Skip to main content
zum Seitenanfang
Kontakt
Ingolstadt University of Technology
Kontakt
de
Startseite
  • Über uns
    • Wissenschaftlicher Beirat
    • Forschungsprogrammatik
    • Gesellschaftspolitische Relevanz
    • Karriere
    • Vision von CARISSMA
    • Team
  • Aktuelles & Presse
  • C-IAD
    • C-IAD
    • Absicherung automatisierter Fahrfunktionen mittels Mixed-Reality
    • Ergonomie und Humanfaktoren
    • Fahrversuche für autonome Fahrzeugeingriffe
      • STF Sichere Trajektorienführung mittels Fahrroboter
      • AUSM Automated Driving in Silent-Mode
      • Kundengerechte Erprobungssystematik pilotiertes Fahren
    • Funktions- und HW-Absicherung am HIL für automatisierte Fahrsyste
    • Maschinelles Lernen für Fahrzeugsicherheitssysteme
      • Sichere Unfallprognose (SUP)
      • MLPOG Lernverfahren Validierung Fahrzeugsicherheit
      • HySLEUS Hybride Lernmethoden Sicherheitsstandard Fahrzeug
      • OLAF Online Lernverfahren Anwendungen Fahrzeugsicherheit
      • VbD
      • IDA Intelligente Datenaufnahme im Bereich Automotive
      • ITraKS Trajektorienprädiktion zur Kollisionsvermeidung
      • KIaF KI-Algorithmen für automatisiertes Fahren
    • Positionierung und Umfeldsensorik
      • REMI Referenz mittels Inertialsensorik
      • MODES Trajektorienplanung dezentrale Sensordaten
    • Sensor/Störgrößensimulation mit Fokus auf Witterungseffek
    • Simulationsbasierte stochastische Wirkungsanalyse
    • Virtuelle Absicherung von Fahrzeugsicherheitssystemen
      • Virtuelle Absicherung und Performanz Bewertung
  • C-ISAFE
    • C-ISAFE
    • Sichere Umfelderkennung
    • Unvermeidbarkeit von Kollisionen & Schwere eines Unfalls
    • Sicherheit bei schlechtem Wetter
    • Fußgängerschutz
    • Absicherung des automatisierten Fahrens
    • Methoden der passiven Sicherheit
    • Sicherheit neuer Mobilitätskonzepte
    • Innenraumüberwachung
  • C-ECOS
    • C-ECOS
    • Car2X und Cyber-Physikalische Systeme
    • Kooperative Intelligente Verkehrssysteme
      • Car2X-Kommunikation für Verkehrssicherheit und -effizienz
        • ETSI STF 585 MCO
        • IN2Lab
        • KOALA-2
      • Kommunikation für Autonome Drohnen
        • FreeRail
    • Security in Mobility
      • DevGPT – Automotive Software Development
      • HATS3 – Fahrzeuge hacken
      • iBattMan – Sicherheit für die nächste BMS-Generation
      • MARBEL – Elektrofahrzeuge gegen Angriffe schützen
      • MASSiF Modellbasierte Absicherung von Security und Safety
      • SELFY – Werkzeuge zur Selbsteinschätzung/Schutz für CCAM
      • TRADE – Blockchain zum Plagiatsschutz von Ersatzteilen
    • Sichere Elektromobilität und Unfallanalyse
      • Industrieprojekte
      • Verhalten unter extremen Bedingungen
      • Sicherer Fahrzeugbetrieb
        • SAFIR IP4-1
        • SAFIR IP4-3
        • Robustheit-Alterung
      • Sichere Batteriesysteme
        • HYPOBATT
        • PRIMA Batteries
        • SUSTAIN
        • SENSE BAY
          • Vision & Ziele
          • Unternehmenspartner
          • Neuigkeiten
        • SAFIR IP4-2
        • LIBERA
        • LIKO
      • AHEAD
      • Studie: Hands-On vs. Simulation
      • Lehre in der Fakultät Elektro- und Informationstechnik
        • Batterie-Testsystem
        • Physikalische Chemie
        • Praktikum Energiespeicher
  • Labore
    • Abuseversuche
    • Car2X-Labor
    • Labor für Nachhaltige Energiesysteme
    • Fahrsimulator / Hexapode
    • Fallturm
    • Freifahrsysteme für automatisierte Fahrversuche
    • HiL-Labor
    • Driving Experience Lab (Mobiler Fahrsimulator)
    • Indoor-Versuchsanlage
      • Crashanlage
      • Nebelanlage
      • Regenanlage
      • Lichtsimulator
    • Outdoor-Freiversuchsgelände
    • Mobile Roboter
    • Reallabor High Definition Testfeld
      • Bürgerinformation
    • Security in der Mobilität
    • Sichere Energiespeicher
    • Simulationslabor
    • Targets
    • Twizy (ANTON)
Kontakt
de
  1. Homepage Technische Hochschule Ingolstadt
  2. Forschung & Transfer
  3. CARISSMA
  4. Labore
  5. Reallabor High Definition Testfeld
  6. Bürgerinformation

