
Quelle: Palaimon GmbH
Projektbeschreibung
Gegenwärtig gibt es keine automatisierte Erfassung von Zustandsdaten der Bundesautobahnen. Eine aktuelle Datenbasis und eine automatisierte Einschätzung der Qualität einzelner Streckenabschnitte ist wichtig, um zum Beispiel frühzeitig geeignete Instandsetzungsmaßnahmen einzuleiten und so kostenintensive Langzeitschäden verhindern zu können. Ein leistungsfähiges Autobahnnetz birgt große wirtschaftliche Potenziale, insbesondere auch für den Bereich des autonomen Fahrens.
Projektziel war es, im Rahmen der Machbarkeitsstudie die Grundlage für ein automatisches und kosteneffizientes Zustands- und Bestandsmonitoring des deutschen Autobahnnetzes mittels Methoden der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML) zu schaffen. Dafür wurden aktuelle Deep-Learning-Verfahren an einer mit den assoziierten Partnern Hessen Mobil und der Autobahn GmbH des Bundes festgelegten Teststrecke evaluiert.
Ergebnisse und Wirkungen
Die Machbarkeit der automatisierten Erfassung des Umfeldes auf Basis von Videodaten wurde positiv bewertet. Videodaten von Test-Strecken wurden annotiert und mittels Deep-Learning-Methoden im Bereich Bildverarbeitung automatisch ausgewertet. Dazu wurden verschiedene Machine-Learning-Modelle trainiert und die Algorithmen problemspezifisch erweitert.
Ein umfassender, annotierter Beispieldatensatz zu Straßenschäden wurde erzeugt, der einen wichtigen Beitrag für die künftige Forschung in diesem Bereich leistet und von Forschungsgruppen herangezogen und erweitert werden kann.
Verbundkoordinator | Palaimon GmbH |
Projektvolumen | 124.996 € (davon 70 % Förderanteil durch BMDV) |
Projektlaufzeit | 12/2019 – 12/2020 |
Projektpartner |
|
Ansprechpartner | Palaimon GmbH Sonja Strothmann Tel.: +49 178 63 222 45 E-Mail: sonja.strothmann@palaimon.io |