Suchen

Energieautarkes Straßenradar erkennt Wildtiere

| Redakteur: Dipl.-Ing. (FH) Hendrik Härter

Ein selbstlernendes Radarsystem, als ein Netzwerk am Straßenrand aufgebaut, soll Radfahrer, Autos oder Wildtiere erkennen. Die notwendige Energie bezieht es über ein integriertes Solarmodul und es kommuniziert via LoRaWAN.

Firma zum Thema

Das intelligente Straßenradar kombiniert Radar, optische Kameras und Infrarotsensoren mit einem neuronalen Netzwerk. Dazu kommuniziert das Radarsystem mit Sensoren am Straßenrand.
Das intelligente Straßenradar kombiniert Radar, optische Kameras und Infrarotsensoren mit einem neuronalen Netzwerk. Dazu kommuniziert das Radarsystem mit Sensoren am Straßenrand.
(Bild: Spectrum Instrumentation)

Alle zwei Minuten ereignet sich auf deutschen Straßen ein Unfall mit Wildtieren, allein im Jahr 2015 entstanden dadurch der Versicherungsbranche Kosten von mehr als 600 Mio. Euro. Doch die Unfälle lassen sich verhindern: Forscher der Fachhochschulen Ulm und Heilbronn haben zusammen mit Industriepartnern das Projekt „SALUS“ geschaffen, einer Mischung aus Radar, optischen Kameras und Infrarotsensoren sowie neuronalen Netzen.

Damit soll ein selbstlernendes System zwischen Fußgängern, Autos, Radfahrern, Motorrädern, Hirschen, Füchsen oder Wildschweinen unterscheiden und sogar deren Verhalten vorhersagen. Das intelligente Netzwerk mit seinen Sensoren am Straßenrand sendet dann Warnungen an Autofahrer und andere Verkehrsteilnehmer, um Unfälle zu vermeiden. Die Daten des Mikro-Doppler-Radars werden dabei von einer speziellen Messkarte erfasst: der PCIe-Digitizerkarte M2p.5926-x4 von Spectrum Instrumentation. Sie bietet die nötige Bitbreite und Anzahl von Kanälen.

Kleine Sensoreinheiten am Straßenrand

Prof. Dr. Hubert Mantz von der Fachhochschule Ulm, einer der Projektleiter: „Die Autohersteller installieren Fahrerassistenzsysteme, beginnend mit High-End-Modellen, aber es wird lange Zeit dauern, bis solche Hilfen in allen Fahrzeugmodellen vorhanden sind. In ähnlicher Weise werden jetzt Assistenzsysteme in High-End-Motorräder eingebaut, wobei es dort aber aus Platzmangel schwierig ist, das Niveau von autobasierten Systemen zu erreichen. Ziel unseres Projekts ist es, kleine Sensor-Einheiten am Straßenrand zu installieren, die Gefahren erkennen können und diese den sich nähernden Fahrzeugen melden.

Darüber hinaus kann für Verkehrsteilnehmer ohne Empfangsanlagen eine Straßenbeleuchtung eingeschaltet werden, um den Gefahrenbereich hervorzuheben, und/oder es können Warnhinweise aufleuchten. Das Projekt „SALUS“ erkennt und warnt vor den schwer erkennbaren Gefahren auf Landstraßen und sollte die Verkehrssicherheit erheblich verbessern.“ Das bisherige Demonstrationssystem kann simultane Daten aus drei Quellen verarbeiten: Dazu gehören Radar, optische Kameras und Infrarot-Kameras. Zusätzliche Sensoren lassen sich integrieren, um beispielsweise den Verschmutzungsgrad der Luft zu messen. Das hat bereits kommerzielles Interesse bei Unternehmen im Projektkonsortium geweckt.

Kommunikation via LoRaWAN

Das Projekt sieht den Einsatz der eigenständigen Einheiten deutschlandweit auf den Straßen vor. Sie sind auf Pfählen am Straßenrand montiert und kostengünstig mit Solarenergie betrieben. Vor allem im ländlichen Raum ist oft kein Strom direkt an der Straße verfügbar. Dort ist wegen der fehlenden Straßenbeleuchtung auch die Gefahr für Unfälle am größten.

Für die Kommunikation der einzelnen Einheiten am Straßenrand kommt LoRaWAN installiert werden, muss auf „Low Power“ ausgelegt sein, damit es durch Solarzellen betrieben werden kann. LoRaWAN (Long Range Wide Area Network) benötigt wenig Energie und basiert auf nicht lizenzierten Frequenzbändern. Ein LoRaWAN bietet in ländlichen Gebieten eine Reichweite von bis zu 40 km. Das genügt, damit die installierten Einheiten zusammen als ein großes Warnsystem funktionieren können.

Selbstlernendes System

Im Rahmen des Projekts „SALUS“ kommunizieren energieautarke Sensoren am Straßenrand via LoRaWAN.
Im Rahmen des Projekts „SALUS“ kommunizieren energieautarke Sensoren am Straßenrand via LoRaWAN.
(Bild: Spectrum Instrumentation)

„Wir verwenden neuronale Netzwerke für das selbstlernende System, so dass es beispielsweise zwischen Radfahrern, Autos oder Rehen unterscheiden kann. Das geht weit über die reine Bewegungserkennung hinaus“, fügt Professor Mantz hinzu. „Wir befinden uns in der kritischen Phase des Projekts, nämlich bei der Klassifizierung erkannter Objekte, was so noch nie zuvor durchgeführt wurde. Durch die Klassifizierung soll das System die Bewegungen der Objekte vorhersagen, was extrem nützliche Echtzeitinformationen liefert, um eine sehr genaue Vorhersage zu treffen, wie sich eine gefährliche Situation entwickelt.

Für die Enwicklung haben die Wissenschaftler der Fachhochschulen Ulm und Heilbronn auf die PCIe-Digitizer-Karte des Typs M2p.5926-x4 von Spectrum zurückgegriffen.
Für die Enwicklung haben die Wissenschaftler der Fachhochschulen Ulm und Heilbronn auf die PCIe-Digitizer-Karte des Typs M2p.5926-x4 von Spectrum zurückgegriffen.
(Bild: Spectrum Instrumentation)

Bei unserer Entwicklung haben wir uns für den PCIe-Digitizer M2p.5926-x4 von Spectrum entschieden, der 16 Bit, eine Bandbreite von 10 MHz und vier differentielle Eingänge bietet. Er sammelt alle Informationen, die unser selbstlernendes System benötigt, und kann die Signale aus sämtlichen Quellen gleichzeitig in Echtzeit verarbeiten. Der Digitizer lässt sich einfach programmieren und wir können uns auf das Projekt konzentrieren. Außerdem gewährt der Hersteller eine Garantie von fünf Jahren.”

Lesetipps

(ID:46611814)