Um die zahlreichen Herausforderungen im Mobilitätsbereich unter den Aspekten der Nachhaltigkeit für die Zukunft zu bewältigen liegen regionale und lokale Strategiepläne vor. Diese fokussieren auch den Radverkehr und befürworten die Förderung des Radverkehrs – für die jedoch die Verfügbarkeit adäquater Fahrradinfrastruktur Voraussetzung ist. Der Zusammenhang zwischen der Ausstattung und der Gestaltung des Straßenraums und dem Mobilitätsverhalten ist evident. Für die richtigen Entscheidungen bei Investitionen in die Verkehrsinfrastruktur oder bei Verkehrsdienstbestellungen im öffentlichen Verkehr ist die genaue Kenntnis von Wegehäufigkeit, Weglänge und Verkehrsmittelwahl der Bevölkerung Voraussetzung.

Wir stellen in unserem Beitrag, Methoden und Projekte vor, welche die Generierung von räumlich verorteten Informationen zur Mobilität fördert. Schwerpunkt der Präsentation liegt auf Radinfrastruktur in Stadt und Land Salzburg - wie man sie testen und weiterentwickeln kann. Die zum größten Teil von unseren Forschungspartnern (Z_Gis, iSPACE, Salzburg Research) entwickelten Verfahren, verbessern die Benutzerqualität von Fahrwegen wodurch eine gesteigerte Fahrradinfrastruktur-Nutzung bewirkt werden kann und die Interaktion zwischen Stadtbewohnern und der sie umgebenden Technologie gefördert wird.

Im Kontext automatisierter Datenauswertung sind künstliche neuronale Faltungsnetzwerke und der Einsatz von Deep Learning Ansätzen mittlerweile Stand der Technik. Im Bereich der Zustandserfassung und -bewertung von Straßen wurde die Leistungsfähigkeit tiefer neuronaler Netze zur Analyse von Kamerabilddaten bereits demonstriert. Im vorliegenden Beitrag soll diese Methodik nun erstmals auf hochgenaue Mobile LiDAR Daten des Fraunhofer Pavement Profile Scanners in Form von 2.5D-Oberflächenmodellen übertragen werden, um eine automatische Schadensdetektion und -klassifikation auf Basis von radiometrischen und geometrischen Merkmalen zu realisieren. Damit ist eine automatisierte Erfassung von Fahrbahnschäden in Form von präzise verorteten Geoobjekten möglich.

w3geo und BergWerkGIS haben im Auftrag von ITS Vienna Region eine Web-Applikation zur Straßenzustandserfassung in Niederösterreich entwickelt.

Die Verortung von Straßenzuständen erfolgt auf Basis der GIP, des amtlichen Verkehrsgraphen. Dieser wurde in Form von Vektorkacheln auch ohne Internetverbindung offline verfügbar gemacht. Sämtliche Daten können ebenfalls offline erfasst werden. Bei Erkennen einer Internetverbindung werden sie auf den Server gespeichert.

Die zur Erhebung vor Ort notwendigen Karteninteraktionen und Formulare sind benutzerfreundlich gestaltet und auf Touchscreens optimiert. Ein aufgeräumtes und intuitives User Interface ermöglicht den Anwendern eine effiziente Erfassung aller für den Straßenzustand relevanten Daten.

Aufgrund des Offline-Erfordernisses wurde die Datenmenge, die vor Ort benötigt wird, möglichst klein gehalten. So sind z.B. zur Visualisierung der Nutzungsstreifen und ihrer Zustände keine zusätzlichen Geometrien notwenig - diese werden wenn benötigt aus den GIP-Vektorkacheln errechnet und anhand im Mapbox Style Format hinterlegter Darstellungsvorschriften dargestellt.

Die Applikation setzt sowohl server- als auch clientseitig auf Open Source Komponenten. Die Vektorkacheln werden dynamisch durch MapServer erzeugt. Das Karteninterface wurde mit OpenLayers umgesetzt.

Im Rahmen des mFUND-Projekts Cartox² wurde die Bereitstellung von Geodaten für das automatisierte Fahren untersucht. Am Beginn stand eine Analyse der Datenstrukturen der Geo-Standards, insbesondere auch INSPIRE, für ihre Nutzungsmöglichkeiten beim automatisierten Fahren. Es musste festgestellt werden, dass einerseits viel zu komplizierte Strukturen kreiert wurden, die eine effiziente Nutzung und Weiterverarbeitung der Daten ausschließen, und dass andererseits keine spurscharfen Informationen vorgesehen sind und auch nicht sinnvoll in die Modelle ergänzt werden können, die aber für das automatisierte Fahren unerlässlich sind.

Aus diesem Grunde haben wir ein eigenes Datenmodell sowohl für die Verwaltung ungerichteter Straßeninformationen als auch spurscharfer gerichteter Daten ausgearbeitet. In zwei Masterarbeiten (Stephan Klemm und Dawid Ludyga) wurden diese Strukturen spezifiziert und praktisch anhand von OpenStreetMap- und OKSTRA- (Objektkatalog Straßenwesen) Daten umgesetzt. Das Modell ist so aufgesetzt, dass beliebige Fachattribute zu den Straßenobjekten jederzeit verwaltet und auch ergänzt werden können. Eine Datenbanklösung entsprechend dem ausgearbeiteten Modell ist verfügbar und prototypisch getestet.

Ein lustiger Nebeneffekt: Natürlich können wir alle Daten als INSPIRE-TN-Dienste bereitstellen, so auch OpenStreetMap im INSPIRE-Format...