Teilprojekt 2:
SMART FAHREN IM QUARTIER

Unter dem Motto „Bergisch.Lab im Stadtteil“ sollen in diesem Teilprojekt diverse KI-basierte Mobilitätskonzepte und Technologien unter Realbedingungen getestet werden.

In diesem Teilprojekt werden in Wuppertal ein neues ÖPNV-Geschäftsmodell „On Demand Ride Hailing“ und Sensoren und Algorithmen für hochautomatisiertes/autonomes Fahren getestet, die in einem anderen Teilprojekt entwickelt werden. Die damit zusammenhängenden Aufgaben werden durch APTIV Services Deutschland GmbH, die Wuppertaler Stadtwerke (WSW Mobil GmbH) und die Bergische Universität Wuppertal in den Arbeitspaketen 1 bis 4 dieses Teilprojektes bearbeitet.

Ergänzend dazu wird sich die Bergische Struktur- und Wirtschaftsförderungsgesellschaft mbH in einem Schwerpunkt dieses Teilprojektes mit Fragen der Auswirkungen autonomen Fahrens und KI-gestützter Mobilität auf Mobilitätskonzepte und Stadtplanung beschäftigen (Arbeitspaket 5).

Data Centric Software

In der derzeit stattfindenden aktuellen Automobil-Evolution vom herkömmlichen Verbrennungsmotoren hin zur Elektromobilität entstehen weitere technologische Innovationen, die das klassische Verständnis zum Automobil verändern. In diesem Zuge ist es notwendig, die neuen Möglichkeiten der Vernetzung, die eine Smart City bietet, für eine effiziente Nutzung eines Automobils zu verwenden. In einer Smart City werden die Fahrzeuge in Zukunft ein integrierter Bestandteil des IoT (Internet of Things) sein. Ein automatisiert fahrendes Fahrzeug wird eine mobile High Performance Computing Plattform mit vielen Sensoren besitzen, welche ihm ein detailliertes Bild seiner Umgebung verschaffen. Zusätzlich werden live Informationen aus der Cloud benutzt um die Umfeld Erfassung weit über die Reichweite (zeitlich und räumlich) der Fahrzeug Sensoren hinaus auszudehnen und Informationen über die Umgebung live in die Smart City Cloud zurückgegeben. Hierfür werden folgende Arbeitspakete bearbeitet:

  • Software Defined Network im Fahrzeugumfeld (Architekturentwurf)
  • Dynamische Integration von Funktionen von Sensoren bis in die Cloud
  • Implementierung von Accelerator Agnostic Applications
  • Einbettung von KI-basierten Optimierungsverfahren in das Software-Defined-Car-Konzept
  • Entwicklung eines Software-Management-Systems
  • Erprobung im Gesamtkontext

Advance Radar & Lidar Perceiption

Maschinelles Lernen bzw. künstliche Intelligenz ist eine Schlüsseltechnologie zur Umgebungserkennung für automatisiertes Fahren. Üblicherweise werden mehrere Sensoren eingesetzt um das gesamte Umfeld um das Fahrzeug zu erfassen. Diese Sensoren sind typischerweise Radar- und Lidar-Sensoren. Bisher werden konventionelle Tracking Algorithmen verwendet um bewegliche Objekte zu detektieren und zu verfolgen. Diese Verfahren stoßen jedoch bei langsam beweglichen Objekten bzw. unbeweglichen Zielen an ihre Grenzen. Aptiv gehört zu den Marktführern unter den Herstellern im Bereich Automotive Radar-Sensorik und verfügt über die entsprechende Expertise in der Daten-Auswertung. Aptiv und die BUW werden Maschinelles Lernen und künstliche Intelligenz zur Entwicklung einer neuen Generation der Sensor-Datenverarbeitung nutzen, um somit die Wahrnehmung des Fahrzeug-Umfelds zu verbessern:

