9
152
Unsere Sensoren
Aktivitätsanalyse
- Visualisierung der Bewegung und Verweildauer
- Messung von Hot-SpotsStatistische Auswertungen
- Anpassbare Dauer und Intervalle der Auswertung
Verkehrsanalyse
- Automatische Zählung von Fahrzeugen (PKW, LKW, Motorrad)
- Klassifikation der Fahrzeuge
- Bis zu 4 Fahrspuren
- Ausgabe in Minuten, Stunden, Tage, Wochen und Monate
Objekterkennung
- Die Daten der Kamerasensoren werden sofort verarbeitet und in Objektdaten (CPM) umgewandelt.
Ampelphasen und Topologie
- In Zusammenarbeit mit dem Senat werden LSA umgerüstet und mit Kommunikationseinheiten versehen, sodass Ampelphasen und Informationen zur Kreuzung digital an Verkehrsteilnehmer übermittelt werden können.
- SPaT (Signal Phase and Timing) – übermitteln den aktuellen Zustand der Ampel und die Schaltzeiten
- MAP (Mapping) – übermittelt die Topologie der Kreuzung mit Spuren, Abbieger
GLOSA (Green Light Optimal Speed Advisory)
- Grüne-Welle-Assitent für an die Ampelphase und -zeiten angepasste Fahrweise. Geschwindigkeitsempfehlungen für die optimale Geschwindigkeit
Parkplatzsensoren
- Im Rahmen des Projekts wird der Belegungszustand von öffentlichen Parkplätze mit Sensoren in Echtzeit erfasst. Diese Information kann von autonom fahrenden Fahrzeugen für das direkte Ansteuern von freien Parkplätzen genutzt werden.
- mehr als 1400 Parkplätze
- Erfassung der Parkplatzbelegung für vier Abschnitten
- Otto-Suhr-Allee (Rathaus Charlottenburg) bis Ernst-Reuter-Platz
- Ernst-Reuter-Platz bis Charlottenburger Tor
- Charlottenburger Tor bis Großer Stern
- Großer Stern bis Brandenburger Tor
- Vorhersage der Parkplatzbelegung für Wochentage und Wochenende
- Routing zum nächsten freien Parkplatz
Erfassung von Emissionsdaten
- Stickoxide (NO, NO2)
- Ozon
- Feinstaub (PM1, PM2.5, PM10)
- Berechnung des Luftqualitätsindex nach dem Europäischen Standard CAQI (Common Air Quality Index)
Erfassung von Wetterdaten
- Temperatur
- Relative Luftfeuchtigkeit
- Niederschlagsintensität
- Niederschlagstyp
- Niederschlagsmenge
- Luftdruck
- Windrichtung
- Windgeschwindigkeit
Straßenzustand
- Oberflächenzustand (trocken, feucht, nass, Schnee, Eis)
- Höhe des Wasser- oder Schneestandes
- Schnee und Eis
- Reibung
- Oberflächentemperatur
Verbesserte Objekterkennung bei schwierigen Lichtverhältnissen
- LIDARe können aufgrund ihrer Eigenschaften Objekte bei fast allen Wetter- und Lichtverhältnisse Informationen über die Bewegungen der Verkehrsteilnehmer liefern. Diese Informationen sind deutlich genauer als bei der reinen Nutzung von Kameras als Sensoren für die Objekterkennung.
- Aufgrund der verbesserte Erkennung und Vermeidung von Kollisionen. Hier ist ein gemeinsamer Use Case mit T-Systems.
- Wir verwenden Ouster OS1 Rev 7 LIDARe. Diese LIDARe haben rotierende aufgefächerten Laser. Diese Geräte haben folgende Eigenschaften:
- Vertikale Auflösung: 128 Laser
- Sichtbereich: Horizontal 360°, Vertikal 45°
- Rotationsrate: 10/20 Hz
- Reichweite: 90-170 m (abhängig von den Reflektionseigenschaften der Objekte)
Verarbeitung der Sensordaten
- Die Teststrecke ist in 20 Edge Abschnitte aufgeteilt, in jedem befindet sich ein Edge Computer. Dieser verarbeitet die anfallenden Daten in dem Edge Bereich. Der Edge Computer und die Sensoren bilden zusammen die RoadSide Unit (RSU).
