D-TRAS - Digital platform for traffic safety-risk prediction in rural areas

Abstract

Das D-TRAS-Projekt, eine Kooperation zwischen österreichischen und deutschen Forschungseinrichtungen sowie Unternehmen, verfolgt das Ziel, Risiken im Verkehr effektiver vorherzusagen. Hierzu untersuchte D-TRAS die Machbarkeit der Kombination von heterogenen Sensordaten von verschiedenen Gruppen von Verkehrsteilnehmenden und Fahrzeugen mit Daten von Mobilitätsdaten-Marktplätzen und offenen Daten zur Vorhersage von Verkehrsrisiken. Ein Fokus lag dabei auf ländlichen Regionen. Im Rahmen des Projektes wurde eine digitale Plattform entwickelt, die die aus verschiedenen Quellen stammenden Daten zusammenführt und analysiert. Hierbei werden mögliche Verkehrsrisiken identifiziert und entsprechende Warnungen zur Verfügung gestellt. Zentraler Bestandteil der Vorhersagelogik war der Einsatz mehrerer KI-basierter Modelle. Die entwickelte Plattform und Verkehrsrisiko-Vorhersagemethodik zeigte in einer initialen Feldstudie in zwei europäischen Regionen vielversprechende Ergebnisse hinsichtlich der Systemeffektivität zur Warnung vor Verkehrsgefahren. Die Ergebnisse des Projektes deuten auf das Potenzial hin, KI-basierte Verkehrsrisikovorhersage zur Steigerung der Verkehrssicherheit einzusetzen. Weiterführende Studien sind erforderlich, um die Übertragbarkeit und Wirksamkeit des Systems in verschiedenen geografischen und verkehrstechnischen Kontexten zu bestätigen und zu erweitern sowie weiterführende Datenquellen und Analyseansätze einzubinden.

Datei-Upload durch TIB

The D-TRAS project, a collaboration between Austrian and German research institutions and companies, aims to more effectively predict risks in traffic. To achieve this, D-TRAS examined the feasibility of combining heterogeneous sensor data from various groups of road users and vehicles with data from mobility data marketplaces and open data sources for traffic risk prediction. A particular focus was placed on rural regions. As part of the project, a digital platform was developed to integrate and analyze data from various sources. This platform identifies potential traffic risks and provides corresponding warnings. A central component of the prediction logic was the use of multiple AIbased models. The developed platform and traffic risk prediction methodology demonstrated promising results in an initial field study conducted in two European regions, regarding the system's effectiveness in warning about traffic hazards. The project results suggest the potential of using AI-based traffic risk prediction to enhance traffic safety. Further studies are necessary to confirm and expand the system's transferability and effectiveness across different geographic and traffic contexts, as well as to incorporate additional data sources and analytical approaches.