Wo im Ort lohnt sich ein Pizzadienst? Wie lassen sich Pakete auch zu ungewöhnlichen Tageszeiten sicher zustellen? Die Vision von autonomen Lieferrobotern und autonomen Mikromobilen im Stadtgebiet stellt neue Herausforderungen an die Infrastruktur. Wo kann sich ein solches System überhaupt sicher bewegen? Welche Anzahl von Passantinnen und Passanten ist für den Robotereinsatz geeignet? Mit den aktuell zur Verfügung stehenden Daten lassen sich diese Fragen noch nicht vollständig beantworten.
Ein neues Verbundprojekt verbindet deshalb die Kompetenzen von verschiedenen Universitäten und Hochschulen sowie industriellen Partnern, um anhand von Fahrradbewegungen Methoden für eine effiziente Datenerhebung zu identifizieren. Das Bundesministerium für Digitales und Verkehr (BMDV) fördert das Projekt mit 2,9 Millionen Euro.
„Während für das autonome Kraftfahrzeug heute schon sehr detaillierte Kartendaten vorhanden sind, gibt es diese für die wesentlich variantenreicheren Fuß- und Radwege nicht“, sagt Projektleiter Prof. Sebastian Zug, Leiter der Professur für Softwaretechnologie und Robotik der TU Bergakademie Freiberg. „Wenn wir also wissen wollen, wo ein Pizzadienst in einem Stadtteil öffnen sollte, um viele Kundinnen und Kunden zu erreichen, können wir die Frage mit Blick auf verfügbare Wege, deren Breiten und das Verkehrsaufkommen nicht beantworten.“ Mit welchen Strategien diese Daten erhoben und ausgewertet werden können, untersucht das von der TU Bergakademie Freiberg koordinierte Forschungsprojekt „Ready for Smart City Robots? Multimodale Karten für autonome Mikromobile – R4R“ im Rahmen der Innovationsinitiative mFUND des BMDV.
Detaillierte Karten von Geh- und Radwegen notwendig
Eine manuelle Erfassung aller notwendigen Daten ist wegen der Gesamtlänge von Fuß- und Radwegen nicht umsetzbar. Deshalb setzt das Team auf die Einbindung von Radfahrerinnen und Radfahrern, um großflächig die Untergründe von Gehwegen, die Position von Pollern oder Absätzen genauso zu erfassen, wie Passantenaufkommen, Beleuchtungssituation oder Lokalisierungsgenauigkeit. „Falls derartige Daten existieren, dann nur in Teilen an sehr unterschiedlichen Stellen bei Kommunen oder öffentlichen Datenbanken. Eine ganzheitliche Bewertung ist so nicht möglich“, so der Projektleiter. Im Projekt R4R werden zwei Strategien verfolgt: Erstens die Datenerhebung mit Leihfahrrädern und einem kompakten Sensorknoten und zweitens die Nutzung einer Smartphone-App durch freiwillige Fahrradbegeisterte. Welche Methode für die Datenerhebung am effizientesten ist, möchte das Team nun in den kommenden drei Jahren herausfinden. Darüber hinaus interessiert die Forschenden, wie die Daten so dargestellt werden können, dass sie möglichst viele Forschungsfragen bezüglich autonomer Kleinroboter beantworten.
Datenerhebung mit speziellen Sensoren an Fahrrädern
In einem Vorgängerprojekt haben die Forschenden dafür ein Sensorset sowie eine App für Fahrräder entwickelt. Mit Hilfe von Freiwilligen in Magdeburg, Braunschweig, Freiberg und anderen Kommunen erfassten sie bereits circa 16.600 Kilometer. Die dabei gewonnenen Datensätze der freiwilligen Radlerinnen und Radler bilden nun die Grundlage für die Weiterentwicklung der Erhebungs- und Verarbeitungskette und werden in einer ersten Projektphase mit den durch einen Roboter im Feld erhobenen Referenzdaten verglichen. Darauf aufbauend werden die beiden Erhebungsmethoden in nicht-urbanen Bereichen erprobt – die Evaluation erfolgt in der Stadt Köthen und dem Landkreis Nordsachsen.
„Das neue Projekt leistet damit einen Beitrag zur datengetriebenen Entwicklung intelligenter Mobilitäts- und Logistikkonzepte, die spezifische Besonderheiten und Bedürfnisse unterschiedlicher Siedlungsräume und der dortigen Menschen abdecken“, sagt Prof. Sebastian Zug. R4R leistet damit auch einen Beitrag zum Strukturwandel im Mitteldeutschen Revier. Offiziell startete das Projekt mit einer Auftaktveranstaltung am 26. September in Köthen.
Am Verbundprojekt sind die Universitäten in Freiberg und Magdeburg sowie die Hochschulen Anhalt, Köthen und Merseburg beteiligt. Die Firmen Endiio Engineering GmbH, TINK GmbH, DigiPL GmbH, CyFace GmbH, PTV GmbH sowie der Landkreis Nordsachsen unterstützen das Verbundvorhaben.
Hintergrund: Über den mFUND des BMDV
Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und durch die Bereitstellung von offenen Daten auf der Mobilithek. Weitere Informationen finden Sie unter www.mFUND.de.
Prof. Sebastian Zug, sebastian.zug@informatik.tu-freiberg.de
Criteria of this press release:
Journalists
Information technology
transregional, national
Research projects
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).