Die Staus auf deutschen Autobahnen nehmen weiter zu. Im Jahr 2014 registrierte der ADAC rund 475.000 Staus mit einer Gesamtlänge von 960.000 Kilometern. Zu den Folgen zählen (neben gestressten Autofahrern) erhöhte CO2-Emissionen, zusätzliche Transport- und Produktionskosten, vergeudete Arbeitszeit sowie Lieferverzögerungen. INVENT schätzt den wirtschaftlichen Schaden auf etwa 250 Millionen Euro pro Tag.
Da Staus aus einem komplexen Zusammenspiel verschiedener Faktoren entstehen, sind Verkehrsprognosen methodisch anspruchsvoll. In einem aktuellen IZA Discussion Paper stellt Nikos Askitas eine elegante und zugleich simple Methode vor, mit der zu erwartende Verkehrsbelastungen erfasst werden können, noch bevor sich der Stau bildet. Der Big-Data-Experte nutzt dabei aus, dass sich viele Autofahrer vor ihrer Fahrt online über die Verkehrssituation informieren – und somit ihre geplante Route teilweise offenlegen.
Seine Ergebnisse zeigen, dass sich allein auf Basis der allgemein zugänglichen Google-Suchstatistiken rund 80% der Variation in den ADAC-Staumeldungen zwei Stunden vorab vorhersagen lassen. So führt ein einprozentiger Anstieg der Suchhäufigkeit nach dem Begriff „Stau“ zwei Stunden später zu einem Anstieg der Staumeldungen um 0,4 Prozent.
Anhand der Google-Suchanfragen um 7:00 und 16:00 Uhr lässt sich also (unter Berücksichtigung des Wochentags und anderer Faktoren) relativ gut ablesen, wie schlimm die Rush Hour um 9:00 bzw. 18:00 Uhr wird. Geografische Informationen wie Autobahnnummern und Städtenamen in den Suchanfragen verbessern die Qualität der Vorhersagen zusätzlich.
Askitas empfiehlt Verkehrsplanern daher, Google-Suchstatistiken bei der Entwicklung von Modellen für Verkehrsprognosen und Stauprävention stärker mit einzubeziehen. Die Treffsicherheit ließe sich durch präzisere Zieldaten, etwa durch GPS-Informationen zu den Nutzern von Suchmaschinen, weiter steigern.