Refine
Document Type
- Article (2)
- Conference Proceeding (2)
- Report (2)
Language
- German (6) (remove)
Keywords
- Datensicherheit (6) (remove)
Institute
Als Grundlage des Forschungsprojektes FE 02.0378/2014/CGB „Analyse von Straßenbestandsobjekten aus Laserpunktwolken durch Mustererkennung/Objekterkennung einschließlich der Georeferenzierung“ wurden Messdaten der Mobile Mapping Fahrzeuge IRIS5 und IRIS12 der Firma LEHMANN+PARTNER GmbH (LP) eingesetzt. Die georeferenzierten Punktwolken entstanden mit Hilfe eines an den Fahrzeugen montierten CPS Laserscanners vom Projektpartner, dem Fraunhofer Institut für Physikalische Messtechnik, IPM, Freiburg. Die Aufgabe des Forschungsprojektes bestand in der Erforschung von Methoden und Algorithmen zur automatisierten Mustererkennung von speziellen Objekten in dreidimensionalen Punktwolken. Die ausschließliche Analyse bzw. Extraktion von Objekten auf Grundlage der reinen Punktwolke erwies sich am Anfang des Projektes als nicht zielführend. Größter limitierender Faktor war die mit der Entfernung zunehmende Dichteverringerung in den Daten der Punktwolken. Dies führte zum Teil zu unterrepräsentativen Abbildungen von kleinen oder schmalen Objekten. Um dieses Defizit auszugleichen, wurden die georeferenzierten Bilddaten der Mobile Mapping Fahrzeuge als Analysehilfe verwendet. Die Bilddaten weisen ein vielfach höheres Auslösungsvermögen im Vergleich zur Punkwolke auf. Zur Analyse der Daten kamen verschieden Neuronale Netze zum Einsatz, die zunächst die Bildinformationen analysierten. Nach der Trainingsphase des Neuronalen Netzes wurden Objekte einer messtechnischen Aufnahme (Scene) detektiert. Durch die georeferenzierten Bilddaten konnten alle automatisch gefundenen Objektinformationen in die Punktwolke übertragen werden. Hierbei wurde eine weitaus größere Diversität der Extraktionsergebnisse als mit der Analyse der reinen Punktwolke erzielt. Die finale Lösung der automatischen Extraktion bestand in der Projektion der einzelnen Objekte vom Neuronalen Netz in die Punktwolke. Dadurch, dass jedes Objekt mehrfach in jeder Bildszene erfasst wurde, besitzt jeder Laserscanner Punkt mehrere automatisch generierte Objektlable. Mit Hilfe von Clusteranalysen und Mehrheitsentscheidungen konnte die Ausgangspunktwolke in einzelne Objekte vollautomatisch zerlegt werden. Für die Verwendung in einem GIS oder für die OKSTRA konforme Speicherung mussten die Daten weiter aufbereitet werden. Hierzu wurden die einzelnen Objektklassen einer Repräsentationsklasse zugeordnet, sodass eine eindeutige Darstellung in einem GIS erfolgen konnte. Zur Kontrolle und Validierung der Extraktionsergebnisse wurde eine unbekannte Teststecke (Rundkurs bei Köln-Rösrath) aufgenommen. Die Digitalisierung jedes Referenzobjektes erfolgte manuell. Der Vergleich der Objekte erfolgte aufgrund Lage, Ausprägung und Objekttyp. Hierbei stellte es sich heraus, dass insgesamt 66% der Objekte komplett oder teilweise extrahiert werden konnten. Nur 4% der automatisch detektierten Flächenobjekte konnte im Referenzdatensatz nicht gefunden werden. Bestes Extraktionsergebnis lieferte der Objekttyp „Markierungslinien“ mit 90% Übereinstimmung mit dem Referenzdatensatz auf dem Testabschnitt der BAB. Zuordnungsdefizite kamen hauptsächlich aus den Label-Zuordnungsfehlern, die sich zum Teil aus der Abbildungsgeometrie schmaler und kleiner Objekte in der Punktwolke ergaben. An dieser Stelle besteht noch erhebliches Potential zur Verbesserung der Extraktionsergebnisse, welche im Rahmen dieser Forschungsarbeit nicht weiter optimiert werden konnte. Das Forschungsvorhaben zeigte, dass aus einer Punktwolke unter Zuhilfenahme von georeferenzierten Bildern der gleichen Szene vollautomatisch Objekte zu extrahieren sind. Im Ergebnis liegen georeferenzierte Objekte, die in einem Geoinformationssystem abgebildet werden können, vor.
