Safe and sustainable mobility for urban and rural regions through smart road infrastructure (Q3297313)
Jump to navigation
Jump to search
Project Q3297313 in Germany
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Safe and sustainable mobility for urban and rural regions through smart road infrastructure |
Project Q3297313 in Germany |
Statements
246,089.0 Euro
0 references
492,178.0 Euro
0 references
50.0 percent
0 references
25 April 2018
0 references
30 September 2020
0 references
Hochschule Ulm - Technik, Informatik und Medien
0 references
48°23'50.64"N, 9°59'36.35"E
0 references
Alle 2 Minuten ereignet sich auf Deutschlands Straßen ein Wildunfall, pro Stunde verunglücken durchschnittlich 9 Fahrradfahrer. Dieser Situation soll mit dem Projekt SALUS begegnet werden. Ziel des Projekts ist die Entwicklung einer intelligenten Straßeninfrastruktur, die Wildtiere und Fahrradfahrer über Radar-Sensorik erfasst und eine Warnung an andere Verkehrsteilnehmer absetzt. Eine Herausforderung besteht darin, geeignete Radarsensorik in Verbindung mit einem System zur eindeutigen Detektion von Wild bzw. Radfahrern zu entwickeln. Hierfür kommen u.a. neue Methoden des maschinellen Lernens zum Einsatz. Darüber hinaus stellt der Anspruch, das System kostengünstig, klein (in einen Leitpfosten integrierbar) und energieautark herzustellen, eine Schwierigkeit dar. Mit den beiden HAW Ulm und Heilbronn sowie KMU-Partnern und der Forstlichen Versuchs- und Forschungsanstalt BW sind ideale Voraussetzungen geschaffen, diese anspruchsvolle Aufgabe erfolgreich in die Wirtschaft zu überführen. (German)
0 references
Every 2 minutes a wild accident occurs on Germany’s roads, an average of 9 cyclists per hour. This situation is to be addressed by the SALUS project. The aim of the project is to develop an intelligent road infrastructure that captures wildlife and cyclists via radar sensors and sends a warning to other road users. One challenge is to develop appropriate radar sensors in conjunction with a system for unambiguous detection of wild or cyclists. For this purpose, new methods of machine learning are used. In addition, the requirement to produce the system cost-effectively, small (integrable into a guide post) and energy self-sufficient is a difficulty. With the two HAW Ulm and Heilbronn as well as SME partners and the Forstliche Versuchs- und Forschungsanstalt BW, ideal conditions are created for successfully transferring this challenging task into the economy. (English)
24 October 2021
0 references
Ulm
0 references
Identifiers
DE_TEMPORARY_92
0 references