Das Forschungsprojekt
Ein digitaler Zwilling von Ingolstadt für sichere und nachhaltige Mobilität.
SAVeNoW erforscht den Aufbau und Betrieb eines digitalen Zwillings für den urbanen Verkehr am Beispiel von Ingolstadt. Dazu werden statische und dynamische Objekte digital erfasst und als virtuelle Modelle abgebildet. Daten und Modelle werden über eine Cloud-Infrastruktur gespeichert, prozessiert und bereitgestellt. Das Gesamtsystem wird als digitaler Zwilling bezeichnet und kann für die Simulationen einzelner Fahrzeuge und deren Sensorik, als auch für die Verkehrssimulation der ganzen Stadt genutzt werden.
„Was wäre, wenn“-Szenarien
In Form von "Was wäre, wenn"-Szenarien werden dann Infrastruktur-Maßnahmen sowie neue Technologien getestet, validiert und optimiert. Dabei werden die Forschungsbereiche Funktions- und Verkehrssicherheit, Verkehrseffizienz sowie Emissionsminderung, Umwelt und Nachhaltigkeit addressiert. Zusätzlich kann der digitale Zwilling auch zukünftige Entwicklungen demonstrieren, in VR-Anwendungen für Studien verwendet werden und somit Wechselwirkungen mit der Gesellschaft aufzeigen.
SAVeNoW ist in
5 Arbeitspakete untergegliedert
Unsere Modellstruktur
MSA
Modelstrukturierung und Architektur
Wir erstellen eine Datenmanagement-Plattform (siehe SDK), die es den anderen Arbeitspaketen ermöglicht, erfasste Daten und erzeugte Modelle zu speichern, zu durchsuchen, zu prozessieren und in Dashboards zu visualisieren.
DTF
Digitales Testfeld
Wir erfassen statische und dynamische Elemente von Ingolstadt mit besonderem Fokus auf den Verkehrsraum. Als Datenquellen nutzen wir neben öffentlichen und selbst erhobenen Daten Sensordaten von Fahrzeugen und festverbauter Infrastruktur.
VTF
Virtuelles Testfeld
Auf Basis des digitalen Testfelds wird ein Modell von Ingolstadt und seinen Verkehrsteilnehmern erstellt. Dabei liegt unser Schwerpunkt auf der Valdierung und Nutzung der Simulation für die Entwicklung von FAS/HAF*.
SWM
Simulation und Wirkungsanalyse von Maßnahmen
Wir nutzen die Simulation für die Entwicklung und Bewertung von "Was-wäre-wenn"-Szenarien. Dabei werden bspw. Auswirkungen von Infrastruktur-Maßnahmen oder neuen FAS/HAF*-Funktionen auf den städtischen Verkehr hinsichtlich Sicherheit, Emissionen und Effizienz ausgewertet.
GTBF
Gesellschaftliche Teilhabe und begleitende Fragestellungen
Begleitend wird mit Studien die Bürgerperspektive zu zentralen Fragestellungen der Gesellschaft eingeholt. Zudem wird im Frühjahr 2023 ein Showroom in der Ingolstädter Innenstadt als zentrale Austauschplattform geschaffen.
Wir erstellen eine Datenmanagement-Plattform (siehe SDK), die es den anderen Arbeitspaketen ermöglicht, erfasste Daten und erzeugte Modelle zu speichern, zu durchsuchen, zu prozessieren und in Dashboards zu visualisieren.
Wir erfassen statische und dynamische Elemente von Ingolstadt mit besonderem Fokus auf den Verkehrsraum. Als Datenquellen nutzen wir neben öffentlichen und selbst erhobenen Daten Sensordaten von Fahrzeugen und festverbauter Infrastruktur.
Auf Basis des digitalen Testfelds wird ein Modell von Ingolstadt und seinen Verkehrsteilnehmern erstellt. Dabei liegt unser Schwerpunkt auf der Valdierung und Nutzung der Simulation für die Entwicklung von FAS/HAF*.
Wir nutzen die Simulation für die Entwicklung und Bewertung von "Was-wäre-wenn"-Szenarien. Dabei werden bspw. Auswirkungen von Infrastruktur-Maßnahmen oder neuen FAS/HAF*-Funktionen auf den städtischen Verkehr hinsichtlich Sicherheit, Emissionen und Effizienz ausgewertet.
Begleitend wird mit Studien die Bürgerperspektive zu zentralen Fragestellungen der Gesellschaft eingeholt. Zudem wird im Frühjahr 2023 ein Showroom in der Ingolstädter Innenstadt als zentrale Austauschplattform geschaffen.
Aufbau einer Dateninfrastruktur auf Basis von SDDI
Das SDDI-Konzept wird zur Datenstrukturierung im Bereich Smart Cities and Regions eingesetzt und wurde auf Grundlage von Standards von OGC und ISO konzipiert. SDDI ist modular aufgebaut und definiert einen organisatorischen und technischen Rahmen, bestehend aus Akteuren, Anwendungen, Katalog, Sensoren, einem städtischen Analyse-Toolkit sowie einem virtuellen Stadtmodell.
Traffic Monitoring
Beim Traffic Monitoring handelt es sich um eine Plattform, mit der Verkehrsvideos verarbeitet und analysiert werden können. Dabei werden mit einem eigens entwickelten Algorithmus die Trajektorien aller Verkehrsteilnehmer approximiert und in Weltkoordinaten übersetzt. Somit können wichtige Erkenntnisse für die Verkehrsforschung und interessante Szenarien für das Testen und Absichern von neuen Fahrfunktionen gewonnen werden. Im nächsten Schritt sollen nun automatisiert Anomalien erkannt und für die weitere Verarbeitung gespeichert werden.
OSC-Generator
Der OSC-Generator ist ein Tool zur Generierung von Szenarien aus Messdaten im ASAM OpenSCENARIO-Format. Die implementierte OSI-Schnittstelle ermöglicht es, Messdaten aus verschiedenen Quellen automatisiert zu verarbeiten und dabei die genauen Trajektorien oder Fahrmanöver abzubilden. Der Code wurde gemeinsam mit Audi entwickelt und als Open-Source Code veröffentlicht.
Integration von Forschungsdaten in die SDK
Superb Data Kraken von e:fs TechHub ist eine automatisierte Datenplattform-Lösung für das Erfassen, Verarbeiten, Analysieren und Präsentieren von Daten. Im Rahmen des Arbeitspaketes MSA haben wir bei SAVeNoW Datensätze und Streaming-Daten mit Metadaten versehen und in Superb Data Kraken integriert. Dies ermöglichte den Projektpartnern von SAVeNoW einen vereinfachten Zugang zu allen Daten und Visualisierungen.
Du hast Interesse und möchtest noch mehr
zu SAVeNoW erfahren?
Auszeichnungen
