High-Scene

On-line Szenarien Generierung aus Autobahn Videoinfrastruktur

Programm / Ausschreibung Mobilität der Zukunft, Mobilität der Zukunft, MdZ - 15. Ausschreibung (2020) FT, PM, AM Status laufend
Projektstart 01.04.2021 Projektende 31.03.2024
Zeitraum 2021 - 2024 Projektlaufzeit 36 Monate
Keywords Detektion; Tracking; Szenarien-Generierung; On-line Machine Learning;

Projektbeschreibung

High-Scene zielt darauf ab, dass aus der ungeheure Vielfalt der Daten die mit den mehr als 9000 Kameras auf österreichischen Autobahnen zur Verfügung steht, erstmals Information entsteht, die für eine Reihe von Anwendungen wertvoll ist. Ein ganz wesentlicher innovativer Aspekt dieses Projektes ist es, on-line Lernverfahren für die Fahrzeugdetektion und das Verfolgen zu verwenden. Diese Algorithmen sollen unter allen möglichen Bedingungen lernen, daher ist zu erwarten, dass die erzielbare Genauigkeit alles Bisherige übersteigt. Durch das Clustern von Fahrzeugtrajektorien und die Erkennung von Abweichungen zu den Clustern, wird es möglich gefährliche Szenarien frühzeitig zu erkennen, und so einen Beitrag zur Verkehrssicherheit zu leisten. Darüber hinaus können daraus realistische Szenarien für das automatisierte Fahren gewonnen werden. Diese aus realen Verkehrsdaten gewonnen Szenarien sind eine wesentliche Information um die Simulationen für das automatisierte Fahren mit realen Szenarien zu bereichern. High-Scene wird damit einen erheblichen Beitrag leisten um das Testen für das automatisierte Fahren zu verbessern. Dadurch, dass die Trajektorien-Information über die Plattform von Alp.Lab für die Teststrecke anderen Forschungsprojekten zur Verfügung gestellt wird, werden die gewonnen Daten einen nachhaltigen Nutzen in vielen Forschungsbereichen generieren.

Abstract

The goal of High-Scene is to generate valuable information out of the huge amount of data that is available in the more than 9000 Highway Cameras in Austria. The project will develop novel and innovative on-line learning algorithms for vehicle detection and tracking. The algorithms will learn 24 hours a day, thereby the will achieve an accuracy that is way beyond other methods (especially for difficult weather and illumination conditions). The vehicle trajectories will be clustered. Outlier trajectories can one the one hand be used to detect dangerous traffic situations, on the other hand they represent useful and valuable scenarios for automated driving simulators. Therefore, High-Scene will improve the automated driving simulators significantly by providing real world edge cases. The trajectories that will be generated at the Alp.Lab test track will be made available via the Alp.Lab platform for other research projects.