DSGVO-konforme Verkehrsplanung Wie Videodaten die City smart machen

Autor / Redakteur: Michael Bredehorn / Ira Zahorsky

Eines der Werkzeuge in Smart-City-Projekten ist die effiziente Planung und Lenkung des Verkehrs und der ÖPNV-Angebote. Neben Daten aus klassischen Verkehrszählungen nutzen Verkehrs- und Stadtplaner zunehmend Videodaten.

Firmen zum Thema

Videodaten können in der Smart City die Verkehrsplanung und -lenkung unterstützen.
Videodaten können in der Smart City die Verkehrsplanung und -lenkung unterstützen.
(Bild: ほじん - adobe.stock.com)

Städtische Videokameras finden sich an öffentlichen Plätzen, auf Parkplätzen, an Kreuzungen und auch in Bussen und Bahnen. Die Videoüberwachung dient hier in erster Linie Sicherheitsaspekten. Für Smart-City-Projekte können diese Kameras „angezapft“ werden.

Um DSGVO-konform zu bleiben, müssen die erfassten Daten anonymisiert werden. Im Gegensatz zur klassischen Videoüberwachung, dürfen keinerlei Videodaten gespeichert werden. Moderne Videoanalysetechnologie bewerkstelligen dies, indem die Kamera „nur“ als Sensor fungiert. Ähnlich wie das menschliche Auge, erfasst dieser für die jeweilige Aufgabe relevante Bilder und Bewegungen und blendet alles andere aus. Die Intelligenz sitzt in einer Software, die, analog zum menschlichen Gehirn, Bilddaten in Echtzeit auswertet und in anonyme Informationen übersetzt, beispielsweise „drei Autos, ein Bus und ein LKW biegen von Straße A nach Straße B ab“. Videodaten werden sofort nach der Analyse, in der Regel sind das Millisekunden, unwiederbringlich gelöscht.

Vom Bild zur Variablen: So funktioniert es technisch

Es gibt unterschiedliche Architekturmodelle von Videoanalysesystemen. Grundsätzlich können bestehende und neu installierte Kameras genutzt werden. Die Software befindet sich auf einem Mini-PC, der direkt bei der Kamera die Daten dezentral auswertet. Dieser Mini-PC arbeitet autark und ist nach dem „Authenticate first, connect second“-Prinzip nach außen unsichtbar. Er sendet selbst keine Daten und kann nur von Netzwerkverbindungen erreicht werden, die ihm bekannt sind. Diese dezentrale Videodatenerfassung ist sehr sicher und absolut datenschutzkonform.

Eine zweite Möglichkeit besteht darin, dass die Analyse-Software sich nicht am Rand des Netzwerks befindet, sondern in einem zentralen Rechenzentrum. Der Vorteil hier ist, dass viele verschiedene Kameras, an unterschiedlichen Orten in die Datenanalyse einfließen können. Auch bei diesem Modell bleibt die Analyse DSGVO-konform, weil die ursprünglichen Videostreams anonymisiert und dann gelöscht werden. Jedoch muss die Datenverbindung zu den Kameras nach aktuellen Security-Standards abgesichert werden.

Von der Datentabelle zur Smart City

Das Ergebnis ist in beiden Fällen eine Datentabelle mit anonymen Variablen. Einige Beispiele für videogestützte Daten in Smart-City-Projekten sind:

  • Parkleitsystem: Gemessen wird die Zahl der ein- und ausfahrenden Fahrzeuge sowie ihr Typ (PKW, LKW, Bus usw.) auf den Parkplätzen einer Stadt. Daraus abgeleitet wird die Echtzeit-Auslastung und die Auslastung zu bestimmten Tageszeiten sowie absolute und durchschnittliche Verweildauern. Das Parkleitsystem nutzt diese Daten, um Autos rechtzeitig zu freien Parkplätzen zu lotsen und im zweiten Schritt, um Staus zu vermeiden und Menschen Zeit zu sparen.
  • Ampelschaltungen: Die Zahl der von Straße A nach Straße B und umgekehrt abbiegenden Fahrzeuge und Fahrzeugtypen in einer Kreuzung sowie mehrere Abbiegemöglichkeiten werden berücksichtigt. Außerdem die Zahl und die Bewegungsrichtung von Fahrradfahrern und Fußgängern. Daraus abgeleitet wird die Frequentierung der verschiedenen Abbiege- und Überquerungsmöglichkeiten, in Echtzeit und im Schnitt nach Tages- und Wochenzeiten. Diese Daten fließen in die Ampelsteuerung ein.
  • Takt und Länge von Zügen im ÖPNV: Die Zahl der Fahrgäste pro Streckenabschnitt und zu bestimmten Tages- und Wochenzeiten wird gemessen, das Alter der Fahrgäste (Kinder, junge Menschen, alte Menschen) sowie Begleitgegenstände wie Fahrräder oder Rollstühle registriert. Auch Verweildauern (Zahl der Haltestellen), Hot-Spot-Umsteigestellen und Sitz- versus Steh-Präferenz. Daraus leiten Verkehrsplaner besser angepasste Takte und Kapazitäten ab. Im zweiten Schritt fließen diese Daten in die Infrastrukturplanung ein, beispielsweise beim Bau neuer und dem Ausbau bestehender Strecken.

