Safety4Bikes // Universität Oldenburg

Assistenzsystem für mehr Sicherheit von fahrradfahrenden Kindern

Motivation

Mobilität ist ein entscheidender Faktor in unserem Alltag. Gerade Radfahrer und insbesondere radfahrende Kinder gehören im Straßenverkehr zu den besonders „verwundbaren“ Verkehrsteilnehmern, da sie fast ungeschützt unterwegs sind. Kinder verfügen zudem über einen geringen Erfahrungsschatz im Umgang mit Gefahren. Deshalb wurden in dem Projekt Systeme der Mensch-Technik-Interaktion (MTI) entwickelt, die zu mehr Sicherheit, Komfort und Zuverlässigkeit beim Fahrradfahren beitragen.

Ziele und Vorgehen

Ziel des Vorhabens Safety4Bikes ist es, modulare Assistenzsysteme für Radfahrer zu entwickeln, die drohende Gefahren erkennen und auf das richtige Verhalten hinweisen.

Hierfür wurde ein Monitoringsystem entwickelt, das das Verhalten des Radfahrers und die aktuelle Verkehrssituation beobachten und ggf. bewerten kann, so dass auf Basis dieser Technik potentielle Gefahren erkannt werden können.
Es wurde ein MTI-System entwickelt und evaluiert, welches bei akuten Gefahren in unmittelbarer Nähe oder in potenziellen Gefahrensituationen über akustische, optische oder haptische Signale am Helm oder Lenker den Nutzer warnen kann.
Darüber hinaus wurde die Kommunikationsschnittstelle (Car2X) zu anderen Verkehrsteilnehmern für die Anbindung von Fahrräder weiterentwickelt und simulations-basiert evaluiert.
Eine kindgerechte App ermöglicht zudem eine sichere Routenauswahl durch Umfahrung von Unfallschwerpunkten und zeigt am Ende der Navigation eine Fahrtauswertung, die die Möglichkeit zur Reflexion der Fahrt und des Fahrverhaltens gibt.

Innovationen und Perspektiven

Das modulare System aus vernetztem Fahrrad, intelligentem Helm und Smartphone erkennt potenzielle Gefahrensituationen und macht individuell auf sicheres Verhalten im Straßenverkehr aufmerksam. Damit erhöht sich nicht nur die Sicherheit und Selbstständigkeit von radfahrenden Kindern, sondern perspektivisch auch von anderen Verkehrsteilnehmern, die von der Entwicklung profitieren.

Arbeiten der Abteilung

Unsere Gruppe fokussiert sich auf die Entwicklungen in den Teilzielen 1 und 2. So wurde erfolgreich eine zentrale MTI-Plattform für Fahrräder entwickelt und alle Systemkomponenten angebunden. Darauf aufbauend wurden geeignete Sensoren für das Fahrrad identifiziert und in die Plattform integriert. Bei der Komponentenauswahl wurde auf eine modulare und je Anwendungszweck spezifische Kombinierbarkeit geachtet.

Mittels Tiefenbildkameras wurde eine Verhaltens- und Umgebungserkennung, in der sowohl das Verkehrsverhalten analysiert als auch Gefahrensituationen erkannt werden können prototypisch realisiert. Hierbei werden auf Basis des maschinellen Lernens zum Beispiel Verkehrszeichen und anderer Verkehrsteilnehmer automatisiert erkannt.

Die ebenfalls verbauten Inertialsensoren, Kraftsensoren in den Pedalen und Odometriesensoren unterstützen eine detaillierte Beobachtung und Bewertung das situativen Fahrverhaltens (inkl. der Bewegungsabläufe) beim Fahrradfahren.

null

Als Aktor ist zum Beispiel ein Bremsassistent in der Lage bei potenziell kritischen Situationen frühzeitig eine Bremsung einzuleiten, um ggf. eine Kollision zu vermeiden. Eine weitere Komponente zur Gefahrenerkennung stellt die Integration eines Car2X-Moduls dar, die eine Kommunikation mit anderen Verkehrsteilnehmern ermöglicht.

Durch diese Vielfalt an integrierten Sensoren und Aktoren ist das Fahrrad in der Lage vor allem vulnerable Gruppen im Straßenverkehr zu unterstützen, auf richtiges Fahrverhalten hinzuweisen und drohende Gefahren zu erkennen, vor ihnen zu warnen und falls erforderlich durch Notbremsungen zu vermeiden.

Die einzelnen Komponenten wurden in einer Wizard-of-Oz-Studie auf dem Verkehrsübungsplatz Jeddeloh II mit Kindern evaluiert.

