SMaRt
Supporting the Man-in-the-loop in Roadtunnel
Kontakt
Problemstellung
In den vergangenen Jahren ist die Arbeitsbelastung für das Personal in Tunnelleitzentralen stetig gewachsen. Dies kann Überlastungen zur Folge haben, welche möglicherweise die Verkehrssicherheit beeinträchtigen. Derzeit sind ausschließlich zweistufig agierende Systeme zur Überwachung des Verkehrsablaufs in Straßentunneln im Einsatz: Zunächst erfolgt eine automatisierte Störfalldetektion mittels Sensoren, welche zur Beurteilung an das Überwachungspersonal weitergeleitet wird. Die finale Detektion des Störfalls, beziehungsweise der Störfallursache, erfolgt also abschließend durch die Mitarbeitenden in den Überwachungszentralen. Abhängig von der Zuverlässigkeit der eingesetzten automatisierten Störfalldetektionssysteme bedeutet dies mehr oder weniger erheblichen Arbeitsaufwand für die sogenannten „man-in-the-loop“-Mitarbeitenden.
Moderne Detektorsysteme sind in der Regel äußerst zuverlässig und hilfreich. Als Beispiel sei hier auf das Detektionssystem der aveVerkehrs- und Informationstechnik GmbH verwiesen, das auch bei diesem Projekt eingesetzt wird. Dem neuesten Stand der Forschung entsprechend basiert es auf dem Sensor intelligente Induktionsschleife. Dennoch wird angestrebt, mittels moderner, KI-basierter Algorithmen sowie der Datenfusion mit einem Videokamerasystem einen bedeutenden Innovationssprung zu erzielen.
Projektziel
Die Integration lernfähiger Algorithmen, sowohl in die automatisierte Störfalldetektion als auch in die Kombination der dabei generierten robusten Alarme – kurz gesagt: die Einbindung von KI in die Datenfusion – soll die Arbeitsbedingungen des Überwachungspersonals erheblich vereinfachen. Auf diese Weise wird ebenfalls ein erheblicher Beitrag zur Sicherheit für den Verkehrsablauf im Tunnel geleistet.
Das gewählte Konsortium bestehet aus einem KMU (ave GmbH), einer Forschungseinrichtung (ISAC/RWTH) sowie dem Tunnel- und Infrastrukturbetreiber Autobahn GmbH (Niederlassung Nordbayern). Diese Kooperation deckt alle wesentlichen Ebenen ab und bildet somit eine optimale Voraussetzung für eine erfolgreiche Zielerreichung.
Durchführung
In diesem Projekt werden lernfähige Algorithmen (KI) entwickelt, weiterentwickelt und angewendet. Das geschieht mit dem Ziel, sowohl die intelligente Induktionsschleifen-Detektion als auch die nachgestaltete Videodetektion robuster, effizienter und zuverlässiger zu gestalten. Die individuell verbesserten Systeme werden im Anschluss in einem gemeinsamen Detektionssystem vereint, um auf diese Weise eine weitere Optimierung zu erzielen. Kernarbeit des Forschungsvorhabens ist dabei unter anderem der Wissenstransfer zwischen dem ISAC der RWTH Aachen University und der ave GmbH in den Bereichen der KI und der Videodetektion.