Künstliche Intelligenz lässt Fahrräder „sehen“
Die Fahrradfreundlichkeit eines Radweges hängt maßgeblich von der Oberflächenqualität ab. So kommen Personen, die beruflich mit dem Rad unterwegs sind oder tägliche Besorgungen und Pendelwege klimaneutral mit dem Fahrrad erledigen wollen, angenehmer und schneller ans Ziel. Salzburg Research trainiert KI, mit der smarte Fahrräder die Umgebung analysieren können. Die Technologie eignet sich sowohl für die Bewertung von Radwegen, die Analyse von Überholvorgängen, sowie Kollisionserkennung und Warnkonzepte für sicheres Radfahren.
Der Fahrradverkehr spielt eine wichtige Rolle bei der Mobilitätswende zur Erreichung der europäischen und nationalen Klimaziele. Vielerorts wird daher in den Ausbau der Fahrradinfrastruktur investiert. In die Jahre gekommene Fahrradwege müssen gewartet und erhalten werden.
Bisher wurde die Oberflächenqualität der Radverkehrsinfrastruktur aus Vibrationsmessungen abgeleitet. Im Bereich der Straßenüberwachung sind jedoch visuelle und LiDAR-basierte Ansätze vorherrschend, wobei LiDAR-basierte Ansätze die besten Ergebnisse liefern. „Light Detection and Ranging“ oder kurz „LiDAR“ ist ein System zur Generierung von hochauflösenden 3D-Informationen nur durch Licht. Das Problem dabei: geeignete Messfahrzeuge, wie sie für Autobahnen und Bundesstraßen verwendet werden, sind für Fahrradwege zu groß und zu schwer. Hier könnte das Sensorfahrrad Abhilfe schaffen:
Datenerfassung mit dem smarten Sensorfahrrad
Für diese Forschungsarbeit wurde die neueste Version des Sensorfahrrads von Boréal Bikes, das Holoscene Edge, verwendet.
Das Gerät verfügt über eine Reihe von Sensoren, darunter GPS, mehrere Trägheitsmesseinheiten, 2D-Kameras und fünf LiDAR-Sensoren. Jeder LiDAR-Sensor am Fahrrad zeigt in eine andere Richtung, um eine vollständige 360-Grad-Ansicht der Umgebung des Fahrrads zu erfassen.
Mit den am Forschungsfahrrad montierten LiDAR-Sensoren wurde die Umgebung des Rades durch hochfrequente Laser-Abstandsmessungen in Form einer sogenannten Punktwolke, bestehend aus 240.000 Punkten, zehn Mal pro Sekunde aufgenommen und dreidimensional dargestellt. Mittels speziell für diesen Zweck trainierten künstlichen Intelligenz wird dann jeder Punkt einer bestimmten Klasse, beispielsweise „Straße“, „Vegetation“ oder „Gebäude“ zugeordnet. So könnten beispielsweise mit Blick auf die Instandhaltung von Radwegen zunächst alle zugehörigen Punkte extrahiert und in einem nächsten Schritt daraus ein Oberflächenmodell erstellt werden.
Am Bild zu sehen: Hellbrunner Allee mit Feldweg: Von der KI zugeordnete LiDAR-Punktwolke
Die erfassten Punktwolken können ebenso zur Analyse von Verkehrssituationen wie Überholvorgängen eingesetzt werden. Technologien zur Anbindung von Fahrrädern an automatisierte Fahrzeuge ermöglichen Kollisionserkennung und Warnkonzepte für sicheres Radfahren.
Publikation zu dieser Forschungsarbeit:
Armin Niedermüller & Moritz Beeking (2024): Transformer based 3D semantic segmentation of urban bicycle infrastructure, Journal of Location Based Services, DOI: 10.1080/17489725.2024.2307969
Mehr Sicherheit für Radfahrende durch smarte Sensorik
Salzburg Research ist bekannt für seine Methoden und Technologien zur Valorisierung von Bewegungsdaten. Die Gruppe Mobility and Transport Analytics entwickelt und evaluiert Methoden und Software-as-a-Service-Tools für nachhaltige, umweltfreundliche und effiziente Mobilitäts- und Verkehrssysteme.
Ein Forschungsschwerpunkt ist die aktive Mobilität, insbesondere datengestützte Technologien, die sicheres und effizientes Radfahren unterstützen. Das intelligente, vernetzte Sensor-Fahrrad ist Teil der Forschungsinfrastruktur.
Mit dem Klick auf das Bild werden durch den mit uns gemeinsam Verantwortlichen Youtube (Google Ireland Limited) das Video abgespielt, auf Ihrem PC Skripte geladen sowie personenbezogene Daten erfasst.
Mehr Information:
- Presseaussendung zum Thema: Künstliche Intelligenz lässt Fahrräder „sehen“
- Forschungsprojekte, in denen das Sensor-Fahrrad u.a. zum Einsatz kommt:
