Ein fein aufgelöstes, leichtgewichtiges Stadtkreuzungs-Datenset mit dichten Konflikttrajektorien

Warum belebte Stadtkreuzungen wichtig sind

Wer schon einmal an einer vollen Stadtkreuzung gewartet hat, kennt das Gefühl von Chaos: Autos, Busse, Fahrräder und Fußgänger versuchen gleichzeitig voranzukommen. Diese Studie stellt eine einfache Frage: Wie können wir wirklich verstehen, was in Momenten von Beinaheunfällen und plötzlichen Bremsmanövern passiert, damit Ingenieure und zukünftige fahrerlose Fahrzeuge Kreuzungen für alle sicherer und flüssiger machen können?

Den Verkehr aus der Vogelperspektive beobachten

Um das zu beantworten, erstellten die Forschenden ein neues Datenset namens FLUID, indem sie drei belebte signalgesteuerte Kreuzungen in einer chinesischen Stadt mit einer kleinen Drohne filmten. Aus mehr als fünf Stunden Video verfolgten sie über 20.000 Verkehrsteilnehmende, von Autos und Lastwagen bis zu Mopeds und Fußgängern. Gerade nach unten gerichtete Aufnahmen aus 100 bis 120 Metern Höhe zeigten jede Bewegung über die gesamte Kreuzung, ohne die Teilnehmenden mit sichtbaren Straßensensoren oder Testfahrzeugen abzulenken. Diese Vogelperspektive erlaubte es, nachzuvollziehen, wer Vorfahrt gab, wer sich durchsetzte und wann verschiedene Ströme gefährlich nahe zusammenkamen.

Tausende Bewegungen verständlich machen

Rohvideos zu sammeln ist nur der erste Schritt; sie in präzise Bahnen für jede Verkehrsteilnehmende zu verwandeln, ist die eigentliche Herausforderung. Das Team entwickelte eine schlanke digitale Pipeline, die jede Person oder jedes Fahrzeug in den Frames erkennt, diese Erkennungen zu fortlaufenden Tracks verknüpft und Bildschirmpositionen in reale Kartenkoordinaten umwandelt. Sie kombinierten mehrere spezialisierte Computer-Vision-Modelle, sodass kleine und schwer zu erkennende Objekte wie Fußgänger, Mopeds und Dreiräder zuverlässig erfasst wurden. Eine Tracking-Methode fügte diese Erkennungen zu glatten Bahnen zusammen, während zusätzliche Verarbeitung Kamerawackler entfernte, kurze Lücken schloss und offensichtliche Fehler wie doppelte Begrenzungsboxen um dasselbe Fahrzeug herausfilterte.

Von Bahnen zu Konflikten und Risiko

Mit sauberen Trajektorien konnten die Forschenden die wichtigsten Ereignisse untersuchen: Konflikte, bei denen sich zwei Fahrzeuge oder ein Fahrzeug und ein schutzbedürftiger Verkehrsteilnehmender räumlich und zeitlich nahe kommen. Mittels Zeitmaßen wie der verbleibenden Zeit bis zu einer wahrscheinlichen Kollision, falls niemand ausweicht, markierten sie Tausende solcher riskanter Interaktionen und gruppierten sie in Auffahr-, Seitwärts-, Winkel- und Frontalkonflikte. In FLUID zeigten die Kreuzungen im Durchschnitt 2,8 Fahrzeugkonflikte pro Minute, und etwa 15 Prozent aller Kraftfahrzeuge waren an mindestens einem Konflikt beteiligt — deutlich mehr als in vielen existierenden Drohnen-Datensets. Die Daten enthalten außerdem detaillierte Informationen zu Signalphasen und Abbiegebewegungen, so dass riskante Ereignisse spezifischen Grün-, Gelb- und Rotphasen zugeordnet und Rotlichtüberfahrten sowie andere Verstöße erkannt werden können.

Genauigkeit prüfen und das vollständige Bild teilen

Da Sicherheitsstudien auf präzisen Positionen und Geschwindigkeiten beruhen, überprüfte das Team sorgfältig die Genauigkeit ihrer Daten. Sie verglichen FLUIDs Ergebnisse mit denen eines verbreiteten kommerziellen Analysewerkzeugs und mit hochpräzisen satellitenbasierten Messungen eines Testfahrzeugs mit Spezialempfänger. Die Positionen des Testfahrzeugs in den FLUID-Daten lagen auf etwa einen Meter nahe der Referenzwerte, und das System verlor selten Objekte oder identifizierte sie falsch. Interessanterweise stellten die Autor*innen fest, dass die Analyse des Videos mit leicht reduzierter Bildrate Rauschen in der Geschwindigkeitsschätzung glättete, ohne wichtiges Verhalten zu verlieren. Anders als viele frühere Projekte veröffentlichen sie nicht nur verarbeitete Tracks, sondern auch die anonymisierten Videos, Karten, Signalzeitpläne und eine klare Dokumentation jedes Verarbeitungsschritts.

Was das für den Alltag im Verkehr bedeutet

Für Nicht-Fachleute lässt sich FLUID als extrem detailliertes Zeitrafferbild des Lebens an belebten Kreuzungen verstehen, in dem jede Autospur und jeder Fußgängerpfad nachgezeichnet und jeder Beinaheunfall festgehalten ist. Indem es dichte, realistische Konflikte erfasst und sie mit Signalen, Abbiegevorgängen und Verstößen verknüpft, bietet das Datenset Verkehrsingenieuren, Stadtplanern und Entwicklern autonomer Fahrzeuge einen leistungsfähigen Testspielraum für Ideen. Es unterstützt Studien darüber, wer üblicherweise Vorfahrt gewährt, wie verschiedene Signalpläne die Sicherheit beeinflussen, wie Fahrräder und Fußgänger Risiken navigieren und wie computergesteuerte Fahrzeuge sich im Mischverkehr verhalten sollten. Kurz gesagt liefert die Arbeit eine klare, offene und reich annotierte Sicht darauf, wie reale Kreuzungen funktionieren, und hilft künftigen Systemen, Gefahr und Verzögerung dort zu reduzieren, wo viele Unfälle ihren Anfang nehmen.

Zitation: Chen, Y., Wu, Z., Zheng, G. et al. A Fine-Grained Lightweight Urban Signalized-Intersection Dataset of Dense Conflict Trajectories. Sci Data 13, 766 (2026). https://doi.org/10.1038/s41597-026-07110-9

Schlüsselwörter: Verkehrstrajektorien, städtische Kreuzungen, Drohnen-Datensatz, Verkehrssicherheit, autonomes Fahren