KI4Safety: Einsatz von Methoden der Künstlichen Intelligenz für die Verkehrssicherheitsarbeit

Abstract

Häufungsstellen für Verkehrsunfälle haben unterschiedlichste Ursachen. Im Rahmen des Projektes KI4Safety wird ein System entwickelt, welches mit Hilfe statistischer Methoden und neuartiger Verfahren aus dem Bereich der Künstlichen Intelligenz und des Deep Learnings Daten auswertet um Einflussfaktoren auf Unfallhäufungsstellen zu identifizieren. Als Daten werden Datenbanken mit Bildern der Unfallorte und deren Umgebung, frei verfügbares Kartenmaterial und verkehrstechnische Kenngrößen wie DTV und Geschwindigkeitsbegrenzungen herangezogen. Basierend auf dieser Auswertung bietet das System Unterstützungsleistungen für Praktiker in der Verkehrssicherheitsarbeit an, so z.B. Verkehrssicherheitsforschern und letztlich Mitgliedern der Unfallkommission. Es ermöglicht vergleichende Untersuchungen zum Effekt von Maßnahmen zur Gestaltung von Verkehrsführungen mit größeren Stichproben als bisher. Die Vergrößerung der Stichproben erlaubt eine differenziertere Stichprobenauswertung, höhere statistische Signifikanzniveaus hinsichtlich der getroffenen Aussagen und eine genauere Bestimmung der Effektgrößen, d.h. der zu erwartenden Verringerung der Anzahl von Unfällen. Gegenstand des vorliegenden Berichts ist die Darstellung der Anwendungsszenarien, der damit verbundenen konzeptionellen Arbeiten im Rahmen des Projektes KI4Safety, der entwickelten Lö- sung sowie der durchgeführten Validierungsprozesse und der gewonnenen Erkenntnisse. Die entwickelte Lösung umfasst - eine Datenbank, - Python-Scripte zur Befüllung der Datenbank, - KI-Module zur Befüllung der Datenbank, - ein QGIS-Plugin zur Filterung, welches bei der Zusammenstellung von Stichproben zum Einsatz kommt, sowie - statistischen Methoden für die Auswertung und den Stichprobenvergleich.