Thought Leadership
Große Datenmengen gibt es heut mannigfaltig. Doch wie geht man mit den Datenschätzen um? Moderne Informations- und Kommunikationstechnologien sind der Schlüssel.
Beispiel Smart City. Im Fokus stehen hier die effiziente Planung und Lenkung des Verkehrs, des Parkplatzangebots und der ÖPNV-Angebote. Verkehrsplaner nutzen hierfür unter anderem Verkehrszählungen, Induktionsschleifen und mehr und mehr auch Videodaten.
Videokameras finden sich schon heute an öffentlichen Plätzen, auf Parkplätzen, an stark frequentierten Kreuzungen und in Bussen und Bahnen. Warum also nicht diese Videoüberwachungsdaten anzapfen?
Die Kamera ist „nur“ ein Sensor
Einfach „anzapfen“ funktioniert nicht. Für Videoüberwachungsdaten gelten strenge Datenschutzbestimmungen, deren Anwendung für die Verkehrsplanung viel zu aufwendig und auch nicht sinnvoll wäre. Denn Verkehrs- und Stadtplaner sind gar nicht an den Videodaten per se interessiert. Sie wollen wissen, wie viele Autos, Busse und Radfahrer eine bestimmte Abbiegemöglichkeit in einer Kreuzung nutzen, aber nicht, wer in den Autos und Bussen und auf den Fahrrädern saß. Es geht um Analyse, nicht um Überwachung.
Die Nutzung von Videodaten für Smart-City-Projekte setzt voraus, dass die Kamera „nur“ noch als Sensor fungiert. Ähnlich wie das menschliche Auge, erfasst die Kamera nur Bilder und Bewegungen, die für die momentane Aufgabe relevant sind. Sie blendet alles andere aus und merkt sich nichts. Die Intelligenz sitzt in einer KI-gestützten Software, die, analog zum menschlichen Gehirn, Bilddaten ad hoc auswertet und sich dabei auf bereits Erlerntes beruft. Die Software übersetzt Bilddaten in anonyme Informationen. Die ursprünglichen Videodaten löscht die Software sofort nach der Analyse, in der Regel innerhalb von Millisekunden.
Der essenzielle Unterschied zur Videoüberwachung liegt in nicht-personenbezogenen oder anonymen Daten. Videoanalysesysteme speichern keine Videostreams und die entstehenden Daten bleiben anonym.
Datenströme gegen unerwünschte Blicke absichern
Es gibt in der Videoanalyse unterschiedliche Architekturmodelle. Es können bestehende und dedizierte Kameras genutzt werden. Beim Edge-Computing-Modell befindet sich die Analyse-Software auf einem Mini-PC. Dieser Rechner ist direkt bei der Kamera installiert und wertet die Daten vor Ort aus. Der Mini-PC arbeitet autark und ist nach dem „Authenticate first, connect second“-Prinzip nach außen unsichtbar. Er sendet selbst keine Daten und kann nur von Netzwerkverbindungen erreicht werden, die ihm bekannt sind. Das Edge-Computing-Modell ist sehr sicher und datenschutzkonform.
Im zentralen Modell gibt es keinen Mini-PC. Die Analyse-Software arbeitet auf einem Server in einem zentralen Rechenzentrum und nutzt unter Umständen Videostreams aus vielen verschiedenen Kameras an unterschiedlichen Orten. Auch bei diesem Modell bleibt die Datenanalyse DSGVO-konform. IT-Verantwortliche müssen allerdings die Datenverbindung zu den Kameras nach aktuellen Security-Standards absichern.
Beispiel für eine dezentrale Installation an einer Kreuzung im dänischen Odense: Kamera und Mini-PC wurden an vorhandener Infrastruktur installiert. Der Mini-PC wertet die Daten direkt vor Ort aus.
Daten erfasst und dann? Datentabellen sinnvoll nutzen
Unabhängig von der eingesetzten Technik und ihrem Zusammenspiel entstehen bei der Videoanalyse sehr komplexe Datentabellen mit allerlei Variablen. Die Möglichkeiten an messbaren Daten sind mit modernen Videoanalysetechnologien riesig. Allerdings können selbst Verkehrs- und Stadtplaner aus mehrseitigen Excel-Sheets keine Schlüsse ziehen. Big Data allein gibt keine Antworten.
Um die Ergebnisse zu verstehen und sinnvolle Entscheidungen ableiten zu können, brauchen Verantwortliche grafische Auswertungsmöglichkeiten. Das Abbiegeverhalten in einer Kreuzung wird erst mit einem Flussdiagramm ersichtlich. Die Auslastung einer Buslinie an den unterschiedlichen Haltestellen verdeutlicht eine Origin-Destination-Matrix.
Anbieter von Analyselösungen oder spezialisierte Systemintegratoren stellen Auswertungen mit hohem Grafikanteil als webbasiertes Dashboard zur Verfügung. Verkehrs- und Stadtplaner müssen sich nicht, wie bisher, mit riesigen Excel-Tabellen herumplagen, aus denen sie mühsam grafische Reports erstellen, wofür es eigentlich eine statistische Ausbildung braucht.
