德國的道路上，每兩分鐘就會發生一起由于野生動物引發的交通事故。僅2015年，就給德國的保險行業造成了超過6億歐元的損失。為了解決這一難題，烏爾姆應用科技大學、海爾布隆應用科學大學以及工業合作伙伴共同創建了“SALUS”。通過雷達、光學相機、紅外傳感器和神經網絡的組合，打造出了一個能夠區分行人、汽車、自行車騎行者、摩托車騎行者、鹿、狐貍和野豬等物體的機器學習系統。該系統能夠向汽車司機和其它道路使用者發出預警，避免交通事故的發生。微多普勒雷達的數據是由Spectrum儀器生產的M2p.5926-x4型號PCIe數字化儀卡采集，并完美滿足該應用所需的通道數量及位寬。

烏爾姆應用科技大學教授Hubert Mantz博士是該項目的負責人之一。他表示：“汽車制造商正嘗試為高端車型安裝車輛輔助駕駛系統(DAS)，但這需要很長的時間才能普及到其他車型。無獨有偶，高端摩托車也開始嘗試添加此功能。但由于安裝空間受限，使其功能永遠無法與汽車的報警系統相匹敵。我們項目的目標就是通過在路邊安裝小型裝置探測危險，并在車輛接近時向其傳遞信號。此外，對于車內沒有安裝報警系統的道路使用者，路燈將照向危險區域或發出警報。SALUS項目將檢測難以發現的危險并發出預警，最終顯著提升道路安全系數。”

該技術演示系統將能夠測量來自雷達、光學相機和紅外相機的實時數據。此外，該系統還能集成額外的傳感器用以測量污染水平。目前，該項目已經引起了很多企業的商業合作意向。試想，將這些獨立的設備安裝在德國各地的公路旁。這就意味著它們必須要滿足價格低廉并能夠以太陽能驅動。由于農村地區的電力供應不足，且預警系統極度依賴街燈的照明，因此太陽能驅動就愈發重要。

這也意味著智能交通基礎設施的設備通信系統必須滿足低功耗。因此，能夠達到40公里的長距離廣域網絡(LoRaWAN)成為了農村地區的首選。其特點是低能耗并基于非授權頻段(Unlicensed Frequency Bands)，因此成本較低。

Mantz 教授補充道：“我們正利用神經網絡對機器學習進行開發，使系統能夠區分騎自行車的人、汽車或鹿。這遠遠超越了純粹的運動檢測。目前，這個項目正處于探測物體并對物體進行分類的關鍵階段，這也是此前從未嘗試過的。基于此功能，系統將能夠預測物體的運動。這為系統的預判增加了可信度和實時智能化，使其對即將到來的危險做出反應。此次，我們選擇了Spectrum儀器的M2p.5926-x4型號PICe數字化儀，具有16位分辨率、4個差分通道和10MHz帶寬。該設備所采集的數據對指導系統運作產生了積極的效果，因為我們可以實時處理所需的數據。我們發現這款設備用起來非常簡便且直觀，這意味著我們可以將更多的時間用于項目研究而無需不必要的編程。最重要的是，Spectrum儀器的產品都享受五年質保，所以我們無需擔心任何維修和維護的問題，而其他公司只有1年質保，一旦產品出現問題就意味著我們需要付出更多的額外成本。”