- Alle 300 – 500 Meter befindet sich eine RSU an neuralgischen Verkehrknotenpunkten. Dort werden die Daten der Sensoren in diesem Edge Abschnitt ausgewertet und verarbeitet.
- Ein Beispiel für solche Daten sind erkannte Objekt, die an Fahrzeuge weitergegeben werden. So können Fahrzeuge bspw. über ungeschütze Verkehrsteilnehmer (Vulnerable Road User) wie Fahrradfahrende oder Füßgänger gewarnt werden, bevor diese durch die Sensorik des Fahrzeugs wahrgenommen werden können.
V2X Kommunikation
- Die ausgewerten Daten werden bspw. aggregiert und an die Datenplattform oder an die Fahrzeuge weitergegeben.
V2X Kommunikation
- V2X steht für Vehicle-to-Everything und schließt für die verbauten Kommunikationseinheiten u.a. Fahrzeug-zu-Infrastruktur (V2I) und Fahrzeug-zu-Cloud Platform (V2C) mit ein. Die Kommunikation ist bidirektional, daher kann bspw. vom Fahrzeug zur Edge und umgekehrt, stattfinden.
- Durch mehrere Digitalisierungsschritte sind verschiedene V2X Geräte in der Strecke verbaut, im ersten Schritt wurden Cohda MK5 verbaut, im zweiten Cohda MK6C und MK6. Letztere vereinen die Funktionen von MK5 und MK6C Kommunikationseinheiten mit einem zusätzlichen 5G Modem. Die Cohda V2X Kommunikationeinheiten sind i.d.R. in unmittelbarer Umgebung der Edge Computer angebracht.
- Ausgewerteten Daten werden bspw. von den Edge Computern aggregiert und an die Datenplattform oder Fahrzeuge weitergegeben. Z.B. auch Ampeldaten
Wetter- und Umweltsensor
Die Sensoren zur Erfassung von Wetter- und Emissionsdaten sind an Lichtmasten an strategisch ausgewählten Punkten der Teststrecke installiert. Diese liefern in Echtzeit Informationen zu Niederschlag, Temperatur, Luftschadstoffen und anderen relevanten Kennzahlen, die zur Bewertung des Gefahrenpotenzials für Verkehrsteilnehmer dienen.
Parkplatzsensor
Entlang der Straße des 17. Juni, zwischen dem Ernst-Reuter-Platz und dem Großen Stern, stehen zahlreiche Parkmöglichkeiten zur Verfügung, unter anderem auch an den Gebäuden der Technischen Universität Berlin. Dank der Parkplatzsensoren ist es möglich, den aktuellen Belegungszustand der Parkplätze in Echtzeit zu erfassen.
BeIntelli RSU
In den Edge Abschnitten wird die Umgebung durch die Sensoren digitalisiert. Digitalisierte Ampeln senden Phaseninformationen aus. Dadurch wird eine ganzheitliche Berücksichtung der Verkehrssituation und -teilnehmer ermöglicht. Besonders an Gefahrenstellen mit vielen Unfällen, z.B. dem Ernst-Reuter-Platz, ermöglicht dieser Ansatz Perception over the Horizon, zur Steigerung der Sicherheit der Verkehrsteilnehmer.
Multi-Sensor-Fusion
Die Fusion von Daten verschiedener Sensoren und -typen ist eine große Herausforderung. Daten können aus verschiedenen Quellen stammen, z.B. von Infrastruktursensoren bzw. verschiedenen Fahrzeugen. Die Datenfusion über Kamerabildern und LIDAR Punktwolken ist komplex und aufwendig. Fusionierte Daten bieten die Möglichkeit Kollisionen vorherzusagen. Damit kann ein Kollisionsvermeidungssystem Verkehrsteilnehmer warnen, bevor es zu einer Kollision kommt.