Projekte

RADSPOT

Hochautomatisiertes und straßenschonendes Fahren auf Basis der Bodenradarsignale

Problemstellung

Die Sanierung von Straßen verursacht erhebliche Verkehrseinschränkungen und -latenzen im innenstädtischen Raum und insbesondere auf der Autobahn. Die damit verbundenen Unterhaltungskosten überfordern viele Kommunen in der Bundesrepublik. Die Einführung eines neuartigen automatisierten straßenschonenden Fahrens, das schwerwiegenden Fahrbahnschäden vorbeugt, würde einen erheblichen Beitrag zur Reduktion der jährlichen Wartungskosten von mehreren Milliarden Euro in Deutschland leisten.

Als Grundlage dient die automatische Früherkennung von drohenden Schäden in den tieferen Straßenschichten mittels Bodenradar. Zugleich liefern die Radargramme nützliche Information zur Lokalisation.

 

Projektziel

Ziel des vorliegenden Forschungsvorhabens ist die Entwicklung eines cloudbasierten Verkehrsdienstes zum Health-Monitoring für Verkehrswege und hochautomatisierten straßenschonenden Fahrens.

 

Projektinhalt

Erreicht wird dies durch den Einsatz der KI-basierten Datenanalytik und einer, mittels Fusion von GPS- und GPR-Daten erstellten 3D-Karte der Verkehrswege.

Hierzu soll zum einen ein Bodenradarsensor mit dualer Betriebsfrequenz entwickelt und in einem Prototypenversuchsträger des automatisierten Fahrens integriert werden. Zum anderen wird ein Digitaler Zwilling für Verkehrssysteme entworfen und auf der Cloud implementiert werden, um neuartige off-board Lokalisations- und Verkehrsdienste wie prädiktive Straßenwartung und HAF-Assistenten zur Quer- und Längsführung, z.B. für kleinräumiges Umfahren von früherkannten schwerwiegenden Fahrbahnunterbauschäden zu ermöglichen.

Insbesondere sollen auch die umfahrenden Fahrzeuge von der hochakkuraten Lokalisierung des mit GPR ausgestatteten Fahrzeugs mittels der Car2Car-Kommunikation profitieren.


Leistung 3D Mapping Solutions

Aufgabe von 3D Mapping ist die Erfassung der ausgewählten Teststrecken mit Messfahrzeugen zur Bereitstellung der Referenzdaten für die Straßenzustandsanalyse. Die Grundlagenauswertung umfasst die Verarbeitung aller erfassten Rohdaten des Messsystems, also die

Trajektorienberechnung, zeitliche Synchronisation und die projektgerechte Messdatenbereitstellung. 3D Mapping verfügt darüber hinaus über effektive Werkzeuge zur Messdatengewinnung. In den Messdaten, also Scannerdaten und Kameradaten, werden folgende Objekte ausgewertet: Alle Fahrspuren, einschließlich Ein- und Ausfädelspuren sowie Standspuren, insbesondere mit Verlauf,

Höhenprofil, exakter Spurbreite, Querneigung etc. Zentrales Element für den Bezug der Messdaten zum Fahrzeug ist die Definition von Achsen für die jeweilige Fahrbahn mit Verlauf, Höhenprofil, Querneigung, Längsneigung und exakter Krümmung.

Projektlaufzeit
10/2018 – 12/2021

Projektwebsite
https://www.uni-kl.de/radspot

 

Kontakt