Düsterhöft, F.
Heger, T.
Hofmockel, J.
Klee, P.-A.
Klöpfer, C.
Laubis, K.
Schmidt-Sautter, M.
Masino, J.

Straße und Autobahn, Volume 4, Pages 294-302, Kirschbaum-Verlag, Bonn, Germany

Moderne Fahrzeuge werden serienmäßig mit zahlreichen Sensoren ausgestattet, durch welche der Betriebszustand und zu einem gewissen Grad auch das Umfeld der Fahrzeuge erfasst werden können. In dieser Studie wurde die Möglichkeit überprüft, mittels Auswertung serienmäßig verbauter, fahrzeugbasierter Sensordaten auf die Qualität und Beschaffenheit der Straßenverkehrsinfrastruktur und deren Veränderungen schließen zu können. Der innovative Ansatz eines solchen echtzeitbasierten Zustandsmonitorings stellt dabei die flächendeckende Erfassung und Aufbereitung fahrzeugbasierter Sensordaten sowie deren Auswertung und damit Abbildung infrastrukturspezifischer Merkmale und deren Attribute aus dem fließenden Verkehr dar. Ein weiterer Vorteil des Ansatzes ist die nahezu real-time-Einspeisung der Daten in eine Datenbank, welche die aus den Sensorsignalen extrahierten Informationen speichert und statistische Auswertungen, Ereignisdetektion sowie Trendanalysen zulässt. Durch die Auswertung der Daten vieler Einzelfahrzeuge lassen sich wesentliche Verbesserungen der Datenqualität erzielen.

Modern vehicles are equipped with numerous sensors as standard, which enable them to detect the operating condition and, to a certain extent, the surroundings of the vehicles. This study examined the possibility to estimate the quality and condition of road transport infrastructure and its changes by evaluating data of standard vehicle sensors. The innovative approach of such a near real-time based condition monitoring is the acquisition and preparation of vehicle-based sensor data, as well as the evaluation and mapping of infrastructure specific characteristics and their attributes from moving traffic. A further advantage of the approach is a database, which stores the information extracted from the sensor signals in near real-time and allows statistical evaluations, detection of specific events as well as trend analyses. Furthermore, the results can be improved in the back-end by combining the data from many vehicles and drives.