1

Ein System für datenbasierte Entscheidungen zur kostengünstigen Straßenerhaltung, kurz DatEnKoSt.

2

Basis des System sind kostgünstige Handydaten, mit denen eine künstliche Intelligenz trainiert wird.

3

Das System ermöglicht zukünftig eine flächendeckende Darstellung über den Zustand der Verkehrswege und eine Prognose sowie Maßnahmen zur kostengünstigen Instandhaltung.

Principal Investigator

Dirk Werth Geschäftsführer August-Wilhelm Scheer Institut

Dr. Dirk Werth

Geschäftsführer und
wissenschaftlicher Direktor

Ihr Ansprechpartner

Portrait Mitarbeiter Sebastian Kreibich

Sebastian Kreibich

Mail: sebastian.kreibich@aws-institut.de
Telefon: +49 681 96777 747

Kurz & Bündig

Was?

Das Forschungsprojekt „Datenbasierte Entscheidungen zur kostengünstigen Straßenerhaltung“, kurz DatEnKoSt, entwickelt eine preiswerte und zuverlässige Zustandserfassung der Verkehrswege. Darauf basierend wird mittels Künstlicher Intelligenz eine Prognose und eine einfache Ableitung der optimalen Maßnahmen ermöglicht. Auf diese Weise werden unnötige Folgekosten vermieden. Die kommunale Erhaltung von Verkehrswegen wird dadurch effizienter und nachhaltiger.

Wie?

Moderne Smartphones besitzen zahlreiche Sensoren, mit denen beim Befahren von Straßen vielfältige Datenströme aufgezeichnet werden, wie Beschleunigung und Bremsverhalten oder Bilddaten. Diese günstig erfassbaren Daten werden im Forschungsprojekt auf definierten Straßen aufgezeichnet und dann mit den Ergebnissen aus Messfahrzeugen korreliert. Bereits gängige Verfahren von Ingenieurbüros werden mit Hilfe der KI automatisiert. Auf diese Weise wird eine Künstliche Intelligenz trainiert, zukünftig die Zustandsabbildung der Straßenverhältnisse mit Hilfe der kostengünstigen Handydaten bereitzustellen. Darüber hinaus werden dem System weitere Informationen über den bisherigen Verlauf, weitere Einflüsse wie Wetter und bauliche Gegebenheiten zur Verfügung gestellt. Mit Hilfe dieser Daten entsteht eine Prognose, die es erlaubt, die Auswirkungen von Änderungen an den genannten Einflüssen zu simulieren. Das ermöglicht der trainierten Künstlichen Intelligenz Maßnahmen zur langfristigen Kostensenkung abzuleiten.

Ausgangssituation

Prozesskette des Projekts DatEnKoSt

Die Instandhaltung der Verkehrswege ist eine spürbare Herausforderung. Aufgrund mangelhafter finanzieller Mittel bei Ländern und Kommunen kann die Instandhaltung weder zeitgerecht noch vorausschauend geplant werden. Ingenieurbüros müssen aufwendig Daten- und Bildmaterial generieren, um darauf aufbauend Instandhaltungsmaßnahmen abzuleiten.

Das führt in letzter Konsequenz zu Stress- und Gefahren-Situationen, Unfallkosten und Lieferverzögerungen. Notwendig sind also besonders günstige Methoden, die den Zustand der Infrastruktur erfassen, bewerten und daraus optimale Maßnahmen ableiten.

Zuverlässige

Zustandserfassung

Maßnahmen basierend auf

KI

Das August-Wilhelm Scheer Institut erarbeitet 2 entscheidende Bestandteile:

Sensorik. Die übermittelten Daten, wie Bild und Sensorik, werden durch uns analysiert und klassifiziert. Auf diese Weise wird eine Künstliche Intelligenz trainiert, aus einfachen Handydaten, eine Zustandsauswertung der aktuellen Verkehrswege bereitzustellen.

 

Prognose. Mit Hilfe des Supervised Learning Verfahrens werden Funktionen und Algorithmen mit Trainingsdaten entwickelt, bei denen der Output bereits bekannt ist. Auf diese Weise wird das System trainiert zukünftige Prognosen zu ermöglichen.

Presseveröffentlichungen

Dieses Forschungsprojekt ist abgeschlossen.

Partner

Logo cyface

FÖRDERHINWEIS

Logo Bundesministerium für Verkehr und digitale Infrastruktur

Das Projekt DatEnKoSt ist gefördert vom Bundesministerium für Verkehr und digitale Infrastruktur.

Logo mFUND

Das Projekt DatEnKoSt ist gefördert von der Forschungsinitiative mFund.