Suche
Mein Konto
Robo-bilar lär sig av nästan olyckor
ALP.Lab, den österrikiska testregionen för automatiserad körning, installerar för första gången kamerasystem i korsningar som kan upptäcka och analysera nästan-olyckor.
Robo-bilar lär sig av nästan olyckor
De objektbaserade trafikövervakningssystemen installeras för närvarande av ALP.Lab-tekniker i Graz och på andra landsbygds- och stadskorsningar i Österrike. "Vi monterar sensorerna för moderna bilar på gatustolpar för att upptäcka olyckor som nästan har hänt", förklarar ALP.Labs vd Gerhard Greiner. Särskilt korsningsområdet är en enorm utmaning för utvecklingen av autonoma fordon. Här möts bilar, lastbilar och fotgängare, e-skotrar, e-cyklar och skateboards, liksom snart den första generationen halvautonoma fordon. ALP.Labs trafikövervakningssystem använder radar, lidar och optiska kameror för att anonymt registrera trafikanter och dela in dem i kategorier. Uppgifterna kan då även användas av kommuner och trafikplanerare för att öka trafiksäkerheten och utveckla effektiva kollektivtrafikformer.
Intelligenta körassistenter
Data som samlas in används i första hand som träningsdata för autonoma körsystem. I motsats till människor som kör elever måste datorsystem lagra och bearbeta enorma mängder data för att kunna härleda meningsfulla åtgärder från dem. ALP.Lab kan nu erbjuda dessa data till fordonsleverantörer och fordonstillverkare samt vetenskapliga forskningsprojekt. "Trafikobservationsdata är ett idealiskt komplement till de verkliga testerna av automatiserade körfunktioner som erbjuds av ALP.Lab", förklarar Gerhard Greiner, VD på ALP.Lab. För att undvika olyckor så bra som möjligt måste data inte bara från inträffade olyckor utan även från nästan olyckor utvärderas. Dessa så kallade kritiska trafikscenarier inkluderar till exempel fotgängare som har svårt att korsa gatan innan grönfasen är slut eller fordon som plötsligt ändrar svängradie för att slippa korsa cyklister. Sensorerna som används är i bruk 24 timmar om dygnet, 365 dagar om året och kan därför inte bara registrera ett stort antal typiska och farliga scenarier, utan även korrelera dem med en mängd olika allmänna förhållanden – som trafikvolym, väder, tid eller temperatur. ALP.Labs VD Jost Bernasch: "Sådan trafikövervakning är ett nytt internationellt territorium och väcker redan stort intresse bland experter."