CityCount (CC): Erfassung des städtischen Verkehrs

Verkehrsmanagement
Maschinelles Lernen
Städtische Mobilität
Untersuchung der Entwicklung eines mobilen Geräts zur Erfassung verschiedener städtischer Verkehrsarten, einschließlich nicht-motorisierter Formen wie Lastenräder und E-Scooter.
Author

Palaimon

Published

April 1, 2022

CC (10/21 – 09/22)

CityCount (CC)

Problemstellung

Der innerstädtische Verkehr verändert sich hin zu klimaschutzorientierten Mobilitätslösungen. Das Stadtverkehrsmanagement treibt die Zunahme des nicht-motorisierten Verkehrs aktiv voran. Derzeit existiert keine Technologie, die verschiedene und neue Verkehrsteilnehmer, wie Lastenräder oder E-Scooter, automatisch erfassen kann. Städte benötigen Daten über aktuelle Verkehrsaufkommen zur Bewertung von Planungsmaßnahmen und zur Entwicklung von Lösungen für zukünftiges Verkehrsmanagement.

Projektziel

Das Ziel dieser Studie ist die Untersuchung des Potenzials eines kosteneffizienten mobilen Zählsystems zur Erfassung von nicht-motorisiertem, gemischtem Verkehr. Die Entwicklung basiert auf der Echtzeitauswertung von Videodaten unter Einsatz von Machine-Learning-(ML)-Methoden im Bereich Computer Vision. Konkret umfasst die Entwicklung die Extraktion von Bewegungsmustern über Multi-Object-Tracking (MOT). Die ermittelten Bewegungsprofile werden nicht nur zur Ableitung einer Verkehrszählung verwendet, sondern können auch zur Analyse der Bewegungsmuster von Verkehrsteilnehmern (z.B. Abbiegevorgänge) eingesetzt werden.

Projektansatz

Im Rahmen der Machbarkeitsstudie wurden zunächst die Anforderungen an Use Cases und Datenbereitstellung im Austausch mit den assoziierten Partnern (Landeshauptstädten Düsseldorf, Erfurt, Magdeburg und der Stadt Köln) ermittelt. Basierend auf der Anforderungsanalyse wurde das Konzept für das mobile Zählsystem entwickelt. Das Gesamtsystem umfasst Hardware, ein KI-Modell, das Multi-Object-Tracking in Echtzeit durchführt, einen nachgelagerten Verarbeitungsschritt zur Extraktion der Verkehrszählungsdaten und die Datenbereitstellung über ein Dashboard für den Benutzer.

Im Laufe des Projekts wurden die einzelnen Komponenten auf technische Machbarkeit untersucht. Am Ende des Projekts wurde ein Beispiel-Datensatz im mCLOUD veröffentlicht und weitere Entwicklungsmöglichkeiten sowie zukünftige Anwendungen zur innerstädtischen Verkehrsüberwachung diskutiert.

Projektdetails

  • Projekt auf BMDV-Website
  • FKZ: 19F1084A
  • Projektvolumen: 142.857 €
  • Projektlaufzeit: 10/2021 – 09/2022
  • Assoziierte Partner:
Landeshauptstadt Düsseldorf, Amt für Verkehrsmanagement Landeshauptstadt Erfurt, Tiefbau- und Verkehrsamt, Abteilung Verkehr
Landeshauptstadt Düsseldorf Landeshauptstadt Erfurt
Landeshauptstadt Magdeburg, Dezernat VI, Dezernat für Stadtentwicklung, Bau und Verkehr Stadt Köln, Abteilung Verkehrsplanung, Amt für Straßen und Verkehrsentwicklung
Landeshauptstadt Magdeburg Stadt Köln