KIVA-NET

KIVA-NET – KI-basierte Verkehrsanalyse mit vernetzten Akustiksensoren

Herausforderung

Städte und Verkehrsplaner benötigen zuverlässige, fein aufgelöste Verkehrsdaten (Mengen, Fahrzeugklassen, Belastung), um den Verkehr effizient zu steuern und gleichzeitig die Schadstoffbelastung für Mensch und Umwelt zu reduzieren. Klassische Messsysteme wie Induktionsschleifen oder Kameras sind oft teuer, aufwendig zu installieren oder datenschutzrechtlich sensibel. Es fehlen skalierbare, einfach nachrüstbare Lösungen.

Ziele

KIVANET entwickelt ein System zur KI‑basierten Verkehrsanalyse mit vernetzten Akustiksensoren. Ziel ist es, Verkehr im urbanen Raum akustisch zu erfassen, Fahrzeuge zu zählen und zu klassifizieren und daraus standardkonforme Verkehrskennwerte (u. a. nach TLS) abzuleiten – datenschutzgerecht, ohne Speicherung von Rohdaten und mit möglichst geringem baulichen Aufwand. Gleichzeitig ist die Berücksichtung von Lärmaspekten ein wichtiger Vorteil akustischer Sensorik.

Umsetzung

Im Straßenraum installierte Sensorknoten kombinieren robuste MEMS‑Mikrofone mit einer Edge‑Computing‑Plattform. Sie erfassen Verkehrsgeräusche, extrahieren Merkmale und führen erste KI‑Auswertungen direkt vor Ort durch. An einen zentralen KI‑Server werden ausschließlich vorverarbeitete Merkmals‑ und Zähldaten übertragen, wo komplexere Modelle, Aggregationen und TLS‑Auswertungen erfolgen. Ein automatisiertes Mess‑ und Aufnahmesystem erzeugt repräsentative Trainings- und Validierungsdaten für die KI‑Modelle, die im realen Testfeldbetrieb erprobt und mit klassischen Zählsystemen verglichen werden.

Allgemeine Information

Projektlaufzeit: 02/2025 – 04/2027

Projektpartner: Artificial Intelligence Lab (AIL) der Otto-von-Guericke Unerversität Magdeburg

Förderung: Zentrales Innovationsprogramm Mittelstand (ZIM)

Rolle von Thorsis
Thorsis verantwortet insbesondere die Entwicklung der Sensorknoten‑Hardware, der Firmware für die akustische Erfassung und Vorverarbeitung, den Aufbau des automatisierten Aufnahmesystems sowie die Integration der Edge‑Komponenten in die serverseitige Infrastruktur.