In der heutigen Welt findet eine digitale Transformation statt und das Ergebnis ist, dass
Europas Verkehrsinfrastruktur und auch die Automobilindustrie revolutionär
Veränderungen erfahren. Jēkabs Krastiņš betrachtet die Herausforderungen und plant den weiteren Weg.
Europas Verkehrsinfrastruktur und die Automobilindustrie erleben durch den Übergang zu klimaneutralen Mobilitätslösungen und die Digitalisierung, die Herstellung und Nutzung von Fahrzeugen sowie die Schaffung von Verkehrsinfrastruktur umfasst, revolutionäre Veränderungen, die sicherer und bequemer für die Öffentlichkeit sind. Künstliche Intelligenz, Deep Machine Learning und Big Data sind Technologien, die die Plattform für die Entwicklung des europäischen Verkehrssystems schaffen. Diese Veränderungen sind weitreichend und erstrecken sich über viele Bereiche, darunter Steuerpolitik, Produktion und sogar den Lebensstil der Öffentlichkeit.
Derzeit werden die Einnahmen aus der Straßeninfrastruktur aus einer Reihe pauschaler staatsbasierter Steuern erzielt, einschließlich Zulassung, Kfz-Stempelgebühren, Lizenzgebühren und Verbrauchssteuern. Mit dem schrittweisen Übergang zur Elektromobilität werden die Finanzierungsquellen für die Verkehrsinfrastruktur schwinden. Ein gerechterer Ansatz ist eine Zoll- und Steuerbelastung pro tatsächlich gefahrene Strecke in jedem EU-Mitgliedstaat. Um dies umzusetzen, bedarf es eines dichten und flächendeckenden Netzes von Sensoren auf Straßen und Wegen, die die Fahrleistungen der Fahrzeuge im jeweiligen Land erfassen und berechnen oder EFC (Electronic Fee Collection), das nach dem „Pay-per-Use“-Prinzip basiert. Dies erfordert eine automatisierte Lösung, die Daten von straßenseitigen Sensoren für Durchsetzungsszenarien verschiedener EETS-Systeme verwendet.
Am 4. April 2020 hat die lettische Regierung den Informationsbericht „Über die Entwicklung von Lösungen für künstliche Intelligenz“ 2 genehmigt, dessen Relevanz mit dem „Koordinierten Plan für künstliche Intelligenz“ (COM (2018) 795 final) 3 der Europäischen Kommission vom 7. Dezember 2018 übereinstimmt. Bei der Annahme dieser KI-Entwicklungsstrategie erkennt die lettische Regierung an, dass die „Verkehrsüberwachungslösung FITS 4 “ der Direktion für Straßenverkehrssicherheit (RTSD 5 – das staatliche Unternehmen, das für die Straßenverkehrssicherheit sowie für die Führung eines Fahrzeugregisters und den Betrieb von Radarkameras zuständig ist) (Future Intelligence Transport System) die Verkehrssicherheit deutlich verbessert und Menschenleben rettet. Das Dokument besagt ferner, dass FITS eine einheitliche Sensor- und Datenverwaltung und –
Verarbeitung im Verkehrssektor bietet und dabei die neuesten Vorteile von Cloud Computing und AI nutzt. Im Rahmen des FITS-Projekts wird Computern beigebracht, Verkehrsströme und Ereignisse zu „verstehen“, indem sie Daten von vielen Herstellern und verschiedenen Sensoren zusammenführen. Software mit Deep Machine Learning ermöglicht es beispielsweise, ein bestimmtes Fahrzeug auf Fotos von Radarkameras zu identifizieren, zusammen mit seinen Eigenschaften und seinem Kennzeichen.
KI-basierte Lösungen sind in Lettland bereits weit verbreitet. Viele Unternehmen sowie
Staatliche und kommunale Einrichtungen haben bereits virtuelle Assistenten entwickelt und setzen diese aktiv ein. Derzeit wird auch eine einheitliche Plattform für virtuelle Assistenten der öffentlichen Verwaltung entwickelt sowie eine Reihe von Projekten zur Automatisierung von Prozessen der öffentlichen Verwaltung durch die Integration von Lösungen für künstliche Intelligenz.
Interessante Daten über Lettland ergab eine 2019 von PricewaterhouseCoopers Eine Umfrage unter Führungskräften aus der Wirtschaft in den baltischen Staaten ergab, dass 91 % der lettischen Unternehmen die Datenerhebung und -analyse für wichtig halten, 14 % der lettischen Unternehmen bereits aktiv KI-Lösungen einsetzen und weitere 34 % planen, diese in den nächsten drei Jahren einzuführen, während 17 % der lettischen Unternehmen bereits Prozessrobotisierung und -automatisierung einsetzen und weitere 20 % planen, diese in den nächsten drei Jahren einzuführen.
