Dieses Innovationsprojekt im Bereich digitaler Städte wird von EIT Digital, einer führenden europäischen Organisation für digitale Transformation mit Verbindungen zur Europäischen Kommission, finanziert und durchgeführt und umfasst die Beteiligung der Polytechnischen Universität Mailand. Ziel ist es, auf bisherigen Forschungsergebnissen aufzubauen und ein marktfähiges, einzigartiges Produkt zu entwickeln und in einem realen Verkehrsszenario zu testen. Dieses Produkt soll automatisch, in Echtzeit und mit hoher Präzision den Fahrzeugtyp und die Anzahl der Insassen auf den Vorder- und Rücksitzen ermitteln.
Die Lösung wird es den Kommunalbehörden und anderen Betreibern der Verkehrsinfrastruktur, wie z. B. Straßen- oder Parkplatzbetreibern, ermöglichen, Mobilitätsmuster zu verstehen und Strategien und Richtlinien zu entwickeln, die Verkehrsstaus reduzieren, die Nutzung öffentlicher Verkehrsmittel, Fahrzeuge mit hoher Besetzung und emissionsarme Fahrzeuge priorisieren und fördern, mit der Folge einer Verbesserung des Verkehrsflusses, der Luftqualität und des Lärmpegels.
Die präzise und automatische Identifizierung von Fahrzeugen und Insassen, kombiniert mit Datenverarbeitung und -analyse, ermöglicht ein besseres Verständnis des Verkehrs, die Anwendung von Rabatten oder Strafen, variable Preisgestaltung (z. B. auf Parkplätzen oder bei Mautgebühren) und Zugangsbeschränkungen zu bestimmten Straßen, insbesondere in Stadtzentren, basierend auf der Anzahl der Fahrgäste, dem Fahrzeugtyp, dem Kennzeichen usw. Sie trägt außerdem dazu bei, die Nutzung öffentlicher Verkehrsmittel, Carsharing, Fahrzeuge mit hoher Besetzung, emissionsarmer Fahrzeuge, Park-and-Ride-Anlagen und anderer Alternativen durch die Bürger zu fördern.
Die Umsetzung solcher Maßnahmen erfordert derzeit die Überwachung und Abschreckung durch die Verkehrsbehörden, um die Einhaltung der Vorschriften zu gewährleisten und Verstöße aufzudecken. Dies macht ihre flächendeckende Anwendung komplex, ineffektiv und unzuverlässig. BeCamGreen hat sich zum Ziel gesetzt, die Entwicklung eines automatisierten, zuverlässigen und kostengünstigen kommerziellen Produkts abzuschließen, um einem realen Marktbedarf gerecht zu werden. Diese Lösung wird zunehmend bei Autobahnausschreibungen in Ländern wie den USA nachgefragt und erleichtert die Einrichtung von Fahrspuren für bestimmte Fahrzeugtypen sowie die Entwicklung von Verkehrsbeschränkungsstrategien, die von zahlreichen europäischen Städten umgesetzt werden.
Computer Vision, Deep Learning und Multispektralanalyse
BeCamGreen wird dank der Anwendung neuester Technologien in den Bereichen Big Data, künstliche Bildverarbeitung, Deep Learning und Multispektralanalyse eine automatische und nicht-invasive Lösung entwickeln.
Indra wird die in früheren F&E-Projekten wie DAVAO entwickelten Bildverarbeitungsalgorithmen zur Personen- und Gesichtserkennung weiterentwickeln. Um eine höhere Genauigkeit zu erzielen, wird das Unternehmen verbesserte Videoüberwachungstechnik einsetzen und diese Algorithmen mit neu entwickelten Algorithmen für die Echtzeit-Bildverarbeitung kombinieren. Die Lösung umfasst auch eine Multispektralanalyse, die die Erkennung menschlicher Haut ermöglicht, um Fehlalarme und Fehler zu vermeiden und beispielsweise eine Schaufensterpuppe oder andere Simulationen zu unterscheiden. Ziel ist es, modernste Hardware- und Softwaretechnologie zu integrieren, um die Systemgenauigkeit zu erhöhen und die Investitions- und Betriebskosten für potenzielle Kunden zu senken.
Die Polytechnische Universität Mailand entwickelt ihrerseits eine Big-Data-Engine zur Erkennung und Vorhersage von Verkehrssituationen. Diese Engine nutzt und integriert Echtzeitinformationen von IoT-Sensoren aller Art, sozialen Netzwerken, verschiedenen offenen Datenquellen und dem projekteigenen Bildverarbeitungssystem. Die Echtzeit-Big-Data-Engine liefert wertvolle Informationen, die Führungskräften bei der Entscheidungsfindung, Validierung und Verbesserung ihrer Mobilitätsmanagementstrategien helfen.