Informationen zum urbanen Reallabor:

1. Welche Daten werden mit der Sensorik aufgezeichnet?
Abbildung 1: Beispielaufnahmen

Der Schutz Ihrer Daten liegt uns am Herzen: Deshalb wird in der Datenerfassung des urbanen Reallabors streng darauf geachtet, nur anonyme, nicht personenbeziehbare Daten zu erheben. Dies wurde bereits bei der Auswahl der Sensorik sichergestellt: Es werden Thermalkameras und LiDAR (Light Detection and Ranging) Sensorik für die Verkehrsteilnehmererfassung verwendet. Beide Sensorsysteme sind nicht in der Lage, Gesichter, Nummernschilder oder andere personenspezifische Daten aufzunehmen. Lediglich die Modalität des Verkehrsteilnehmers (Auto, Fußgänger, Radfahrer, …) und dessen Position in der Kreuzung können aus den Rohdaten extrahiert werden. Ein Beispiel dazu finden Sie in Abbildung 1.

2. Welchen Bereich umfasst das urbane Reallabor?
Abbildung 2: Abedckung des urbanen Reallabors

Das urbane Reallabor besteht aus den drei Knotenpunkten

  • Goethestraße-Schillerstraße
  • Goethestraße-Friedrich-Ebert-Straß
  • Schillerstraße-Friedrich-Ebertstraße

In diesem hochbelasteten Kreuzungsdreieck werden mit stationärer Überkopf-Umfeldsensorik Anwendungen der Verkehrssicherheit und -effizienz erforscht. Dabei werden insbesondere die Kreuzungsanfahrt und das Kreuzungsinnere von Sensorik erfasst.

3. Zu welchem Zweck wurde die intelligente Kreuzung erbaut?

Grundsätzlich beschreibt eine intelligente Kreuzung eine Möglichkeit der Infrastruktur, sich aktiv am Verkehrsgeschehen zu beteiligen. Dazu wird die aktuelle Verkehrssituation mit Straßen- und Infrastrukturdaten ausgewertet und in adaptive Maßnahmen überführt. Die aktuellen Projektziele fokussieren sich in diesem Zusammenhang vor allem auf die Verbesserung des Verkehrsflusses und der Verkehrssicherheit in den hochbelasteten städtischen Knotenpunkten. Diese stellen - aufgrund des Zusammentreffens von Autos, Busse und Trams, Lkw, Motorräder und E-Scooter, Fahrräder, Elektro-Tretroller und Fußgängern -eine besondere Herausforderung für die Effizienz, den Komfort und die Sicherheit des Verkehrssystems dar. Einen entscheidenden Beitrag leistet dabei auch die lokale Umfeldsensorik, welche im Gegensatz zu klassischen Induktionsschleifen, auch Verkehrsteilnehmer der Fuß- und Radwege erfassen kann und damit eine gesamtheitliche Optimierung für alle Modalitäten ermöglicht.

Zukünftig sollen intelligente Kreuzungen zudem das automatisierte Fahren unterstützen.  Insbesondere unübersichtlichere Kreuzungsszenarien stellen aufgrund von Verdeckungen eine Herausforderung für fehlerfreies und vorausschauendes Verhalten dar. Deswegen wird mit Hilfe der Überkopfsensorik ein vollständigeres und sichereres Modell der Umgebung erzeugt, welches den Fahrzeugen frühzeitig zur Verfügung gestellt werden kann. Die Potentiale autonomer individueller und öffentlicher Verkehrsmittel können damit noch sicherer, effizienter und komfortabler erschlossen werden.

