CCEM – KI-gestützte Fernerkundung zur verbesserten urbanen Verkehrszählung

CCEM ermöglicht die automatische Erkennung und Zählung von Fahrzeugen in städtischen Gebieten anhand hochauflösender Luft- und Satellitenbilder kombiniert mit KI-Algorithmen. Herkömmliche Verkehrszählungen basieren häufig auf punktuellen Messstationen oder Zulassungsdaten und erfassen nicht alle Verkehrsanteile, etwa von Touristen, Pendlern oder Lieferdiensten. Zudem sind sie oft kostenintensiv und örtlich eingeschränkt.

Die Erkennung von Fahrzeugen in dicht und hoch bebauten sowie stark verschatteten Bereichen stellt eine besondere Herausforderung dar. Um diese Komplexität zu bewältigen, wurden 150.000 Fahrzeuge in der Hamburger Innenstadt manuell annotiert, um den KI-Algorithmus zu trainieren. Dies führte zu einer Erkennungsgenauigkeit von bis zu 92 %.

Mit CCEM können Verkehrsströme über unterschiedliche Zeiträume analysiert und Auswirkungen verkehrspolitischer Maßnahmen, wie autofreie Zonen oder veränderte Parkgebühren, objektiv bewertet werden. Die Ergebnisse stehen schnell zur Verfügung, sind kosteneffizient und bieten eine fundierte Grundlage für stadtplanerische Entscheidungen.

Zukünftig soll CCEM um weitere Funktionen ergänzt werden, darunter die Analyse versiegelter Flächen, des Grünvolumens sowie die Erkennung von Gebäuden und weiteren städtischen Objekten, um eine umfassende Betrachtung urbaner Strukturen zu ermöglichen.

Beitrag bei der Rheinisch-Bergischen Wirtschaftsförderungsgesellschaft: https://rbw.de/newspace-start-up-marple-verbindet-erdbeobachtung-und-ki/

CCEM soll als verlässliches Werkzeug dienen, um urbane Mobilitäts- und Strukturveränderungen auf Basis von Fernerkundungsdaten kontinuierlich und präzise zu erfassen. Dies unterstützt Städte dabei, nachhaltige Entwicklungsziele datenbasiert zu verfolgen und zu evaluieren.

CCEM stiftet folgenden Nutzen:

• Objektive und zuverlässige Daten zur Fahrzeugzählung in urbanen Räumen

• Effiziente und kostengünstige Erfassung im Vergleich zu klassischen Verkehrs-Messmethoden

• Langfristige Vergleichbarkeit, um Trends und die Wirkung politischer Maßnahmen nachvollziehen zu können

• Erweiterbarkeit auf weitere Objekttypen durch KI-basierte Trainingsmodelle

• Faktenbasierte Entscheidungsgrundlage für Stadtplanung und öffentliche Kommunikation