智能移动性 为VRU提供更大的安全保障

"VRU "是 "易受伤害的道路使用者 "的缩写，即面临特别高风险的道路使用者。例如，VRU是指行人、骑自行车的人和小型电动车（如电动滑板车）的使用者。他们不像汽车或货车那样被保护性的驾驶室所包围。一些出版物也提到了没有溃缩区的道路使用者。

在道路交通中死亡和重伤的人中，大约有一半是脆弱的道路使用者。在城市，这一数字高达70%。根据德国联邦统计局的调查，2021年德国共有4651名行人受重伤；超过343人死亡。人行横道和人行横道是特别危险的点。在这些交通点发生的事故超过10,000起。但是，不仅是行人需要得到更好的保护，骑自行车的人也特别危险。根据联邦统计局的数据，2021年共有近9万名自行车手受伤，474人死亡。

这一积极发展的弊端：拥挤的自行车道，自行车红绿灯处的交通拥堵。汽车司机不堪重负。更多涉及两轮车的事故--特别是在建筑密集区，平均90%的自行车事故都会造成人身伤害。而且，由于新的和更快的车辆类型，如电动自行车和脚踏车，情况正变得越来越糟。目前，三轮车和电动自行车已经占到了自行车死亡事故的三分之一。由于其较高的速度，这些车辆对骑手以及其他道路使用者（如汽车司机）提出了更高的要求。

更快、更灵活的两轮车减少了车辆驾驶员的反应时间。道路使用者的速度越快，风险就越大。因此，过快的速度也是道路交通中VRU事故的主要原因之一。解决办法。离开油门-离开踏板! 各种研究表明，例如，通过引入30公里/小时的速度区（19英里/小时），可以大大减少致命事故的数量。欧洲交通安全委员会（ETSC）认为，在行人和骑自行车的人自然经常使用的所有内城地区，将速度限制在30公里/小时是最有效的措施。西班牙已经在树立一个好榜样。自2021年5月起，除少数例外情况外，所有城市都实行了30公里/小时的速度限制。通过这项措施，西班牙旨在进一步降低2019年测得的每百万居民36起交通事故的数字。

然而，司机错误和人为错误仍然是城市中最常见的事故原因。转弯、倒车、拉入和拉出时的错误排在第一位。没有让路的行为排在第二位，没有保持安全距离的行为排在第三位。然而，严重的事故几乎总是由不适当的速度造成的。此外，超速使十字路口和交界处特别危险。

为了实施更安全的交通理念，有必要为联邦政府、城市和市政当局，也为道路使用者提供可靠的数据。多年来，速度和闯红灯监测系统为监测道路交通、预防事故和保护特别脆弱的道路使用者做出了不可或缺的贡献。

使用人工智能（AI），或者更确切地说，卷积神经网络（CNN），在交通监测领域开辟了新的可能性。在过去，为了可靠地检测单个道路使用者，需要复杂的系统，但今天基于人工智能的系统可以用相对较少的努力来完成这一任务。实际的诀窍在软件中。例如，智能视频分析可以实时区分不同类型的道路使用者，还可以识别特别危险的VRU。所需要的只是一台带有紧凑型计算单元的摄像机和一个经过适当训练的神经网络。

在迪拜，已经实施了一个试点项目，展示了如何利用机器学习和人工智能来提高人行横道的安全性。由迪拜警方和VITRONIC中东公司联合开发的 "行人安全执行系统"，能够对这座大城市的人行横道进行基于规则的监控。

一个基于CNN的系统监测人行横道，并自动区分行人、骑车人和机动车道使用者。如果车辆在人行横道上无视行人的路权或危及行人，就会记录下类似于红灯监测的违规行为。此外，该系统还可以连接到交通灯控制系统，以便将现有的交通灯自动切换为红灯，允许行人过马路。

在智能机器的帮助下，检测特别脆弱的道路使用者在未来将变得更加关键。Hamburg市区离中央火车站不远的CCH会议中心附近的自动驾驶和互联驾驶测试轨道（TAVF）就证明了这一点。摄像机为智能基础设施提供了宝贵的数据，例如关于交通量的数据。

除了摄像技术外，Hamburg还使用了其他传感器。由于有了实时数据，一方面优化了交通灯的流量，另一方面提高了VRU的交通安全。具体来说，所谓的CPM（集体感知信息）被发送到正在使用的自主或半自主车辆。这些电子信息警告司机或（半）自动驾驶车辆可能与VRU发生碰撞，从而延长反应时间并避免碰撞。