Folgendermaßen können Auswertungen in Smart-City-Projekten aussehen:
Nutzungsverhalten einer Kreuzung: Die Kamera erfasst die Zahl der nach Straße A, B, C und D abbiegenden Fahrzeuge und umgekehrt in einer Kreuztabelle. Die Fahrzeugtypen und die Personen verdeutlicht das Dashboard in einem Tortendiagramm. Ein Flussdiagramm erfasst, wie stark die unterschiedlichen Abbiegemöglichkeiten genutzt werden. Die Auslastung der Kreuzung durch Fahrzeuge und Menschen zu unterschiedlichen Zeitpunkten lässt sich in einer Liniengrafik darstellen. Alle Daten liegen in Echtzeit vor.
Verkehrsplaner sehen in diesen Daten die Frequentierung der verschiedenen Abbiege- und Überquerungsmöglichkeiten, welche Fahrzeugtypen die Kreuzung vorwiegend nutzen und zu welchen Zeiten, wie hoch der Anteil des Fußgänger- und Fahrradverkehrs in der Kreuzung ist und vieles weitere mehr. Sie ziehen daraus beispielsweise Schlüsse über Ampelschaltungen. Die Planer leiten aus einem hohen Anteil von Fußgängern und Radfahrern beispielsweise ab, dass Überquerungsmöglichkeiten für Fußgänger und Radspuren ausgebaut werden müssen.
Analyse des Abbiegeverhaltens: Welche Abbiegemöglichkeiten werden von welchen Fahrzeugen zu welchen Tageszeiten genutzt?
Grafische Auswertungen, darunter das Flussdiagramm, zeigen, welche Abbiegevarianten am stärksten frequentiert sind
Auslastung eines Parkplatzes: Die Kamera erfasst die Zahl der ein- und ausfahrenden Fahrzeuge sowie ihren Typ (PKW, LKW, Busse usw.). In einem Liniendiagramm ist ersichtlich, wie die Auslastung des Parkplatzes zu unterschiedlichen Tageszeiten ist und wie hoch der Anteil der Fahrzeugtypen daran war. Eine Tortengrafik zeigt den absoluten Anteil jedes Fahrzeugtyps und ein Ringdiagramm die Auslastung zum momentanen Zeitpunkt.
Weitere mögliche Auswertungen sind absolute und durchschnittliche Verweildauern und auch, ob und wann Fahrzeuge nicht innerhalb der gekennzeichneten Flächen abgestellt werden. Das kann ein Indiz auf Überlastung sein.
Stadtplaner nutzen diese Daten, um die Frequentierung unterschiedlicher Parkflächen zu sehen und miteinander zu vergleichen. Aus den Zahlen lässt sich beispielsweise ableiten, ob an der Beschilderung etwas verändert werden muss oder ob das Parkplatzangebot zum Bedarf passt.
In vielen Projekten fließen die erfassten Daten in Standard-Formaten wie TLS über standardisierte APIs wie REST oder MQTT direkt in größere IT-Systeme wie Parkleitsysteme ein. So der Fall im württembergischen Aalen und im österreichischen St. Johann. Dort nutzen die Verkehrsplaner die erfassten Videodaten, um Autofahrer effizient zu nächstgelegenen, freien Parkflächen zu lotsen und Staus zu vermeiden.
Nutzungsverhalten auf einem Parkplatz: Welche Parkplätze sind wie lange belegt und von welchen Fahrzeugklassen? Gibt es nicht-regelkonformes Parkverhalten?
Erst die grafischen Auswertungen beantworten Fragen nach der Auslastung des Parkplatzes.
Vorteile videogestützter Analyse
Kameragestützte Systeme zur Verkehrsanalyse entlasten Kommunen. Wiederkehrende manuelle Verkehrszählungen mit Stift und Papier, die zum Zeitpunkt ihrer Erfassung schon veraltet sind, entfallen. Anfällige und teure Induktionsschleifen, die nur wenige starre Variablen erfassen können, wandern aufs Altenteil.
Kameragestützte Analysesysteme, aus Kamera, Mini-PC und Software sind bereits ab 2.500 Euro zu haben und schaffen Mehrwerte. Sie senken die Fehlerquote: Ein KI-gestütztes System zählt genauer als der Mensch und Induktionsschleifen. Es kann zu jeder Tages- und Nachtzeit zählen. Beliebig lange. Viele Variablen gleichzeitig. Und die Daten liegen ad-hoc, digital, in Echtzeit, ohne Medienbruch und grafisch ausgewertet vor.
Smarte Städte, smarte Planer
Die videogestützte Verkehrsplanung und -lenkung hilft Kommunen auf der ganzen Welt schon heute dabei, Staus zu vermeiden, den ÖPNV attraktiv gegenüber dem Auto zu machen, Bewohnern und Besuchern Zeit zu sparen und Frust zu ersparen. Die City wird smarter. Und Data Analysts in der Stadt- und Verkehrsplanung auch – weil sie reliable und valide Daten erhalten.
