Im Forschungsprojekt „BikeDetect“ haben Teams der Universität Oldenburg und der Hochschule Osnabrück einen Prototyp für ein Fahrerassistenzsystem entwickelt, das Radfahrende im Straßenverkehr automatisch erkennt. Damit lassen sich Kollisionen vermeiden, indem das System Abstände misst und bei kritischen Situationen warnt.
Die Lösung basiert auf einer Kombination verschiedener Sensortechnologien. Für die Objekterkennung kamen Lidar, 3D-Kameras und Wärmesensorik zum Einsatz, während für die Abstandsmessung unter anderem Radar-, Ultraschall- und optische Verfahren getestet wurden. Auf dieser Datenbasis entwickelten die Forschenden mehrere KI-Modelle, die Radfahrende im Umfeld eines Fahrzeugs identifizieren können.
Die Ergebnisse zeigen: Kamerabasierte Systeme liefern bereits eine hohe Erkennungsrate. Die Zuverlässigkeit lässt sich durch zusätzliche Sensordaten, etwa aus der Wärmemessung, weiter steigern. Besonders vielversprechend für die Distanzmessung erwiesen sich Lidar- und Radarsensoren, während Ultraschall in diesem Anwendungsfall an Grenzen stieß.
Nach ersten Tests im Labor und auf abgesperrten Flächen wurde das System im Stadtverkehr von Osnabrück erprobt. Die Feldtests bestätigten die grundsätzliche Funktionsfähigkeit des Systems, machten aber auch Grenzen deutlich: Schwierigkeiten traten vor allem bei verdeckten Radfahrenden, in Gruppen oder bei sehr großen beziehungsweise sehr geringen Abständen auf. Auch Umweltfaktoren wie Lichtverhältnisse und Wetter beeinflussten die Ergebnisse.
Aus Sicht der Forschenden spricht vieles für adaptive Systeme, die je nach Verkehrssituation und Umgebungsbedingungen unterschiedliche KI-Modelle einsetzen. Damit ließe sich die Robustheit im Realbetrieb deutlich erhöhen.
Gefördert wurde BikeDetect durch das Bundesministerium für Verkehr im Rahmen der mFUND-Initiative, die datenbasierte Innovationen für die Mobilität unterstützt. (oe)
