[TUD] – Weniger Unfälle, weniger Stau, eine bessere Aufteilung der vorhandenen Infrastruktur. Eine fundierte und umfassende Datenbasis hilft, den Straßenverkehr sicherer und umweltfreundlicher zu gestalten. Derzeit können die dafür notwendigen Daten über Verkehrsbewegungen oft nur mit großem Aufwand manuell und in begrenztem Umfang erhoben werden. Der Grund: automatisierte Lösungen sind entweder teuer oder nur mit Programmierkenntnissen nutzbar. Hier setzt das seit 1. Juni 2020 laufende Open Source Projekt OpenTrafficCam an.
Das Projekt wird im Rahmen der Förderrichtlinie Modernitätsfonds („mFUND“) mit insgesamt 98.000 Euro durch das Bundesministerium für Verkehr und digitale Infrastruktur gefördert. Bearbeitet wird OpenTrafficCam vom Startup QuerPlaner aus Karlsruhe in Zusammenarbeit mit der Professur für Integrierte Verkehrsplanung und Straßenverkehrstechnik der Fakultät Verkehrswissenschaften „Friedrich List“ der TU Dresden.
Open Source Projekt OpenTrafficCam. TUD
Ziel ist es, einen Prototyp für ein mobiles und kostengünstiges Kamerasystem zu entwerfen, das zeitlich begrenzt z.B. an Beleuchtungsmasten installiert werden kann. Parallel wird eine Software zur automatisierten Erfassung der einzelnen Verkehrsbewegungen per Video entwickelt, die der Ableitung verkehrlicher Kenngrößen wie Zähldaten und Geschwindigkeiten dient. Damit die Erhebung sicher und unter Wahrung der Persönlichkeitsrechte erfolgen kann, gibt es darüber hinaus Tipps für die Erhebung vor Ort sowie datenschutzrechtliche Hinweise. Das Kamerasystem zeichnet unscharf und in niedriger Auflösung auf, sodass keine personenbeziehbaren Merkmale erfasst werden, aber sowohl menschliche Betrachter als auch die KI erkennen, dass es sich beispielsweise um einen PKW oder einen zu Fuß Gehenden handelt.
Das Open Source Projekt zeichnet sich vor allem dadurch aus, dass es „von Verkehrsfachleuten für Verkehrsfachleute“ entwickelt wird. Die Softwareanwendung wird künftig viele gängige Verkehrsanalysen ermöglichen. Obwohl aktuelle Erkenntnisse aus dem Gebiet der Künstlichen Intelligenz „unter der Haube stecken“, soll es auch ohne Programmierkenntnisse bedienbar sein.
Den Nutzern wird damit ein Komplettsystem – von der Videoerfassung mit einer Kamera über die Erkennung von Verkehrsteilnehmern bis hin zur Analyse der Verkehrsdaten – zur Verfügung gestellt. Dabei setzen die Projektpartner auf vorhandene und quelloffene Systeme wie den Raspberry Pi als Kamerasystem, die Algorithmen YOLOv3 (Redmon & Farhadi) und IOU-Tracker (Bochinski et al.) zur Objektdetektion bzw. -verfolgung sowie das Computer Vision Paket OpenCV. Der Arbeitsablauf zur Anwendung des Systems wird mit Fachleuten aus den Bereichen Verkehrswesen, Datenschutz und Computer Vision in Workshops erarbeitet. So soll ein Gesamtsystem entstehen, das den Bedürfnissen der späteren Anwenderinnen und Anwender entspricht und gleichzeitig moderne Algorithmik integriert. Es soll so aufgebaut sein, dass auch im Anschluss an die Projektförderung eine kontinuierliche Weiterentwicklung möglich ist.
Weitere Informationen gibt es auf der Webseite. Im Sinne des Open Source-Gedankens wird der Projektfortschritt frei zugänglich dokumentiert. Eine aktive Beteiligung ist damit bereits in der Entwicklungsphase möglich.
Im Rahmen der Forschungsinitiative mFUND fördert das BMVI seit 2016 Forschungs- und Entwicklungsprojekte rund um datenbasierte digitale Anwendungen für die Mobilität 4.0. Neben der finanziellen Förderung unterstützt der mFUND mit verschiedenen Veranstaltungsformaten die Vernetzung zwischen Akteuren aus Politik, Wirtschaft und Forschung sowie den Zugang zum Datenportal mCLOUD. Weitere Informationen unter www.mfund.de.