Videoanalysesysteme können unterschiedliche Klassen von Fahrzeugen erkennen.
Videoanalysesysteme können unterschiedliche Klassen von Fahrzeugen erkennen.
(Bild: gemeinfrei/Mario Cuadros/Swarm Analytics / Pexels )

Die Möglichkeiten der messbaren Daten und der daraus gewonnenen Berechnungen sind riesig. Daher braucht es grafische Auswertungsmöglichkeiten, um die Ergebnisse zu verstehen und sinnvolle Entscheidungen treffen zu können. Diese grafischen Tools stellen die Anbieter der Analyselösungen oder spezialisierte Systemintegratoren als webbasiertes Dashboard zur Verfügung. Verkehrs- und Stadtplaner treffen ihre Entscheidung mithilfe von Balkendiagrammen, Flussdiagrammen und Heatmaps. Sie müssen sich nicht, wie bisher, mit riesigen Excel-Tabellen herumplagen, aus denen sie mühsam grafische Reports erstellen.

In anderen Projekten fließen die üblicherweise nach TLS standardisierten Rohdaten über Standard-APIs wie REST oder MQTT direkt in größere IT-Systeme wie Parkleitsysteme ein. So geschieht es im württembergischen Aalen. Dort nutzen die Verkehrsplaner Videodaten, um Autofahrer effizient zu nächstgelegenen, freien Parkflächen zu lotsen. Gleichzeitig verwenden die Aalener Verkehrs- und Stadtplaner diese Daten, um beispielsweise überlastete Parkflächen zu lokalisieren, auffälliges Dauerparkverhalten zu identifizieren oder Investitionen in Fahrradausbauten zu bewerten. Das Stadt-Marketing beruft sich in seinen Nutzenversprechen auf fundierte Daten und bezieht die Parkdaten in Konzeptfindungen ein.

Zukunftsvision Pandemiebekämpfung

Die videogestützte Verkehrsplanung und -lenkung hilft Staus zu vermeiden, den ÖPNV attraktiv gegenüber dem Auto zu machen, Bewohnern und Besuchern Zeit zu sparen und Frust zu ersparen. Eine weitere Möglichkeit, Städte smart zu gestalten, besteht in der Sicherung von Abstandsregeln zur Bekämpfung von Pandemien. Wenn Kameras ohnehin schon an öffentlichen Plätzen, in Gebäuden, Bahnen und Bussen installiert sind, könnte ein automatisches Warnsystem in Echtzeit auf zu große Menschenansammlungen und zu geringe Abstände reagieren und Verantwortliche bei den Sicherheitskräften benachrichtigen.

In anderen Bereichen werden diese Möglichkeiten bereits genutzt, zum Beispiel im Retail. Einkaufszentren erfassen mithilfe videogestützter Analyse ein- und ausgehende Besucher, die Aufenthaltsdauer, Bewegungsströme in Teilbereichen und die Verweildauern vor Geschäften. Diese Datenerfassung dient vorrangig dem Marketing von Ladenflächen an passende Betreiber, kann aber auch für die Wahrung der Abstandsregeln genutzt werden.

Der Autor
Michael Bredehorn gründete Swarm Analytics gemeinsam mit Georg Westner im Jahr 2018. Swarm Analytics entwickelt Software für die Echtzeitanalyse von Videodaten. Das Unternehmen realisierte Projekte in Dänemark, Italien, Deutschland und Österreich. Swarm Analytics hat seinen Sitz in Innsbruck und beschäftigt aktuell 16 Mitarbeiter.

Bildquelle: Swarm Analytics

(ID:47508241)