Beliebte Suchanfragen
Logo der codecentric AG, einem in Deutschland führenden IT-Consulting Unternehmen
Hamburger Menu
HOMEPROJEKTE
//

Verbesserte Prognose von Geräuschimmissionen mit Machine Learning-Verfahren

Dank Kameratechnik und Machine-Learning-Verfahren kann das Ingenieurbüro Richters & Hüls Prognosen von Geräuschimmissionen auf solider Datenlage erstellen. Die Mitarbeitenden werden bei der aufwändigen Datenerfassung entlastet und können ihre Expertise wertschöpfend nutzen.

Logo von dem Ingenieurbüro Richters & Hüls

Das Ingenieurbüro Richters & Hüls ist seit 1991 im technischen Umweltschutz speziell auf den Gebieten der Abfallwirtschaft und des Immissionsschutzes sowie der Genehmigungsverfahren nach BImSchG tätig. Zu den Fokusthemen zählen die Erstellung von Geruchs-, Ammoniak-, Staub- und Lärmprognosen. Die Prognosen sind Grundlage für die Genehmigungsverfahren von Bauvorhaben für Kunden aus Landwirtschaft, Industrie, Gewerbe sowie öffentlichen Bereichen.

//

Das Projekt auf einen Blick

  • kontinuierliche, automatisierte Datenerhebung statt manueller Erfassung der Besucherfrequenz durch Zählen
  • reduzierte Kosten für die Datenerhebung und höhere Datenqualität
  • datenschutzkonforme Zählung
  • einfacher Zugriff auf Zähldaten für Analysen und Berichte via API

//

Ausgangssituation

Im Rahmen von Neubauprojekten oder Umgestaltungen bestehender Anlagen werden Immissionsschutzgutachten erstellt, um zu gewährleisten, dass keine schädlichen Umwelteinflüsse entstehen. Bei der Neuanlage von z. B. Fußballplätzen werden Emissionsdaten bestimmt und darauf basierend eine Immissionsprognose gemacht. Die Besucherfrequenz, Anzahl der Besucher, Zeitpunkte der Besuche und die Aufenthaltsdauer sind bei der Ermittlung der Emissionen wichtig und wesentlich. Aktuelle manuelle Verfahren sind jedoch aufwändig und weisen statistische Ungenauigkeiten auf.

Das Ingenieurbüro Richters & Hüls hatte den Auftrag erhalten, ein Immissionsschutzgutachten für einen Bolzplatz in einem Wohngebiet zu erstellen. Der Bolzplatz soll wegen eines Neubaus in dieses Gebiet verlegt werden. Das Ingenieurbüro stellte sich die Frage, wie sich die notwendigen Daten für die Emissionsprognosen automatisiert ermitteln lassen.

Immissionsprognosen beruhen auf Annahmen oder statistischen Erhebungen. Das Zählen der Besucher z. B. auf einem Spiel- oder Bolzplatz ist sehr aufwendig und findet meistens nicht über einen längeren Zeitraum statt. Anstatt einer exakten Zählung wird daher die Besucherfrequenz durch das Zählen an ausgewählten Zeitpunkten erfasst.

Dieses statistische Näherungsverfahren soll nun ein automatisiertes System ablösen, um echte Besucherzahlen zu erhalten. Mit einer besseren Datengrundlage können Beteiligte bessere Entscheidungen rund um Bauprojekte treffen.

Setup

Installation vor Ort

Datenschutzkonform dank Edge-Installation

//

Setup

Im Projekt übernahm codecentric die Auswahl und den Aufbau der Hardware (Kamera, Controller). Das codecentric-Projektteam entwickelte zudem die Software für das automatisierte Zählen der Personenfrequenz unter Einsatz von Machine Learning und setzte eine Cloud-Umgebung auf, in der die Gutachter die Zähldaten exklusiv abrufen können. Die passende Hardware lieferte unser Partner Phoenix Contact, ein führender Komponenten- und Systemhersteller.

Im Einsatz vor Ort ist der PLCnext Controller AXC F 3152 von Phoenix Contact. Der Controller verfügt über ein Linux-Betriebssystem, ist IP20 zertifiziert und kompatibel mit einer neuen Erweiterung zur Beschleunigung von Machine-Learning-Anwendungen. Diese Erweiterung verfügt über eine Edge TPU und ist damit ideal für Machine-Learning-Anwendungen direkt auf dem Gerät.

