hochfein
Hochdynamische und feingranulare Verkehrsdatenerfassung für mehr Verkehrssicherheit in Städten
Zuletzt aktualisiert am 30.07.2018
Projektbeschreibung
Problem
In vielen Städten leisten Verkehrsdaten einen wichtigen Beitrag zur Bestimmung der aktuellen lokalen Verkehrssituation . Für bestimmte Anwendungen ist die herkömmlich eingesetzte Sensorik allerdings nicht geeignet, weil die zeitliche Erfassungsrate zu gering und die örtliche Auflösung zu grob ist. Ziel des Projektes „hochfein“ war die hochdynamische und feingranulare Erfassung der Bewegungsdaten von Verkehrsteilnehmern (inkl. Fußgängern, Fahrradfahrern, etc.) über Videodetektion an besonderen Unfallschwerpunkten als Grundlage zur Aufdeckung von sicherheitskritischen Situationen. Dazu wurde der Verkehrsraum im Umfeld einer gefährlichen Kreuzung in Berlin mit speziell entwickelten Videokameras ausgestattet. Aus dem Videostream wurden die Trackingdaten der Verkehrsteilnehmer mit modernen Bildverarbeitungsalgorithmen berechnet (siehe Bild).
Ziele
Eine Besonderheit im Projekt „hochfein“ war die Nutzung von eingebetteter Hardware auf den Spezial-Kameras. Die KI-Algorithmen wurden lokal, direkt auf den Primärdaten realisiert. Es war des-halb möglich, auf die Aufzeichnung eines Videostreams zu verzichten. Damit konnten Datenschutzprobleme vermieden und gleichzeitig der für den Trackingabgleich notwendige Datenstrom zwischen den Kameras drastisch reduziert werden.' Im Projekt „hochfein“ konnte gezeigt werden, wie stark sich die Verkehrssicherheit durch kamerabasierte Objekterkennung verbessern lässt, wenn diese auf Elementen der Straßeninfrastruktur montiert ist. Hier bieten sich für die Zukunft Kombinationen mit Sicherheitssystemen in Kraftfahrzeugen oder Fahrrädern an. Als weiteres Ergebnis von „hochfein“ konnten wertvolle Erkenntnisse zur Gestaltung von Warnung für Fahrradfahrer gewonnen werden. In Kombination mit Warnungen in Pkw oder Lkw kann eine bedeutende Erhöhung der Verkehrssicherheit für vulnerable bzw. ungeschützte Verkehrsteilnehmer erwarten werden.