Ziel des MoVieStA-Projekts war es, ein mobiles, videobasiertes Verkehrsüberwachungssystem zu entwickeln, das schnell eingesetzt und automatisch kalibriert werden kann und den Verkehrsbehörden zuverlässige Daten liefert. Die wichtigste technische Errungenschaft war der Entwurf und die Implementierung einer sich selbst kalibrierenden, selbstüberwachenden Detektionsplattform, die ein Qualitätsbewertungsmodul direkt in die Datenerfassungspipeline integriert. Dieses Modul verwendet ein vom Fraunhofer IVI entwickeltes Prozess- und Qualitätsmodell, das die automatische Identifizierung von Fehlern bei der Videoerkennung und die Quantifizierung ihrer Auswirkungen auf nachgelagerte Verkehrsmetriken ermöglicht. Das Modell klassifiziert Qualitätsindikatoren in bildspezifische, umgebungsspezifische und szenenspezifische Kategorien, die Artefakte durch Komprimierung, Kamerafokus, Beleuchtung, Wetterbedingungen wie Nebel, Regen und Schnee sowie kontextbezogene Szenenmerkmale abdecken. Durch die Messung dieser Indikatoren in Echtzeit kann das System mangelhafte Daten erkennen und Korrekturmaßnahmen ohne menschliches Zutun auslösen.
Zur Implementierung des Qualitätsmodells wurde ein Software-Prototyp entwickelt, der eine automatische Problemerkennung und Folgenabschätzung ermöglicht. Die Software wurde so konzipiert, dass sie mit minimalem Aufwand auf andere intelligente Verkehrssysteme übertragen werden kann. Außerdem wurde ein Datenadapter erstellt, der über HTTP-APIs mit dem NeuroCar Terminal verbunden ist. Diese Integration ermöglicht den Zugriff auf die Ergebnisse der Qualitätsanalyse durch das Neurosoft Backoffice oder andere Infrastrukturkomponenten, wobei die Module für eine unabhängige Entwicklung entkoppelt bleiben. Feldtests bestätigten, dass das System die Datenintegrität bei unterschiedlichen Umgebungsbedingungen aufrechterhalten kann. Die automatisierten Qualitätsprüfungen reduzierten den manuellen Überprüfungsaufwand um schätzungsweise 70 % im Vergleich zu herkömmlichen manuellen Zählmethoden.
Im Rahmen des Projekts wurde auch ein umfassender Satz von Qualitätsindikatoren entwickelt, die als Vorhersagekriterien für die Bildqualität verwendet werden können, um die Entwicklung zukünftiger Erkennungsalgorithmen zu unterstützen. Zu diesen Indikatoren gehören Bildentropie, Energie, Schärfe, Helligkeit, Kontrast und wetterabhängige Metriken. Das daraus resultierende Qualitätsbewertungstool wurde anhand von realem Verkehrsmaterial validiert. Dabei zeigte sich, dass es zuverlässig erkennen kann, wenn die Datenqualität unter die für eine genaue Fahrzeugzählung und -klassifizierung erforderlichen Schwellenwerte fällt.
Die Zusammenarbeit war ein Schlüsselelement von MoVieStA. Das Fraunhofer IVI war federführend bei der technischen Entwicklung und koordinierte Experteninterviews (Aufgabe 2.1), um die funktionalen, qualitativen und datenschutzrechtlichen Anforderungen der Beteiligten zu erfassen. Das Konsortium bestand aus vier kommunalen Partnern, fünf Landesbehörden in Deutschland und Österreich, zwei nationalen Behörden und einer Universität, die alle zur Validierung und Verfeinerung des Systems beitrugen. Das Projekt wurde im Rahmen des Eurostars-Programms mit einem Gesamtbudget von 211.908,88 € für die Projektlaufzeit finanziert. Der größte Teil der Ausgaben entfiel auf Personalkosten, die sich mit 19,5 Personenmonaten auf sieben Arbeitspakete verteilten: Projektmanagement, Anforderungsanalyse, Systemkonzept, Datenvalidierung, Entwicklung von Qualitätsmodellen, Implementierung und Feldtests. Das Projekt wurde innerhalb des vereinbarten Zeitrahmens abgeschlossen, wobei eine geringfügige Kostenüberschreitung durch interne Mittel gedeckt wurde.
In Bezug auf die Auswirkungen bietet das MoVieStA-System den Verkehrsbehörden eine flexible, wartungsarme Lösung für die Erhebung hochauflösender Verkehrsdaten, die ein besseres Verkehrsmanagement und eine bessere Infrastrukturplanung ermöglicht. Das Fraunhofer IVI plant, die entwickelten Methoden durch Lizenzierung zu vermarkten, in Übereinstimmung mit den Anforderungen von Eurostars für den Technologietransfer. Das Qualitätsmodell und das automatisierte Überwachungstool können auch von anderen Entwicklern intelligenter Verkehrssysteme übernommen werden, was die Einführung der videobasierten Verkehrsüberwachung weltweit beschleunigen könnte.