Foto: Berkin Üregen, via Unsplash, Unsplash License

Berkin uregen gf9 J4fy JKD0 unsplash

mFUND-Konferenz: Wie geförderte Projekte Verkehrs- und Infrastrukturdaten erfassen

in die Zwischenablage kopiert

Zuletzt bearbeitet am

Fabian Schweyher & Lukas Wohner

mFUND-Konferenz: Wie geförderte Projekte Verkehrs- und Infrastrukturdaten erfassen

Innovative Mobilitätslösungen sind in aller Regel auf Daten angewiesen, die jedoch oft noch gar nicht vorhanden sind. Ansätze, wie sie sich erfassen lassen, waren in den Fachforen und Workshops der diesjährigen mFUND-Konferenz immer wieder ein Thema. Die entsprechenden Technologien werden die Verkehrsinfrastruktur prägen.

Verkehrssicherheit, Routenoptimierung, Citylogistik, Parkplatzsuche – dabei handelt es sich um Bereiche, in denen mFUND-Projektteams an datengetriebenen Innovationen arbeiten. So verschieden sie auf den ersten Blick erscheinen mögen, in den Fachforen und Workshops der 5. mFUND-Konferenz des BMVI wurde deutlich: Viele Teams stehen vor ein und derselben Herausforderung. Sie benötigen Daten über Verkehr und Infrastruktur, die zum einen noch nicht erfasst sind und die zum anderen händisch kaum oder gar nicht erfasst werden können. Es müssen also kreative technische Lösungen her, von denen auf der mFUND-Konferenz zahlreiche vorgestellt und erörtert wurden.

Sensoren registrieren freie Parkplätze

So etwa im Fachforum „Digitale Parkraumbewirtschaftung – über Parkplatzkapazitäten in Echtzeit informieren“: Obwohl Parkplätze in öffentlichen Räumen so wichtig für den Verkehr sind, besteht eine große Datenlücke hinsichtlich ihrer Kapazitäten und Belegung. Präzise Informationen diesbezüglich sind wichtig, um intelligente Parklösungen zu entwerfen und unnötige Fahrzeit für die Parkplatzsuche zu vermeiden. Das Team des Projekts ACUP zählte deshalb zunächst die 37.073 Parkplätze in der Aachener Innenstadt und installierte in einem zweiten Schritt 41 videobasierte Sensoren an Straßenlaternen, die freie Parkplätze in Echtzeit registrieren. Alle Daten fließen in eine Datenbank, die zukünftig die Grundlage für ein digitales Parkraummanagement bilden soll. Im Projekt PundR-Aktuell entschied man sich hingegen für Sensoren, die auf dem Asphalt angebracht wurden, um die Belegung von Parkplätzen auf Park-and-Ride-Anlagen zu messen. Mit diesen und weiteren Daten trainiert das Team eine Künstliche Intelligenz (KI), die künftig Prognosen über die Auslastung solcher Anlagen treffen soll.

Kameras filmen Straße und Radwege – KI und Algorithmen werten die Daten aus

Im Fachforum „Citylogistik– mit innovativen Datenanwendungen aktuelle Herausforderungen meistern“ stellte das Projektteam AK2 ein fahrradgebundenes Messsystem vor, das Hindernisse auf Rad- und Fußwegen erfasst. Das erste Konzept bestand aus einer Sensorbox, die während der Fahrt Daten wie Geschwindigkeit und Erschütterungen erhob, jedoch auf eine manuelle Eingabe des Hindernisses durch die Fahrenden angewiesen war. Im zweiten Konzept setzten die Beteiligten auf Videokameras und Auswertungen mithilfe einer KI. Das funktionierte laut dem Projektteam zuverlässig, für einen Einsatz in verschiedenen Städten müsse die KI aber mit mehr Daten trainiert werden – Straßen und ihre Markierungen sehen nämlich nicht überall gleich aus.

Lesen Sie auch unseren Artikel über die Erfassung der Verkehrsinfrastruktur für bessere Routenplanung mit dem Lastenrad.

Auch das Projekt hochfein, das im Fachforum „Datenanwendungen für eine höhere Sicherheit im Straßenverkehr“ präsentiert wurde, arbeitet mit Kameras, die wiederum an Laternenmasten angebracht sind. Die Aufnahmen sollen dabei helfen, den Verkehr in kritischen Abschnitten hochdynamisch und feingranular zu erfassen. Dies geschieht mit einem dichten Netz an Kameras, aus deren Aufnahmen Algorithmen Ort, Geschwindigkeit und Beschleunigung aller Verkehrsteilnehmer:innen berechnen. So sollen Risiken erkannt und Unfälle durch Warnungen vermieden werden.

Illustration einer Kreuzung mit Videokameras

Foto: HFC/HHI

Hochdynamisch und feingranular: Ein dichtes Netz an Videokameras soll Unfallrisiken erfassen und Warnungen ermöglichen.
Mikro-Doppler-Radar kann Verkehrsteilnehmer:innen erkennen und unterscheiden

Gänzlich andere Technik kam im Projekt VIDETEC zum Einsatz: ein Mikro-Doppler-Radar und ein System namens „Communication, Localization and Surveillance“ (CLS), das von Fahrzeugen gesendete Funksignale (sogenannte Vehicle-to-X-Kommunikation, kurz: V2X) verarbeitet. Das Radar zeigte in den Versuchen charakteristische Muster für verschiedene, sich bewegende Objekte. Diese Daten können zukünftig zum Trainieren von Algorithmen für die automatische Klassifizierung von Verkehrsteilnehmer:innen genutzt werden. Mit dem CLS-System gelang es, Verkehrsteilnehmer:innen zu lokalisieren. In der Kombination der Radar- und CLS-Daten sehen die Projektverantwortlichen das Potenzial, Unfälle durch Warnungen zu vermeiden.

Die Vorträge der Projektteams verdeutlichten einmal mehr, dass auch die smarteste Technik immer auf eine Vielzahl an relevanten Daten angewiesen ist. Insbesondere im Verkehr bedarf es dynamischer Daten, die möglichst in Echtzeit verarbeitet werden müssen, um das innovative Potenzial neuer Mobilitätsanwendungen ausschöpfen zu können. Es scheint somit nur eine Frage der Zeit, bis Kameras, Sensoren und weitere Erfassungstechnik das Bild von Straßen, Radwegen und Parkplätzen prägen werden.

Empfohlene Beiträge