Ein intelligentes Freiburger Netzwerk auf Basis der LoRa-Technologie für die Verkehrsverwaltung
Dieses Projekt, dessen erste Phase im Rahmen einer Semesterarbeit eines Studenten in Telekommunikation ausgeführt wurde, hat zum Ziel, für die Ballungsräume Bulle und Freiburg, die mit einer erheblichen demografischen Entwicklung konfrontiert sind, auf Basis der LoRa-Technologie neue Dienste für die Verkehrsverwaltung zu entwickeln. Drei Institute der HTA-FR (iSIS, ENERGY und iCoSys) arbeiten hierzu mit einem Konsortium aus acht privaten und öffentlichen Unternehmen zusammen.
Die Innovation konzentriert sich heute auf die Schaffung neuer Dienste, die auf den neuesten Kommunikationstechnologien des Internets der Dinge basieren, bei denen die gewonnenen Daten zur Automatisierung von Verwaltungssystemen und zur Information von Fernbenutzern verwendet werden. Die LoRa-Technologie (Long Range) wurde bereits in einem früheren NRP-Projekt (LPWAN-VPN) in der Stadt Sierre getestet und scheint die ideale Lösung zu sein, um die relevanten Informationen einer Stadt zu sammeln. Sie ermöglicht die Erfassung von Informationen innerhalb eines Umkreises von mehreren Kilometern – bei geringer Leistung, mässigem Energieverbrauch und ohne die Notwendigkeit einer Lizenz.
Im Rahmen dieses Projekts werden in Freiburg und Bulle an strategischen Orten intelligente Kameras installiert, um die Verkehrsintensität – Anzahl Fahrzeuge pro Minute, Art der Fahrzeuge, Geschwindigkeit und Abstand zwischen den Fahrzeugen – zu messen. Diese anonymisierten Daten werden über LoRa an eine zentrale Plattform zur Datenspeicherung und Echtzeit-Anzeige der Verkehrslage übermittelt. Die Daten werden für räumliche und zeitliche Analysen verwendet: Zu welcher Zeit und an welcher Kreuzung bilden sich Staus und wie hoch ist der Stau auf den Alternativrouten zu diesem Zeitpunkt?
Mit dem Ziel, den Strassenverkehr «smarter» zu machen, um die Lebensqualität in den Städten zu verbessern, werden weitere Sensoren zur Messung der Luft- und Lärmbelastung eingesetzt, um das Vorhandensein oder Nichtvorhandensein von Korrelationen zwischen diesen Daten und dem Strassenverkehr festzustellen. So können die Auswirkungen von Verkehrsspitzen auf die Luft- und Lärmbelastung ermittelt werden.