Die Unfallstatistik des European Road Safety Council (ETSC) zeigt, dass 47% der getöteten Personen im Straßenverkehr im Jahr 2018 FußgängerInnen, Radfahrer oder Motorradfahrer*innen sind. Bei 83% der tödlich verünglückten Radfahrer*innen ist die Ursache auf eine Kollision mit einem motorisierten Fahrzeug zurückzuführen.
Im Projekt Bike2CAV entwickelt AIT gemeinsam mit BikeCitizens, Boréal Bikes, Kapsch TrafficCom, KFV, Salzburg Research und Universität Salzburg neue Verfahren, um die Verkehrrsicherheit von Radfahrer*innen zu erhöhen. Im Fokus der AIT Forschungsgruppe Assistive & Autonomous Systems stehen dabei Methoden, um Radfahrer*innen zuverlässig in unterschiedlichen Verkehrssituation wahrzunehmen. Die besondernen Herausforderungen dabei sind, dass „Radfahrer*nnen in ihrem Erscheinungsbild eine hohe Variation aufweisen, und unterschiedliche Witterungen die zuverlässige Erkennung erschweren“, erklärt Martin Fletzer, Leiter des Projekts am AIT.
Die Wissenschftler*innen stützen sich dabei auf ihre Forschungen im Bereich der Autonomen Fahrzeuge und der Kooperativen Roboter. Integrierte Systeme sollen auch hier die Intention des Radfahrers / der Radfahrerin möglichst frühzeitig erkennen und verstehen. Handzeichen spielen dabei eine maßgebliche Rolle, denn sie zeigen eine mögliche Richtungsänderung des/der Radfahrer*in an. „Wir arbeiten an der Umsetzung für die Erkennung von Handzeichen mit neuronalen Netzen. Mit unseren neuen Ansätzen aus dem Bereich Deep Learning konnten wir bereits erste Erfolge erzielen und die Bewegungsrichtung von Radfahrern bestimmen. Am Ende des Projekts 2023 werden wir die Ergebnisse anhand ausgewählter, öffentlicher Straßenkreuzungen kritisch evaluieren, um die Erhöhung der Verkehrssicherheit für alle Beteiligten zu qualifizieren,“ so Martin Fletzer.
Die Presse berichtet ausführlich darüber - die Presse 18/02/2021, p.14
Kontakt @ AIT
