Regensburg: Collision Detection im Smart-City-System

Autonomous Reply vereint Spezialtechnologien wie Computer Vision und LIDAR, Edge-to-Cloud-Verfahren via 5G sowie Deep Learning für Neuronale Netze.

Kontakt aufnehmen

KONTAKTIEREN SIE UNS

Bevor Sie das Anmeldeformular ausfüllen, lesen Sie bitte die Datenschutzerklärung gemäß Artikel 13 der EU-Verordnung 2016/679.

Eingabe ungültig
Eingabe ungültig
Eingabe ungültig
Eingabe ungültig
Eingabe ungültig
Eingabe ungültig
Eingabe ungültig

Privacy


Ich erkläre, dass ich die Datenschutzerklärung gelesen und verstanden habe und erkläre mich mit der Verarbeitung meiner persönlichen Daten durch Reply SpA für Marketingzwecke einverstanden, insbesondere für den Erhalt von Werbe- und kommerziellen Mitteilungen oder Informationen über Reply Veranstaltungen oder Webinare unter Verwendung automatisierter Kontaktmittel (z.B. SMS, MMS, Fax, E-Mail und Webanwendungen) oder herkömmlicher Methoden (z.B. Telefonanrufe und Briefe).

Smart Mobility für eine sichere Smart City

Autonomous Reply gestaltet in einem Forschungsprojekt zusammen mit der Stadt Regensburg und der Universität Regensburg eine sichere Smart City mit autonomen Fahrzeugen. Das Ziel ist, Kollisionen zu vermeiden, indem alle Verkehrsteilnehmer im Zusammenspiel mit autonom fahrenden Dingen einbezogen werden. Bisherige Sicherheitslücken wie tote Winkel, fehlende Kurveneinsicht oder zu leise Fahrzeuggeräusche werden dadurch behoben.

Der Kern der Idee: Neben einer ausgefeilten Architektur im autonomen Fahrzeug verhindert via App ein Warnhinweis an gefährdete Verkehrsteilnehmer Zusammenstöße mit Fußgängern, Radfahrern oder Scootern. Dabei werden über Echtzeit-Verfahren Daten gesammelt, verarbeitet und versendet, die rechtzeitig über mögliche Kollisionskurse informieren.


  • strip-0 image

    Dynamische Sensordaten bestimmen die Position des Fahrzeugs

    Mit Computer Vision und LIDAR-Sensoren am autonomen Fahrzeug wird die Verkehrssituation direkt an den Fahrzeugen überwacht, inklusive Position und Geschwindigkeit.

  • strip-0 image

    Informationen werden an das autonome Fahrzeug und die Verkehrsteilnehmer zurückgespielt

    Die Informationen werden dann von der Cloud an zwei Empfängertypen ausgeliefert: Zum einen zurück in das Fahrzeug, um es zu steuern. Zum anderen via App an die Verkehrsteilnehmer im Testareal. Bei möglichen Kollisionskursen gibt die App eine Warnung aus.

  • strip-1 image

    Neuronale Netze in der Cloud berechnen die Pfade

    Die Daten von beiden Sensor-Typen werden über ein Edge Device in die Cloud geschickt. Dort werden sie von neuronalen Netzen genutzt, die mit Vorhersagemodellen unter anderem den Pfad der Fahrzeuge planen. Die neuronalen Netze berechnen dabei alle Abhängigkeiten im gesamten System in Echtzeit.

  • strip-1 image

    Stationäre Sensoren sammeln Verkehrsdaten

    Im abgeschlossenen Testareal, dem Regensburger Gewerbepark, sammeln LIDAR-Sensoren und Kameras an zum Beispiel Straßenlaternen durchgehend Daten über die Verkehrssituation. Über mehrere Punkte werden die sich bewegenden Objekte an einer Kreuzung als zum Beispiel Fußgänger oder Radfahrer klassifiziert.

Die eingesetzten Technologie-Bausteine

Computer Vision und LIDAR

Aus Kamera- und LIDAR-Daten am Autonomen Fahrzeug setzen Algorithmen der Künstlichen Intelligenz (KI) Bildpunkte zusammen und klassifizieren diese. Dadurch werden verschiedene Objekte wie Fahrräder oder Fußgänger identifiziert. Diesen Objekten ordnet Autonomous Reply entsprechende Bewegungsprofile zu.

Edge-To-Cloud

Pro Minute sollen 8 TB an Daten zeitsynchron über 5G an 3 Edge-Punkte pro Kreuzung gesendet werden. Das auf NVIDIA basierende Edge-System von Autonomous Reply verarbeitet die Daten zu Objektlisten. Diese werden dann in die Cloud weitergesendet.

Cloud-To-Cloud

Die Datenhoheit behält die Stadt Regensburg. Deshalb werden alle – DSGVO-konform anonymisiert – gesammelten Informationen zunächst in einer Smart-City-Cloud gespeichert. Diese werden dann an die sogenannte People Mover Cloud, die im Pilotprojekt 2 autonome Fahrzeuge steuert, übertragen.

Deep Learning für Neuronale Netze

Mit Deep Learning, einem Spezialverfahren des Machine Learning, trainiert Autonomous Reply die Neuronalen Netze, also komplexe KI-Modelle. Dies erfolgt in einer ersten Phase mittels synthetischer Daten, für die Autonomous Reply Simulationen in MatLab und CarMaker programmiert. In einer zweiten Phase werden diese Simulationsdaten durch Realdaten erweitert.

Das Projekt in Zahlen

In der ersten 5-monatigen Phase hat Autonomous Reply das Konzept über das Zusammenspiel der komplexen Themengebiete ausgearbeitet sowie die Simulationen mit den synthetischen Bewegungsprofilen für die Streckenprädiktion finalisiert. Bis Ende 2021 werden die ersten Versuche mit Realdaten abgeschlossen sein. Im Anschluss erfolgt der einjährige Proof of Concept.


8 TB

an Daten, die pro Tag an die Edge-Punkte versendet werden

3 Edge-Punkte

pro Kreuzung, die Daten vorverarbeiten

2 Shuttle

werden über die People Mover Cloud gesteuert

3 Jahre

Projektlauzfzeit

  • strip-0

    das StadtWerk.Regensburg

    Die Stadtwerk Regensburg GmbH ist eine 100-prozentige Tochtergesellschaft der Stadt Regensburg. Sie ist die geschäftsführende Holdingsgesellschaft ihrer 100-prozentigen Tochterunternehmen. Dazu gehören die das Stadtwerk Regensburg.Mobilität GmbH, die das Stadtwerk Regensburg.Fahrzeuge und Technik GmbH, die das Stadtwerk Regensburg.Bäder und Arenen GmbH, zu der auch das Jahnstadion Regensburg gehört, sowie die das Stadtwerk Regensburg.Dienstleistungen GmbH.

  • Autonomous Reply

    Autonomous Reply ist innerhalb der Reply Gruppe das spezialisierte Unternehmen für die Software- und System-Integration autonomer Dinge. Die Experten beraten und unterstützen Unternehmen in der Automobil-, Nutzfahrzeug- und Smart-City-Industrie in allen Aspekten der Autonomous Things (AuT), von der Sensorik bis zur Infrastruktur.

    Die Dienstleistungen umfassen Beratung, Software-Entwicklung und die Integration von autonomen Lösungen. Dabei kommen hochaktuelle Technologien und Methoden aus dem Bereich der Künstlichen Intelligenz (KI) zum Einsatz, darunter Computer Vision und Deep Learning, sowie Themen im Edge-To-Cloud-Umfeld.

    strip-1