Wie können datengetriebene Analysen mittels Künstlicher Intelligenz (KI) den Stadtverkehr effizienter und sicherer machen? Im Projekt „ReSense3D“ haben Masterstudierende der OTH Regensburg hochpräzise 3D-LiDAR-Daten aus dem Regensburger Reallabor, kurz R_Lab Mobilität, ausgewertet. Fokus war der Aufbau einer Pipeline zur Analyse der Daten. Die Ergebnisse liefern bereits wertvolle erste Ansätze für die KI-gestützte Analyse des Verkehrsgeschehens am zentralen Busknotenpunkt.
In Kooperation mit dem Cluster Mobility & Logistics, der OTH Regensburg und das Stadtwerk.Regensburg wurden reale Verkehrsströme am Busbahnhof der Universität Regensburg unter die Lupe genommen. Die Studierenden der Lehrveranstaltung Artificial Intelligence for Infrastructure and Urban Development (Leitung: Prof. Dr. Simone Weikl) nutzten dafür anonymisierte Punktwolken aus LiDAR-Sensoren.
Die Highlights der Analysen:
- Smarte Detektion: Entwicklung von KI-Pipelines, die Fußgänger, Radfahrer und Busse automatisch erkennen und deren Wege (Trajektorien) verfolgen.
- Gefahrenstellen im Blick: Identifikation von Konfliktpunkten, etwa bei ungeschützten Straßenquerungen oder beim Abbiegeverhalten.
- Optimierungspotenziale: Analyse von Wartezeiten und Verkehrsfluss zur Verbesserung des ÖPNV-Betriebs.
Das Projekt zeigt, wie der Transfer zwischen Theorie und Praxis gelingt.
Das Projekt ReSense3D ist Teil des Smart-City-Reallabors R_Lab Mobilität und wird im Rahmen von REGENSBURG_NEXT bis 2026 vom Bundesministerium für Wohnen, Stadtentwicklung und Bauwesen gefördert.