Mehr Sicherheit für gefährdete Verkehrsteilnehmer in Montreal

• Kapsch TrafficCom liefert Videoanalyse und Vernetzte Fahrzeuge-Technologie
• Das System wird an 19 Kreuzungen in der Innenstadt von Montreal zum Einsatz kommen

Kapsch TrafficCom ist stolz darauf, einen Projektauftrag für Verkehrsmanagement und Vernetzte Fahrzeuge-Technologie in der kanadischen Stadt Montreal bekannt zu geben.

Im Stadtzentrum von Montreal wird Kapsch TrafficCom mit seiner Orchestrated Connected Corridor (OCC)-Servicesuite für Sicherheit und Mobilität sorgen. OCC nutzt Verkehrsdaten von bestehenden Videokameras und vernetzten Fahrzeugen, um Fahrer mit Echtzeit-Benachrichtigungen über gefährdete Verkehrsteilnehmer zu versorgen und Verkehrsbehörden bessere Verkehrsstatistiken zu ermöglichen.

"Wir setzen unseren Orchestrated Connected Corridor mit Video Analytics an 19 Kreuzungen in der Innenstadt von Montreal ein", erklärt JB Kendrick, President North America bei Kapsch TrafficCom. "Durch die Nutzung von Deep Learning erhöhen wir nicht nur die Sicherheit, sondern stellen den Stadtbehörden auch Echtzeitdaten zur Verfügung, die unmittelbare Auswirkungen haben können."

Nachhaltige und kostengünstige Echtzeit-KI für die Erkennung von Unfällen

Der Orchestrated Connected Corridor basiert auf einer Servicesuite, die die digitale Transformation für Autobahnen und städtische Umgebungen ermöglicht. Das bietet eine Grundlage für zusammenhängende, konsolidierte und modulare Dienste für mehr Sicherheit, Mobilität und Nachhaltigkeit im Straßenverkehr und ist auch erweiterbar, um künftige Bedürfnisse der Verkehrsbehörden abzudecken. Die Architektur von OCC ermöglicht skalierbare Dienste wie Videoanalyse, vorausschauende Analyse, Entscheidungsunterstützung und Nachfragesteuerung.

Das zentrale Element des von Kapsch TrafficCom gelieferten Systems ist die Deep Learning Versatile Platform (DLVP) Videoanalyseplattform. Sie analysiert Videofeeds von bestehenden Kameras und verarbeitet sie mit KI in Echtzeit, um die Reaktionszeiten auf sicherheitskritische Ereignisse zu verbessern. DLVP ist hardwareunabhängig, d. h., sie kann Daten von verschiedenen Eingängen und Videoformaten, Auflösungen und Bildraten verarbeiten. Dadurch kann die Lösung auf vorhandene Hardware zurückgreifen, anstatt teure zusätzliche Verkehrskameras zu benötigen, was die Kosten niedrig hält und einen nachhaltigeren Ansatz für das Verkehrsmanagement ermöglicht.

Das System in Montreal zielt auf die Erkennung von Unfällen, die Klassifizierung von Fahrzeugen und gefährdeten Verkehrsteilnehmern (Fußgänger und Radfahrer), Falschfahrern, Staus und anderen potenziell gefährlichen Situationen ab.

Im Falle eines Zwischenfalls wird ein Dashboard der Dienste Warnungen und relevante Informationen an die Betreiber in der Verkehrsmanagementzentrale der Stadt liefern. Die Daten aus der DLVP werden in das Connected Mobility Control Center (CMCC), die Softwareplattform für das Management vernetzter Mobilität, eingespeist, um spezifische Warnungen (Stau, stehende Fahrzeuge, Fußgänger und Fahrräder auf der Straße) direkt an die Fahrer in der Nähe des Vorfalls zu senden.