Sichere Städte für Radfahrer und Fußgänger

In this demonstration image, a machine learning algorithm identifies moving objects at a busy intersection.
In einem von Cape Reviso entwickelten „lebenden Labor" wird maschinelles Lernen verwendet, um sich bewegende Objekte an einer belebten Kreuzung zu erkennen.

Mit Hilfe von maschinellem Lernen, virtueller Realität und urbanem Emotionstracking werden Forscher am HLRS Simulationsmethoden für die Verkehrsplanung testen.

Treffen Fußgänger und Radfahrer aufeinander, entsteht oft Stress. In einem vom Bundesministerium für Verkehr und digitale Infrastruktur geförderten Projekt namens Cape Reviso untersucht das HLRS gemeinsam mit Partnern, wie Simulation helfen kann, solche Probleme zu lindern.

Erst erfolgt eine Langzeitbeobachtung der Bewegungen von Fußgängern, Fahrrädern und motorisierten Fahrzeugen an einem stark frequentierten Ort, dann werden mit maschinellem Lernen Daten analysiert und ein Modell entwickelt. Nach der Kombination dieses Modells mit den von Forschern des Karlsruher Instituts für Technologie gesammelten Urban-Emotions-Daten wird ein digitaler Zwilling erstellt, also eine umfassende Virtual-Reality-Simulation des Ortes.

Planer können dann mit dem Modell sehen, wie Radfahrer und Fußgänger interagieren, Eingriffe wie Beschilderungsänderungen virtuell testen und vor Ort Verbesserungen umsetzen.

Gefördert durch: