Dette kandidatspeciale undersøger brugen af LiDAR til cykeldetektering i trafikken. Cykeldetektering har en bred vifte af anvendelsesområder, herunder statistik af cyklisme, trafikstyrede signalanlæg og andre anvendelser i ITS (intelligente transportsystemer). Formålet med projektet er at fastlægge antallet af cyklister og deres position, hastighed og ETA, når disse bevæger sig i grupper.

Til indsamling af data er HDL-32e LiDAR anvendt. Denne er monteret på en mast og detekterer cyklister på en cykelsti, der tilkører et signalreguleret kryds i Aalborg. Indsamlet data er evalueret med programmet Pylidartracker, som er udviklet til brug i projektet. Data er analyseret ved brug af selvudviklede Python scripts.

I tidsrammen for dataindsamlingen er 233 cyklister observeret ved hjælp af video. Ud fra LiDAR-data, Pylidartracker og Python scripts var det muligt at fastlægge position og beregne hastighed og ETA til et specifikt punkt, for alle 233 observerede cyklister. I ét tilfælde er to cyklister der bevæger sig meget tæt, fejldetekteret, hvilket fører til en overestimering af antallet af cyklister med 1. Det totale antal detekterede cyklister er derfor 234. Studiet har derfor opnået en overordnet præcision for cykeldetektering med LiDAR på 99.5\%.

Studiet har visse begrænsninger, da det kun var muligt at opnå den opgivede præcision inden for 12 meters afstand af LiDAR. Yderligere blev dataindsamlingen foretaget under COVID-19 restriktioner, hvilket kan have påvirket både antallet af cyklister og deres indbyrdes afstand.

Studiet konkluderer, at LiDAR i høj grad er i stand til at detektere individuelle cyklister inden for 12 meters afstand, men at yderligere studier er nødvendige for at bestemme cykeldetektering med LiDAR for cyklister, der bevæger sig tæt i grupper. I studiet inkluderes forslag til fremtidige studier der ville kunne håndtere begrænsningerne påpeget i dette studie.