SNN Subsidie document Bypoint

PREVENT-FALL – onderzoek naar het voorspellen van fietsvalincidenten

Kunnen we herkennen dat een fietser dreigt te vallen, nog voordat de daadwerkelijke val plaatsvindt?

Binnen het project PREVENT-FALL onderzoeken Seleno B.V. en FieConn B.V. of sensordata en slimme software gebruikt kunnen worden om instabiliteit van een fiets of fietser vroegtijdig te herkennen.

Bestaande fietsveiligheidssystemen kunnen een val detecteren nadat deze heeft plaatsgevonden. PREVENT-FALL gaat een stap verder en onderzoekt of patronen in onder andere bewegings- en sensorgegevens al vóór een mogelijke val herkend kunnen worden.

Hiervoor ontwikkelen en testen we een experimenteel fietsveiligheidsprototype. We onderzoeken onder andere hoe relevante sensordata verzameld en gecombineerd kan worden en of deze gegevens met embedded software en AI-technieken kunnen worden geanalyseerd. Het project richt zich nadrukkelijk op het aantonen van de technische haalbaarheid. Het resultaat is dus nog geen marktgereed product.

Met de opgedane kennis willen we een technische basis leggen voor toekomstige fietsveiligheidsoplossingen die kunnen bijdragen aan veiliger fietsen en mensen kunnen ondersteunen om langer veilig en zelfstandig te blijven fietsen.

Projectpartners: Seleno B.V. en FieConn B.V.
Project: PREVENT-FALL
Projectnummer: V25DFS309