Publikationen

[inproceedings] bibtex
R. Kappes, S. Fudickar, und J. Deiters, "Safety4Bikes : Assistance Systems for Cycling Children to Increase Safety" in Proc. International Cycling Safety Conference - Abstract Book, 2019, p. 71.
@inproceedings{Kappes2019, abstract = {Cycling is a popular urban mobility solution. However, cyclists are more vulnerable and relatively unprotected compared to other road users. In Germany, the number of accidents with cycling children increases dramatically between the ages of 8 and 14 years, which is caused by their not fully developed cycling skills and understanding of traffic. The project Safety4Bikes aims at mitigating the risk of young cyclists by developing appropriate modular assistance systems that detect situational hazards and promote safe behaviour. Within the project, we are developing novel visual, tactile and acoustic signals integrated in bicycles and helmets to convey information for children in an understandable and non-distracting way. Embedding the cyclist into the surrounding context, we develop and investigate sensor technologies, algorithms and routing strategies needed for identification of the behaviour of cyclists on the road, traffic signs, safest routes and trajectory corrections. Additionally, we focus on the enhancements of Car2X communication to enable the exchange of information with other vehicles. The project follows a user centric approach in which the developed system components are continuously tested and adapted to the needs and characteristics of the target group. Answering the question of how the components will have to interact with the user is an important part of the research. Therefore, we evaluate the efficacy of the designed interaction and recognition methods as well as sensors, algorithms and routing strategies through laboratory experiments and bicycle simulators. With controlled test-track experiments on a test route, the components are further evaluated and optimised.}, author = {Kappes, R and Fudickar, S and Deiters, J}, booktitle = {International Cycling Safety Conference - Abstract Book}, file = {:C$\backslash$:/Users/Bjoern/Desktop/icsc2019{\_}safety4bikes.pdf:pdf}, keywords = {Cycling,S4B,Safety,Safety4Bikes}, mendeley-tags = {S4B,Safety4Bikes,Cycling,Safety}, pages = {71}, title = {{Safety4Bikes : Assistance Systems for Cycling Children to Increase Safety}}, year = {2019}
[article] bibtex
S. Fudickar, R. Kappes, M. Horstmann, M. Isken, und A. Hein, "Cycling Monitoring System - Sensing Cycling Performance via a Pedal-Integrated IMU" Nanomaterials and Energy, vol. 9, iss. 1.
doi: 10.1680/jnaen.19.00024
@article{Fudickar2020, abstract = {With increasing accident rates for elderly cyclists when using electrically powered bicycles, behavioural models for cyclists that consider the underlying functional and cognitive processes are required. Such models must be generated based on experiments conducted in realistic driving conditions, since laboratory studies can cover the complex influences of cycling only to a limited degree. Consequently, this paper introduces a bicycle-monitoring system that was designed to capture all relevant external and internal states to be considered for the conduction of driving behavioural studies in realistic (uncontrolled) environments. Furthermore, algorithms for detecting the turning behaviour and the pedalling frequency by way of a pedal-integrated inertial measurement unit are introduced, and their sensitivity is evaluated in a pilot study.}, author = {Fudickar, Sebastian and Kappes, Raphael and Horstmann, Marten and Isken, Melvin and Hein, Andreas}, doi = {10.1680/jnaen.19.00024}, file = {:Volumes/Data/UniSync/Paper/Mendeley/2020 - Cycling Monitoring System - Sensing Cycling Performance via a Pedal-Integrated IMU.pdf:pdf}, issn = {2045-9831}, journal = {Nanomaterials and Energy}, keywords = {processing,sensors,system}, number = {1}, pages = {1--6}, title = {{Cycling Monitoring System - Sensing Cycling Performance via a Pedal-Integrated IMU}}, volume = {9}, year = {2020} }
[article] bibtex
B. Friedrich, B. Cauchi, A. Hein, und S. Fudickar, "Transportation mode classification from smartphone sensors via a long-short-term-memory network" UbiComp/ISWC 2019- - Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers.
doi: 10.1145/3341162.3344855
@article{Friedrich2019, abstract = {This article introduce the architecture of a Long-Short-Term-Memory network for classifying transportation-modes via smartphone data and evaluates its accuracy. By using a Long-Short-Term-Memory with common preprocessing steps such as normalisation for classification tasks an F1-Score accuracy of 63.68 {\%} was achieved with an internal test dataset. We participated as team "GanbareAMT" in the “SHL recognition challenge".}, author = {Friedrich, Bj{\"{o}}rn and Cauchi, Benjamin and Hein, Andreas and Fudickar, Sebastian}, doi = {10.1145/3341162.3344855}, file = {:C$\backslash$:/Users/Bjoern/Downloads/SHL{\_}Challenge.pdf:pdf}, isbn = {9781450368698}, journal = {UbiComp/ISWC 2019- - Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers}, keywords = {Classification,IMU,Inertial,LSTM,Mode of Transportation,Phones,Supervised Machine Learning}, pages = {709--713}, title = {{Transportation mode classification from smartphone sensors via a long-short-term-memory network}}, year = {2019} }

Kooperationen / Förderung

Das BMBF-Projekt Safety4Bikes (ehem. Bikes4Kids) wird zwischen 01/2017 bis 12/2019 gefördert.

Beteiligte Partner:

GeoMobile GmbH, Dortmund
Gesellschaft für empirische soziologische Forschung e. V., Nürnberg
OFFIS e. V., Oldenburg
UVEX SPORTS GROUP GmbH & Co. KG, Fürth
Universität Paderborn
Valtech GmbH, Düsseldorf
PFAU Tec GmbH, Quakenbrück

Webseite: www.safety4bikes.de

Sprache wechseln

Change Language

Hell-/Dunkelmodus

Light mode / Dark mode

Safety4Bikes