Eine der komplexesten, aber gleichzeitig der besten funktionierenden Lösungen, die Deep Machine Learning nutzt, ist Fits Traffic. Vor mehr als sieben Jahren hat das in Lettland ansässige Unternehmen dots. Eine Software für ein vom RTSD implementiertes
Geschwindigkeitsüberwachung entwickelt. „Das in Lettland in Betrieb befindliche
Fotoradarsystem Gatso 6 – FITS ist eines der besten der Welt, da es eine hervorragende
Fernsteuerung und -überwachung. Alle Blitzgeräte sind in einem einzigen System miteinander verbunden, was einen sofortigen Datenaustausch ermöglicht. “Das wissen die Gerätehersteller zu schätzen„, betont Mārtiņš Krieviņš, Vorstandsmitglied der RTSD. “Es ist die Software, die dem Radarkamerasystem in Lettland seine extrem hohe Genauigkeit und Leistung verleiht“, fügt Krieviņš hinzu.
FITS wurde auf der Grundlage von Deep-Machine-Learning-Softwarealgorithmen entwickelt, die es ermöglichen, genaue Daten über die gemessene Geschwindigkeitsüberschreitung zu erhalten, ein bestimmtes Fahrzeug im Verkehr bei jedem Wetter zu erkennen sowie das Zulassungsland des Fahrzeugs und das Kennzeichen genau zu identifizieren. Der Blitzer und die Software erkennen den jeweiligen Fahrer, der zu schnell fährt, und identifizieren ihn, während die Software die Fernsteuerung von Blitzern orchestriert, was die Wartung dieses Systems vereinfacht und die Wartungskosten senkt.
Eines der Paradoxien des maschinellen Lernens ist, dass auch Software lernen kann, Fehler zu machen. Daher überwacht RTSD in Zusammenarbeit mit dots.kontinuierlich die Funktion des Systems und stellt Updates für Algorithmen des maschinellen Lernens bereit. Krieviņš betont: „Wir sind stolz auf die hohe Präzision des lettischen GESCHWINDIGKEITSÜBERWACHUNG. Dies bedeutet, dass die Öffentlichkeit ein hohes Vertrauen in dieses System hat und die Risiken eines bevorstehenden Gerichtsverfahrens minimal sind“.
Lettland betreibt ein Netz stationärer und mobiler Geschwindigkeitsmessgeräte – erstere werden von der RTSD betrieben, letztere von der Staatspolizei 7. In beiden Fällen wird dieses System von einer FITS-Lösung verwaltet. Nach Prüfung der vom RTSD erhaltenen Daten entscheidet die Staatspolizei über die Ausstellung des Tickets. Ebenso werden RTSD-Daten an Institutionen in anderen Ländern gesendet, damit diese entscheiden können, ob der Besitzer eines in ihrem Land zugelassenen Fahrzeugs bestraft wird oder nicht.
RTSD realisierte die Abschnittskontrolle: Am Anfang und am Ende eines bestimmten
Ein Straßenabschnitt wird von einer Kamera erfasst, eine Software erkennt und
berechnet die durchschnittliche Fahrgeschwindigkeit des Fahrzeugs. Im Rahmen des Pilotprojekts wurden die Daten automatisch an das RTSD gesendet, das das fragliche Fahrzeug identifizierte, und anschließend an die Staatspolizei, um zu entscheiden, ob eine Strafe verhängt werden sollte oder nicht. Es sollte darauf hingewiesen werden, dass in diesem Punkt-zu-Punkt-Pilotprojekt Siemens-Kameras verwendet wurden und FITS sich als effektiv mit den Geräten dieses Herstellers interoperabel erwiesen hat. Die Entscheidung über die Einführung dieses Systems liegt derzeit in den Händen der politischen Entscheidungsträger.
Es kommt sehr selten vor, dass die Verkehrsinfrastruktur einer Stadt, einer Region oder eines ganzen Landes aus Geräten eines Herstellers besteht. Software muss es daher ermöglichen, dass diese Geräte in einer einzigen verständlichen Sprache miteinander kommunizieren, und zwar so schnell und so präzise wie möglich. dots. arbeitet Hand in Hand mit mehreren Geräteherstellern. dots. hat langjährige Kooperationen mit der Microsoft Corporation unter Nutzung ihrer Technologieplattformen und Google im Bereich des maschinellen Lernens. Die dots.-Partner im Bereich Hardware sind Unternehmen wie Swarco, Siemens, Vitronic, Sensys Gatso Group, Mobotixs und Achse. Die Kunden von dots. sind wiederum die Systemintegratoren MovyOn (ehemals Autostrade) und Polcam.
