Automatisierte Bestimmung der Straßenbeschaffenheit mit Machine Learning (fossgis2024)

Flächendeckende Daten zu Straßenbeschaffenheit in einem einheitlichen Format wären für Routing oder Stadtplanung eine hilfreiche Information. Das mFund Projekt „SurfaceAI“ hat sich zum Ziel gesetzt, auf offenen Daten ein Machine Learning Modell zu trainieren, das den Belag und die Qualität der Straßenoberfläche anhand eines Fotos mit hoher Genauigkeit erkennt. Das Modell bildet die Grundlage, um Straßenbilder mit georeferenzierten Datensätzen auf Straßenebene zu verknüpfen. Flächendeckende Daten zu Straßenbelag und -qualität in einem einheitlichen Format, insbesondere von Rad- und Gehwegen, sind aktuell nicht vorhanden, jedoch wären sie für Routinganwendungen oder Stadtplanungsprojekte eine hilfreiche Information. Das aktuell laufende mFund Projekt „SurfaceAI“ hat sich zum Ziel gesetzt, auf bestehenden offen verfügbaren Daten ein Machine Learning Modell zu trainieren, das den Belag und die Qualität der Straßenoberfläche anhand eines entsprechenden Fotos mit hoher Genauigkeit erkennt. Das Modell bildet die Grundlage, um Straßenbilder, insbesondere bestehende umfassende Bildbestände in der Plattform für Straßenbilder Mapillary mit entsprechenden Informationen anzureichern. Werden diese mit dem OpenStreetMap Straßennetz verschnitten, so lassen sich daraus neue offene Daten zu Straßenbeschaffenheit für verschiedene Städte und Kommunen generieren. Zusätzlich zu den berechneten Daten ist ein weiteres Ziel des Projektes, das Modell zur Auswertung sowie Verknüpfung neuer oder aktualisierter Bilddatensätze frei zur Verfügung zu stellen. Es werden im Rahmen des Vortrags bisherige Erkenntnisse und Fortschritte des Projekts geteilt – dieses läuft von November 2023 bis Dezember 2024. about this event: https://pretalx.com/fossgis2024/talk/MHTEAN/