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 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 unser Sensorfahrrad Abhilfe schaffen“, sagt Moritz Beeking vom Forschungsinstitut Salzburg Research.

Hellbrunner Allee mit Feldweg: Von der KI zugeordnete LiDAR-Punktwolke. © Salzburg Research

Datenerfassung mit dem smarten Sensorfahrrad

Für diese Forschungsarbeit wurde die neueste Version des Sensorfahrrads von Boreal 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“, sagt Moritz Beeking von Salzburg Research.

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.

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. Zur Bewertung der Qualität von Fahrradinfrastrukturen bietet Salzburg Research sensordatenbasierte Analysen, um den Zustand der Radinfrastruktur zu überwachen und Wartungsarbeiten auf die am stärksten beanspruchten Abschnitte zu konzentrieren. Die Technologie eignet sich außerdem zur Analyse von Verkehrssituationen wie Überholvorgängen sowie für Kollisionserkennung und Warnkonzepte für sicheres Radfahren. Das intelligente, vernetzte Sensor-Fahrrad ist Teil der Forschungsinfrastruktur.
https://youtu.be/CS5QNvduAB0

Wissenschaftliche Ansprechpartner:

Moritz Beeking
Salzburg Research Forschungsgesellschaft mbH
0662/2288-312 | moritz.beeking@salzburgresearch.at

Originalpublikation:

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

Weitere Informationen:

https://www.salzburgresearch.at/presseaussendung/kuenstliche-intelligenz-laesst-… Mehr Bildmaterial