Am 5. Oktober 2023 wird die Abschlussveranstaltung zur Machbarkeitsstudie des SEKISA-Projektes stattfinden. Das Projekt wurde von der vialytics GmbH zusammen mit dem Karlsruher Institut für Technologie ein Jahr lang durchgeführt. Die zentrale Forschungsfrage im Projekt bestand darin, ob ZEB-Daten (Zustandserfassung und -bewertung) auf der Basis von Sensoraufnahmen handelsüblicher Smartphones (LIDAR, Beschleunigungssensoren) errechnet werden und damit Aussagen über die Ebenheitswerte von Straßen getroffen werden können.
Herausforderungen und Innovationen in der Erfassung des Straßenzustands
Die Bewertung des Zustands und der Längs- und Querebenheit erfolgt im Regelfall durch eine aufwendige in Augenscheinnahme durch das Tiefbauamt oder wird durch Dienstleister vorgenommen, die die Erfassung mit komplexer Mess- und Kameratechnologie durchführen. Die Bestimmung des Straßenzustandes erfolgt dabei gemäß ZEB-Richtlinien. Der Straßenzustand wird dabei in den Substanzwert (Güte der Oberfläche) und den Gebrauchswert (Längs- und Querebenheit) unterschieden. Während die automatisierte Bestimmung des Substanzwertes bereits möglich ist, existiert eine vergleichbare Lösung mit Hilfe mobiler Sensorik für die Bestimmung des Gebrauchswertes noch nicht. Der Gebrauchswert ist zentral wichtig, um Unfallprävention und eine allgemeine Verkehrssicherheit zu gewährleisten. Baulastträger haben bisher jedoch keine Möglichkeit, diesen Wert kontinuierlich, transparent, selbständig und kosteneffizient zu ermitteln.
Die Ergebnisse der Machbarkeitsstudie zeigen auf, dass auch alternative Sensortechnologien in Smartphones für die Bewertung der Straßenebenheitswerte geeignet sind und ein hohes Potenzial bei der Erfassung der Straßeninfrastruktur bieten. Ihr flexibler Einsatz macht es möglich, jedes Fahrzeug zu einem Messfahrzeug umzufunktionieren.
Optimierung der Datenerfassung für Straßenzustandsanalysen im SEKISA-Projekt
Im Projektzeitraum von SEKISA wurden hierzu wiederholt Datenerhebungen
von Referenzstrecken durchgeführt, zu denen eine ZEB-Benotung vorlag. Um unterschiedliche Einflussfaktoren auf die Datenqualität identifizieren und die Testbedingungen optimieren zu können, wurden die Smartphones an der Windschutzscheibe verschiedener Automodelle befestigt und die Strecken unterschiedlich schnell befahren. In der Analyse der Daten konnten weitere Einflussfaktoren bestimmt werden, die sich auf das Beschleunigungssignal der Smartphones auswirken können. Dazu zählen neben dem Fahrzeugtyp, der Geschwindigkeit auch die Smartphone-Halterung sowie die Position an der Windschutzscheibe.
SEKISA: Innovation in der Straßenzustandsbewertung mittels Smartphone-Technologie
Die Herausforderung bestand damit darin, einen robusten Ansatz zur Bewertung von Straßenunebenheiten auf der Grundlage von Smartphones zu finden, der sowohl Abweichungen innerhalb des Aufbaus als auch Abweichungen in den Erfassungsszenarien kompensieren
kann. Nach der Erprobung unterschiedlicher Methoden konnte erfolgreich ein algorithmischer Ansatz entwickelt werden, der ohne eine Kalibrierung die Unebenheitswerte einer Straße resistent und automatisiert bewerten kann. Die gewonnen Ergebnisse der Machbarkeitsstudie werden in das vialytics Produkt überführt und den Kommunen nach Abschluss der Entwicklung zur Verfügung gestellt. Durch den einfachen Einsatz können sie mit dem Smartphone als Messinstrument den Gebrauchswert ihrer Straßen regelmäßig überprüfen und damit ausschlaggebend zur Sicherheit ihrer Straßen beitragen. Das Projekt SEKISA wurde im Rahmen der Förderrichtlinie 1 der Innovationsinitiative mFUND mit insgesamt 156.610 Euro durch das Bundesministerium für Digitales und Verkehr gefördert.
Über den mFUND des BMDV:
Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016
datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und durch die Bereitstellung von offenen Daten auf der Mobilithek.