Als optischer Sensor kann jede Netzwerkkamera eingesetzt werden, die über ein gängiges Protokoll kommuniziert. Das Bild der Kamera wird direkt auf dem Controller ausgewertet. Ein Machine-Learning-Modell klassifiziert alle Objekte des Kamerabilds. Alle Objekte mit dem Klassen-Label „Mensch” werden gezählt. Dieser Zählwert plus Zeitstempel wird anschließend per MQTT – einem offenen Netzwerkprotokoll für Machine-to-Machine-Kommunikation – in die Cloud geschoben und steht dort zum Abruf für Auswertungen und Berichte zur Verfügung. Durch die Verwendung eines vortrainierten Machine-Learning-Modells musste keine Zeit in ein Training oder das Sammeln von Trainingsdaten investiert werden.

//

Installation vor Ort

Für die Einrichtung des Systems waren lediglich zwei Termine notwendig: Der erste Vor-Ort-Termin diente dazu, die Machbarkeit abzuschätzen und einen Standort für den eingesetzten optischen Sensor auszuwählen. Bereits beim zweiten Termin wurde der Sensor montiert und in Betrieb genommen.

Einen optimalen Standort für den optischen Sensor zu finden, an dem er langfristig eingesetzt werden kann, war nicht einfach. Der zunächst angedachte Standort – hinter einer Fensterscheibe in einem Gebäude in der Nähe des Bolzplatzes – stellte sich als nicht ideal heraus. Die Fensterscheibe verursachte Spiegelungen und das Öffnen des Fensters erzeugte ungewollte Bewegungen der Kamera. Die Lösung: Der Sensor wurde auf einem Gebäudedach in direkter Nähe zum Platz installiert. Von hier besteht freie Sicht auf den Bolzplatz, die Kamera steht niemandem im Weg und eine feste Installation direkt neben dem Stromanschluss ist möglich.

Content_Text_30_70_story-Richter_und_Huels.jpeg

//

Datenschutzkonform dank Edge-Installation

Die gesamte Lösung ist datenschutzkonform. Alle gesammelten Informationen, insbesondere das Kamerabild, werden nicht gespeichert, um den Datenschutz zu gewährleisten. Kein Bild wird für eine Auswertung in die Cloud oder zu einer anderen rechenstarken Instanz geschickt. Alles findet „On the Edge” auf dem installierten Controller vor Ort statt. Nur die ausgewerteten Zähldaten werden für Analysen und Berichte gespeichert.

Setup

Installation vor Ort

Datenschutzkonform dank Edge-Installation

//

Setup

Im Projekt übernahm codecentric die Auswahl und den Aufbau der Hardware (Kamera, Controller). Das codecentric-Projektteam entwickelte zudem die Software für das automatisierte Zählen der Personenfrequenz unter Einsatz von Machine Learning und setzte eine Cloud-Umgebung auf, in der die Gutachter die Zähldaten exklusiv abrufen können. Die passende Hardware lieferte unser Partner Phoenix Contact, ein führender Komponenten- und Systemhersteller.

Im Einsatz vor Ort ist der PLCnext Controller AXC F 3152 von Phoenix Contact. Der Controller verfügt über ein Linux-Betriebssystem, ist IP20 zertifiziert und kompatibel mit einer neuen Erweiterung zur Beschleunigung von Machine-Learning-Anwendungen. Diese Erweiterung verfügt über eine Edge TPU und ist damit ideal für Machine-Learning-Anwendungen direkt auf dem Gerät.

Als optischer Sensor kann jede Netzwerkkamera eingesetzt werden, die über ein gängiges Protokoll kommuniziert. Das Bild der Kamera wird direkt auf dem Controller ausgewertet. Ein Machine-Learning-Modell klassifiziert alle Objekte des Kamerabilds. Alle Objekte mit dem Klassen-Label „Mensch” werden gezählt. Dieser Zählwert plus Zeitstempel wird anschließend per MQTT – einem offenen Netzwerkprotokoll für Machine-to-Machine-Kommunikation – in die Cloud geschoben und steht dort zum Abruf für Auswertungen und Berichte zur Verfügung. Durch die Verwendung eines vortrainierten Machine-Learning-Modells musste keine Zeit in ein Training oder das Sammeln von Trainingsdaten investiert werden.

