德国的道路上，每两分钟就会发生一起由于野生动物引发的交通事故。仅2015年，就给德国的保险行业造成了超过6亿欧元的损失。为了解决这一难题，乌尔姆应用科技大学、海尔布隆应用科学大学以及工业合作伙伴共同创建了“SALUS”。通过雷达、光学相机、红外传感器和神经网络的组合，打造出了一个能够区分行人、汽车、自行车骑行者、摩托车骑行者、鹿、狐狸和野猪等物体的机器学习系统。该系统能够向汽车司机和其它道路使用者发出预警，避免交通事故的发生。微多普勒雷达的数据是由Spectrum仪器生产的M2p.5926-x4型号PCIe数字化仪卡采集，并完美满足该应用所需的通道数量及位宽。

乌尔姆应用科技大学教授Hubert Mantz博士是该项目的负责人之一。他表示：“汽车制造商正尝试为高端车型安装车辆辅助驾驶系统(DAS)，但这需要很长的时间才能普及到其他车型。无独有偶，高端摩托车也开始尝试添加此功能。但由于安装空间受限，使其功能永远无法与汽车的报警系统相匹敌。我们项目的目标就是通过在路边安装小型装置探测危险，并在车辆接近时向其传递信号。此外，对于车内没有安装报警系统的道路使用者，路灯将照向危险区域或发出警报。SALUS项目将检测难以发现的危险并发出预警，最终显著提升道路安全系数。”

该技术演示系统将能够测量来自雷达、光学相机和红外相机的实时数据。此外，该系统还能集成额外的传感器用以测量污染水平。目前，该项目已经引起了很多企业的商业合作意向。试想，将这些独立的设备安装在德国各地的公路旁。这就意味着它们必须要满足价格低廉并能够以太阳能驱动。由于农村地区的电力供应不足，且预警系统极度依赖街灯的照明，因此太阳能驱动就愈发重要。

这也意味着智能交通基础设施的设备通信系统必须满足低功耗。因此，能够达到40公里的长距离广域网络(LoRaWAN)成为了农村地区的首选。其特点是低能耗并基于非授权频段(Unlicensed Frequency Bands)，因此成本较低。

Mantz 教授补充道：“我们正利用神经网络对机器学习进行开发，使系统能够区分骑自行车的人、汽车或鹿。这远远超越了纯粹的运动检测。目前，这个项目正处于探测物体并对物体进行分类的关键阶段，这也是此前从未尝试过的。基于此功能，系统将能够预测物体的运动。这为系统的预判增加了可信度和实时智能化，使其对即将到来的危险做出反应。此次，我们选择了Spectrum仪器的M2p.5926-x4型号PICe数字化仪，具有16位分辨率、4个差分通道和10MHz带宽。该设备所采集的数据对指导系统运作产生了积极的效果，因为我们可以实时处理所需的数据。我们发现这款设备用起来非常简便且直观，这意味着我们可以将更多的时间用于项目研究而无需不必要的编程。最重要的是，Spectrum仪器的产品都享受五年质保，所以我们无需担心任何维修和维护的问题，而其他公司只有1年质保，一旦产品出现问题就意味着我们需要付出更多的额外成本。”