Automatic Surface analysation of bike paths with artificial intelligence
Automatische Oberflächenanalyse von Radwegen mit Künstlicher Intelligenz
Jochen Baier, Oliver Taminé
In this paper, a multi-stage approach is presented that uses machine learning methods to determine the surface condition of bicycle lanes. This approach uses a low-threshold acquisition method through smartphone-generated video data for image recognition to automatically detect and classify the surface condition and its state. The results are displayed on digital maps to increase their level of detail. The aim is to improve the safety and comfort of cyclists and to enable better maintenance of the paths.
In diesem Beitrag wird ein mehrstufiges Verfahren vorgestellt, das Methoden des maschinellen Lernens zur Bestimmung des Oberflächenzustands von Fahrradwegen einsetzt. Dieser Ansatz nutzt eine niedrigschwellige Erfassungsmethode durch Smartphone-generierte Videodaten zur Bilderkennung, um den Oberflächenzustand und dessen Zustand automatisch zu erkennen und zu klassifizieren. Die Ergebnisse werden auf digitalen Karten dargestellt, um deren Detailgrad zu erhöhen. Ziel ist es, die Sicherheit und den Komfort der Radfahrer zu verbessern und eine bessere Instandhaltung der Wege zu ermöglichen.
Keywords: Surface condition, bicycle paths, machine learning, Smartphone-generated video data, image recognition, automatic detection, condition analysis, digital maps, bicycle safety
Schlüsselwörter: Oberflächenbeschaffenheit, Fahrradwege, maschinelles Lernen, Smartphone-generierte Videodaten, Bilderkennung, automatische Erkennung, Zustandsanalyse, digitale Karten, Fahrradsicherheit
DOI: 10.14627/gis.Science.2025.1.4
Der Volltext der aktuellen Artikel (< 3 Monate) aus dem Artikelarchiv steht für
gis-Abonnenten
nach dem Login
zur Verfügung.
