KI gegen Verkehrslärm

Statt optischer Systeme setzt Ameur Khemissi auf Akustik. Mikrofone nehmen Verkehrsgeräusche auf, eine KI analysiert Motor- und Reifengeräusche und ordnet sie Fahrzeugklassen zu – PKW, LKW, Bus oder Motorrad. 

Das hat zwei große Vorteile:

• Datenschutz: Im Gegensatz zu Videoaufnahmen werden keine personenbezogenen Daten erfasst.
• Robustheit: Akustische Signale lassen sich auch bei Dunkelheit oder schlechten Sichtbedingungen zuverlässig auswerten.

Als Datengrundlage nutzte Ameur Khemissi den frei verfügbaren IDMT-Datensatz mit über 17.000 Fahrzeugaufnahmen. Er verglich mehrere Deep-Learning-Architekturen, darunter CNNs und LSTM-Modelle. Am besten schnitt ein 2D-CNN ab. Um das Modell auf einem kleinen Gerät wie dem Raspberry Pi Zero 2 betreiben zu können, nutzte er TinyML-Techniken wie Quantisierung.

Die ersten Tests mit realen Straßengeräuschen zeigten zunächst eine Genauigkeit von 56 %. Durch gezieltes Finetuning und Datenaugmentierung steigerte Ameur Khemissi die Treffergenauigkeit auf 81 %. Besonders zuverlässig war das System bei der Unterscheidung „Verkehr/kein Verkehr“ sowie bei den Klassen PKW, Bus und Motorrad. Schwächen gab es noch bei LKWs – ein Hinweis auf die Notwendigkeit größerer und diverserer Datensätze.

Das System lief stabil auf einem Raspberry Pi Zero 2, mit geringer CPU- und RAM-Auslastung und Stromversorgung über eine einfache Powerbank. Damit ist es kostengünstig, mobil und datenschutzfreundlich – ein spannender Ansatz für Städte, die Verkehrsströme und Lärmquellen besser erfassen möchten.

Die Arbeit zeigt: KI-gestützte Akustik kann einen echten Beitrag zur Verkehrsanalyse und Lärmminderung leisten. Weitere Forschung sollte sich auf die Verbesserung der LKW-Erkennung und die sichere Datenübertragung konzentrieren.

Für Accso war die Arbeit ein doppelter Gewinn: Ameur Khemissi hat nicht nur ein hochaktuelles Zukunftsthema bearbeitet, sondern auch gezeigt, wie praxisnah und innovativ junge Talente komplexe Herausforderungen angehen.

Hier geht es zur Bachelorarbeit:
https://assets-8291.accso.de/downloads/Bachelorarbeit_Ameur_Khemissi_Verkehrslaermuueberwachung-mit-KI.pdf?_gl=1*1w6t11r*_gcl_au*MTgzMjgxODU5NC4xNzQ4ODQ5NzU4

Sie möchten mehr über KI-Lösungen von Accso erfahren?
Kontaktieren Sie uns – wir freuen uns auf den Austausch!