Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Autonomes Fahren ist längst keine abstrakte Zukunftsvision mehr, sondern wird mehr und mehr Realität. In Zusammenarbeit mit einem deutschen Automobilkonzern entwickelt das Fraunhofer IGD eine KI-basierte Lösung, die den Verkehrsfluss in der Smart City optimieren kann. Mit Kameratechnologie und einem Vision Transformer lassen sich Staus vermeiden.
Die zukünftigen Städte werden mit diversen Kameras ausgestattet sein: beispielsweise an Ampeln und Kreisverkehren. Mit ihrer Hilfe lässt sich der Verkehrsfluss in den Smart Citys, die durch den Einsatz moderner Technologie effizienter und lebenswerter sein sollen, lenken – etwa wenn an einer Stelle häufig Staus aufkommen. Bislang zeigt sich allerdings das Problem: Passiert ein und dieselbe Verkehrsteilnehmerin auf ihrer Route mehrere Kameras, erkennen diese sie nicht wieder. Das ist jedoch wichtig, um ihre Wege zu erfassen und zukünftig auch vorhersagen zu können.
Mit einem deutschen Automobilkonzern entwickelt das Fraunhofer IGD eine Lösung, um Verkehrsteilnehmende zu tracken. Das Projektteam startete zunächst damit, Radfahrende und ihre Wege mittels Vision Transformer zu bestimmen. Diese Technologie auf Basis Künstlicher Intelligenz (KI) arbeitet mit Übergängen von Hell zu Dunkel zur Wiedererkennung der Objekte in weiteren Bildern. Daher sind Personen auf dem Fahrrad mit individuellen Merkmalen wie Kleidung und Körpergröße für die neuronalen Netze leichter zu detektieren. Die Gesichter nutzt die Technologie nicht – ebenfalls wie Autokennzeichen werden diese vorab unkenntlich gemacht. In verschiedenen Beleuchtungssituationen und vor diversen Hintergründen gilt es, die Objekte zuverlässig zu tracken.
Selbstständig lernende KI
Im nächsten Schritt folgt die Erkennung von Autos. Diese ist weitaus herausfordernder für die KI: Würden beispielsweise viele schwarze Kleinwagen desselben Modells umherfahren, erschwert das die Unterscheidung, da auch Merkmale der Personen kaum zu erkennen sind.
Der genutzte Vision Transformer arbeitet – anders als die oftmals verwendeten Convolutional Neural Networks (CNNs) – mit Self-supervised Learning. Das heißt, dass beim Lernen keine durch Menschen im Voraus klassifizierte Beispieldaten benötigt werden.
Bis zum Projektende im März 2024 werden die Forschenden des Fraunhofer IGD die Software in die Infrastruktur des Automobilkonzerns implementieren und dann auch mit echten Versuchsdaten aus einer US-amerikanischen Smart City arbeiten. Denn intelligente Routen sind eine Voraussetzung, um die Vorteile autonomen Fahrens voll auszuschöpfen und die Lebensqualität der Menschen zu steigern.