Information
Autonomes Fahren in ländlichen Gebieten: Schkeuditz und Köthen als Modellregionen
Autonom fahrende Lastenräder und Lieferroboter (sogenannte Mikromobile) eröffnen in ländlichen Gebieten hinsichtlich der Lebensqualität und Daseinsvorsorge ganz neue Entwicklungsmöglichkeiten. Damit sich in Zukunft diese autonomen Fahrzeuge sicher auf Geh- und Radwegen bewegen können, untersuchen wir im „Ready for Smart City Robots“-Projekt, welche Voraussetzungen hierfür gegeben sein müssen. Wir entwickeln aktuelle und genaue Karten von den Geh- und Radwegen unserer „Testgebiete“ Schkeuditz und Köthen und untersuchen, ob diese beiden ländlich geprägten Städte bereit sind für diese Art autonomer Fahrzeuge. Für die Erstellung der Karten erheben wir in Schkeuditz und Köthen umfassende Daten über die Zustände der Geh- und Radwege (z.B. Wegbreiten, Oberflächenbeschaffenheit, Passantenaufkommen und Hindernisse).
Bild 1-4: verschiedene Wegsituationen in Schkeuditz
Fotos: Projektpartner PTV Group
Welche Ziele verfolgt das Projekt im Allgemeinen?
Im Projektzeitraum entstehen digitale Karten von den Geh- und Radwegen in Schkeuditz und Köthen. Diese Infrastrukturdaten können Entscheidungsgrundlage für Projekte der Stadtentwicklung sein. Wir erheben die Daten über verschiedene Methoden: per App über freiwillige Radfahrer und per Sensorbox an Mieträdern. Im Rahmen des Projektes erfolgt auch ein Vergleich und die Bewertung der Wirksamkeit dieser Methoden. Die Referenzdaten hierfür liefert uns der Roboter der TU Bergakademie Freiberg und das semi-autonome Lastenrad der Hochschule Merseburg. Mit den Mieträdern entsteht außerdem ein klimaneutrales Mobilitätsangebot, das die erste und letzte Meile bedienen soll und vor allem Pendlern eine Alternative zum Auto bieten kann. Damit leistet das Projekt einen Beitrag zur Stärkung des Radverkehrs und zur Mobilitätswende im ländlichen Raum.
Bild 1-2: Visualisierung der bei den R4R-Fahrradrallyes in Köthen und Schkeuditz gesammelten Daten
Bild 3: das semi-autonome Lastenrad der Hochschule Merseburg und Bild 4: der Roboter der TU Bergakademie Freiberg, die für das Sammeln der Referenzdaten eingesetzt werden
Fotos: Projektpartner DigiPL GmbH
Welche Methoden nutzen wir für die Datenerhebung?
Für die Datenerhebung nutzen wir 3 Varianten: „Datensammeln per App“, „Datensammeln per Sensorbox am Miet(lasten)rad“ und „Datensammeln per Roboter bzw. Lastenrad“. Die Daten, die über unseren Roboter und das Lastenrad der Hochschule Merseburg gesammelt werden, sind sogenannte Referenzdaten. Diese Daten benötigen wir, um sie mit den Daten der anderen beiden Methoden vergleichen und bewerten zu können.
Bild 1: Datensammeln per App: Handy mit der R4R-App am Fahrradlenker
Bild 2-4: Datensammeln per Sensorbox am Miet(lasten)rad: Mieträder und Miet(lasten)rad und verschiedene Sensoren
Fotos: Projektpartner DigiPL GmbH, TINK GmbH
Wie funktioniert die Datenerhebungsmethode „Datensammeln per Roboter bzw. Lastenrad“?
Um ein umfassendes und genaues Bild der untersuchten Umgebung zu erhalten, setzen wir Roboter bzw. Lastenräder zur Datenerhebung ein. Unsere Teams werden das ganze Jahr über in Schkeuditz und Köthen unterwegs sein, um Referenzdaten zu sammeln. Dies ist besonders wichtig, da sich Umgebungsbedingungen je nach Jahreszeit deutlich ändern können. Deshalb planen wir, unsere Datenerhebung unter verschiedenen Witterungsbedingungen, wie Sonne, Regen und Schnee, sowie zu unterschiedlichen Tageszeiten durchzuführen. Die fortlaufende und ganzjährige Datenerhebung erlaubt uns nicht nur, die jeweiligen Zustände zu einem bestimmten Zeitpunkt zu erfassen, sondern ermöglicht auch temporale Analysen. Ein Beispiel hierfür ist die Überwachung des Zustands der Radwege über die Zeit hinweg, um Veränderungen und Abnutzungen festzustellen.
Bild 1-4: Der Roboter im Einsatz unter verschiedenen Witterungsbedingungen
Fotos: Projektpartner DigiPL GmbH
Zu den FAQs über den Roboter kommst du hier: Roboter-FAQs
Mehr Informationen Fotos und Videos findet ihr z.B. hier Ready for Smart City Robots? - Wirtschaftszeitung