Logo Uni Bremen

Zentrum für Industriemathematik

ZeTeM > Forschung und Anwendungen > Projekte > MUTIG-VORAN - Multiple Transportprozesse in Galileo gestützten Verkehrsszenarien mittels Optimierungsmethoden für reale Anwendungen

Kontakt Sitemap Impressum [ English | Deutsch ]

MUTIG-VORAN - Multiple Transportprozesse in Galileo gestützten Verkehrsszenarien mittels Optimierungsmethoden für reale Anwendungen

Arbeitsgruppe:AG Optimierung und Optimale Steuerung
Leitung: Prof. Dr. Christof Büskens ((0421) 218-63861, E-Mail: bueskens@math.uni-bremen.de )
Dr. Margareta Runge ((0421) 218-63629, E-Mail: m.runge@uni-bremen.de)
Bearbeitung: Dr. Kai Wah Chan (E-Mail: kai.wah.chan@topas.tech)
Xibo Li ((0421) 218-63874, E-Mail: lixibo@uni-bremen.de)
Jan Phan ((0421) 218-63866, E-Mail: gienapp@uni-bremen.de)
Projektförderung: Bundesministerium für Wirtschaft und Energie
Projektpartner: AG Kognitive Neuroinformatik, Universität Bremen
Arbeitsbereich Nachrichtentechnik, Uni Bremen
TOPAS Industriemathematik Innovation gGmbH
Laufzeit: 01.01.2022 - 31.12.2024
Bild des Projekts MUTIG-VORAN - Multiple Transportprozesse in Galileo gestützten Verkehrsszenarien mittels Optimierungsmethoden für reale Anwendungen Ziel des Projektes ist es, wiederkehrende Fahrten in bekannten und geografisch begrenzten Gebieten zu automatisieren und insbesondere übertragbare Algorithmen für das autonome Fahren zu entwickeln. Hierzu erforschen und entwickeln die Kooperationspartner neue Lösungen mit Cloud-Anbindung, die in multiplen Testgebieten experimentell erprobt werden sollen. Aus sicherheitstechnischen Gründen verfolgt das Konsortium zwei aufeinander aufbauende Testkonzepte. Auf der unteren Ebene ein Simulationssystem zur effizienten Validierung der Algorithmen und zum Testen der grundlegenden Funktionsweisen der entwickelten Methoden. Auf der oberen Ebene werden die Algorithmen im Realbetrieb an zwei Testfahrzeugen erprobt. Durch ein einheitliches Softwareframework, welches auf allen beiden Systemen zum Einsatz kommt, ist hierbei die größtmögliche Synergienutzung sichergestellt.
    Übergeordnete Ziele des Projektes, die insbesondere unter Verwendung von Realfahrzeugen umgesetzt werden sollen, sind:
    • Entwicklung effizienter KI-Algorithmen (u.a. Trajektorienoptimierung, Deep Learning, Modellprädiktive Regelung, Sensorfusion) für das hoch-automatisierte Fahren
    • Nutzung von mobilen Kommunikationswegen (5G, Satellit) für resiliente und effiziente Algorithmen
    • Entwicklung Prädiktionsalgorithmik zur Situation-Bewertung und Notwendigkeit der Absicherung
    • Entwicklung von V2X und Remote Control für sicheren und vernetzen Straßenverkehr sowie Edge-Cloud-Computing für KI-Algorithmen des hoch-automatisierten Fahrens

Ein Alleinstellungsmerkmal des Vorhabens ist die Auswahl von multiplen und geografisch getrennten Testfeldern. Es handelt sich somit nicht um eine konkret “einprogrammierte“ Strecke, die von einem Demonstrationsfahrzeug zurückgelegt wird, sondern vielmehr um mehrere komplexe, voneinander unabhängige und reale Verkehrsszenarien im öffentlichen und privaten Raum.