GSB 7.0 Standardlösung

HinweisCookies

Diese Webseite verwendet Cookies. Diese dienen der Zwischenspeicherung bei Bestell- oder Anmeldevorgängen. Nicht erfasst werden Daten wie Nutzungshäufigkeit oder Verhaltensweisen. Hier erfahren Sie mehr zum Thema Datenschutz.

OK

Mobile Edge Computing basierte Objekterkennung für hoch- und vollautomatisiertes Fahren [MEC-View]

Das vom BMWi geförderte Projekt MEC-View erschließt das hochautomatisierte Fahren in komplexen urbanen Verkehrsszenarien, wie z.B. dem automatisierten Auffahren auf eine vorfahrtberechtigte Straße. Damit zielt MEC-View auf eine höhere Sicherheit und Effizienz des Verkehrs im urbanen Raum ab.

ProjektakronymMEC-View
ProjektpartnerBosch, Daimler, IT-Designers Gruppe, Nokia, Osram, TomTom, Universität Duisburg Essen, Universität Ulm, Stadt Ulm
Internetpräsenzhttp://mec-view.de/
Kontakthttp://mec-view.de/
Beginn01.12.2017
Ende31.05.2020
Projektlaufzeit42
Projektvolumen [Mio. €]11,7
KernthemenAutomatisierung,Vernetzung
UntersuchungsgegenständeInfrastrukturunterstützung (V2X) für automatisiertes Einfädeln, Erweiterung/Ergänzung Sichtbereich automatisierter Fahrzeuge durch Infrastruktur, latenzminimale Anbindung der Infrastruktur über Mobilfunknetz und Mobile-Edge-Computing-(MEC)-Server, Verkehrssimulation
Forschungsschwerpunkt 1Vernetztes Fahren,Automatisiertes Fahren
Forschungsschwerpunkt 2Fahrzeugseite,Infrastrukturseite
ForschungszielWeiterentwicklung
FunktionskategorieSicherheit,Komfort,Effizienzsteigernd,Grundlagen,Unterstuetzend
VerkehrswegkategorieStadtstraße
StraßencharakteristikaVorfahrt-Achten-Kreuzung mit Sichtverdeckung
RoaduserausstattungCommunication Control Unit (CCU), Sensorik, Rechner, D-GPS, ...
Anzahl Roaduser2
Spezielles ForschungsequipmentPrototypische vernetzte und automatisierte Fahrzeuge, Infrastruktursensorikanlage mit MEC-Server
Standort 1[48.432361, 9.968750] Ulm-Lehr, Keuzung Mähringer Str./Loherstr.
KernergebnisAufbau einer Pilotanlage in Ulm-Lehr zur prototypischen Darstellung eines exemplarischen Anwendungsfalles des MEC-View Ansatzes [92] Infrastruktur-Informationen kann über Edge-Computing vernetzten und automatisierten Fahrzeugen in komplexen urbanen Situationen helfen, sicherer, schneller und energieeffizienter an einer Kreuzung einzufädeln. Stauursachen und deren Eigenschaften wurden im Detail analysiert, Fahrspurabhängige Staustrukturen wurden nachgewiesen, Bessere Erkennung der Stauentstehung (z.B. für Navigationssysteme) [93] TomTom verbindet unterschiedliche Datenquellen, um Informationen über Verkehr und Strecken zu extrahieren. Aus diesen Informationen können autonome Fahrzeuge schließen, ob die vorausliegende Strecke autonom befahrbar ist. So kann die Kontrolle rechtzeitig vom Autopiloten an den Fahrer übergeben werden. [94] Die OnBoard-Sensorik von autonomen Fahrzeugen kann durch Floating Car Data (FCD) vorausfahrender Fahrzeuge erweitert werden. Hier zeigen wir, wie Informationen aus FCD gewonnen, in eine HD-Karte integriert und an autonome Fahrzeuge übermittelt werden können. [95] ADAS V2X CCU für MEC-View Connectivity und Edge Computing [96]
Genutztes TestfeldTestfeld Ulm
Nachfolgeprojekte

Lokales Umfeldmodell für das kooperative, automatisierte Fahren in komplexen Verkehrssituationen [LUKAS]

Projektbeziehungen

ICT Infrastructure for Connected and Automated Road Transport [ICT4CART]

Kommunikationen-Übersicht
Kommunikation 1
Übertragungstechnologie802.11p,5G,4G(LTE)
NachrichtentypenMAP,SPAT,DENM,CAM,CPM,Sonstige
Karten-Übersicht
Karte 1
FormatEigene Formate, Lanlet2, OSM