• Forschung und Entwicklung

    KI-gestütze Umfelderkennung auf Autobahnen

    Das Projekt ARC-D2 wird im Rahmen der Förderrichtlinie Modernitätsfonds („mFUND“) mit 659.262,15 € Euro durch das Bundesministerium für Verkehr und Digitales gefördert und von der Palaimon GmbH sowie der Christian-Albrechts-Universität zu Kiel durchgeführt. Das Projektvolumen beträgt 839.076,18 € mit einem Förderanteil von 78,57 %. Praxisnahe Entwicklung mit Anwendern Zusammen mit den assoziierten Partnern, der Bundesanstalt für Straßenwesen (BASt), dem Ministerium für Verkehr des Landes Nordrhein-Westfalen, dem Ministerium für Infrastruktur und Digitales Sachsen-Anhalt und dem sächsischen Staatsministerium für Wirtschaft, Arbeit und Verkehr werden die Anforderungen an ein Zustandsmonitoring und benötigte Daten sowie Use Cases für die Entwicklung der KI-Modelle definiert. Anwendung mondernster Methoden wie Aktives Lernen und Anomalie Detektion Durch verschiedene…

    Kommentare deaktiviert für KI-gestütze Umfelderkennung auf Autobahnen
  • Forschung und Entwicklung

    Mit KI nicht-motorisierten Individualverkehr in Städten besser planen

    Innerstädtischer Individualverkehr und insbesondere neuartige Mobilitätsformen, wie Lastenräder oder E-Tretroller, können bislang nicht automatisiert erfasst werden. Das vom Bundesverkehrsministerium geförderte Projekt „CityCount“ ist angetreten das zu ändern: Die Palaimon GmbH evaluierte mit den Landeshauptstädten Düsseldorf, Erfurt und Magdeburg und der Stadt Köln das Potenzial KI-basierter, mobiler Zählgeräte für den nicht-motorisierten Individualverkehr. Das Ergebnis: Mobile Zählgeräte, die mittels KI Videodaten auswerten, können wertvolle Erkenntnisse liefern, um Lastenräder, Elektroroller oder E-Bikes besser in den Verkehr zu integrieren – und dazu eine kostengünstige Alternative zu bestehenden Methoden sein. Durch gezieltes Training der KI lassen sich die Zählgeräte flexibel in verschiedenen Anwendungsszenarien einsetzen. Gleichzeitig kann der Datenschutz gewahrt werden, indem die Rohdaten direkt auf…

    Kommentare deaktiviert für Mit KI nicht-motorisierten Individualverkehr in Städten besser planen
  • Software

    Potenzialanalyse KI-basierter Zählgeräte für den nichtmotorisierten Verkehr

    Die Palaimon GmbH evaluiert mit den Landeshauptstädten Düsseldorf, Erfurt und Magdeburg und der Stadt Köln das Potenzial KI-basierter, mobiler Zählgeräte für den nicht-motorisierten Verkehr Das Projekt CityCount wird im Rahmen der Innovationsinitiative mFUND mit insgesamt 100.000 Euro durch das Bundesministerium für Verkehr und digitale Infrastruktur gefördert. Der innerstädtische Verkehr im Wandel Der innerstädtische Verkehr wandelt sich. Nachhaltige und klimaschutzorientierte Mobilitätslösungen, die die Mobilitätsbedürfnisse der Bevölkerung erfüllen, werden von Städten in der strategischen Verkehrssteuerung und im Verkehrsmanagement intensiv verfolgt. Treiber der Mobilitätswende sind u.a. die Entwicklungen von E-Tretrollern und EFahrrädern. Zur Ermittlung der Potenziale der innerstädtischen Verkehrsverlagerung ist die Messung des Status quo von individuellen Verkehrsstärken im Rad- und Fußverkehr (inkl.…

    Kommentare deaktiviert für Potenzialanalyse KI-basierter Zählgeräte für den nichtmotorisierten Verkehr
  • Software

    Effiziente Annotation von Video-Daten

    Die Palaimon GmbH entwickelt mit der Autobahn GmbH des Bundes und dem Verkehrsministerium Baden-Württemberg eine Open Source Lösung zur effizienten Video-Daten-Annotation im Verkehrsbereich Das Projekt OS-VAT wird im Rahmen der Innovationsinitiative mFUND mit insgesamt 50.000 Euro durch das Bundesministerium für Verkehr und digitale Infrastruktur gefördert. Daten-Annotation ist ein Schlüsselfaktor in jedem Machine-Learning- Projekt Eine automatische Umgebungserfassung und -klassifizierung im Verkehrsbereich auf Basis von Video-Daten wird durch die Fortschritte im Bereich Deep Learning immer breiter und kostengünstiger anwendbar. Eine der Hauptadaptionshindernisse für KI-Verfahren ist die Herausforderung, gelabelte Beispieldaten zum Training der Modelle in ausreichender Qualität und Menge zur Verfügung zu stellen. Daten-Annotation muss Domänen spezifisch erfolgen Durch den Fokus auf Beispieldaten…

    Kommentare deaktiviert für Effiziente Annotation von Video-Daten