Short Description
ALP.Lab errichtet und betreibt Verkehrsbeobachtungssysteme. Mittels Lidar-, Radar- und optischer Sensoren werden Verkehrsteilnehmer automatisiert nach Kategorien erkannt ("objektbasierte Beobachtung"), um anonymisierte Echtzeit-Daten von realen, komplexen Verkehrssituationen zu generieren.
Diese Daten können z.B. von Gemeinden, Verkehrsplanern, F&E-Einrichtungen und in wissenschaftlichen Projekten genutzt werden, um die Straßenverkehrssicherheit zu erhöhen, verbesserte Sensoren für die Objekterkennung zu entwickeln oder effizientere Formen des öffentlichen Verkehrs einzuführen. Ein weiterer Einsatzbereich ist die Generierung von Trainingsdaten für autonome Fahrsysteme. Die dafür von ALP.Lab entwickelte Methode ist nachhaltiger und günstiger als konventionelle Ansätze mit großen Fahrzeugflotten - und wurde 2021 mit dem TECH.AD Europe Award ausgezeichnet.
Contact Person
Martin Aichholzer
Research Services
Beispiele möglicher Einsatzszenarien:
(1) Generierung von Trainingsdaten für die Künstliche Intelligenz (AI) von autonomen Fahrfunktionen
Mit Hilfe geeigneter Algorithmen errechnen wir aus der Vogelperspektive des Kreuzungsszenarios die Position jedes Objektes heraus und können so Situationen aus dem Blickwinkel des Fußgängers, des Autos oder Radfahrers darstellen. Im Vergleich zur klassischen Methode zur Generierung solcher Trainingsdaten, bei der mit Sensoren ausgestattete Testfahrzeuge viele tausende Kilometer auf öffentlichen Straßen unterwegs sind, spart die ALP.Lab Methode viele extra gefahrene Testkilometer (= CO2, Lärm etc.) ein und liefert zudem realistischere Verkehrsdaten.
(2) Evaluierung des Erfolgs von verkehrsberuhigenden Maßnahmen
Mittels vorher-nachher-Beobachtung können die Verkehrsströme vor- und nach einer erfolgten Änderung z.B. der Verkehrsregeln analysiert werden. Aus den erhobenen Unterschieden lässt sich - objektiv - der Erfolg der umgesetzten Maßnahme evaluieren.
(3) Evaluierung des Bedarfs einer verkehrsberuhigenden Maßnahme
Wie viele kritische Szenarien es in einem Straßenbereich gibt, lässt sich mittels Sensorik gut eruieren. Basierend darauf lässt sich ein etwaiger Handlungsbedarf besser abschätzen.
Methods & Expertise for Research Infrastructure
Gerade in Hinblick auf die Steigerung der Verkehrssicherheit sind Verkehrsbeobachtungsdaten von unschätzbarem Wert. Um Unfälle bestmöglich zu vermeiden, ist es unerlässlich nicht nur Daten von erfolgten Unfällen (aus Unfallstatistiken) zu haben, sondern auch hochgenaue reale Verkehrsdaten von Beinahe-Unfällen. Genau diese Daten, sog. kritische Verkehrsszenarien, können im Rahmen von objektbasierten Verkehrsbeobachtungen erhoben werden.
ALP.Lab nutzt dafür infrastrukturbasierte Lidar-, Radar- und optische Sensoren, die überkopf im Kreuzungsbereich montiert werden. Die eingesetzte Sensorik ist 24 Stunden am Tag, 365 Tage im Jahr im Einsatz und kann so nicht nur eine große Zahl an typischen und gefährlichen Szenarien erfassen, sondern diese auch mit unterschiedlichsten Rahmenbedingungen in Verbindung setzen – wie Verkehrsaufkommen, Wetter, Uhrzeit oder Temperatur. Schließlich macht es einen Unterschied, ob z.B. zwei Meter Sicherheitsabstand bei guter Sicht und trockenem Boden zur Verfügung stehen, oder bei Nebel und schneebedeckter Fahrbahn.
Die Verkehrsüberwachung erfolgt selbstverständlich zu 100% datenschutzkonform.
Allocation to research infrastructure
Office - ALP.Lab GmbH - Testregion für automatisierte Mobilität