauch, den CO₂-Emissionen und deren Umrechnung in eine äquivalente biologisch produktive Fläche (ökologischer Fußabdruck).

Methodik
Die Arbeit schlägt das Ecological Footprint of Road Congestion (EFRC)-Framework vor, einen integrierten Ansatz, der Verkehrs-Dynamiken mit der ökologischen Bilanzierung verknüpft. Die Studie konzentriert sich auf acht Hauptverkehrskorridore in Kalkutta, Indien.

• Datenquelle: Die Analyse nutzt einen synthetischen Transport- und Straßenstruktur-Datensatz (N = 400 Beobachtungen), der zur methodischen Demonstration konzipiert wurde. Es wird explizit darauf hingewiesen, dass es sich hierbei nicht um Felddaten handelt, sondern um einen strukturierten Datensatz zur Testung des Workflows.
• Konzeptionelles Rahmenwerk: Das Framework schreitet von Verkehrsvolumen und Klassifizierung über Betriebscharakteristika (Geschwindigkeit, Warteschlangenlänge, Leerlauf) voran, um ein Maß für die Stauintensität abzuleiten. Dies wird in einen überschüssigen Kraftstoffverbrauch (Trennung von Fahr- und Leerlaufkomponenten) übersetzt, in CO₂-Emissionen umgerechnet und schließlich als ökologischer CO₂-Fußabdruck in globalen Hektar (gha) ausgedrückt.
• Indikatoren: Zu den Schlüsselmetriken gehören der Stauindex (Congestion Index, CI), der Verzögerungsindex, VKT und ein zusammengesetzter Ecological Footprint of Road Congestion Index (EFRCI). Der EFRCI aggregiert normalisierte Indizes für Stau, Kraftstoff, CO₂, Leerlauf und VKT.
• Statistische und räumliche Analyse: Die Studie verwendet deskriptive Statistiken, Pearson- und Spearman-Korrelationen, multiple Regression mit Varianzinflationsdiagnostik (VIF), Hauptkomponentenanalyse (PCA), ein-faktorielle ANOVA über fünf Zonen von Kalkutta sowie räumliche Analysen mittels Moran's I und GIS-basierter Hotspot-Kartierung (Getis-Ord Gi*, Kernel Density, IDW).

Hauptergebnisse
Die Ergebnisse, die aus dem synthetischen Datensatz abgeleitet wurden, demonstrieren den Workflow und die statistischen Beziehungen innerhalb des Frameworks:

• Korrelationen: Der zusammengesetzte EFRCI zeigte sehr starke positive Korrelationen mit dem Kraftstoffverbrauch (r = 0,960), den CO₂-Emissionen (r = 0,960) und den VKT (r = 0,877). Umgekehrt korrelierte er moderat mit dem Stauindex (r = 0,384) und der Durchschnittsgeschwindigkeit (r = −0,383).
• Regressionsanalyse: Ein multiples Regressionsmodell erklärte 94,2 % der Varianz des ökologischen Fußabdrucks (angepasstes R² = 0,941). Die einzigen statistisch signifikanten Prädiktoren waren VKT und der Anteil schwerer Fahrzeuge. Der Stauindex und die Durchschnittsgeschwindigkeit erwiesen sich als perfekt kollinear (r = −1,000), was sie im Modell austauschbar macht und eine separate Interpretation ihrer Koeffizienten verhindert.
• Hauptkomponentenanalyse (PCA): Zwei Hauptkomponenten erklärten 86,17 % der Gesamtvarianz. PC1 repräsentierte eine „Skalierungsdimension“ (Ladung auf EFRCI, CO₂, Kraftstoff und VKT), während PC2 die „Stau-vs.-Geschwindigkeits“-Dynamik darstellte.
• Räumliche und zonale Unterschiede:
  • Zonale Variation: Die mittleren ökologischen Fußabdrücke unterschieden sich signifikant zwischen den Kalkutta-Zonen (F = 7,4658, p < 0,001). South-West Kalkutta wies den höchsten mittleren Fußabdruck auf (2,734 gha), während East Kalkutta den niedrigsten aufwies (2,006 gha).
  • Korridor-Leistung: Die Strecke MG Road–Central Avenue verzeichnete den höchsten EFRCI (1,68) aufgrund niedriger Geschwindigkeiten und hohem Leerlauf; EM Bypass–Science City verzeichnete trotz hoher Verkehrsaufkommen den niedrigsten EFRCI (1,12), bedingt durch höhere Geschwindigkeiten und geringere Leerlaufanteile.
  • Räumliche Clusterbildung: Die globale räumliche Autokorrelation (Moran's I = −0,0964) war nicht signifikant, was darauf hindeutet, dass keine globale Clusterbildung von Korridoren mit hohem Fußabdruck auf Knotenebene vorliegt, obwohl die GIS-Kartierung lokale Konzentrationen im Central Business District hervorhob.

Wesentliche Beiträge

1. Entwicklung eines Frameworks: Die Arbeit führt das EFRC-Framework ein, das die Stauintensität, den fahrzeugspezifischen Kraftstoffverbrauch (Fahrt vs. Leerlauf) und die CO₂-Aufnahmeanforderungen auf einzigartige Weise in einem einzigen Kennwert auf Korridorebene integriert, der in globalen Hektar ausgedrückt wird.
2. Differenzierung der Stau-Belastung: Sie trennt explizit die ökologische Belastung durch Stau von den gesamten Transportemissionen und adressiert damit die Lücke, in der staubedingte Auswirkungen oft in stadtweiten Durchschnittswerten maskiert werden.
3. Methodische Demonstration: Die Studie bietet einen vollständigen analytischen Workflow, von der Datensynthese bis zur GIS-basierten räumlichen Risikokartierung, und zeigt auf, wie eine ökologische Fußabdruckanalyse für spezifische Straßenkorridore operationalisiert werden kann.
4. Statistische Erkenntnisse: Die Analyse hebt die mathematische Abhängigkeit zwischen Stauindizes und Geschwindigkeit hervor und bietet methodische Orientierung bei der Auswahl von Variablen in Regressionsmodellen, um Multikollinearität zu vermeiden.

Bedeutung und Ansprüche
Das Paper behauptet, dass das EFRC-Framework ein differenzierteres Verständnis der urbanen Nachhaltigkeit bietet als traditionelle Indikatoren wie Durchschnittsgeschwindigkeit oder Verzögerung allein. Durch die Umrechnung von CO₂-Emissionen in biologisch produktive Landfläche ermöglicht das Framework den Vergleich verschiedener Korridore auf einer einheitlichen ökologischen Skala.

Der Autor betont, dass die numerischen Ergebnisse nur demonstrativ sind und aus synthetischen Daten stammen, um den Workflow zu validieren. Die Arbeit behauptet, dass das Framework darauf ausgelegt ist, mit realen Verkehrszählungen, GPS-Geschwindigkeitsdaten und validierten Emissionsfaktoren angewendet zu werden. Sie kommt zu dem Schluss, dass der Straßenverkehrsstau in Kalkutta nicht nur als eine Verkehrseffizienz-Problematik, sondern als ein ökologisches Ressourcenproblem betrachtet werden sollte, bei dem reduzierte Geschwindigkeiten und erhöhter Leerlauf den ökologischen Bedarf der Ökosysteme der Stadt direkt erhöhen. Die zukünftige Anwendung des Frameworks erfordert eine Feldvalidierung, um die statistischen Beziehungen und räumlichen Muster zu bestätigen, die in dieser methodischen Demonstration identifiziert wurden.