„Achtung, Geisterfahrer!“ – Wissenschaftler entwickeln Warnsystem

Bilder

Copyright: Peter Winandy

Ein Geisterfahrer auf der Autobahn ist wohl der Albtraum eines jeden Autofahrers. Pro Jahr werden im Jahr etwa 2 000 solcher Warnmeldungen gesendet. Unfälle mit Geisterfahrern können leicht tödlich enden. Das RWTH-Institut für Straßenwesen Aachen (isac) arbeitet nun zusammen mit der Wilhelm Schröder GmbH und dem Lehrstuhl für Kommunikationssysteme der TU Dortmund an einem elektronischen Detektions- und Warnsystem unter Einsatz von Funktechnologien.

Das Detektionssystem ist einfach gestaltet und funktioniert unter Nutzung von Radio-Tomographie: „Funkmodule in sechs Leitpfosten bilden ein Detektionsfeld, das die Fahrtrichtung von Autos aufspüren kann. Schlägt es Alarm, wird die Warnung per Mobilfunk direkt an die Polizei weitergegeben“, erklärt Dr.-Ing. Dirk Kemper, Oberingenieur am RWTH-Institut. Wichtig auch: Eine Warnung kann auch als SMS versendet und über eine App empfangen werden.

Das System soll darüber hinaus besonders kostengünstig sein. So seien nur geringere Wartungen nötig, denn das System könne lang andauerndem Einfluss von Niederschlagen oder Taumitteln in Wintermonaten standhalten. So sei es temperaturbelastbar, UV-beständig und äußerst bruchfest. Der entscheidende Faktor sei aber der Zeitgewinn. So betrage die Warnung mit dem automatischen System nur noch sieben Sekunden.

Falls Autofahrer tatsächlich einem Geisterfahrer begegnen sollten, raten die Verkehrsexperten vor allem dazu, ruhig zu bleiben, auf die rechte Spur zu fahren, den Fuß vom Gas zu nehmen und keinesfalls zu überholen. Ist das entgegenkommende Fahrzeug schon in Sicht, muss die Warnblinkanlage eingeschaltet und auf die Standspur gewechselt werden.

UNSERE TOP-ANGEBOTE FÜR SIE

MEHR ERFAHREN AUS DEM BEREICH NEWS

Die Transformation: Mit Kia in Walla Walla

Die Transformation: Mit Kia in Walla Walla

Tesla liefert mehr Reichweite

Tesla liefert mehr Reichweite

Elektrischer Familienfreund zum Sparkurs

Elektrischer Familienfreund zum Sparkurs

zoom_photo