Zu Hauptinhalt springen

BikeDetect

Entwicklung und Erprobung eines kosteneffizienten Sensorsystems zur verbesserten Detektion von Radfahrenden im realen Straßenverkehr

Zuletzt aktualisiert am 02.12.2024

Projektbeschreibung

Problem

Radfahrende sind oft gefährlichen Situationen im Straßenverkehr ausgesetzt. Der in der StVO definierte Überholmindestabstand (1,5 m innerorts) wird von Autofahrenden oft nicht eingehalten, u.a. da dieser aus „Augenschein” nicht sicher zu erkennen ist. Es bestehen nur geringe Erkenntnisse über kritische Situationen mit zu geringem Seitenabstand beim Überholen von bzw. Vorbeifahren an Radfahrenden aus Sicht des motorisierten Verkehrs. Auf Basis einer verbesserten Datenlage könnten Autofahrende ihr Fahrverhalten anpassen und so indirekt zu einem attraktiveren und sichereren Radverkehr beitragen.

Ziele

Ziel von „BikeDetect“ ist die Entwicklung eines Sensorsystems in Form eines Labormusters zur Nachrüstung des motorisierten Verkehrs, um Abstände zu Radfahrenden im Straßenverkehr zur Erhöhung der Radfahrsicherheit detektieren zu können. Das optimale Sensorsystem wird auf Basis mehrerer Pre- und Feldtests konzipiert. Die Datenauswertung kombiniert Abstandsmessungen mit der automatisierten Erkennung von Radfahrenden im Straßenverkehr mittels KI Methoden. Praktische Sicherheitsanforderungen der kommunalen Planung (z.B. Mindestabstände, Ausführgeschwindigkeit der KI Modelle) fließen in die Umsetzung ein.

Exemplarische Verkehrssituation in Osnabrück
Exemplarische Verkehrssituation in Osnabrück | Johannes Schering

Durchführung

Die Anforderungen an Sensorsystem und KI Modelle (u.a. zulässige Fehlerraten, DSGVO) werden in einem Workshop erhoben. Labortests untersuchen Kombinationen von Sensoren für Abstand (Ultraschall, Optik, Radar) und Klassifizierung (Thermal, LiDAR, 3D-Kamera) hinsichtlich Messgenauigkeit und Robustheit. Im Feldtest wird das priorisierte Sensorsystem auf ausgewählten Strecken im Stadtgebiet von Osnabrück unter Einsatz größerer Fahrzeuge (Transporter) getestet. Die erzeugten Daten werden unter Einsatz von Data Science Methoden ausgewertet und auf Basis kommunaler Anforderungen anhand neuer ausgewählter Kennzahlen und Kartendarstellungen zur Verkehrssicherheit visualisiert.

Kontakt

Prof. Dr.-Ing. habil. Jorge Marx Gómez

Projekt Partner

iotec GmbH
Osnabrück
FKZ: 19F1199B
Carl von Ossietzky Universität Oldenburg, Abteilung für Wirtschaftsinformatik VLBA
Oldenburg
FKZ: 19F1199A

Ähnliche Projekte

RAMUS

Reifen-Abriebs-Messung Und Simulation

Neue Technologien für Verkehrsmittel

SOUNDWARN

Konfliktwarnungen über gerichteten Schall

Neue Technologien für Verkehrsmittel
1 / 3