Thomas Fleischmann entwickelte im Rahmen seiner Abschlussarbeit am MCI mit der Unterstützung seines Betreuers Bernhard Hollaus (Department Medical & Health Technologies) eine erweiterte Methode der Trittfrequenzmessung von Straßenradfahrer/innen mithilfe von neuronalen Netzwerken.
Da der Trend des Trackings der eignen Sportaktivitäten immer mehr zunimmt und auch Straßenräder in Zeiten von globaler Erwärmung als grüne Fortbewegungsalternative gelten, tritt die Messung der Trittfrequenz immer mehr in den Vordergrund und verlangt somit neuartige Messmethoden.
Die klassische Messmethode, die existiert, wird mit einem sogenannten „Hall Effekt Sensor“ am Rahmen des Rads und mit einem Permanentmagneten auf der Kurbel des Fahrrads durchgeführt. Bei jeder Umdrehung der Kurbel wird der Sensor, der am Rahmen angebracht ist, getriggert. Über die Zeit zwischen zwei Triggern, kann schlussendlich die Trittfrequenz des Fahrradfahrers, Fahrradfahrerin gemessen werden.
Thomas Fleischmann entwickelte diese klassische Methode weiter und konnte durch seine Forschung in seiner Masterarbeit eine neue Art der Messung mit der sogenannten inertialen Messeinheit kombiniert mit dem sich schnell entwickelnden Feld der neuronalen Netzwerke finden. Diese neue Messung muss nicht, wie bekannt, mit zwei Sensoren am Pedal und an der Kurbel des Straßenrades durchgeführt werden, sondern benötigt nur an einer vorher definierten Stelle am Rahmen des Rades einen Sensor. Die durch die weiterentwickelte Methode gemessenen Daten wurden dann in einer microSD gespeichert und nach deren Aufbereitung in ein neuronales Netzwerk eingespeist. Dadurch war es möglich die Trittfrequenz (im engl. „cadence detection“) zu ermitteln. An der, im Kontext der Forschung durchgeführten Studie, nahmen insgesamt vier verschiedene Straßenradfahrer/innen teil, um Datensätze für das Training und die Auswertung des neuronalen Netzwerks zu erhalten. Im Zuge der Studie wurden infolgedessen über 10 Stunden an Radfahrdaten aufgezeichnet, um die neuronalen Netzwerke zu trainieren. Die Genauigkeit dieser neuen Methode beträgt im Training und in der Testphase ca. 90 %. Thomas Fleischmann konnte durch seine Forschung also belegen, dass durch die inertiale Messeinheit und die anschließende Einspeisung in ein neuronales Netzwerk die Trittfrequenz zuverlässig gemessen werden kann.
In einem Ausblick zur Forschung sprechen Thomas Fleischmann und sein Betreuer Bernhard Hollaus, über zusätzliche Anwendungsmöglichkeiten des Trittfrequenzmessers. Durch den entwickelten Sensor können beispielsweise noch viele andere, für die Athleten interessante Daten gemessen und ausgewertet werden. Als Beispiel hierfür werden Kurvenfahrten und Steigungen genannt.
Für weitere Fragen zur Forschung oder zur Masterarbeit wenden Sie sich bitte an
©Thomas Fleischmann (Projektmitarbeiter am MCI) th.fleischmann@mci4me.at oder an Bernhard Hollaus (Lektor im Department Medical & Health Technologies) bernhard.hollaus@mci.edu
Thomas Fleischmann: Absolvent des Departments Mechatronik. Er arbeitet gerade an seiner Masterarbeit im Bereich neuronaler Netzwerke und ist derzeit als Projektmitarbeiter am MCI tätig. ©Thomas Fleischmann
