KI-Projekte »Logistik & Mobilität«

© Syda Productions / Fotolia.com

Mit künstlicher Intelligenz können Fahrten und Transporte über alle Transportmittel hinweg leichter kombiniert, überwacht und sicherer durchgeführt werden. Fahrpläne werden aufgrund der aktuellen Lage dynamisch angepasst, Parklätze können zeitnah reserviert und Mautgebühren an der Verkehrsdichte ausgerichtet werden. Durch Vermeidung von Staus und Lehrfahrten werden Emissionen reduziert und Kosten gesenkt. Autonome Fahrzeuge navigieren selbstständig, dazu kombinieren sie Lidar, Radar, Kameras, GPS und Telekommunikation. Der Übergang von den heutigen Fahrassistenten über teilautomatisiertes Fahren wird schnell möglich werden, wenn die gesetzlichen Rahmenbedingungen stimmen. Die Insassen werden in der Zeit arbeiten, digitale Medien konsumieren oder mit virtuellen Assistenten interagieren, die ihre Bedürfnisse antizipieren und zielgenau Werbebotschaften senden.

  • Erkennung von Straßenverkehrszeichen

     

    Autonome Fahrzeuge müssen Verkehrszeichen zuverlässig erkennen können. Bestehende Systeme haben jedoch Probleme, Schilder mit dynamischen Informationen zu verstehen – etwa solche mit Hinweisen auf die aktuelle Verkehrslage. Der Ansatz des Fraunhofer IAIS ermöglicht es einem System, auch Schilder dieser Art mit hoher Treffsicherheit zu »lesen«. Die Informationen werden semantisch verarbeitet, inhaltlich verstanden und zur weiteren Verarbeitung verfügbar gemacht.

    Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS

     

     

    © Fraunhofer IAIS

    Fahrassistenz in komplexen Situationen

     

    Der Schwerpunkt des Projektes ist die Erhöhung der Sicherheit im städtischen Verkehr durch die kontinuierliche Unterstützung des Fahrers in komplexen Situationen wie zum Beispiel an Kreuzungen mit Fußgängern und Radfahrern, Engstellen, bei Gegenverkehr sowie beim Spurwechsel. Neue Sensortechnologien erlauben es heutzutage, eine umfassende Rundumsicht in der Stadt zu realisieren. Kollisionen können nicht nur durch automatisches Bremsen, sondern auch durch Ausweichen in erkannten Freiraum vermieden werden. All diese Herausforderungen werden zudem durch Berücksichtigung von rechtlichen Fragestellungen sowie durch eine Wirkfeldabschätzung begleitet. 

    Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO

     

     

    © UR:BAN Projektwebseite

    Kontexterkennung im Automobil

     

    Wearables, GPS und CAN-Bus liefern Daten aus dem Auto, die die Autoindustrie für neue, datengetriebene Services nutzen möchte.  Ein besonderer Fokus liegt auf einem präzisen Verständnis des Fahrerzustandes. Dazu gilt es, latente, übergeordnete Fahrsituationen zu erkennen und ihren Einfluss auf den Fahrer zu abzuschätzen.

    Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS

    © Denys Prykhodov / iStock by Getty Images

    Positionsverfolgung beim Landeanflug

     

    Damit die Landung im Weltraum sanft ausfällt, soll ein neuartiger optischer Positionssensor zum Einsatz kommen. Mit seiner Hilfe wird das aktuelle Bild von mehreren Kameras mit einem vorab erstellten Softwaremodell der Landestelle verglichen. Während des Landeanflugs lässt sich so die Flugbahn des Raumfahrzeugs präzise feinjustieren.

    Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS  

     

     

    © Fraunhofer FOKUS
  • Prognosewerkzeug zur Kosteneinsparung bei der Bedarfsplanung von Ersatzteilen

     

    In der Ersatzteillogistik sorgen große Sortimente an Ersatzteilen und lange Lieferzeiten für hohe Bestände, hohe Kosten sowie für große Unsicherheit bei der bedarfsgerechten Planung. Die valide Prognose der Ersatzteilbedarfe ist für die Planung deshalb ein sehr wichtiges Instrument, um die Kosten gering zu halten. Dafür entwickelt das Fraunhofer IIS/SCS ein Prognosewerkzeug. Es benutzt moderne Verfahren des maschinellen Lernens, wie Clustering und Entscheidungsbäume, um den Verbrauch von Ersatzteilen auch prognostizieren zu können, wenn sehr wenige Verbrauchsdaten vorliegen.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    © Fraunhofer FOKUS

    Prognosen für Transportdienstleister

     

    Transportdienstleister verfügen aus der Protokollierung über umfassende historische Daten (z. B. Datum, Relation, Artikelklasse, Menge, Gewicht). Sie bleiben für die Prognose des Transportaufkommens bislang größtenteils ungenutzt. Sie können zusammen mit Wetterdaten und anderen externen Informationen durch moderne Analytics-Methoden gewinnbringend ausgewertet werden. Ziel ist es, das Transportvolumen anhand von Mustern und Beziehungen in den Daten vorherzusagen.
    Das Fraunhofer IIS/SCS hat für einen konkreten Anwendungsfall verschiedene statische Modelle (z.B. Clusterring, Regression, Entscheidungsbäume) erstellt, ihre Vorhersagequalität bewertet und die wichtigsten Eingangsgrößen für die Vorhersage identifiziert. Entscheidungsbäume lieferten die besten Ergebnisse. Sie lassen sich leicht durch den Menschen interpretieren und in IT-Anwendungssysteme implementieren.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    © Fraunhofer FOKUS