Verkehrsdaten jeder Art müssen zur Weiterverarbeitung eine gewisse Qualität erfüllen. Ziel des Projektes ist es die statischen Daten zu betrachten und hier die Grundlagen für eine einheitliche qualitätsgesicherte Zurverfügungstellung dieser Daten zu schaffen. Weitere Ziele sind die Entwicklung und Realisierung eines Qualitätssicherungskonzepts, welches die Bewertung und Kontrolle und damit die Sicherstellung der Qualität von kartenrelevanten Straßendaten ermöglicht, sowie die Implementierung von Prozessen zur Verbesserung der Datenqualität, hier insbesondere durch Rückmeldungen durch die Datenabnehmer. Das Forschungsvorhaben gliedert sich in drei wesentliche Arbeitspunkte: Vorbereitende Arbeiten (Literaturrecherche); Untersuchung der Prozesse bei Straßenbauverwaltungen (Experteninterviews, Datensatzanalyse), Qualitätssicherungskonzept. Basierend auf den ermittelten Erkenntnissen aus der Literaturanalyse zum Stand der Technik und dem über die Interviews ermittelten Alltag der Datenhaltung in den Straßenbauverwaltungen wurde ein Qualitätssicherungskonzept entwickelt. Dafür wurden zusätzlich die Daten der Straßeninformationsbanken charakterisiert, um einen Überblick über die zur Bewertung notwendigen Kriterien, Indikatoren und Kennwerte zu erhalten. Im Rahmen des Datenqualitätsassessments wurden die vorhandenen Daten einer Bewertung auf Prüfbarkeit unterzogen und ein erstes Konzept als Entwurf entwickelt. Im weiteren Verlauf der Arbeiten wurde dieser Entwurf einem Praxistest unterzogen und anschließend modifiziert, so dass ein neues Konzept entwickelt werden konnte, das den Praxistest bestehen konnte. Im Rahmen der Praxistests und der weiteren Bearbeitung des Qualitätssicherungskonzeptes wurden auch die Prozesse deutlich, die notwendig sein werden, um das Konzept umzusetzen. Weiterhin wurden Vorschläge für die Integration der Qualitätsinformationen in das Metadaten-Modell des nationalen Zugangspunktes gemacht und Ideen für einen Rückmeldekanal entwickelt. Dieses Konzept beschreibt technische und organisatorische Rahmenbedingungen zur Einführung einer einheitlichen Qualitätssicherung bei den einzelnen Datenlieferanten.
Mobilität und Verkehr sind notwendige Grundlagen für das Funktionieren moderner Gesellschaften sowie wirtschaftlichen Wachstums und Stabilität. Eine zentrale Voraussetzung ist daher die Gewährleistung der Verfügbarkeit des Verkehrsnetzes. Eine wichtige Aufgabe übernehmen in diesem Zusammenhang Tunnelleitzentralen, die die Überwachung und Steuerung des Verkehrs ermöglichen, um im Ereignisfall Maßnahmen zur Gewährleistung der Sicherheit der Verkehrsteilnehmer einleiten und koordinieren zu können. Da diese Überwachungs- und Steuerungsmöglichkeiten durch IT-Systeme gesteuert werden, wird der Schutz vor Cyber-Angriffen zu einer wachsenden Herausforderung. Das Forschungsprojekt Cyber-Safe verfolgte daher das Ziel, Leitzentralenbetreiber in die Lage zu versetzen, Gefährdungen durch Cyber-Angriffe besser als bisher zu erkennen und systematisch geeignete Schutzmaßnahmen zu ergreifen. Besonderer Fokus lag bei den Untersuchungen auf Tunnelleitzentralen, da Tunnel neuralgische Punkte im Verkehrsnetz sind und Störungen bzw. der Ausfall weitreichende Folgen haben kann. Die im Beitrag vorgestellten Ergebnisse wurden im Rahmen des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojekts „Cyber-Safe“ erzielt.
Im Rahmen des Forschungsprojektes Cyber-Safe fand am 10. März 2016 bei der Bundesanstalt für Straßenwesen (BASt) in Bergisch Gladbach ein Workshop zum Thema "Steigerung der IT-Sicherheit von Verkehrs- und Tunnelleitzentralen" statt. An diesem Workshop beteiligten sich 40 Experten der Verkehrs- und Tunnelüberwachung. Die Tätigkeitsfelder der Teilnehmer reichten von Tunneloperatoren über Tunnelmanager und IT-Fachleute bis hin zu Sicherheitsbeauftragten.
Die Kommunikation zwischen Fahrzeugen und Infrastrukturkomponenten steht vor der Einführung in Europa. Dieser Beitrag stellt zunächst die grundlegende Technologie zum Austausch von Nachrichten und ein Pilotprojekt vor, innerhalb dessen eine sichere Fahrzeug-zu-Infrastruktur Kommunikation konzipiert und praktisch erprobt wird. Darauf aufbauend werden Sicherheitsfragestellungen von Infrastrukturkomponenten beleuchtet und ein Einblick in das Schlüsselmanagement sowohl für Fahrzeuge als auch Infrastrukturkomponenten gegeben.
At IAM RoadSmart we share the excitement about autonomous cars " who wouldn't! However over half of the drivers we polled supported concentrating on making drivers safer " among IAM RoadSmart members it was 70%. Driverless cars are still years away but delivering safer drivers can help reduce death and injury from tomorrow. Governments, academics and car makers need to work hard to convince sceptical British and American drivers that autonomous cars can deliver the benefits promised such as a 90% plus reduction in road deaths.