(Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung)

Der SFB 876 endete im Dezember 2022. Die Seiten des Projektes werden nicht mehr aktualisiert.

Das Gebiet der eingebetteten Systeme und das der Datenanalyse (Data Mining) zusammenzubringen, ermöglicht eine Fülle von Anwendungen in Informatik, Biomedizin, Physik und Maschinenbau. Einerseits werden die eingebetteten Systeme durch die Datenanalyse optimiert, andererseits können Analysealgorithmen z.B. als FPGAs realisiert werden.

Während die Vision des vollautomatischen Straßenverkehrs das völlige Verschwinden von Staus impliziert, sind die Auswirkungen des Mischverkehrs auf den Verkehrsfluss noch unklar. Derzeit reagieren die vorgestellten automatisierten Fahrzeuge defensiv auf menschliches Fehlverhalten. Daher wird für den Hybridverkehr mit einer deutlichen Reduzierung des Verkehrsflusses gerechnet - während die Gesamtverkehrsstauung durch Leerfahrten, insbesondere im gewerblichen Verkehr, zunehmen wird. Im Folgenden beschreibt der Begriff automatisiertes Fahrzeug ein Fahrzeug, das ohne menschlichen Fahrer fährt, aber dennoch einen festen Start- und Endpunkt sowie eine Routendefinition benötigt. Das bedeutet, dass das Auto in der Lage ist, die Spur zu wechseln, um zu überholen, aber es wechselt nicht von selbst, um eine effizientere Route zu finden.

Basierend auf den Ergebnissen der zweiten Phase wird der Verkehrsfluss in verschiedenen Umgebungen (z.B. Autobahn, Innenstadt) mit zunehmendem Automatisierungsgrad durch Zusammenarbeit von Verkehrsmodellierung, Datenanalyse und Kommunikation vorhergesagt und optimiert. Das übergeordnete Ziel ist es, die Gesamtverweildauer aller Fahrzeuge innerhalb des Verkehrsnetzes zu minimieren. Zu diesem Zweck werden die mikroskopischen Verkehrssimulationsmodelle um kommunizierende automatisierte Fahrzeuge erweitert, um die Simulation verschiedener Erkenntnisse über das Verhalten dieser Fahrzeuge zu ermöglichen und die Potenziale für weitere Optimierungen zu erarbeiten. Die Verkehrsprognose wird dann auf der Grundlage dieser Modelle durchgeführt.

In sogenannten Closed-Loop-Szenarien werden Strategien zur Verkehrssteuerung mit tiefen Verstärkungsmethoden entwickelt, die auch menschliche Treiber berücksichtigen, die dem entwickelten Modell nur sporadisch folgen. Der zentrale wie auch der lokale Austausch der erforderlichen Daten folgt dem Paradigma des Privacy-by-Design, um die Verbreitung sensibler Mobilitätsmuster zu schützen, z.B. durch den Einsatz homöomorpher Verschlüsselung.

Für die Bereitstellung von Ultra-Reliable Low Latency Communication (URLLC) im Vehicle-to-Everything (V2X)-Kontext werden vorhandenes Wissen über das Mobilitätsverhalten von Fahrzeugen und Informationen über die Topologie der Umgebung für prädiktives Routing, Handover und Ressourcenzuweisung sowie dynamische Antennensteuerung genutzt, um Entscheidungsprozesse in 5G-Netzen zu optimieren. Die jeweiligen Methoden werden darüber hinaus in der zweiten Phase entwickelte und in Feldversuchen evaluierte prädiktive Channel-aware Transmission (pCAT)-Schema integriert.