Teilprojekt Kollisionsvermeidung

Die Grundidee

Bild
Auto fährt auf Kinder zu, welche auf der Straße Fußball spielen.
Konfliktsituation auf der Straße
Freepik/macrovector

Gegenseitige Rücksichtnahme zwischen allen Verkehrsteilnehmenden ist in jeder Verkehrssituation unerlässlich. Im öffentlichen Verkehrsraum treffen fußläufige Verkehrsteilnehmende, Radfahrende, Pkw, Lkw und ÖPNV-Fahrzeuge unvermeidbar aufeinander und potentiell gefährliche Konfliktsituationen können entstehen.

Durch die fortschreitende Verkehrswende nimmt der Anteil sogenannter vulnerabler Verkehrsteilnehmendender zu. Gleichzeitig steigen durch die Elektrifizierung die Geschwindigkeiten, mit denen diese Gruppen am Straßenverkehr teilnehmen. Infolgedessen steigt das Risiko von Kollisionen mit potentiell schwerwiegenden Folgen für vulnerable Verkehrsteilnehmende.

 

 

 

Ergebnisse

Data In Motion hat einen Konflikterkennungsalgorithmus entwickelt, der mit den aus der Informativen Lichtsignalanlage (ILSA) zur Verfügung 

Bild
Ampel am Verkehrsknoten Felsenkeller mit aufgesetzter TraffiCam zur Detektion von potentiell gefährdetem Radverkehr.
Ampel am Verkehrsknoten Felsenkeller mit Verkehrskamera
Stadt Jena

gestellten und über den SensiNact Datenbroker verteilten Daten das Ampelschaltbild mit über die optischen Sensoren detektierten Verkehrsteilnehmenden abgleicht, um auf ein potentielles Kollisionsrisiko in Echtzeit hinzuweisen. Am Beispielverkehrsknoten Felsenkeller wurden die Sensoren so kalibriert, dass sie einen für abbiegenden Autoverkehr schwer einsehbaren Rad- und Fußweg, der auf die Ampelkreuzung mündet, überwachen. Nähern sich Fahrradfahrende mit kritischer Geschwindigkeit der Kreuzung, erzeugt der Algorithmus eine - durch die niedrigen 5G-Latenzen - in Echtzeit adaptierende Warnmeldung, die je nach Ampelschaltbild ein Warnsignal generiert. Die Funktionalität wurde unter Realbedingungen erprobt und hat einen Reifegrad erreicht, um auch auf andere Verkehrsknotenpunkte ausgerollt werden zu können. Zukünftige Anwendungsmöglichkeiten umfassen beispielsweise über 5G-Netze ausgespielte, integrierte Warnmeldungen zu den Verkehrsteilnehmenden (bspw. ins Fahrassistenzsystem eines Pkw oder autonomen Fahrzeugs).

Lösungsansatz

Im Rahmen dieses Teilprojektes wird ein Modell erstellt, welches auf Basis von Live-Bewegungsdaten in der Lage sein wird, die zukünftigen Trajektorien von Personen im Umfeld von Konfliktbereichen zu prädizieren. Diese Vorhersage dient als Ausgangspunkt für ein System, welches Konfliktsituationen im Voraus erkennt, ein Gefahrenpotential ableitet und das Risiko einer Kollision bewertet. Auf Grundlage dieser Bewertung entscheidet das System über Maßnahmen zur Warnung der Verkehrsteilnehmenden. Um dies zu erreichen, werden neben den Bewegungsdaten auch Informationen über Lichtsignalanlagen (LSA) einbezogen – zukünftig auch historische Bewegungsdaten.

Das System soll als Proof of Concept an folgenden Kreuzungsbereichen in Jena getestet werden:

  • Schillerstraße / Teichgraben / Leutragraben
  • Knebelstraße / Am Volksbad
  • Kahlaische Straße / An der Brauerei

Für diese zeitkritische und sicherheitsrelevante Aufgabe bietet 5G einige wichtige Vorteile. Niedrige Latenzen, hohe Zuverlässigkeit sowie hohe Übertragungsgeschwindigkeiten sind hier zu nennen. Dies spart wertvolle Millisekunden bei der Datenübertragung. Die Nutzung der 5G-Technik kann zudem die präzise Positionierung in Gebieten unterstützen, in denen die satellitenbasierte Ortung durch Gebäudeabschattungen nur unzuverlässig funktioniert.

Herausforderung

Das Detektieren eines potenziellen Konflikts bildet die Grundlage für zukünftige Anwendungen zur Unfallvermeidung. Es stellt sich dabei die Frage, wie die erkannten Konfliktpotenziale sinnvoll und zuverlässig den Verkehrsteilnehmenden bereitgestellt werden können, ohne dabei vom Verkehrsgeschehen abzulenken. Hierbei ist es wichtig, dass das System durch seine hohe Zuverlässigkeit die Akzeptanz der Nutzenden gewinnt, um letztendlich einen Sicherheitsvorteil zu erzielen.

Das Team

Das Teilprojekt wird von der Data In Motion Consulting GmbH und der Technischen Universität (TU) Dresden in enger Zusammenarbeit mit dem Kommunalservice Jena und dem Jenaer Nahverkehr realisiert.