Künstliche Intelligenz zur Erhöhung der Verkehrssicherheit
Im Rahmen des Forschungsprojekts BikeDetect haben Wissenschaftler der Universitäten Oldenburg und Osnabrück einen Prototypen für ein intelligentes Assistenzsystem entwickelt, das Radfahrende automatisch erkennt. Dabei kamen verschiedene Sensortechnologien wie Lidar-Systeme, 3D-Kameras und Wärmesensoren zum Einsatz. Ergänzend wurden weitere Verfahren zur Abstandsmessung erprobt. Das Sensorsystem wurde in Feldtests unter realen Bedingungen im Osnabrücker Stadtverkehr erprobt.
Entwicklung und Zielsetzung des Assistenzsystems
Das Ziel des Projekts war die Entwicklung eines Sensorsystems, das Radfahrende im Straßenverkehr zuverlässig identifiziert und deren Abstand misst. Dieses System soll in Fahrzeugen wie Autos und Lastwagen eingesetzt werden, um bei Gefahrensituationen Warnsignale auszugeben und so die Sicherheit im Fahrradverkehr zu erhöhen. Unter der Leitung von Prof. Dr. Jorge Marx Gómez von der Universität Oldenburg entstand innerhalb von 18 Monaten eine Machbarkeitsstudie, in der der Prototyp entwickelt und im Stadtverkehr von Osnabrück getestet wurde. Partner des Projekts waren die iotec GmbH sowie die Stadt Osnabrück als Praxispartner.
Technische Umsetzung und Testverfahren
- Zur Abstandsmessung wurden Ultraschall-, Radar- und optische Sensoren untersucht.
- Zur Erkennung von Personen auf Fahrrädern kamen Lidar-Systeme, 3D-Kameras und Wärmesensoren zum Einsatz.
- Auf Basis der Sensordaten wurden mehrere KI-Modelle entwickelt, die Radfahrende in der Nähe eines Fahrzeugs identifizieren können.
Die ersten Tests erfolgten im Labor und auf einem Parkplatz, um den Versuchsaufbau zu optimieren. Im Oktober folgte ein zweitägiger Feldtest im realen Straßenverkehr Osnabrücks, bei dem auch Trainingsdaten für die KI-Modelle gesammelt wurden. Dabei wurde ein Metallarm mit den Sensoren an der Beifahrerseite eines Fahrzeugs montiert. Das Testfahrzeug absolvierte mehrfach eine 22 Kilometer lange Route durch unterschiedliche städtische Radverkehrsbereiche, darunter Schutzstreifen, Radfahrspuren und Fahrradstraßen. Die Verkehrsdichte und der Anteil des Radverkehrs variierten auf der Strecke.
Ergebnisse und Erkenntnisse
Die KI-Modelle zeigten eine zuverlässige Erkennung von Radfahrenden auf Basis von Videodaten. Einschränkungen traten auf, wenn Radfahrende in Gruppen fuhren, durch Bäume verdeckt waren oder große sowie sehr geringe Abstände zum Fahrzeug bestanden. Die Integration zusätzlicher Daten, beispielsweise von Wärmesensoren, verbesserte die Erkennungsgenauigkeit signifikant.
Bei den Abstandssensoren erwiesen sich ein 360-Grad-Lidar-System und ein Radarsensor als besonders vielversprechend. Ultraschallsensoren lieferten keine verwertbaren Ergebnisse. Die Leistung des Systems hing zudem von Umweltbedingungen wie Wetter, Lichtverhältnissen und Fahrzeugbewegungen ab. So beeinflusste beispielsweise das Anhalten an Ampeln die Qualität der Erkennung. Für zukünftige Assistenzsysteme wird daher empfohlen, verschiedene KI-Modelle einzusetzen, die auf unterschiedliche Verkehrs- und Umweltbedingungen abgestimmt sind.
Praktische Anwendung und Ausblick
Die gewonnenen Daten lieferten der Stadt Osnabrück erste Hinweise auf kritische Stellen im Verkehrsnetz, an denen häufig Überholvorgänge zwischen Autos und Fahrrädern stattfinden oder vorgeschriebene Abstände aufgrund der Verkehrsführung kaum eingehalten werden können. Die Stadtverwaltung betont die Bedeutung realer Testbedingungen für die Grundlagenforschung und sieht in datenbasierten Ansätzen großes Potenzial für die Verbesserung der Verkehrssicherheit und die Entwicklung von Smart-City-Lösungen.
Das Projekt BikeDetect wurde im Rahmen der Innovationsinitiative mFUND vom Bundesministerium für Verkehr gefördert. Diese Initiative unterstützt seit 2016 Forschungs- und Entwicklungsprojekte, die datenbasierte digitale Innovationen für die Mobilität der Zukunft vorantreiben. Neben der finanziellen Förderung fördert mFUND den fachlichen Austausch zwischen Politik, Wirtschaft, Verwaltung und Forschung sowie die Bereitstellung offener Daten.
Kontakt für wissenschaftliche Rückfragen
Prof. Dr. Jorge Marx Gómez
Telefon: 0441/798-4470
E-Mail: jorge.marx.gomez@uol.de
