Projektziel
DeepStreet-M wird eine technologische Grundlage für ein effizientes System zur Unterhaltung und Instandhaltung von Straßen schaffen. Im Projekt werden Grundlagendaten zu Verkehrszeichen, Fahrbahnmarkierungen und Straßenschäden erhoben und verarbeitet. Das intelligente und anwendungsorientierte System vernetzt Infrastrukturdaten und Zustandsanalysen und stellt Ergebnisse über eine App zur Verfügung. Unsere innovative KI-Technologie wird Schilder, Markierungen und Straßenschäden bei jeder Wetterlage zuverlässig erkennen, ohne vorher eine unendliche Menge an Bildmaterial zu benötigen. 

Durchführung
Wir entwickeln einen effizienten und robusten Bilderkennungsalgorithmus, der Objekte lokalisiert und klassifiziert, die nicht vollständig sichtbar sind, sowie ein System, um die Daten aufzuarbeiten und abrufbar zu machen. Im Projekt wird eine selbstlernende KI auf Basis von Machine Learning erarbeitet, die wenig Bildmaterial benötigt und trotzdem effizient arbeitet. Sogenannte „capsule networks“ können dabei Objekte auch dann erkennen, wenn sie auf unterschiedliche Weise repräsentiert sind, weil sie Informationen über die Position, Ausrichtung und Größe eines Objektteils kodieren können und diese Information nutzen, um das Objekt aus verschiedenen Perspektiven zu erkennen. 

Unser innovatives Objekterkennungssystem wird in Verbindung mit einer neuen Datenbank für die Erfassung von Standort und Zustand von Schildern, Markierungen und Straßen sowie einer intuitiven App ein Straßenmanagementsystem bilden, das optimal auf die Bedarfe der Instandhaltung von Bundes-, Kreis-, und Kommunalstraßen angepasst ist. 

Hintergrund
Verkehrsschilder, Fahrbahnmarkierungen und gepflegte Straßen sorgen für sicheren und fließenden Verkehr. Unsere 125.000 Kilometer Bundes- und Landesstraßen sowie 462.000 Kilometer Kreis- und Kommunalstraßen werden bis zu 2x die Woche in beide Richtungen abgefahren, der Zustand individuell in Augenschein genommen und Daten händisch in Datenbanken eingetragen oder handschriftlich festgehalten. Dieser Prozess ist langwierig und fehleranfällig. Ein automatisiertes Verfahren kann Reaktionszeiten in Gefahrensituationen verkürzen und Schäden können frühzeitig behoben werden. Das Personal kann konzentrierter, schneller und sicherer arbeiten. 

Das Projekt DeepStreet-M (06/2023-11/2024) wird im Rahmen der Innovationsinitiative mFUND mit insgesamt 191.450,90 Euro durch das Bundesministerium für Digitales und Verkehr gefördert. Umgesetzt wird das Ganze gemeinsam mit unserer assoziierten Partnerin FISA Systemtechnik GmbH und dem Landkreis Vorpommern-Greifswald als Testregion.

Unsere Pressemitteilung zum Projektstart finden Sie hier