Salzburg Research trainiert aktuell eine KI, mit der smarte Fahrräder die Umgebung analysieren können. Die Technologie eignet sich nach Angaben der Forscher sowohl für die Bewertung von Radwegen, die Analyse von Überholvorgängen, sowie Kollisionserkennung und Warnkonzepte für sicheres Radfahren.
Der Fahrradverkehr spielt eine wichtige Rolle bei der Mobilitätswende zur Erreichung der europäischen und nationalen Klimaziele. Vielerorts wird daher in den Ausbau der Fahrradinfrastruktur investiert. In die Jahre gekommene Fahrradwege müssen gewartet und erhalten werden.
Bisher wurde die Oberflächenqualität der Radverkehrsinfrastruktur aus Vibrationsmessungen abgeleitet. Im Bereich der Straßenüberwachung sind jedoch visuelle und Lidar-basierte Ansätze vorherrschend, wobei Letztere die besten Ergebnisse liefern. Light Detection and Ranging oder kurz Lidar ist ein System, das hochauflösende 3D-Informationen nur durch Licht generiert. Das Problem dabei: Geeignete Messfahrzeuge, wie sie für Autobahnen und Bundesstraßen verwendet werden, sind für Fahrradwege zu groß und zu schwer. Hier könnte das Sensorfahrrad Abhilfe schaffen.
Für die Forschungsarbeit nutzte Salzburg Research die neueste Version des Sensorfahrrads von Boréal Bikes, das Holoscene Edge. Es ist mit einer Reihe von Sensoren, darunter GPS, mehrere Trägheitsmesseinheiten, 2D-Kameras und fünf Lidar-Sensoren ausgestattet. Jeder Lidar-Sensor am Fahrrad zeigt in eine andere Richtung, um eine vollständige 360°-Ansicht der Umgebung des Fahrrads zu erfassen.
Mit den am Forschungsfahrrad montierten Lidar-Sensoren wurde die Umgebung des Rades durch hochfrequente Laser-Abstandsmessungen in Form einer sogenannten Punktwolke, bestehend aus 240.000 Punkten, zehn Mal pro Sekunde aufgenommen und dreidimensional dargestellt.
Mittels einer speziell für diesen Zweck trainierten künstlichen Intelligenz wird dann jeder Punkt einer bestimmten Klasse, beispielsweise Straße, Vegetation oder Gebäude zugeordnet. So könnten beispielsweise mit Blick auf die Instandhaltung von Radwegen zunächst alle zugehörigen Punkte extrahiert und in einem nächsten Schritt daraus ein Oberflächenmodell erstellt werden.
Die erfassten Punktwolken lassen sich ebenso zur Analyse von Verkehrssituationen wie Überholvorgängen einsetzen. Technologien zur Anbindung von Fahrrädern an automatisierte Fahrzeuge ermöglichen Kollisionserkennung und Warnkonzepte für sicheres Radfahren.