E-Scooter Detection

Die NovelSense UG befasst sich mit der Entwicklung innovativer Sensoranwendungen für die Mobilität der Zukunft. Hierbei sollen insbesondere neue Technologien für die infrastrukturseitige Erfassung von Verkehrsdaten entwickelt und erprobt werden. Das Ziel ist die Entwicklung von Hardware und Softwareprodukten für Verkehrsplaner und Infrastrukturentwickler. Im vorliegenden Vorhaben sollen KI-Methoden zum Einsatz kommen, um eine kontinuierliche Erkennung und Zählung bestimmter Verkehrsteilnehmer mit einer Kamera zu ermöglichen. Ein hohes Anwendungspotential ergibt sich aus den aktuellen Trends im Bereich nachhaltige und multimodale Mobilität. Hier besteht erheblicher Bedarf an verlässlichen Verkehrsdaten u.a. zu den Themen Fahrradverkehr und neuen Mobilitätsangeboten wie E-Scootern.

Entwickelt wird ein akkubetriebenes und kamerabasiertes Verkehrszählgerät, welches sich durch seine kleine Baugröße, geringen Energieverbrauch und flexible Anbringungsmöglichkeit auszeichnet. Zum Einsatz kommt hier eine Kamera, welche in einem speziell entwickelten Gehäuse seitlich der Fahrbahn angebracht werden kann. Die Erkennung der Verkehrsteilnehmer erfolgt auf Basis der Kameradaten im Gerät mit einem hardwarebeschleunigten KI-Koprozessor mittels eines Neuronales Netzes. Der KI-Koprozessor erlaubt die Klassifikation und Detektion auf Echtzeit-Videodaten. Tracking und Geschwindigkeitsberechnung der erkannten Verkehrsteilnehmer wird anschließend durchgeführt. Fokus des Vorhabens im Rahmen der Smart Data Innovation Challenge ist die Realisierung der Erkennung von E-Scooter, die in Städten wie Berlin, Hamburg oder München bereits massenhaft eingesetzt werden. Hierbei soll sowohl die Durchfahrtzählung wie auch die Richtungserkennung realisiert werden.

Die Detektion von E-Scootern wird mittels Transfer-Learning mit Feature-Extraction Anteilen vortrainierten Netzen sowie dem Fein-Tuning der Gewichte neu hinzugefügter Klassifikationsschichten erreicht. Die Herausforderung liegt in der Optimierung des eingesetzten Netzes um unter Einhaltung der Ressourcenbeschränkungen des Hardware KI-Koprozessors den Verlust an Detektionsgenauigkeit zu minimieren, so sollen beispielsweise auch aktuelle Methoden zur Reduktion der Netzquantisierung untersucht werden.

Auf dem Markt für temporär installierbare Verkehrszähler werden aktuell sogut wie keine kamerabasierten Geräte eingesetzt. Die zum Einsatz kommenden Technologien umfassen hauptsächlich Induktion- oder Pneumatik-basierte Technologien die einige Nachteile bzgl. Genauigkeit und Einsatzbereich aufweisen. Dies bezieht sich vorallem auf die Unterscheidung verschiedener Verkehrsteilnehmer. Ein besonderer Vorteil der vorgeschlagenen technischen Lösung ist dabei die Datenschutzkonforme Erhebung der Daten. Darüber hinaus wird die Erkennung von E-Scootern durch andere Anbieter am Markt, unabhängig von der verwendeten Technologie, derzeit noch nicht angeboten. Die für Training, Test und Validierung des neuronalen Netzes benötigten Daten sind aus frei verfügbaren Datensätzen sowie aus durch NovelSense erhobene Datensätze zusammengestellt und können durch Folgeprojekte kostenfrei verwendet werden.

Die Ergebnisse aus dem Projekt sollen direkt in die Produktentwicklung einfließen und eine Erkennung und Zählung von E-Scootern im urbanen Umfeld ermöglichen. Dazu werden aktuell bereits Testpartner gesucht und Kooperationen geschlossen.