  • Aufbau einer Datenbank mit Referenzdaten
  • Aufbau eines Trainings-Systems für maschinelles Lernen (Fußgängererkennung, Objekterkennung, etc.)
  • Entwicklung von Lidar-Algorithmen
  • Entwicklung von Radar-Algorithmen
  • Auswertung und Dokumentation u.a. Software-in-the-Loop-System (Testen der Verarbeitungskette der genutzten Erkennungs-Sensorik als Ganzes)

On Demand Ride Hailing Service & Akzeptanzforschung

On Demand Ride Hailing Service (ODV) beschreibt ein neues Mobilitätsangebot, das Personen in einem definierten Gebiet linienungebunden von einem frei gewählten Start- zu einem frei gewählten Endpunkt fährt. ODV bewegt sich auf der direkten Strecke zwischen den beiden Punkten. Ausnahme ist hierbei das Pooling. Falls sich eine oder mehrere weitere Personen in eine ähnliche Richtung bewegen wollen und den Service über die App buchen, werden diese zusätzlich eingesammelt, sodass das Fahrzeug von mehreren Personen genutzt wird. An-ders als beim Taxi wird nicht das Fahrzeug sondern nur ein Platz gemietet. Das Vorgehen sieht wie folgt aus:

  • Aufbau der ODV Infrastruktur & Kommunikationskonzept
  • Schulung (Fahrpersonal) und Kommunikationsmaßnahmen (Bevölkerung)
  • Probebetrieb im Quartier
  • Akzeptanzforschung

Praktische Erprobung von autonomen Fahrtechnologien im Quartier

In den Städten des Bergischen Städtedreiecks gibt es Stadtquartiere, die sich von ihrer Topographie, Bevölkerung, Infrastruktur etc. unterscheiden. Manche der Stadtquartiere befinden sich (bereits seit längerem) in einem tiefgreifenden Veränderungsprozess oder stehen am Beginn eines solchen. Es wird angenommen, dass sich die Auswirkungen bzw. Möglichkeiten KI-basierter Mobilität in Abhängigkeit von den individuellen Gegebenheiten in einzelnen Stadtvierteln unterscheiden.

Aufbauend auf einem Desk Research zur Erfassung neuester Erkenntnisse zur Umsetzung von Mobilitätskonzepten werden Interviews mit Vertretern der Stadtverwaltung (Stadt- und Verkehrsplanung), der Stadtwerke (als mögliche Anbieter von autonomen ÖPNV) sowie Bürgerinitiativen geführt, um die akteursspezifischen Sichtweisen auf das Thema zu erfassen. Die Ergebnisse werden in einem Bericht dokumentiert und veröffentlicht.

Aufbauend auf den Erkenntnissen werden durch Projektberichte, Workshops und Einzelgesprächen mit den beteiligten Partnern Handlungsempfehlungen für die Einführung KI-basierter Mobilität und hochautomatisierten Fahrens in Stadtquartieren erarbeitet. Diese speisen sich aus den entwickelten strategischen Szenarien, Infrastrukturkonzepten und Machbarkeitsanalysen. Aufgrund der unterschiedlichen Strukturen dieser Städte und ihrer Stadtquartiere können die Handlungsempfehlungen anschließend auch auf andere Städte in Nordrhein-Westfalen und in ganz Deutschland übertragen werden.

  • Identifizierung von geeigneten Stadtquartieren in den Städten Remscheid, Solingen und Wuppertal
  • Erarbeitung von quartiersspezifischen Lösungen zu KI-basierter Mobilität in den ausgewählten Stadtquartieren

Die Fragestellungen bzw. Themen umfassen aus heutiger Sicht mindestens: Kundennachfrage, Mikrologistik in der Stadt, Mobilität als Teil eines gemeinschaftlichen Quartiersökosystems, Kombination mit anderen Mobilitätsdienstleistungen für das Quartier („seamless mobility“), Neue Anforderungen an Stadtplanung, Rechtsfragen

  • Einführung von KI-basierter Mobilität in Stadtquartieren – Transfer

Teilprojektleiterin:

Nora Jesch, Bergische Struktur- und Wirtschaftsföderungsgesellschaft mbH

jesch@bergische-gesellschaft.de