Im Laufe der Zeit entwickeln sich Lösungen aus der Perspektive von Geschäftsprozessen, Geräten und Technologien, im Bereich Computer Vision, eine der Richtungen, in die dots. derzeit fokussiert ist, ist die Echtzeitverarbeitung von Videos oder das Multi-Objekt-Tracking, das aktuell bereits in Pilotprojekten in Griechenland, Polen, der Schweiz, Italien und Kroatien eingesetzt wird.
Mit der zunehmenden Digitalisierung des Verkehrssystems, die von der Einführung eines dynamischen Portfolio-basierten Projektmanagements begleitet wird, geraten Kunden immer mehr in eine Situation, in der Dutzende oder sogar Hunderte verschiedener Hardwarehersteller an der Hardware-Systemausstattung beteiligt sind. „Die dots.-Software ermöglicht die einheitliche Verwaltung dieser Geräte und ihrer Daten innerhalb der gesamten 360-Grad-Datenumgebung, im Gegensatz zu den isolierten Silos jedes Herstellers. Darüber hinaus, um diese nicht nur zu akkumulieren, sondern auch gemeinsam zu verarbeiten und gegenseitig zu erweitern, unter Verwendung von Technologien der künstlichen Intelligenz der neuesten Generation. Googeln Sie nach „künstliche Intelligenz“ und Sie finden Hunderte von verschiedenen „fertigen Lösungen“. Was sie von der Realität unterscheidet, ist ihre Präzision, die dots. seinen Kunden durch den Einsatz eigener Produkte zu überwinden hilft, die nicht nur unsere Software, sondern auch das Know-how der Transportbranche vereinen“, ergänzt Aigars Jaundālders, Leiter für Entwicklung und Wachstum bei dots.
„Software hilft uns, das Beste aus vorhandener Hardware herauszuholen, damit wir sie so effektiv und effizient wie möglich nutzen können. So können wir aus der bestehenden Infrastruktur das optimale Ergebnis im Hinblick auf die Verbesserung der Sicherheit des Straßenverkehrs und seiner Infrastruktur herausholen. Ein kompletter Ersatz oder eine Modernisierung bestehender Infrastruktur ist teuer, Investitionen in die Verbesserung der Software sind aus Kostensicht deutlich effizienter“, erklärt Jaundālders.
Obwohl viele Gerätehersteller die Interoperabilität mit Geräten anderer Hersteller
proklamieren, zeigt die Praxis, dass diese gegenseitige Kommunikation tendenziell
problematisch ist. Im Gegensatz dazu verfügt die dots.-Software über einen einzigartigen Integrator, der es ermöglicht, verschiedene Geräte in einem einzigen System zu kombinieren, um bestimmte Aufgaben auszuführen.
Das Ziel der Digitalisierung von Prozessen ist eine nachhaltigere, effizienter funktionierende und sicherere Gesellschaft. Diese Veränderungen bringen viele Herausforderungen in Bezug auf Privatsphäre, Datenschutz und Nutzungsgewohnheiten mit sich. Große Daten sind einer der „Schlüssel“ dieser Veränderungen – ihr Einsatz macht es möglich, bestehende Systeme viel sinnvoller zu verwalten und die richtigen Entscheidungen zu treffen. Dies kann jedoch nicht gleichzeitig ein Haftungsausschluss für die Verletzung der Privatsphäre sein. Im Verkehrssektor auf der ganzen Welt setzt sich die Erkenntnis durch, dass die Entwicklung der Straßeninfrastruktur nicht mehr nur eine Geschichte von Investitionen in die physische Infrastruktur ist. Heute ist es ein komplexes Ökosystem, zu dessen Teilnehmern Straßenbauer, Hersteller verschiedener Sensoren, Softwareplattformanbieter und staatliche Einrichtungen gehören. Wenn wir die Straßeninfrastruktur als das Blutsystem jeder modernen Wirtschaft betrachten, dann könnten wir sagen, dass Gesundheit und Wohlergehen jeder Wirtschaft von der Fähigkeit der Regierungen abhängen werden, Investitionen in physische und Datenstraßeninfrastruktur intelligent auszubalancieren.
Josef A. Czako
Strategischer Berater
Geschäftsführer der Moving Forward Consulting UG (haftungsbeschränkt), Bonn, Deutschland
+49 151 2919 5810
josef.czako@moving-forward-consulting.com
Edgars Starkis
+37126371079
edgars.starkis@wearedots.com
Gesponserte Inhalte, die in Zusammenarbeit mit wearedots produziert wurden
Referenzen
