Refine
Document Type
- Article (2)
- Conference Proceeding (1)
Language
- German (3)
Has Fulltext
- no (3)
Keywords
Institute
Infolge des Klimawandels werden Hitzeperioden häufiger und intensiver, was insbesondere in Städten zu einer Überwärmung des Straßenraums führt. Erhöhte Gesundheitsrisiken für vulnerable Gruppen sowie eine Minderung der Aufenthalts- und Lebensqualität sind die Folgen. Für die Stadtplanung ergibt sich die Notwendigkeit, dem Urban-Heat-Island-(UHI-)Effekt durch geeignete Klimaanpassungsmaßnahmen zu begegnen. Bisherigen Ansätzen zur Lokalisierung überwärmungsgefährdeter Bereiche fehlt oft die Detailtiefe, um einen direkten Straßenbezug herzustellen, Ursachen zu analysieren und geeignete Anpassungsmaßnahmen im Straßenraum abzuleiten. In diesem Beitrag wird daher ein Ansatz vorgestellt, der die Daten eines Mobile-Mapping-Systems nutzt, um UHI-Risikobereiche im städtischen Straßennetz präzise zu kartieren und zu bewerten. Das Bewertungskonzept ist so ausgelegt, dass gezielt Maßnahmen zur Verbesserung des Mikroklimas empfohlen werden können.
Als Grundlage für die im Zuge der Verkehrswende anfallenden Planungs- und Entscheidungsprozesse werden aktuelle und digitale Daten des Straßenraums benötigt. Mobile-Mapping-Systeme sind in der Lage, solche raumbezogenen Daten schnell, genau und flächendeckend zu erfassen. Die anfallenden Datenmengen sind dabei jedoch erheblich und der Zeitaufwand für eine manuelle Analyse durch Personen mit entsprechender Expertise immens. Daher ist eine Automatisierung wünschenswert. Der vorliegende Beitrag gibt einen praxisbezogenen Überblick über Anwendungsmöglichkeiten für Künstliche Intelligenz (KI) im Themenbereich Straßenraumerfassung. Aufbauend auf einer thematischen Einführung in Mobile Mapping und KI werden ausgewählte Anwendungen vorgestellt, bei denen KI-Ansätze typische Prozesse der Straßenraumdatenverarbeitung unterstützen und beschleunigen können.
