Darum geht’s
1,50 Meter Abstand. Auf trockenem Asphalt fühlt sich das vielleicht okay an. Aber bei Nässe, schlechter Sicht, unebener Fahrbahn und rutschigen Markierungen? Da wird der gleiche Abstand zur Lebensgefahr. Das Problem: Aktuelle Sensoren sind «blind» für die Umgebung. Sie messen nur Zentimeter, aber nicht das Risiko.
Wir ändern das. Im Rahmen meiner Doktorarbeit an der Universität Fribourg entwickle ich FuzzyCycleSense – das erste Open-Source-Projekt, das Fahrradsicherheit kontext-sensitiv misst. Wir bauen eine intelligente Sensor-Box (basierend auf Raspberry Pi & LiDAR), die nicht nur den Abstand misst, sondern die Situation versteht:
Sensoren analysieren Nässe, Fahrbahnzustand, Temperatur usw., um beispielsweise die Rutschgefahr der Strasse zu berechnen.
Und der Mensch? Über einen Trigger am Lenker markierst du in Echtzeit, wann du dich unsicher fühlst – unsere «Ground Truth».
Unser Ziel: Wir wollen wissenschaftlich beweisen, dass starre «Verkehrsregeln» oder Empfehlungen oft an der physikalischen Realität scheitern. Wir verwandeln dein Velo in ein mobiles Forschungslabor, das «unsichtbare» Gefahrenstellen in deiner Stadt aufdeckt. Unterstütze mich dabei, die Hardware für unsere Pilot-Flotte zu finanzieren. Für evidenzbasierte Fahrradforschung an der Uni Fribourg, die sich an der Realität orientiert und unsere Radwege wirklich sicherer macht.
Das Besondere an meinem Projekt
Wissenschaft statt Profit: Dieses Projekt ist kein privates Bastel-Hobby, sondern der Kern meiner akademischen Forschung. Es geht um unabhängigen Erkenntnisgewinn für alle, nicht um ein kommerzielles Produkt.
Wir schliessen die Lücke zwischen Gesetz und Physik: Die meisten Verkehrskonzepte basieren auf starren Regeln (mind. «1,50 Meter Abstand»). Aber Physik ist dynamisch. Unser Projekt bringt erstmals Fuzzy Logic (unscharfe Logik) auf das Fahrrad. Wir berechnen Risikowahrscheinlichkeiten basierend auf Grip (Hygrometrie/Temperatur), Vibration etc.
Der Mensch als Sensor (Human-in-the-Loop): Algorithmen sind gut, aber dein Bauchgefühl ist besser. Bisherige Tracker ignorieren dein subjektives Empfinden. CycleSense gibt dir eine Stimme: Mit dem «Sicher/Unsicher»-Knopf validierst du die Daten. So können wir erstmals belegen: «Hier wurde der Abstand zwar eingehalten, aber wegen der nassen Fahrbahn fühlte sich der Radfahrende massiv bedroht.»
Open Source & Privacy First: Keine Cloud, kein Abo, keine Datenkraken. Alle Daten werden lokal auf dem Raspberry Pi Zero verarbeitet (Edge Computing). Baupläne und Code (Python) werden komplett veröffentlicht, damit unsere Forschung transparent und reproduzierbar bleibt.
Dafür brauche ich Unterstützung
Hardware für verlässliche Forschung ist teuer. Ich habe den Prototypen («Proof of Concept») bereits entwickelt und die Software geschrieben. Jetzt geht es darum, aus dem Labor-Setup eine verlässliche Pilot-Flotte für die Strasse zu machen.
Dein Beitrag fliesst direkt in:
Die Hardware-Komponenten (ca. 50%): LiDAR-Sensoren für millimetergenaue Abstandsmessung, Raspberry Pi als «Gehirn», BME280 & IMU-Sensoren für die Umweltanalyse sowie wetterfeste Gehäuse und Powerbanks.
Die Feldstudie (ca. 30%): Um wissenschaftlich valide Aussagen für meine Doktorarbeit zu treffen, brauche ich Daten von vielen verschiedenen Fahrrädern. Wir rüsten eine Testgruppe in Bern aus und incentivieren die Teilnehmenden.
Open-Source-Entwicklung (ca. 20%): Serverkosten für das anonymisierte Daten-Hosting und Erstellung von Anleitungen, damit andere Forschende oder Laien den Sensor nachbauen können.
Wichtiger Hinweis: Da dieses Projekt im Science Booster läuft, hat deine Unterstützung einen enormen Hebel. Wir zeigen damit, dass der Bevölkerung unabhängige Sicherheitsforschung wichtig ist!