//

Installation vor Ort

Für die Einrichtung des Systems waren lediglich zwei Termine notwendig: Der erste Vor-Ort-Termin diente dazu, die Machbarkeit abzuschätzen und einen Standort für den eingesetzten optischen Sensor auszuwählen. Bereits beim zweiten Termin wurde der Sensor montiert und in Betrieb genommen.

Einen optimalen Standort für den optischen Sensor zu finden, an dem er langfristig eingesetzt werden kann, war nicht einfach. Der zunächst angedachte Standort – hinter einer Fensterscheibe in einem Gebäude in der Nähe des Bolzplatzes – stellte sich als nicht ideal heraus. Die Fensterscheibe verursachte Spiegelungen und das Öffnen des Fensters erzeugte ungewollte Bewegungen der Kamera. Die Lösung: Der Sensor wurde auf einem Gebäudedach in direkter Nähe zum Platz installiert. Von hier besteht freie Sicht auf den Bolzplatz, die Kamera steht niemandem im Weg und eine feste Installation direkt neben dem Stromanschluss ist möglich.

Content_Text_30_70_story-Richter_und_Huels.jpeg

//

Datenschutzkonform dank Edge-Installation

Die gesamte Lösung ist datenschutzkonform. Alle gesammelten Informationen, insbesondere das Kamerabild, werden nicht gespeichert, um den Datenschutz zu gewährleisten. Kein Bild wird für eine Auswertung in die Cloud oder zu einer anderen rechenstarken Instanz geschickt. Alles findet „On the Edge” auf dem installierten Controller vor Ort statt. Nur die ausgewerteten Zähldaten werden für Analysen und Berichte gespeichert.

//

Ergebnis

Das Ingenieurbüro profitiert nun von günstigeren Möglichkeiten zur Ermittlung von Emissionsdaten durch ein automatisiertes und kostengünstiges Erheben der Besucherfrequenzen.

Die datengesteuerte Analyse macht präziseres Arbeiten möglich. Entscheidungen bei geplanten Sport- und Freizeitanlagen werden auf Basis einer validen und soliden Datengrundlage getroffen.

Die Expert*innen des Ingenieurbüros Richters & Hüls können ihr Fachwissen rund um Umweltschutz und -technik zukünftig noch gezielter einsetzen. Sie sparen Zeit beim Ermitteln der notwendigen Daten und können sich daher stärker auf ihre Analysen konzentrieren.

Profilbild, Dr. Jannik Hüls, Geschäftsführer des Ingenieurbüros Richter & Hüls

Dr. Jannik Hüls

Geschäftsführer, Ingenieurbüro Richter & Hüls

Für uns ist die Anwendung ein Beispiel, wie Technologie den Menschen unterstützt. Dank der automatisierten Lösung konnten wir das Gutachten schneller, günstiger und auch präziser für unseren Kunden, das Deutsche Rote Kreuz in Coesfeld, erstellen. 

Dr. Jannik Hüls

Geschäftsführer, Ingenieurbüro Richter & Hüls

Noch Fragen zum Projekt?

Willst Du mehr über das Projekt erfahren? Bist du interessiert an einer Machine-Learning-Lösung für dein Unternehmen? Dann lass uns unverbindlich sprechen.

Meike Wocken

Standortleitung Bielefeld

Meike Wocken

Standortleitung Bielefeld

Ein Meeting, in dem über ein Projekt diskutiert wird
//
Weitere Projekte

Informiere dich über weitere erfolgreiche Projekte, die wir mit unseren Kunden abgeschlossen haben. Vielleicht findest du hier Anregungen für einen Use Case in deinem Unternehmen.

//

Gemeinsam bessere Projekte umsetzen.

Wir helfen deinem Unternehmen.

Du stehst vor einer großen IT-Herausforderung? Wir sorgen für eine maßgeschneiderte Unterstützung. Informiere dich jetzt.

Hilf uns, noch besser zu werden.

Wir sind immer auf der Suche nach neuen Talenten. Auch für dich ist die passende Stelle dabei.