Hochdynamische und feingranulare Verkehrsdatenerfassung für mehr Verkehrssicherheit in Städten


In vielen Städten helfen Verkehrsdaten, erfasst über lokale Detektoren (z.B. Induktionsschleifen, Radar, Infrarot) oder aus fahrzeugbasierten Navigationssystemen (z.B. TomTom, INRIX, HERE), die aktuelle lokale Verkehrssituation zu bestimmen. Daraus können Maßnahmen abgeleitet werden, die entweder unmittelbar verkehrbeeinflussend wirken oder sich (nach statistischer Aggregation) in Infrastrukturänderungen widerspiegeln. So liefern beispielsweise in Berlin mehr als 300 lokale Messstellen auf den Hauptverkehrsstraßen und mehr als 800 lokale Messstellen auf den Bundesautobahnen ein stets aktuelles Lagebild des Kfz-Verkehrs. Über mehrjährige Auswertungen lassen sich besonders kritische Verkehrsabschnitte identifizieren. Zwar leisten diese Verkehrsdaten einen wertvollen Beitrag zur Verkehrssicherheit in Berlin, als Mittel der unmittelbaren Unfallprävention auf der Ebene von Einzelereignissen ist diese Sensorik allerdings nicht geeignet, weil die zeitliche Erfassungsrate zu gering und die örtliche Auflösung zu grob ist. Hier setzt der vorliegende Projektvorschlag an.
Ziel des Projektes ist die hochdynamische und feingranulare Erfassung der Bewegungsdaten von Verkehrsteilnehmern (inkl. Fußgänger, Fahrradfahrer, etc.) über Videodetektion an besonderen Unfallschwerpunkten als Grundlage zur Detektion von sicherheitskritischen Situationen. Ziel ist es, daraus unmittelbare Vermeidungsmaßnahmen (z.B. Warnungen an die Verkehrsteilnehmer) abzuleiten. Dabei soll der Schwerpunkt im Projekt auf der Erhöhung der Verkehrssicherheit für Fahrradfahrer liegen. Ein typisches Szenario sind Unfälle von Fahrradfahrern beim Überqueren einer Kreuzung mit rechts abbiegenden Lkw oder Pkw. Die im Projekt entwickelte Technologie der Verkehrsdatenerfassung lässt sich unmittelbar auch für andere Anwendungen adaptieren.

Sprecher/in
Eisert, Peter Prof. Dr.-Ing. (Details) (Visual Computing (S))

Laufzeit
Projektstart: 08/2018
Projektende: 10/2021

Forschungsbereiche
Informatik, Interaktive und intelligente Systeme, Bild- und Sprachverarbeitung, Computergraphik und Visualisierung

Forschungsfelder
Datenanalyse, Deep Learning

Zuletzt aktualisiert 2021-16-02 um 23:05