Modellierungen und Routings für Radverkehr sind zwei Beispiele für relevante Anwendungen, die flächendeckende Daten zu Straßenbelag und -qualität in einem einheitlichen Format benötigen. Jedoch gibt es hierzu kaum offen verfügbare Datenquellen. Manche Kommunen veröffentlichen zwar gelegentlich Open Data, jedoch gibt es keine einheitlichen Formate und nicht alle relevanten Informationen sind darin enthalten. Auch Ressourcen wie OpenStreetMap (OSM) weisen große Datenlücken auf.

Ziel des Projekts ist es, auf bestehenden offen verfügbaren Daten ein Machine Learning Modell zu trainieren, das den Belag und die Qualität der Straßenoberfläche anhand eines entsprechenden Fotos mit hoher Genauigkeit erkennt. Das Modell bildet die Grundlage, um Straßenbilder, insbesondere bestehende umfassende Bildbestände in Mapillary, mit entsprechenden Informationen anzureichern. Daraus lassen sich neue offene Daten zu Straßenbeschaffenheit für verschiedene Städte und Kommunen generieren.

• Prof. Dr. Helena Mihaljevic (Projektleitung)

• Edith Hoffmann (Projektmitarbeiter_in)
• Alexandra Kapp (Projektmitarbeiter_in)

Bund Sonstige