Problemstellung

Die Anzahl der Elektrokleinstfahrzeuge-eKV im öffentlichen Raum steigt stetig. Mit der zunehmenden Verfügbarkeit neuer Transportmittel und neuer Mobilitätsdienste für die letzte Meile verändert sich auch das Mobilitätsverhalten im Straßenbild. Neben den klassischen Verkehrsteilnehmern müssen nun zunehmend auch die Elektrokleinstfahrzeuge im Verkehr sowie parkend mit bedacht werden.
In den Elektrokleinstfahrzeugen ist derzeit nur bedingt Sensorik zur Erfassung des Umfeldes eingebaut, auch werden vorhandene Datenquellen für aufbauende Anwendungen nicht vollumfänglich ausgeschöpft. Mit einer Erweiterung der Sensorik sowie einer Aufbereitung der Datenquellen wären die Grundlagen für eine V2X-Kommunikation mit anderen Verkehrsteilnehmern sowie die Verwendung von Fahrerassistenzsystemen zur Erhöhung der Verkehrssicherheit möglich.

Projektziel

Projektziel ist der Aufbau und die Erprobung eines autarken Fahrassistenzsystems, welches mithilfe von geeigneter Sensorik und KI-Methodik unterschiedliche Verkehrsteilnehmer (Fußgänger, Fahrräder, KfZs) erkennen kann.
Mithilfe solcher Daten ist eine engmaschige, echtzeitfähige Messung der Verkehrsdichte mit qualitativer Aussage über die Art der Verkehrsteilnehmer möglich. Diese Daten werden mit statischen Daten (Bodenbelag, Einbiegungen, Bordsteinkanten, Unfallschwerpunkte) sowie weiteren dynamischen Daten (aktuell erfasste Daten zur Verkehrsdichte von anderen Verkehrsteilnehmern) kombiniert. Im Gefahrenfall sollen sowohl der eKV-Fahrer wie auch die anderen Verkehrsteilnehmer mithilfe des Assistenzsystems gewarnt werden.

Durchführung

Bei der Erfassung der Umgebung auf einem eKV soll im Rahmen des Projekts u.a. erstmals ein MIMO-RADAR (Multiple-Input Multiple-Output-Radar) eingesetzt werden. Zudem soll diese Technik auch in stationären Messstellen (z.B. an Straßenlaternen oder Hausfassaden) zum Einsatz kommen.
Mithilfe zugeschnittener KI-Klassifizierungsmethoden werden spezifische Verkehrsteilnehmer unterschieden, um so ein aggregiertes Verkehrslagebild nach Mobilitätsklasse zu erstellen und diese über eine Schnittstelle zu veröffentlichen. Die Daten dieses Systems sollen so für die Nutzer von eKVs aufbereitet werden, wobei eine Interaktionsmethode mit besonders hoher Nutzerakzeptanz angewandt wird.

Verbundkoordinator	ASINCO GmbH, Duisburg FKZ: 19F2118A
Projektvolumen	982.565 Euro (davon 75 % Förderung durch BMDV)
Projektlaufzeit	07/2020 – 12/2022
Projektpartner	Technische Hochschule Köln , Köln FKZ: 19F2118B
Ansprechpartner	ASINCO GmbH Joachim Denker Tel.: +49 203 729958-10 E-Mail: joachim.denker@asinco.de