Fraunhofer-Institut für Physikalische Messtechnik IPM
Navigationssysteme und Sensoren wie Kameras und Radarsysteme unterstützen Verkehrsbeteiligte dabei, den schnellsten und besten Weg zum Ziel zu finden. Die Sicherheit wird in die Routenplanung bislang allerdings nicht mit einbezogen: Gefahrensituationen werden erst erkannt, wenn sie eintreten. Personen und Fahrzeuge im Straßenverkehr können dann nur noch im Nachhinein reagieren.
Potenzielle Gefahrensituationen frühzeitig erkennen
Ziel von GOSAIFE ist es, potenziell gefährliche Situationen im Voraus zu erkennen und Verkehrsteilnehmer rechtzeitig zu warnen. Durch angepasste Geschwindigkeit, erhöhte Aufmerksamkeit oder alternative Routenwahl können Risiken wie Straßenschäden, Menschenansammlungen oder gefährliche Kreuzungen entschärft bzw. vermieden werden.
Automatisierte Ermittlung eines Risiko-Scores durch KI-Methoden
Zentraler Bestandteil des Projekts sind dabei KI-Methoden zur automatisierten Objekterkennung: GPS-referenzierte Daten aus dem urbanen Straßenumfeld werden von einem Künstlichen Neuronalen Netz (KNN) analysiert. Dabei werden Objekte und Situationen, die Risiken verursachen können, automatisch detektiert und klassifiziert. Basierend auf diesen Informationen wird anschließend ein Risiko-Score ermittelt, der in Navigationsapplikationen eingebunden oder in einer Karte dargestellt werden kann.
Präzise Risikoeinschätzung mit kostengünstiger Technik
Für eine möglichst präzise und z. B. an Tageszeiten angepasste Risikoeinschätzung ist eine umfassende Datenbasis nötig. Im Projekt soll darum ein möglichst kostengünstiges Aufnahmesystem eingesetzt werden, um die Voraussetzung für eine große Menge an Datenaufzeichnungen zu schaffen. Durch die Verwendung von Kamerabildern können die lokalen Gegebenheiten – zum Beispiel Straßenschäden – außerdem präziser ermittelt werden, als es mit herkömmlichen Kartendaten oder Unfallstatistiken möglich wäre.
