Radfahrende sind oft gefährlichen Situationen im Straßenverkehr ausgesetzt. Der in der StVO definierte Überholmindestabstand (1,5 m innerorts) wird von Autofahrenden oft nicht eingehalten, u.a. da dieser aus „Augenschein” nicht sicher zu erkennen ist. Es bestehen nur geringe Erkenntnisse über kritische Situationen mit zu geringem Seitenabstand beim Überholen von bzw. Vorbeifahren an Radfahrenden aus Sicht des motorisierten Verkehrs. Auf Basis einer verbesserten Datenlage könnten Autofahrende ihr Fahrverhalten anpassen und so indirekt zu einem attraktiveren und sichereren Radverkehr beitragen.

Ziel von „BikeDetect“ ist die Entwicklung eines Sensorsystems in Form eines Labormusters zur Nachrüstung des motorisierten Verkehrs, um Abstände zu Radfahrenden im Straßenverkehr zur Erhöhung der Radfahrsicherheit detektieren zu können. Das optimale Sensorsystem wird auf Basis mehrerer Pre- und Feldtests konzipiert. Die Datenauswertung kombiniert Abstandsmessungen mit der automatisierten Erkennung von Radfahrenden im Straßenverkehr mittels KI Methoden. Praktische Sicherheitsanforderungen der kommunalen Planung (z.B. Mindestabstände, Ausführgeschwindigkeit der KI Modelle) fließen in die Umsetzung ein.

Die Anforderungen an Sensorsystem und KI Modelle (u.a. zulässige Fehlerraten, DSGVO) werden in einem Workshop erhoben. Labortests untersuchen Kombinationen von Sensoren für Abstand (Ultraschall, Optik, Radar) und Klassifizierung (Thermal, LiDAR, 3D-Kamera) hinsichtlich Messgenauigkeit und Robustheit. Im Feldtest wird das priorisierte Sensorsystem auf ausgewählten Strecken im Stadtgebiet von Osnabrück unter Einsatz größerer Fahrzeuge (Transporter) getestet. Die erzeugten Daten werden unter Einsatz von Data Science Methoden ausgewertet und auf Basis kommunaler Anforderungen anhand neuer ausgewählter Kennzahlen und Kartendarstellungen zur Verkehrssicherheit visualisiert.

01.10.2024

31.03.2026

• Prof. Dr.-Ing. Jorge Marx Gómez
• Johannes Schering

https://bmdv.bund.de/SharedDocs/DE/Artikel/DG/mfund-projekte/bikedetect.html