Eine wachsende Zahl von Sensoren im Straßenverkehr erfasst heute eine Vielzahl unterschiedlicher Daten. Die intelligente Kombination und Auswertung dieser Daten eröffnet neue Wege, aktuellen verkehrsbezogenen Herausforderungen zu begegnen. Im Verbundprojekt SADA entwickelte ein Projektkonsortium unter Beteiligung des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) Lösungen für die reibungslose Fusion heterogener Sensordaten aus Fahrzeugen mit Daten aus der Umgebung.
Moderne Fahrzeuge werden mit immer mehr On-board-Sensorik ausgestattet. Fahrerassistenzsysteme und autonomes Fahren verwandeln PKWs und LKWs in fahrende Messstationen. Zudem liefern stationäre Sensoren in der Verkehrsinfrastruktur zahlreicher Städte aktuelle Informationen über Verkehrsflüsse, Straßenauslastung oder Parkplatzbelegung. Auch die Autofahrenden selbst bringen Sensoren mit, z.B. in ihren Smartphones.
Bisher findet eine kombinierte Auswertung dieser mobilen und stationären Sensordaten in der Regel nicht statt. Sie könnte jedoch dazu beitragen, die Auslastung der Verkehrsinfrastruktur zu optimieren, Staus zu reduzieren, die Sicherheit zu erhöhen oder den CO2-Ausstoß zu verringern.
Intelligente Verknüpfung heterogener Sensordaten im Straßenverkehr
Im Verbundvorhaben SADA (Smart Adaptive Data Aggregation) arbeiteten das DFKI Robotics Innovation Center unter Leitung von Prof. Dr. Dr. h. c. Frank Kirchner, die BaseLabs GmbH, NXP Semiconductors, die fortiss GmbH und die ALL4IP TECHNOLOGIES GmbH & Co. KG unter Koordination der Siemens AG gemeinsam an einem System, das eine dynamische Integration und Auswertung von Daten aus unterschiedlichen und nicht aufeinander abgestimmten Sensoren ermöglicht.
Der dafür entwickelte Adaptions- und Fusionsprozess ist in der Lage, in Echtzeit zu erkennen, welche Daten ihm zur Verfügung stehen, die relevanten Daten für den Anwendungsfall auszuwählen und somit schnell zu reagieren. Auf diese Weise realisiert das Vorhaben die intelligente und flexible Verknüpfung von Daten aus den On-board-Sensoren eines Autos mit Daten aus zuvor unbekannten stationären Infrastruktur-Sensoren.
DFKI realisiert Sensordatenfusion in Echtzeit und Daten-Priorisierung
Als zentrale Systemkomponente entwickelte das Robotics Innovation Center im Projekt ein Back-End, das zum einen der Verwaltung und Verarbeitung von Sensordaten dient, zum anderen in der Lage ist, mobile und stationäre Sensoren zueinander in Beziehung zu setzen. Das Back-End verwaltet formalisierte semantische Metadaten, welche die Eigenschaften und Kontextbezüge der verfügbaren Sensoren sowie Datensätze beschreiben und so die Basis für eine automatisierte Ad-hoc-Fusion heterogener Sensordaten bilden.
Zudem realisierten die DFKI-Wissenschaftler eine effiziente und ausfallsichere Kommunikationsinfrastruktur, die zu jeder Zeit sicherstellt, dass die zur Umsetzung komplexer Aufgaben in Echtzeit notwendigen Daten und Verarbeitungskapazitäten zur Verfügung stehen.
Range-Extender für erhöhte Fahrzeugreichweite und verbesserte Umweltwahrnehmung
Darüber hinaus entwickelte der DFKI-Forschungsbereich in SADA einen sogenannten Range-Extender, einen Anhänger für Elektroautos, der mit zusätzlichen Batterien und Sensoren ausgestattet ist. Diese ermöglichen dem Fahrzeug, weitere Strecken zurückzulegen und zusätzliche Umgebungsdaten aufzuzeichnen.
Auf der Hannover Messe 2018 demonstrierten die Projektpartner zum Abschluss des Vorhabens die Ergebnisse an dem am Robotics Innovation Center entwickelten robotischen Elektrofahrzeug EO smart connecting car 2, das in SADA als Demonstrationsplattform dient.
Dank erweiterter Allradlenkung kann das Roboterauto seitwärts fahren und sich auf der Stelle drehen. Zudem ist es in der Lage, seine Morphologie zu ändern und fast 80 cm in der Länge zu schrumpfen.
SADA wurde vom 1. Februar 2015 bis 30. April 2018 durch das BMWi mit einem Gesamtvolumen von 3,8 Mio. EUR gefördert.
Weitere Informationen: www.projekt-sada.de und www.dfki.de
Video-Sequenzen: Szenario 1 und Szenario 2
Verwandte Artikel:
– Kameras in Fahrzeugen: Bilddaten latenzarm komprimiert
– RobustSENSE: Hochautomatisiertes Fahren bei Schnee und Regen
– Automatisiertes Fahren im Mischverkehr: intelligent vernetzen