629 Andere Fachrichtungen der Ingenieurwissenschaften
Refine
Document Type
- Article (1)
- Conference Proceeding (1)
- Research data (1)
Institute
- Fachbereich Wirtschaft, Informatik, Recht (3) (remove)
Has Fulltext
- yes (3)
Daten liegen in modernen Fahrzeugen in einer großen Menge vor. Die Daten, welche die Sensoren des Fahrzeuges erzeugen, werden über Bus-Systeme zentral zur Verfügung gestellt und für die jeweiligen Anwendungen von den Steuergeräten ausgewertet. Nach diesem Einsatz werden die Sensordaten verworfen. Eine Herausforderung an die Verwendung jener Daten sind die Historisierung und systematische Auswertung dieser. Dafür werden Data-Mining-Methoden angewandt, welche die internen sowie die externen Daten (Car2X-Kommunikation) in Echtzeit auswerten und mit dem digitalem Gedächtnis abgleichen. Ziel dessen ist die Erkennung von Mustern, zur Identifikation von Situationen (z.B. Verkehrsunfall) und Fahrzuständen (z.B. Autobahnfahrt). Als Ergebnisse sollen der Komfort der Insassen und die Sicherheit des Straßenverkehrs verbessert werden. Potentiell bedrohliche Situationen sollen dabei vor dem Eintreffen erkannt werden, um Fahrer und Fahrzeug entsprechend zu konditionieren.
Das Vorhaben zielt konkret auf ein Echtzeit-Data-Mining von Fahrzeugdaten ab. Dabei wird Stream-Machine-Learning als möglicher Lösungsansatz verwendet, da große Datenmengen vorhanden sind und diese in Echtzeit ausgewertet werden müssen, um potentiell bedrohliche Situationen frühzeitig zu erkennen. Der klassische Batch-Learning-Ansatz ist dazu nicht geeignet, da jener alle Daten mit einmal verarbeiten will. Stream-Machine-Learning kombiniert das Konzept von Datenströmen mit dem Online-Lernen. Dadurch verwendet der Ansatz nur die im Stream empfangenden Daten und zudem lernt er während des Betriebs weiter. Nach jeder verarbeiteten Instanz ist es dem Algorithmus möglich ein Modell auszugeben bzw. das vorhandene Modell wird weiter trainiert. Ein selbstständiges Lernen wird ermöglicht.
Für die Umsetzung ist eine Toolchain erstellt worden, die das Vorhaben mit vom Fahrzeug erzeugten und über die OBD2-Schnittstelle bereitgestellten Datensätzen simuliert darstellt. Dabei ist besonderes Augenmerk auf die Komptabilität zu in Fahrzeugen genutzten Betriebssysteme (Linux, Autosar [WaPa12]) gelegt, damit eine Migration gewährleistet wird.
This repository contains various short driving scenarios of our vehicle fleet in 1:14 scale. These are part of our digital learning factory "Wildauer Maschinen Werke" (www.th-wildau.de/wmw) and are used for the development of autonomous driving functions. The data is recorded in the form of Rosbags in the underlying robotic operating system (www.ros.org) and can be played in their own ROS server instances, whereby the recorded journeys of the vehicles can be simulated and used for their own developments. The scenarios contain short driving scenarios with so-called ROS topics. This includes engine and steering control and frontal distance measurements of an ultrasonic sensor. Videos are also provided for each scenario for a better overview.
It is the 1st generation. Towards the end of 2020, data sets will follow that additionally contain camera data, GPS coordinates and speed as well as laser scanner data.
Aviation is an integral and vital part of modern society. The growth over the last decades has consequences for greenhouse gas emissions and reducing this through efficiency within the same framework is difficult. Precision flight planning is crucial for reliably and optimized real environment aircraft operation. The presented study gives an overview of the status of the legal requirements for flight planning under the current fuel requirements of the European Union Aviation Safety Agency (EASA) and the emerging opportunities for fuel savings. As part of the larger study, planned and actual fuel figures of an international cargo airline were statistically analyzed. The overall analysis showed that there was no significant deviation between planned and consumed fuel. Based on the results, an adjustment of the planned alternative fuel quantity can be considered within the framework of an individual fuel plan. The possible savings potential using the example of Destination Alternate Airport fuel is presented.