MOTORMOBILES

Das Automagazin im Internet

„RoadSafe“: Ford entwickelt Technologie zur Vorhersage von möglichen Unfällen

Roadsafe soll mittels Fahrzeugdaten und straßenseitigen Sensoren Orte mit erhöhtem Unfallpotenzial ermitteln - Bildnachweis: Ford

 

 

Basierend auf Daten von vernetzten Fahrzeugen, Straßensensoren und
Verkehrsnachrichten

 


Ob auf dem Weg zur Schule, zur Arbeit oder zum Supermarkt: Viele Strecken sind dem Fahrer vertraut und ihm ist bewußt, an welchen Stellen wir beim Autofahren besonders gut aufpassen müssen. Mitunter nehmen wir sogar Umwege in Kauf, um nervenaufreibende Streckenabschnitte oder Engpässe wie etwa Baustellen zu meiden. Nun hat Ford ein neues Konzept namens „RoadSafe“ entwickelt, das unterwegs helfen könnte, Orte mit höherem
Risiko zu erkennen und diese den lokalen Behörden zu melden, damit sie bei Bedarf geeignete Maßnahmen für mehr Verkehrssicherheit ergreifen können.

Die „RoadSafe“-Technologie von Ford verwendet einen intelligenten Algorithmus, um anonymisierte Daten aus Quellen wie vernetzten Fahrzeugen, Straßensensoren und Verkehrsnachrichten zu erfassen. Auf diese Weise soll ermittelt werden, wo möglicherweise eine erhöhte Wahrscheinlichkeit von Verkehrsunfällen vorliegt. Diese Informationen
können dann auf einer Karte angezeigt werden, die Risiken identifiziert und künftig auch verwendet werden könnte, um Fahrer vorgefährlichen Hotspots zu warnen.

Straßen für alle sicherer machen

Das vernetzte „RoadSafe“-Tool von Ford ist das Ergebnis von vier Jahren Forschung. Hierzu zählte unter anderem ein 20-monatiges, staatlich finanziertes Projekt, das Ford zusammen mit dem Oxfordshire County Council, der Loughborough University und dem KI-Sensorspezialisten Vivacity Labs durchgeführt hat, sowie mit der Unterstützung von Transport for London und Innovate UK. Startpunkt war eine Analyse des Großraums London, um verkehrstechnische Hotspots hervorzuheben und Gefahrenpotenziale zu identifizieren. In den letzten 15 Monaten wurde das Projekt auf Oxfordshire ausgeweitet, wobei insgesamt mehr als 200 Pkw und Nutzfahrzeuge teilnahmen.

Die gewonnenen Daten ermöglichten es dem Team, eine spezielle Karte zu entwickeln, die Straßenabschnitte identifiziert, die von besonderer Bedeutung sind. Diese Karte setzt sich aus verschiedenen Datenebenen zusammen, einschließlich bekannter Unfälle aus der Vergangenheit und eines Algorithmus zur Risikovorhersage für jedes Straßensegment. Farben dienen der Bewertung der Unfallwahrscheinlichkeit, wobei Rot für das höchste und Gelb für das niedrigste Risiko steht.