Motivation
Bisherige Systeme zur Überwachung des Verkehrsablaufs in Straßentunneln verfolgen zumeist einen zweistufigen Ansatz. Einer automatisierten Störfalldetektion mittels Sensoren folgt die Detektion der Störfallursache durch den Mitarbeiter. Je nach Zuverlässigkeit der eingesetzten automatisierten Störfalldetektionssysteme bedeutet dies mehr oder weniger viel „zusätzliche“ Arbeit für den Mitarbeiter. Moderne Detektorsysteme, wie z.B. das im Forschungsprojekt eingesetzte System basierend auf intelligenten Induktionsschleifen (Sensoren, die in der Straßenoberfläche verbaut sind), sind zuverlässig und hilfreich. Dennoch wird erwartet, mittels moderner, auf Künstlicher Intelligenz (KI) basierter Algorithmen und Datenfusion (hier mit einem Videokamerasystem) einen bedeutenden Innovationssprung zu erzielen.
Ziele und Vorgehen
Um die Arbeitsbedingungen der Mitarbeiter und die Sicherheit für den Verkehrsablauf im Tunnel zu verbessern, werden im Projekt SMaRt lernfähige Algorithmen (KI) verwendet und (weiter-)entwickelt. Damit sollen sowohl die intelligente Induktionsschleifen-Detektion als auch die nachgeschaltete Videodetektion robuster, effizienter und zuverlässiger gestaltet werden. Die videobasierte Störfalldetektion benötigt intelligente Algorithmen zur Analyse und Reduktion der Bilder, welche in Echtzeit entsprechend aufbereitet werden müssen.
Innovationen und Perspektiven
Die individuell verbesserten Systeme werden im Anschluss zu einem gemeinsamen Detektionssystem kombiniert, mit dem Ziel, hierdurch zusätzliche Optimierungen zu erreichen. Das Konsortium besteht aus einem KMU (ave GmbH), einer Forschungseinrichtung (Rheinisch-Westfälische Technische Hochschule Aachen – Lehrstuhl und Institut für Straßenwesen) sowie einem Tunnel- und Infrastrukturbetreiber (Niederlassung Nordbayern). Die Projektpartner wollen mit dem Vorhaben die Verkehrssicherheit deutlich erhöhen, die Verkehrsqualität verbessern sowie die Infrastrukturnutzung optimieren.