Intelligente Infrastruktur
BMW und TUM vernetzen Sensoren für sichereren Straßenverkehr
Die TUM und BMW führen Messdaten aus Fahrzeugen und Straßeninfrastruktur in einem digitalen Verkehrsmodell zusammen. Das System aktualisiert die Lage je 100 Millisekunden und soll Risiken auch außerhalb des direkten Sichtfelds früher erkennen können.
Das KI-gestützte System soll dabei helfen, Verkehrsteilnehmer und mögliche Gefahren frühzeitig zu erkennen.
TUM
Forschende der Technischen Universität München (TUM) und der BMW Group haben ein KI-basiertes System entwickelt, das Sensordaten aus Fahrzeugen und der Straßeninfrastruktur zusammenführt. Daraus entsteht ein digitales Abbild der aktuellen Verkehrssituation, das sich im Abstand von 100 Millisekunden aktualisiert. Die Technologie soll helfen, potenzielle Gefahren frühzeitig zu erkennen und entsprechende Handlungsempfehlungen abzuleiten.
Im Mittelpunkt des gemeinsamen Forschungsprojekts steht die Verknüpfung verschiedener Sensorperspektiven. Während fahrzeugeigene Systeme bislang vor allem ihre unmittelbare Umgebung erfassen, berücksichtigt der neue Ansatz zusätzlich Informationen von Ampeln und Schilderbrücken. Dadurch sollen auch Verkehrsteilnehmer sichtbar werden, die sich außerhalb des direkten Erfassungsbereichs eines Fahrzeugs befinden.
Digitaler Zwilling bildet Verkehrssituation ab
Erprobt wird die Technologie unter anderem an einer Kreuzung in Garching-Hochbrück. Dort erfasst ein Testfahrzeug von BMW seine Umgebung mithilfe von Kameras, Radar und Lidar. Ergänzend liefern Sensoren an der Straßeninfrastruktur Informationen über das Verkehrsgeschehen.
Eine KI verarbeitet die Messdaten und erstellt daraus einen digitalen Zwilling der Verkehrssituation. Dieser bildet die Positionen anderer Fahrzeuge, von Radfahrern und Fußgängern laut TUM mit einer Genauigkeit von bis zu zehn Zentimetern ab. Gleichzeitig prognostiziert das System fortlaufend deren mögliche Bewegungen. Die daraus gewonnenen Informationen werden auf einem Bildschirm im Testfahrzeug dargestellt. So lässt sich beispielsweise erkennen, wenn sich ein Verkehrsteilnehmer aus einem verdeckten Bereich einer Kreuzung nähert. Auf dieser Grundlage könnten Fahrer früher gewarnt werden.
KI bewertet die Qualität der Sensordaten
Eine wesentliche technische Herausforderung liegt in der Zusammenführung der unterschiedlichen Messdaten. Die eingesetzten Sensoren erfassen ihre Umgebung aus verschiedenen Blickwinkeln und arbeiten mit unterschiedlichen Messfrequenzen. Hinzu kommt, dass sich die Sensoren im Fahrzeug während der Datenerfassung bewegen. Um diese Informationen in einem einheitlichen Modell abzubilden, gleicht die künstliche Intelligenz die Daten kontinuierlich miteinander ab. Dabei berücksichtigt sie nach Angaben der Universität auch aktuelle Umgebungsbedingungen und vorhandene Datenbankinformationen.
Zudem bewertet das System die Verlässlichkeit einzelner Messwerte. Sind Sensoren beispielsweise verschmutzt, verdeckt oder fehlerhaft kalibriert, können ihre Daten von der weiteren Verarbeitung ausgeschlossen werden. Damit soll verhindert werden, dass unzuverlässige Informationen das digitale Verkehrsmodell beeinflussen. Nach Angaben der Forschenden lässt sich das Gesamtmodell alle 100 Millisekunden aktualisieren. Die Verarbeitung umfasst dabei sowohl die Sensordaten als auch die fortlaufende Vorhersage der Bewegungen erfasster Verkehrsteilnehmer.
Zusätzliche Informationen für die Fahrzeugumgebung
Der Ansatz könnte insbesondere dort Vorteile bieten, wo die Wahrnehmung fahrzeugeigener Sensoren an Grenzen stößt. Dazu gehören unübersichtliche Kreuzungen oder Situationen, in denen andere Fahrzeuge die Sicht auf Fußgänger und Radfahrer verdecken. Durch die Einbindung stationärer Sensoren erhält das Fahrzeug zusätzliche Informationen aus Bereichen, die seine eigene Sensorik nicht unmittelbar erfassen kann. Das digitale Lagebild soll damit eine umfassendere Einschätzung der Verkehrssituation ermöglichen.
Für die Entwicklung automatisierter Fahrfunktionen ist vor allem die Verarbeitung dieser Informationen von Bedeutung. Die unterschiedlichen Datenquellen müssen zeitlich und räumlich aufeinander abgestimmt werden, damit sich daraus eine konsistente Darstellung der Umgebung ergibt.
Ein weiteres Anwendungsszenario sehen die Forschenden in der Erfassung von Baustellen. Dort verändern sich Fahrbahnverläufe und Verkehrsführungen teilweise kurzfristig, sodass vorhandene digitale Karten nicht immer den aktuellen Zustand wiedergeben. Zusätzliche Kameras an Ampeln oder Masten könnten solche Veränderungen erfassen und über das digitale Verkehrsmodell an Fahrzeuge weitergeben. Auf diese Weise ließen sich aktuelle Informationen über die Verkehrsführung bereitstellen, ohne ausschließlich auf bereits gespeicherte Kartendaten zurückzugreifen. Für einen entsprechenden Ansatz zur Neukartierung von Baustellen sowie für die Datenfusion in verteilten Systemen haben die beteiligten Wissenschaftler nach eigenen Angaben bereits Patente angemeldet.
