Skip to content
Open Data Finder
GovData Germany

INFRASense: Mittels KI (Objekterkennung) detektierte Radweg- und Straßenschäden an Asphaltstrecken aus Oldenburg, Osnabrück, Köln und weiteren Städten

Published by Mobilithek

About this dataset

Der Datensatz umfasst detektierte Radweg- und Straßenschäden an asphaltierten Strecken, die im Rahmen des Forschungsprojektes INFRASense (FKZ: 19F2186E) erhoben wurden. Im Projekt wurde eine shapebasierte Bewertung für Radverkehrsanlagen entwickelt. Dabei wird das Streckennetz in Einzelabschnitte unterteilt, um diese datenbasiert anhand verschiedener Kriterien (z.B. Oberflächenbeschaffenheit, Geschwindigkeit, Verkehrssicherheit) bewerten zu können. Ziel ist es, Qualitätsstufen für die Radverkehrsplanung bereitzustellen, um eine Priorisierung bei der Maßnahmenplanung zu ermöglichen. Das Projekt INFRASense wurde von November 2021 bis Ende Oktober 2024 vom Programm mFUND des Bundesministeriums für Digitales und Verkehr (BMDV) gefördert. Die veröffentlichten Daten beziehen sich auf das gesamte Bundesgebiet mit Schwerpunkt auf die beiden Pilotstädte Oldenburg und Osnabrück (Niedersachsen). Die Daten wurden zwischen Frühjahr 2023 und Herbst 2024 erhoben. Die Daten wurden zusätzlich auf dem Radweg Radar, der im Rahmen des Projektes durch die Abteilung für Wirtschaftsinformatik VLBA entwickelt wurde, veröffentlicht. Das Meldeportal für Radwegschäden stellt die detektierten Schäden dar und bietet mit einer Upload-Funktion weiterhin die Möglichkeit, weitere Schadensbilder hinzuzufügen (https://dashboard.radweg-radar.de/meldung). Weitere Informationen zu dem Dashboard sind zu finden in der Publikation von Birke, M.; Dyck, F.; Kamashidze, M.; Kuhlmann, M.; Schott, M.; Schulte, R.; Tesch, A.; Schering, J.; Säfken, P.; Marx Gómez, J.; Krienke, K.; Gwiasda, P. (2024): The Bike Path Radar: A Dashboard to provide new Information about Bicycle Infrastructure Quality. In: Wohlgemuth, V.; Kranzlmüller, D.; Höb, M. (ed.): Advances and New Trends in Environmental Informatics 2023: Sustainable Digital Society. Cham: Springer Nature Switzerland, pp. 95-113. Das KI Modell berücksichtigt als Klassen Schlaglöcher und Risse. In dem Datensatz enthalten sind nur die Bildausschnitte der Schäden, nicht jedoch die Ursprungsbilder. Zusätzlich sind in einer GeoJSON-Datei die Standortdaten der erkannten Schäden hinterlegt. Über die dort hinterlegten Annotation-IDs können die Bilder entsprechend zugeordnet werden, da diese der ID entsprechend bezeichnet sind. Der bereitgestellte Datensatz besteht aus ca. 16.000 Bildausschnitten, was einem Datenvolumen von ca. 1,5 GB entspricht.

INFRASense: Mittels KI (Objekterkennung) detektierte Radweg- und Straßenschäden an Asph… · Open Data Finder