Als ambitionierter KI-Standort fördert das Ministerium für Wirtschaft, Arbeit und Tourismus im Rahmen des "KI-Innovationswettbewerbs Baden-Württemberg" innovative Projekte zur Künstlichen Intelligenz in Baden-Württemberg. 2020 konnte sich unser ZAVIS-Projekt gegen eine starke Konkurrenz durchsetzen und wird seit Beginn 2021 gefördert. Mit ZAVIS entwickeln wir wichtige Funktionen, um Schäden noch umfassender zu erkennen und damit für sichere Straßen und Radwege zu sorgen.
Das Ziel
ZAVIS steht für "Zeitbezogene Analyse von visuellen Informationen der Straßenoberfläche". Das Ziel dieses Projekts besteht darin, das Potenzial Künstlicher Intelligenz weiter auszuschöpfen, indem Straßenschäden auf wiederholt aufgenommenen Bilddateien zuverlässig wiedererkannt, deren Veränderungen über die Zeit automatisch beurteilt und valide Prognosen zu den weiteren Entwicklungen der Straßenschäden aufgestellt werden. Mit ZAVIS wird es damit erstmals möglich, den realen Zustandsänderungsverlauf einer Straße systematisch nachvollziehen zu können. So können bereits kleinste Veränderungen an Straßenschäden frühzeitig festgestellt und ein proaktives Erhaltungsmanagement umgesetzt werden.
Die Erhaltung von Straßen ist auf längere Frist gesehen um einiges günstiger als ihr Neubau. Das durchschnittliche Einsparpotenzial präventiver Sanierungsmaßnahmen liegt bei 50 bis 80 Prozent. Durch kleine, aber effektive Sanierungsmaßnahmen wird die Nutzung der Verkehrsinfrastruktur zudem nur minimal beeinträchtigt und die Sicherheit der Straßen kann von den Kommunen kontinuierlich gewährleistet werden.
Die Herausforderungen
Die Herausforderung bei ZAVIS besteht darin, die Schäden, die auf einem Straßenabschnitt erkannt und klassifiziert wurden, in den Bilddaten, die von den Kommunen in einem zeitlichen Abstand von einem halben Jahr erneut erhoben werden, zuverlässig und gezielt wiederzuerkennen und deren Veränderung automatisch zu bewerten. Dafür haben wir zwei Konzepte entwickelt, an dessen sinnvoller Zusammenführung wir aktuell arbeiten.
Die Umsetzung
Das erste Konzept basiert auf den Erkenntnissen, die wir aus zahlreichen Kundengesprächen gewinnen konnten. Kommunen haben ein starkes Interesse daran, die Zustandsnoten einzelner Straßen-Segmente zu verschiedenen Zeitpunkten miteinander vergleichen zu können. In unserem webbasierten Geoinformationssystem (GIS) erhalten sie den Überblick über den aktuellen Zustand ihrer Straßen. Mittels neun unterschiedlicher Einfärbungen (s. Beispielfoto) und Noten (1-5) lässt sich die Beschaffenheit der einzelnen Straßenabschnitte und Segmente (ein Abschnitt von jeweils vier Metern) erkennen.
Mit Hilfe von map matching werden die Punkte auf dem bestehenden Kartenmaterial verankert. Dadurch kann anhand von GPRS-Daten das gleiche Segment in dem wiederholt aufgenommenen Bildmaterial gefunden werden. Um diese Funktionalitäten umzusetzen, entwickelten wir ein benutzerfreundliches Frontend. Kommunen können mit der time search bar so gezielt nach einer zurückliegenden Befahrung eines bestimmten Zeitpunktes suchen und die Zustandsnote der vergangenen Befahrung der aktuellen Auswertung gegenüberstellen.
Der Fokus des zweiten Ansatzes liegt auf der algorithmischen Wiedererkennung und Bewertung einzelner Straßenschäden. Um sämtliche Straßenschäden zu klassifizieren, erweiterten wir innerhalb von ZAVIS die bisherigen zwölf Schadenskategorien auf 18. Für eine bestmögliche Leistung werden zeitgleich mehrere neuronale Netzwerke eingesetzt, die eine eigene Infrastruktur erfordern. Eine 3D-Rekonstruktion realisiert die zuverlässige Identifikation, Lokalisierung und Ausmessung der Veränderung eines Schadens in dem wiederholt aufgenommenen Bildmaterial. Das Ziel ist, durch die detaillierte Bestimmung der Schadensklassen und deren anschließende Vermessung innerhalb der 3D-Rekonstruktion sowohl qualitative als auch quantitative Aussagen zur Veränderung einzelner Schäden treffen zu können. Wird eine Auswertung einzelner Schäden über mehrere Befahrungen und Jahre vorgenommen, schaffen wir zuverlässige Erfahrungswerte, wie schnell sich Risse, Fugen oder Ausbrüche in der Regel verändern und welche Wetterverhältnisse dies beispielsweise beeinflussen können.
Die Herausforderungen
Gegenwärtig stellen wir uns Herausforderungen, die dieser Ansatz mit sich bringt. Denn die Rekonstruktion wird dadurch erschwert, dass sich die Bildverhältnisse auf den Aufnahmen stark unterscheiden können, je nachdem zu welcher Tages- und Jahreszeit die Bilder aufgenommen wurden und wie verschmutzt die Fahrbahn zu diesem Zeitpunkt war. Eine solche dynamische Umgebung genau auszurechnen, erweist sich als sehr aufwendig.
Erfolgreich implementiert wird das zweite Konzept die Grundlage für den ersten Ansatz bilden. Denn je detaillierter die Veränderungen der Straßenschäden erkannt werden, desto genauer und differenzierter können wir die einzelnen Segmente bewerten.
Mehr Informationen
Hier geht's zur Pressemitteilung des Ministeriums für Wirtschaft, Arbeit und Tourismus Baden-Württemberg:
https://wm.baden-wuerttemberg.de/de/service/presse-und-oeffentlichkeitsarbeit/pressemitteilung/pid/wirtschaftsministerium-foerdert-44-innovationsprojekte-fuer-mehr-ki-made-in-baden-wuerttemberg/
Hier geht's zur Projektwebseite des Ministeriums für Wirtschaft, Arbeit und Tourismus Baden-Württemberg:
https://www.wirtschaft-digital-bw.de/ki-made-in-bw/innovationswettbewerb-ki-fuer-kmu
vialytics wird mit ihrem KI-Vorhaben „ZAVIS - Zeitbezogene Analyse von visuellen Informationen der Straßenoberfläche“ im Rahmen des KI-Innovationswettbewerbs Baden-Württemberg vom Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg gefördert.
Share this
