Der Fahrrad-Index ist eine Idee, bei der Ich verschiedenste Parameter normaliziert berücksichtige.
Das Normalisieren der Temperatur zum Beispiel geschieht durch die Formel $\tau_\text{norm} = 1 - \tanh\left(\frac{\left|\tau-15\right|}{15}\right)$. Tanh ist in diesem Falle eine Funktion, um eine Übersättigung zu verhindern. Größere Werte nähern sich immer langsamer an 1 an. 15°C nehme ich als optimal an und teile die absolute Differenz zu dieser Temperatur durch 15, weil 0°C oder 30°C schon recht unangenehm sind. "Schon recht unangenehm" ist da so die Messlatte, die ich genommen habe; jedenfalls gibt der $\tanh{1}$ schon einen recht hohen, aber noch nicht maximalen Wert im Raum von $[0, 1]$, sodass reserve für schlimmere Werte ist. Dort steigt es dann nicht mehr so start
Letztendlich werden alle Werte miteinander multipliziert. Anders als beim Berechnen des Durchschnittes kann ein Parameter nahe 0, etwa Sturmböen oder starker Regen, den Gesamtwert stark drücken, weil ich annehme dass ein anderer, guter Parameter, etwa eine opitmale Temperatur, das Gefühl beim Radfahren nicht mehr verbessert.
Fahrrad-Index $FI = \prod_{p\in params} p$
Die Daten stammen von Open-Meteo.com (“Weather Forecast API | Open-Meteo.com” 2023). Diese Seite sammelt allerlei als Opendata veröffentlichte Wetterdaten und bietet sie über eine angenehme API zur Verfügung.
“Weather Forecast API | Open-Meteo.com,”. 2023. February 16, 2023, URL: .
License: CC BY-4.0 [Impressum und Datenschutz]