Providentia++

Providentia++

Robuste Algorithmen und verteilte Systeme für die digitale Autobahn der Zukunft

Providentia++

Erforschung und Untersuchung des Zusammenspiels von Informationsflüssen in hochautomatisierten Fahrzeugen mit der intelligenten Infrastruktur, sowie Bereitstellung von Mehrwertdiensten auf Basis eines präzisen und hochverfügbaren digitalen Zwillings der digitalen Straße.

Projektbeschreibung

Providentia++ ist die Fortsetzung des Forschungsprojekts Providentia, bei dem das Konsortium unter Führung der fortiss GmbH Grundlagenuntersuchungen zur Erstellung eines digitalen Abbilds der Verkehrssituation auf der Autobahn durchgeführt hat. Im Rahmen des Nachfolgeprojektes soll an die Grundlagen von Providentia angeknüpft werden und das Zusammenspiel von Informationsflüssen in hochautomatisierten Fahrzeugen mit der Infrastruktur, sowie der Aufbau von Mehrwertdiensten auf der Basis eines hochpräzisen und hochverfügbaren digitalen Echtzeit-Zwillings erforscht werden.

Die in Providentia aufgebaute Teststrecke wird dafür im Sinne folgender Punkte erweitert:

  • Sensor-Daten-Fusion
  • Fahrzeug-Globalsteuerung
  • Hochverfügbarkeit
  • Skalierbarkeit-Mehrwertdienste

Zudem wird die Teststrecke um einen urbanen Bereich mit Verkehrskreuzungen erweitert, um die Erforschung weiterer Anwendungsfälle optimal abbilden zu können.

Forschungsbeitrag

Das Ziel von fortiss in Providentia++ ist es, das Zusammenspiel von Fahrzeugen und Infrastruktur näher zu betrachten und dieses als Gesamtsystem zu begreifen. Nur auf diese Weise lässt sich das Potential eines Systems wie Providentia voll ausschöpfen und wird nutzbar, um das Sichtfeld von autonomen Fahrzeugen auf verlässliche Art und Weise zu erweitern.

fortiss erforscht hier unter anderem das Auflösen von Verdeckungen in der Wahrnehmung des Fahrzeugs und das Erfassen von übergeordneten Mustern (z.B. das Zusammenlaufen von Fahrspuren oder das frühzeitige Erkennen von Gefahrensituationen), um bessere Entscheidungen für zukünftige Fahrmanöver zu treffen.

Insbesondere wird sich fortiss in diesem Zusammenhang mit robusten Algorithmen für die Umgebungswahrnehmung - auch bei widrigen Verkehrs- und Witterungsbedingungen - durch autonome Fahrzeuge, im Zusammenspiel mit der digitalen Infrastruktur Providentia und mit Echtzeitanforderungen bei der Datenverarbeitung beschäftigen.

Für sicheres autonomes Fahren muss sichergestellt werden, dass eingehende Informationen zeitnah verarbeitet werden. Dies kann durch eine intelligente Verteilung anfallender Rechenlast erreicht werden. Ziel von fortiss ist hierfür die Entwicklung einer flexiblen Integrationsplattform, im Sinne einer dynamischen Mixed-Criticality-Plattform (dMxC) für Echtzeitanwendungen, um eine adaptive und zugleich angepasste Verteilung der Rechenlast auf den heterogenen Teilkomponenten des Gesamtsystems zu ermöglichen.

Projektdauer

01.01.2020 – 30.06.2022

 Octavio Ivan Delgadillo Ruiz

Ihr Kontakt

Octavio Ivan Delgadillo Ruiz

+49 89 3603522 204
ruiz@fortiss.org

Weitere Informationen

Publikationen

  • 2021 FloMo: Tractable Motion Prediction with Normalizing Flows Christoph Schöller und Alois Knoll In International Conference on Intelligent Robots and Systems (IROS), Prague, Czech Republic, IEEE. Details BIB
  • 2020 Vorausschauende Wahrnehmung für sicheres automatisiertes Fahren: Validierung intelligenter Infrastruktursysteme am Beispiel von Providentia Annkathrin Krämmer, Christoph Schöller, Franz Kurz, Dominik Rosenbaum und Alois Knoll In Internationales Verkehrswesen, Details BIB
  • 2020 What the Constant Velocity Model Can Teach Us About Pedestrian Motion Prediction Christoph Schöller, Vincent Aravantinos, Florian Lay und Alois Knoll In Robotics and Automation Letters (RA-L), Paris, France, IEEE. Details URL BIB