4. Woher kommt die Bezeichnung HD-Testfeld?

Das urbane Reallabor wird im Rahmen der Taxonomie des Projektes auch als High Definition Testfeld (HD-Testsfeld) bezeichnet. Grund für die Wahl des Begriffs ist die lokal gebotene hohe Auflösung durch stationäre Sensorik, welche die Erfassung der Position der Verkehrsteilnehmer aller Modalitäten innerhalb der Kreuzung ermöglicht. Dem gegenüber steht eine globale, aber punktuelle Erfassung durch Schleifen und andere Detektoren im bestehenden Verkehrsnetz.

5. Welche aktuellen Anwendungen werden demonstriert und wie sehen die Ergebnisse aus?

Aktuell befindet sich das Testfeld noch in der Inbetriebnahme, Anwendungen werden deswegen erst in Zukunft folgen. Momentan stehen dabei bedarfsgerechtere Grünzeiten und eine Warnfunktion zum Schutz von Radfahrern im Vordergrund. 

6. Was ist das Projekt KIVI?

Das Akronym KIVI steht für „Künstliche Intelligenz im Verkehrssystem Ingolstadts“. Es stellt den Titel des Forschungsprojektes dar, in welchem als Teilziel der Aufbau eines urbanen Reallabors (HDT) definiert wurde. Gefördert wird das Projekt vom Bundesministerium für Digitales und Verkehr (BMDV) im Rahmen der KI-Innovationsoffensive in der Mobilität.

7. Welche Ansprechpartner gibt es bei Fragen?

Name und Kontaktdaten des Verantwortlichen und ggf. seines Vertreters

Technische Hochschule Ingolstadt
Esplanade 10, 85049 Ingolstadt
Vertreten durch den Präsidenten Prof. Dr. Walter Schober
Tel. +49 841 9348-0
E-Mail: info@thi.de

Kontaktdaten der Datenschutzbeauftragten:

Technische Hochschule Ingolstadt
Esplanade 10, 85049 Ingolstadt
Tel. +49 841 9348-1234
E-Mail: datenschutz@thi.de

https://www.thi.de/sonstiges/datenschutz/

Verantwortlich für das Forschungsprojekt:

Carissma – Institute of Automated Driving
Esplanade 10, 85049 Ingolstadt

Prof. Dr. Werner Huber
E-Mail: hdt.kreuzungen@thi.de

8. Welche Projektpartner unterstützen das urbane Reallabor?
Abbildung 3: Projektpartner

Das Institut fürAutomatisiertes Fahren (C-IAD) der Technischen Hochschule Ingolstadt (THI) baut das urbane Reallabor mit Unterstützung der Projektpartner Artificial Intelligence Network Ingolstadt gGmbH (AININ), Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme (Fraunhofer IVI) und der Stadt Ingolstadt auf. Damit vereint das Projektteam die Expertisen aus den Bereichen automatisiertes Fahren und Verkehrssicherheit (C-IAD), KI-Algorithmen für Sensorik (AININ), Kommunikationstechnologie (Fraunhofer IVI) und städtische Infrastruktur (Stadt Ingolstadt).

Technische Hochschule Ingolstadt
  • Esplanade 10
    85049 Ingolstadt
  • Tel.: +49 841 9348-0
  • E-Mail: info@thi.de

Rechtliche Hinweise

  • Impressum
  • Datenschutz
  • Barrierefreiheit

Fragen zum Studium?

  • Service Center Studienangelegenheiten
  • Beratung für Studieninteressierte
  • International Office

Sonstige Infos

  • Kontakt und Anfahrt
  • Karriere an der THI
  • Öffnungszeiten
  • Marketplace
  • Ihr Feedback zur Website
Logo Akkreditierungsrat: Systemakkreditiert
Logo des Bayerischen Wissenschaftsforums (BayWISS)
Logo IHK Ausbildungsbetrieb 2023