Das neu gestartete Forschungsprojekt BikeDetect hat im Rahmen eines Stakeholderworkshops seine Anforderungsanalyse konkretisiert und die kommenden Entwicklungsarbeiten mit praktischen Bedürfnissen abgestimmt. Das Meeting, das am 27. November 2024 bei der Stadt Osnabrück stattfand, konnte aktiv Akteure u.a. aus den Bereichen öffentlicher Nahverkehr, Verkehrs- sowie Geodaten und Stadtreinigung in die Diskussion zur datenunterstützten Erhöhung der Verkehrssicherheit von Radfahrdenen einbinden. Übergeordnet ging es um die Fragestellung, welche Funktionalitäten ein KI System zur Erkennung von Radfahrenden im Straßenverkehr abdecken muss und wie ein darauf aufbauendes Fahrassistenzsystem für den Autofahrer ausgestaltet sein könnte.
Zunächst wurden potentiell nutzbare Sensorsysteme diskutiert. Es sollen dabei Sensoren kombiniert werden, die sich a) für die Detektion von Radfahrenden und b) für die Messung von Abständen eignen. Durch die Vereinigung der Datenströme könnten zu enge Manöver zum Überholen bzw. Vorbeifahren detektiert werden. Die genaue Definition eines Überholvorganges kann aus rechtlichen Vorgaben, aber auch anhand des technischen Aufbaus der Fahrzeuge im realen Straßenverkehr abgeleitet werden. Darauf aufbauend lassen sich verschiedene Anforderungen an die Eigenschaften der KI Modelle definieren, die im Workshop mit den Expertinnen und Experten diskutiert wurden. Die Detektion von Radfahrenden muss grundsätzlich in Echtzeit im Straßenverkehr erfolgen können, um perspektivisch Autofahrende über die unzureichende Einhaltung geltender Verkehrsregeln in Kenntnis setzen zu können. Für die kamerabasierte Datenerhebung im Straßenverkehr bestehen zudem seitens des Datenschutzes erhöhte organisatorische Anforderungen, die ausführlich erörtert wurden.
Die Datengrundlage wird mit einem Feldtest, der für den Herbst 2025 im Stadtgebiet von Osnabrück geplant ist, geschaffen. Die ausgewählten Sensoren werden dabei an der Außenfläche eines Transporters montiert. Die Diskussion bezog sich im Zusammenhang mit der Befahrung der Verkehrsinfrastruktur auch auf unterschiedliche Ausprägungen von Radverkehrsanlagen. Grundsätzlich sollten alle Strecken mit hoher Radverkehrsstärke wiederholt durch das Messfahrzeug befahren werden, um möglichst viele Radfahrende robust aufnehmen zu können. Damit Autofahrende perspektivisch sinnvoll gewarnt werden können, sollten künftig auch verlässliche Geodaten z.B. zur Ausprägung der Fahrradinfrastruktur Eingang in das Datenmanagement finden, da bei manchen Führungen des Radverkehrs Warnhinweise während der Fahrt eher ablenken könnten. Der abschließende Teil der Diskussion bezog sich auf eine spätere mögliche Ausgestaltung eines Fahrassistenzsystems für Autofahrende. Warnhinweise zu Radfahrenden sollten im Fahrzeug grundsätzlich (wie heute bereits üblich) visuell und auditiv deutlich wahrnehmbar sein, aber auch nur dann erscheinen bzw. ertönen, wenn es die Fahrsituation dies wirklich erfordert.
Das Projekt BikeDetect will datenbasiert die Verkehrssicherheit von Radfahrenden erhöhen. Hierzu sollen Ansätze identifiziert werden, die eine Verknüpfung von KI basierten Detektionen von Radfahrenden im Straßenverkehr mit Abstandsmessungen ermöglichen, um perspektivisch Autofahrende bei der Einhaltung von Mindestabständen unterstützen zu können. Das Projekt BikeDetect wird für 18 Montate mit ca. 200.000 € durch die Innovationsinitiative mFUND des Bundesministeriums für Digitales und Verkehr (BMDV) gefördert. Die Universität Oldenburg hatte zum Projektstart auch eine entsprechende Pressemitteilung verbreitet. Wir bedanken uns sehr herzlich bei der Stadt Osnabrück für das Hosting und die Organisation des Austauschs mit den Fachexpertinnen und Fachexperten. Die Folien des Stakeholderworkshops können bei Bedarf auf den Webseiten von Smart City Osnabrück heruntergeladen werden.