Assistenzsystem für mehr Sicherheit von fahrradfahrenden Kindern
Motivation
Mobilität ist ein entscheidender Faktor in unserem Alltag. Gerade Radfahrer und insbesondere radfahrende Kinder gehören im Straßenverkehr zu den besonders „verwundbaren“ Verkehrsteilnehmern, da sie fast ungeschützt unterwegs sind. Kinder verfügen zudem über einen geringen Erfahrungsschatz im Umgang mit Gefahren. Deshalb wurden in dem Projekt Systeme der Mensch-Technik-Interaktion (MTI) entwickelt, die zu mehr Sicherheit, Komfort und Zuverlässigkeit beim Fahrradfahren beitragen.
Ziele und Vorgehen
Ziel des Vorhabens Safety4Bikes ist es, modulare Assistenzsysteme für Radfahrer zu entwickeln, die drohende Gefahren erkennen und auf das richtige Verhalten hinweisen.
- Hierfür wurde ein Monitoringsystem entwickelt, das das Verhalten des Radfahrers und die aktuelle Verkehrssituation beobachten und ggf. bewerten kann, so dass auf Basis dieser Technik potentielle Gefahren erkannt werden können.
- Es wurde ein MTI-System entwickelt und evaluiert, welches bei akuten Gefahren in unmittelbarer Nähe oder in potenziellen Gefahrensituationen über akustische, optische oder haptische Signale am Helm oder Lenker den Nutzer warnen kann.
- Darüber hinaus wurde die Kommunikationsschnittstelle (Car2X) zu anderen Verkehrsteilnehmern für die Anbindung von Fahrräder weiterentwickelt und simulations-basiert evaluiert.
- Eine kindgerechte App ermöglicht zudem eine sichere Routenauswahl durch Umfahrung von Unfallschwerpunkten und zeigt am Ende der Navigation eine Fahrtauswertung, die die Möglichkeit zur Reflexion der Fahrt und des Fahrverhaltens gibt.
Innovationen und Perspektiven
Das modulare System aus vernetztem Fahrrad, intelligentem Helm und Smartphone erkennt potenzielle Gefahrensituationen und macht individuell auf sicheres Verhalten im Straßenverkehr aufmerksam. Damit erhöht sich nicht nur die Sicherheit und Selbstständigkeit von radfahrenden Kindern, sondern perspektivisch auch von anderen Verkehrsteilnehmern, die von der Entwicklung profitieren.
Arbeiten der AG
Unsere Gruppe fokussiert sich auf die Entwicklungen in den Teilzielen 1 und 2. So wurde erfolgreich eine zentrale MTI-Plattform für Fahrräder entwickelt und alle Systemkomponenten angebunden. Darauf aufbauend wurden geeignete Sensoren für das Fahrrad identifiziert und in die Plattform integriert. Bei der Komponentenauswahl wurde auf eine modulare und je Anwendungszweck spezifische Kombinierbarkeit geachtet.
Mittels Tiefenbildkameras wurde eine Verhaltens- und Umgebungserkennung, in der sowohl das Verkehrsverhalten analysiert als auch Gefahrensituationen erkannt werden können prototypisch realisiert. Hierbei werden auf Basis des maschinellen Lernens zum Beispiel Verkehrszeichen und anderer Verkehrsteilnehmer automatisiert erkannt.
Die ebenfalls verbauten Inertialsensoren, Kraftsensoren in den Pedalen und Odometriesensoren unterstützen eine detaillierte Beobachtung und Bewertung das situativen Fahrverhaltens (inkl. der Bewegungsabläufe) beim Fahrradfahren.
Als Aktor ist zum Beispiel ein Bremsassistent in der Lage bei potenziell kritischen Situationen frühzeitig eine Bremsung einzuleiten, um ggf. eine Kollision zu vermeiden. Eine weitere Komponente zur Gefahrenerkennung stellt die Integration eines Car2X-Moduls dar, die eine Kommunikation mit anderen Verkehrsteilnehmern ermöglicht.
Durch diese Vielfalt an integrierten Sensoren und Aktoren ist das Fahrrad in der Lage vor allem vulnerable Gruppen im Straßenverkehr zu unterstützen, auf richtiges Fahrverhalten hinzuweisen und drohende Gefahren zu erkennen, vor ihnen zu warnen und falls erforderlich durch Notbremsungen zu vermeiden.
Die einzelnen Komponenten wurden in einer Wizard-of-Oz-Studie auf dem Verkehrsübungsplatz Jeddeloh II mit Kindern evaluiert.
Ansprechpartner
Publikationen
Kooperationen / Förderung
Das BMBF-Projekt Safety4Bikes (ehem. Bikes4Kids) wurde zwischen 01/2017 bis 12/2019 gefördert.
Beteiligte Partner:
- GeoMobile GmbH, Dortmund
- Gesellschaft für empirische soziologische Forschung e. V., Nürnberg
- OFFIS e. V., Oldenburg
- UVEX SPORTS GROUP GmbH & Co. KG, Fürth
- Universität Paderborn
- Valtech GmbH, Düsseldorf
- PFAU Tec GmbH, Quakenbrück
Webseite: http://www.safety4bikes.de
- Forschung
- KI und Deep Learning in der Medizin
- Medizinische Bildverarbeitung und VR-Simulation
- Integration und Nutzbarmachung von medizinischen Daten
- Sensordatenanalyse für assistive Gesundheitstechnologien
- AG Medical Image Computing and Artificial Intelligence
- AG Medical Data Science
- AG Medical Deep Learning
- AG Medical Data Engineering
- Nachwuchsgruppe Diagnostik und Erforschung von Bewegungsstörungen