idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
idw - Informationsdienst
Wissenschaft
Im Projekt BikeDetect haben Forschende aus Oldenburg und Osnabrück den Prototyp eines intelligenten Assistenzsystems entwickelt, das Radfahrende automatisch erkennen kann. Um Personen auf einem Fahrrad zu detektieren, setzten sie Lidar-Systeme, 3D-Kameras und Wärmemessung ein, darüber hinaus testeten sie weitere Verfahren zur Abstandsmessung. Das Sensorsystem kam bei Feldtests im Stadtverkehr in Osnabrück zum Einsatz.
Ein intelligentes Assistenzsystem für Autos und Lastwagen, das Radfahrende erkennt, den Abstand zu ihnen misst und bei Gefahr aktiv ein Warnsignal abgibt, könnte den Fahrradverkehr in Zukunft sicherer machen. Den Grundstein dafür hat das Forschungsprojekt BikeDetect an der Universität Oldenburg unter Leitung des Wirtschaftsinformatikers Prof. Dr. Jorge Marx Gómez gelegt. In den vergangenen 18 Monaten hat das Team in einer Machbarkeitsstudie den Prototypen eines solchen Systems entwickelt und im Stadtverkehr in Osnabrück erfolgreich getestet. Beteiligt waren die iotec GmbH aus Osnabrück und die Stadt Osnabrück als assoziierter Praxispartner. Jetzt legten die Forschenden die Ergebnisse vor.
Hauptziel des Projektes war es, ein prototypisches Sensorsystem zu entwickeln, dass Radfahrende im Straßenverkehr zuverlässig erkennen kann – auch mit kostengünstigen und nicht-kamerabasierten Sensoren. Das Team testete für die Abstandsmessung Ultraschall-, Radar- und optische Verfahren. Zum Erkennen von Personen auf einem Fahrrad setzten sie Lidar-Systeme, 3D-Kameras und Wärmemessungen ein. Auf Basis der Daten entwickelte das Team mehrere KI-Modelle, um die Radfahrerinnen und Radfahrer in der Nähe eines Fahrzeugs zu identifizieren. „Wir konnten zeigen, dass ein derartiges Assistenzsystem grundsätzlich funktioniert, auch wenn wir in dieser Machbarkeitsstudie nur begrenzte Datenmengen erheben konnten“, erklärt der Projektleiter Johannes Schering von der Universität Oldenburg.
Das Projektteam führte zunächst Tests im Labor und auf einem Parkplatz durch, um einen passenden Versuchsaufbau zu entwickeln. Im Oktober fand ein zweitägiger Feldtest im realen Straßenverkehr in Osnabrück statt, bei dem auch Daten zum Training der KI-Systeme erhoben wurden. Dafür montierte das Team einen Metallarm mit den ausgewählten Sensoren an der Beifahrerseite eines Autos. Mit diesem Testfahrzeug fuhr das Team mehrfach einen 22 Kilometer langen Kurs im Osnabrücker Stadtgebiet ab, der in enger Abstimmung mit der Stadt Osnabrück konzipiert worden war. Auf der Strecke liegen unterschiedliche Arten von Radwegen, etwa Schutzstreifen auf der Fahrbahn, Radfahrspuren und Fahrradstraßen. Außerdem sind Verkehrsstärken und der Anteil des Radverkehrs auf den verschiedenen Streckenabschnitten sehr unterschiedlich.
Die Projektergebnisse zeigten, dass KI-Modelle auf Basis von Videodaten Radfahrende im Straßenverkehr recht zuverlässig erkennen können. „Fehleranfällig waren die Systeme vor allem, wenn die Radfahrenden in einer Gruppe fuhren oder von Bäumen verdeckt waren, oder wenn die Abstände zwischen Auto und Fahrrad sehr groß oder sehr gering waren“, berichtet Schering. Die Forschenden wiesen zudem nach, dass sich die Zuverlässigkeit der KI-Modelle durch ein Training mit zusätzlichen Daten etwa von Wärmesensoren weiter erhöhen lässt. Unter den Sensoren zur Abstandsmessung wiesen aus Sicht des Teams ein 360-Grad-Lidar-System, das die Umgebung mit Laserstrahlen scannt, sowie ein Radarsensor das größte Potenzial auf. Die Daten des Ultraschallsensors waren hingegen nicht verwertbar.
Das Team stellte zudem fest, dass die Zuverlässigkeit des Systems von den Umweltbedingungen abhing, etwa vom Wetter oder von der Helligkeit. Zudem beeinflusste die Frage, ob das Testauto fuhr oder etwa an einer Ampel stand, die Qualität des Ergebnisses. „In einem späteren Assistenzsystem sollten unterschiedliche KI-Modelle eingesetzt werden, die an verschiedene Umweltbedingungen oder Verkehrssituationen angepasst sind“, betont Schering.
Für die Stadt Osnabrück lieferten die Daten erste Hinweise auf mögliche neuralgische Punkte, an denen es zu besonders vielen Überholvorgängen zwischen Autos und Fahrrädern kommt oder an denen die vorgeschriebenen Abstände aufgrund der Verkehrsführung nur knapp eingehalten werden können. Für Magdalena Knappik, Sachgebietsleitung Stadt- und Regionalentwicklung, hat sich das Engagement bewährt: „Grundlagenforschung wie BikeDetect braucht reale Bedingungen – und wir konnten sie liefern.“ Projekte wie dieses zeigten, welches Potenzial datengestützte Ansätze für Städte hätten – sowohl für die Verkehrssicherheit als auch für eine breitere Datenbasis im Bereich Smart City. Die Ergebnisse böten nun Ansätze für weitere Forschung und Entwicklung.
BikeDetect wurde vom Bundesministerium für Verkehr (BMV) in der Innovationsinitiative mFUND gefördert. Das Programm besteht seit 2016 und fördert Forschungs- und Entwicklungsprojekte rund um datenbasierte digitale Innovationen für die Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und die Bereitstellung offener Daten.
Prof. Dr. Jorge Marx Gómez, Tel.: 0441/798-4470, E-Mail: jorge.marx.gomez@uol.de
https://uol.de/vlba/
https://bike-detect.vlba.net/
Im Projekt BikeDetect führte das Team mit einem prototypischen Sensorsystem Feldtests in Osnabrüc ...
Copyright: BikeDetect / Johannes Schering
Criteria of this press release:
Business and commerce, Journalists, Scientists and scholars, Students, Teachers and pupils, all interested persons
Electrical engineering, Environment / ecology, Information technology, Mechanical engineering, Traffic / transport
transregional, national
Research projects, Research results
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).
