Gerade zu Stoßzeiten kann die Parkplatzsuche zur Herausforderung werden – auch auf dem Campus der HNU. Der im Rahmen des Studierendenprojekts untersuchte Parkplatz umfasst 185 Stellplätze und erreicht regelmäßig hohe Auslastungen. Ziel war es, eine gleichermaßen simple wie zuverlässige Möglichkeit zu schaffen, die aktuelle Parkplatzsituation sichtbar zu machen und zukünftige Belegungen vorherzusagen.
Anstatt auf teure Einzelplatzsensoren oder kamerabasierte Systeme zu setzen, entwickelte das Projektteam einen innovativen Ansatz zur datensparsamen Erfassung der Parkplatzbelegung. Das System kommt ohne personenbezogene Daten aus und ermöglicht es, Belegungsinformationen auf Grundlage anonym erfasster Fahrzeugbewegungen bereitzustellen.
Von der Sensorik bis zur KI-Prognose
Carpacity besteht aus mehreren Komponenten: Ein LoRaWAN-Radarsensor erfasst Ein- und Ausfahrten; die Daten werden über „The Things Network“ an ein selbst entwickeltes Backend übertragen und dort verarbeitet. Aus den Zähldaten wird ein fortlaufender Belegungszustand berechnet, der anschließend über eine eigene Webanwendung dargestellt wird. Das Team verantwortete dabei die gesamte Kette von der Auswahl und Kalibrierung der Sensorik über die Datenanbindung und -aufbereitung bis hin zu Backend, Prognosemodell und Benutzeroberfläche. Die Anwendung wurde nicht als Prototyp belassen, sondern containerisiert und auf dem Stand heutiger Software-Engineering-Praxis im Dauerbetrieb bereitgestellt.
Erfolgreicher Praxistest auf dem Campus
Während eines zwölftägigen Live-Tests sammelte das System mehr als 1.700 Sensormeldungen und arbeitete dabei stabil im Echtbetrieb. Die Tests ermöglichten es dem Team, typische Herausforderungen bei der Arbeit mit realen Sensordaten zu identifizieren und Lösungen zu entwickeln. Dazu gehörten beispielsweise die automatische Korrektur von Sensordrift sowie Mechanismen zur Qualitätssicherung der erfassten Daten. Die Ergebnisse zeigen, dass sich mit einem sparsamen Sensorikkonzept und einer sorgfältig entwickelten Datenverarbeitung ein praxisrelevantes Parkplatzmonitoring realisieren lässt. Entscheidend war dabei das Zusammenspiel von Sensorik und Verarbeitungslogik, etwa im Rahmen der automatischen Korrektur von Sensordrift, der Qualitätssicherung der Daten und des Prognosemodells.
Data Science zum Anfassen
Carpacity ist damit ein cyber-physisches System im eigentlichen Sinne: Vorgänge in der physischen Welt werden erfasst, digital verarbeitet, mit Prognosemodellen angereichert und den Nutzenden unmittelbar wieder zur Verfügung gestellt. Das Projekt zeigt, dass Studierende lebensnahe Systemlösungen über die gesamte Kette – von der Datenerfassung vor Ort bis zur Anwendung auf dem Smartphone – hinweg entwickeln können. Besonders hervorzuheben ist zugleich die enge Zusammenarbeit von Lehre und Verwaltung: Gemeinsam griffen die Beteiligten einen konkreten Bedarf der Hochschule auf, entwickelten dafür eine technische Lösung und erprobten diese im laufenden Hochschulbetrieb.
Auszeichnungen bei der TechLab-Werkschau
Der praktische Nutzen von Carpacity überzeugte auch über das Projekt hinaus: Bei der TechLab-Werkschau wurde das System mit dem 1. Preis in der Kategorie „Praxisnutzen“ sowie jeweils dem 2. Preis in den Kategorien „Innovation“ und „Publikumsliebling“ ausgezeichnet. Diese Ehrungen würdigen sowohl die technische Umsetzung als auch den konkreten Mehrwert für die Hochschule und ihre Nutzerinnen und Nutzer.
Zum System
Kontakt
Professorin Dr. Dany Meyer
Professorin für Software Engineering
Stellvertretende Frauenbeauftragte der Hochschule
Studienfachberaterin Smart Mobility Management
Extraordinäre Professorin an der University of the Western Cape - Kapstadt (Südafrika)
