Rund 3 Monate arbeitet unsere Projektgruppe nun schon am Radweg Radar. Die ersten Ansätze und Ergebnisse durfte unsere Gruppe vor Projektpartnern/Interessierten am 27.01.23 hybrid, also live vor Ort in den Räumlichkeiten der VLBA und über Videokonferenz, vorstellen. Rund 50 Teilnehmer hörten am vergangenen Freitag um 14 Uhr gespannt zu und regten im Anschluss einen sehr konstruktiven Austausch an, der dem Projekt wieder neue wichtige Impulse gab.
Einleitung und Ziele
Nach der Begrüßung wurde zunächst ein kurzer Einblick gegeben, mit welcher Motivation bzw. Zielsetzung (Beitrag zum Kickoff) die Projektgruppe gegründet wurde und welche Förderer es unterstützen. (Mehr dazu unter Projekt INFRAsense). Diesbezüglich sind wir froh über die breite Unterstützung, die uns auch in diesem Termin wieder bewusst wurde.
Um den facettenreichen Anforderungsprofil gerecht zu werden haben wir uns innerhalb der Gruppe entschieden 3 Arbeitsgruppen (KI, Daten, Dashboard (Website)) zu bilden, die Fachgebiete aufteilen, allerdings nicht losgelöst von den anderen Gruppen agieren, sondern vielmehr als zusammenwirkende Einheit.
Arbeitsgruppe Daten
Daten sind das Fundament jeder datengetriebenen Anwendung, daher zeigte unsere Gruppe auf, welche Basis uns dafür dank der Unterstützung unserer Partner bisher zur Verfügung steht.
- Unfalldaten: Bereitgestellt aus den Systemen Cognos und Euska der Polizei
- enthalten Daten über Zeitpunkt, Ort, Beteiligte (Fahrzeuge), Unfallschwere, Demografische Daten
- Verkehrszählungen:
- ermöglichen Aussagen zu Geschwindigkeit und Verkehrsfluss
- temporäre und permanente Zählungen
- bereitgestellt von den öffentlichen Trägern sowie aus dem Vorprojekt Bicycle Counting
- Sensordaten / Fahrradtouren:
- umfasst Daten wie Geschwindigkeit, Beschleunigung, Bremsung, Erschütterung, Geolokation
- die Sensordaten enthalten demografische Fakten über den Fahrer und das genutzte Rad (Pedelec oder Normal)
- bereitgestellt von worldiety über GraphQL Schnittstelle
- Wetterdaten:
- Visual Crossing
Schon in Kürze sollen uns auch die Geoinformationsdaten der Fahrradnetze mit z.B. Steigungen, Radwegbreiten, Straßenreinigung und Straßensegmente, sowie die Meldedaten zu Infrastrukturmängeln über eine Schnittstelle zu den Bürgermeldungen EMSOs (Osnabrück) und der Stadtverbesserer (Oldenburg) zur Verfügung stehen. Diesen großen Fundus hat unsere Datengruppe vereint und auswertbar gemacht.
Arbeitsgruppe KI
Derzeit arbeiten wir also hauptsächlich auf Basis der Daten der 2 Fahrradstädte Oldenburg und Osnabrück. Mit dem KI-Modell, dass wir erarbeiten, soll es auch Städten, die bisher nicht die Kapazitäten dazu hatten, ermöglicht werden, automatisiert über eine KI Bilder von Radwegen nach Oberflächen, Fühurngsformen und Straßenschäden zu labeln und zu sortieren.
Aktuell laufen bereits erste Versuche mit ersten Labeldaten über die Anwendung Label Studio und der Instance Segmentation über MaskRCNN. Rund 6.000 gelabelte Datensätze liegen bereits vor. Dieser Stand wird nun in den kommenden Monaten stetig zielgerichtet erweitert und ausgebaut für die einzelnen Etappen. Im ersten Schritt haben wir uns als Gruppe aufgrund der vorhandenen Datenbasis für die Erkennung von Oberflächen als ersten der 3 Umsetzungsschritte entschieden.
Als Best Practice setzt unsere KI Gruppe dabei auf das bekannte CRISP DM.
Durch die Zwischenpräsentation wurden auch neue Impulse eingebarcht und von uns aufgegriffen, sowie Kontakte geknüpft, um das Modell weiter optimieren zu können. Darüber hinaus wurde uns Unterstützung in Form weiterer Bilddaten angeboten. Gerade im Bereich der Straßenschäden könnte sich die Vergrößerung der Datenbasis als sehr hilfreich erweisen. Daher sind wir insgesamt sehr dankbar für die Einsichten der anwesenden Fachexperten.
Arbeitsgruppe Dashboard(Website)
Wie schon zu Beginn im Schaubild präsentiert, sollen schlußendlich all unsere Ergebnisse über unsere Website www.radweg-radar.de abgebildet werden. Die aktuelle Präsenz ist dabei als erster Schritt zu verstehen. Den elementaren Teil des Dashboardes möchten wir dann bei der nächsten Zwischenpräsentation in gut 2 Monaten (Ende März/ Anfang April 2023) vorstellen. Wir halten Euch hier in unserem Blog auf dem Laufenden.
Aktuell ist der Teil auf WordPress so gut wie fertig. Das Dashboard wird seperat entwickelt über eine React, Node.js und Git Kombination. Dieser Prototyp soll durch Visualisierungen der React-Frameworks Leaflet und Recharts ergänzt werden. Damit die Daten aber auch dort ankommen wird im folgenden Schritt eine geeignete Schnittstellenlösung zwischen Datenbank und Dashboard gesucht und implementiert. Auch hierzu gab es viele hilfreiche Anmerkungen, die wir für unsere Entwicklung mitnehmen konnten. Damit das Dashboard auch hier sichtbar wird, wird es hier auf der Hauptseite angebunden.
Fazit/Ausblick
Wir danken den zahlreichen Teilnehmer*Innen für den konstruktiven Austausch. Die kommende Zwischenpräsentation wird Ende März/ Anfang April stattfinden. Vermutlich wieder hybrid.
Quellen
He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask r-cnn. In Proceedings of the IEEE international conference on computer vision (pp. 2961-2969).
Wirth, Rüdiger, and Jochen Hipp. „CRISP-DM: Towards a standard process model for data mining.“ Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining. Vol. 1. 2000.