Suche
Mein Konto
Robo-auto's leren van bijna-ongevallen
ALP.Lab, de Oostenrijkse testregio voor automatisch rijden, installeert voor het eerst camerasystemen op kruispunten die bijna-ongelukken kunnen detecteren en analyseren.
Robo-auto's leren van bijna-ongevallen
De objectgebaseerde verkeersmonitoringsystemen worden momenteel geïnstalleerd door ALP.Lab-technici in Graz en op andere landelijke en stedelijke kruispunten in Oostenrijk. “We monteren de sensoren van moderne auto’s op straatpalen om ongelukken te detecteren die bijna gebeurd zijn”, legt algemeen directeur Gerhard Greiner van ALP.Lab uit. Vooral het kruispuntgebied vormt een enorme uitdaging voor de ontwikkeling van autonome voertuigen. Auto's, vrachtwagens en voetgangers, e-scooters, e-bikes en skateboards, en binnenkort ook de eerste generatie semi-autonome voertuigen, ontmoeten elkaar hier. De verkeersobservatiesystemen van ALP.Lab maken gebruik van radar-, lidar- en optische camera's om weggebruikers anoniem te registreren en in categorieën in te delen. De data kunnen vervolgens ook door gemeenten en verkeersplanners worden gebruikt om de verkeersveiligheid te vergroten en efficiënte vormen van openbaar vervoer te ontwikkelen.
Intelligente rijassistenten
De verzamelde gegevens worden voornamelijk gebruikt als trainingsgegevens voor autonome rijsystemen. In tegenstelling tot menselijke rijstudenten moeten computersystemen enorme hoeveelheden gegevens opslaan en verwerken om daaruit zinvolle acties te kunnen afleiden. ALP.Lab kan deze gegevens nu aanbieden aan autoleveranciers en voertuigfabrikanten, evenals aan wetenschappelijke onderzoeksprojecten. “De verkeersobservatiegegevens vormen een ideale aanvulling op de echte tests van geautomatiseerde rijfuncties die door ALP.Lab worden aangeboden”, legt Gerhard Greiner, Managing Director bij ALP.Lab, uit. Om ongevallen zo goed mogelijk te voorkomen, moeten niet alleen gegevens van ongevallen die hebben plaatsgevonden, maar ook van bijna-ongevallen worden geëvalueerd. Tot deze zogenaamde kritische verkeersscenario’s behoren bijvoorbeeld voetgangers die moeite hebben met oversteken voor het einde van de groenfase of voertuigen die plotseling hun draaicirkel veranderen om kruisende fietsers te ontwijken. De gebruikte sensoren zijn 24 uur per dag, 365 dagen per jaar in gebruik en kunnen daardoor niet alleen een groot aantal typische en gevaarlijke scenario’s registreren, maar deze ook correleren met een grote verscheidenheid aan algemene omstandigheden – zoals verkeersvolume, weer, tijd of temperatuur. ALP.Lab Managing Director Jost Bernasch: “Dergelijke verkeersmonitoring is nieuw internationaal terrein en wekt nu al grote belangstelling onder experts.”