ARC-D2

KI für automatische Erkennung des Straßenzustands

KI-basierte Anwendung zur automatischen Erkennung von Inventar- und Zustandsdaten im Straßenumfeld zur Unterstützung frühzeitiger Instandhaltungsmaßnahmen.

DataLab anfragen
Staatlich geförderte F&E | Förderer: BMDV | Budget: 839.076 € | Jahr: 2022 | Rolle: Consortium Coordinator

ARC-D2

Entwicklung einer KI-basierten Anwendung zur automatischen Erkennung von Inventar- und Zustandsdaten im Straßenumfeld – ARC-D2

ARC-D2 Umwelterkennung mit KI auf Videodaten einer Autobahn
Quelle: Palaimon GmbH

Problemstellung

Bundesautobahnen und autobahnähnliche Straßen sind ein entscheidender Wirtschaftsfaktor für Deutschland. Um das Straßennetz von über 13.000 km den täglichen Anforderungen gewachsen zu halten, muss es regelmäßig gewartet und modernisiert werden. Derzeit gibt es keine automatisierte, videobasierte Erkennung von Inventar- und Zustandsdaten in dieser Straßenumgebung. Eine aktuelle Datenbank und eine automatisierte Bewertung der Qualität einzelner Straßenabschnitte sind wichtig, um rechtzeitige Instandhaltungsmaßnahmen einzuleiten und kostspielige Langzeitschäden zu vermeiden.

Projektziel

Das Ziel des Projekts ist die Entwicklung einer KI-basierten Anwendung zur automatischen Schadenserkennung anhand von Inventar- und Zustandsdaten der Straßenumgebung, die einfach in bestehende Standardsysteme integriert werden kann. Die Projektpartner, Palaimon GmbH und die Christian-Albrechts-Universität Kiel (AG Intelligente Systeme, Prof. Tomforde), entwickeln KI für den Vergleich von Straßenzuständen (Anomalieerkennung) und Objekterkennung auf Basis von Videodaten.

Umsetzung

Gemeinsam mit den assoziierten Partnern – der Bundesanstalt für Straßenwesen (BASt), dem Ministerium für Verkehr von Nordrhein-Westfalen, dem Ministerium für Infrastruktur und Digitalisierung von Sachsen-Anhalt und dem Sächsischen Staatsministerium für Wirtschaft, Arbeit und Verkehr – werden die Anforderungen an die Zustandsüberwachung und die notwendigen Daten zur Entwicklung der KI-Modelle definiert. Anschließend werden verschiedene Machine-Learning-Modelle trainiert und die Algorithmen entsprechend dem spezifischen Problem erweitert.

Projektdetails

Projektpartner

Assoziierte Partner

DataLab anfragen