Parkdruck
Die Forschungsgesellschaft für Straßen- und Verkehrswesen definiert Parkdruck anhand der Auslastung der Parkraumangebots (Auslastung = Belegung/Kapazität), wobei die Skala von <60 % („kein Parkdruck“) bis >90 % („sehr hoher Parkdruck“) reicht. Somit geht es beim Parkdruck um die Relation aus Parkraumnachfrage (die, wenn sie bedient werden kann, zu einer Belegung führt) und Parkraumangebot (Kapazität).
Die Parkraumnachfrage, die nicht (sofort) bedient werden kann, führt zu Parksuchverkehr (PSV). Entsprechend liegen Näherungsformeln vor, mit denen die durchschnittliche Parksuchdauer (PSD) aus der Auslastung des Parkraumangebots bestimmt werden kann (Belloche 2015), wobei die PSD mit zunehmender Auslastung überproportional ansteigt.
PSV wird als Problem wahrgenommen, da dieser mit negativen ökonomischen, ökologischen, verkehrlichen und gesundheitlichen Effekten auf die Fahrenden sowie die Gesellschaft verbunden ist (Brooke et al. 2014).
Es gibt unterschiedliche Methoden zur Messung der PSD und damit des PSV. Methoden basierend auf Floating Car Data (FCD) ergeben dabei deutlich belastbarere Messungen als Befragungen, die offenbar zu hohe Werte liefern (Hagen und Saki 2024, Saki und Hagen 2024). Es zeigt sich, dass die mittlere PSD mit dem Urbanisierungsgrad steigt: Im Innenstadtbereich deutscher Großstädte kann diese ein gravierendes Problem sein, während das Phänomen in ländlichen Gebieten quantitativ nicht relevant ist.
Maßnahmen zur Reduktion des PSV – vor allem über die Senkung der Parkraumnachfrage und somit des Parkdrucks – fallen in den Bereich des Parkraummanagements. Als schädlich hat sich hier die Koexistenz von bewirtschaftetem und nicht-bewirtschaftetem Parkraum in einem Quartier herausgestellt, der Autofahrende veranlasst, zunächst nach einem kostenlosen Parkplatz zu suchen und im Falle eines Misserfolgs auf einen gebührenpflichtigen auszuweichen. Eine hohe PSD wird zudem offenbar von Autofahrenden antizipiert, was die Parkraumnachfrage, den Parkdruck und somit den PSV im entsprechenden Quartier reduziert, sodass es hier zu einer Art „Selbstregulation“ kommt (Millard-Ball et al. 2020).
Quellen
Belloche, S. (2015). On-street Parking Search Time Modelling and Validation with Survey-based Data. Transportation Research Procedia 6: 313–324.
Brooke, S., S. Ison und M. Quddus. (2014). On-street parking search: review and future research direction. Transportation Research Record 2469.1: 65-75.
Forschungsgesellschaft für Straßen- und Verkehrswesen (FGSV), 2012. Empfehlungen für Verkehrserhebungen. FGSV, Köln.
Hagen, T. und S. Saki (2024). start2park – Parksuche erfassen, verstehen und prognostizieren. Abschlussbericht. Verfügbar unter: http://doi.org/10.48718/wzkt-yd05
Millard-Ball, A., R. C. Hampshire und R. Weinberger (2020). Parking behaviour: The curious lack of cruising for parking in San Francisco. Land Use Policy 91: 103918.
Saki, S. und T. Hagen, T. (2024). Parking search identification in vehicle GPS traces. Journal of Urban Mobility 6, 100083. Verfügbar unter: https://doi.org/10.1016/j.urbmob.2024.100083