Smart Mobility Projekte

Damit Assistenzsysteme sowohl für VRUs (»Vulnerable Road User«) als auch PKWs zur Verfügung stehen, ist eine hochgenaue Positionierung notwendig. Entscheidend dabei ist, die Verkehrsteilnehmer der richtigen Spur auf einer Straße zuzuordnen, um z. B. die korrekte Ampelschaltung zu ermitteln oder eine mögliche Kollision festzustellen.

Im Projekt »Ride4All« wird in den nächsten zwei Jahren eine Modellstrecke für barrierefreien ÖPNV etabliert. Von Soest nach Paradiese fahren die Nutzerinnen und Nutzer in automatisierten Kleinbussen unterstützt von einer inklusiven App mit barrierefreier Bedienung.

In Berlin-Reinickendorf wird mittels automatisierter Fahrzeuge und neuer Kommunikationsdienste Sicherheit und Komfort im digitalen Stadtverkehr erprobt und weiterentwickelt.

Im Reallabor Hamburg (RealLabHH) soll die Mobilität von morgen im Hier und Jetzt einer Metropole erprobt werden und darauf aufbauend eine Blaupause für die digitale Mobilität der Zukunft entstehen. Fraunhofer FOKUS entwickelt mit Partnern dafür eine digitale Kollisionswarnung für Vulnerable Road Users, wie Radfahrer und E-Scooter-Fahrerinnen.

Im Projekt »Berliner Digitaler Bahnbetrieb« (BerDiBa) werden Technologien für das automatisierte Fahren auf der Schiene entwickelt und erprobt. Fraunhofer FOKUS nutzt hierfür seine Expertise in der Umfeldwahrnehmung für das automatisierte Fahrzeug und dieses mithilfe von KI-Werkzeugen für die Schiene anpassen.

Im Projekt KIS’M (KI-basiertes System für vernetzte Mobilität) wird ein KI-basiertes System für eine vernetzte Mobilität erprobt, das die Herausforderungen des autonomen, fahrerlosen und bedarfsgerechten Betriebs in dynamisch wachsenden Bediengebieten bewältigen soll. Dies wird auf dem Areal des ehemaligen Flughafens Tegel und mit fahrerlosen Fahrzeugen erprobt.

Im Projekt DIGINET-PS wird das vernetzte und automatisierte Fahren im urbanen Testfeld Berlin erprobt. Im Fokus steht die Verbindung moderner Smart-City-Technologien mit zukünftigen Fahrzeugen.

Im Projekt »KI-FLEX« entwickeln die Projektpartner eine leistungsstarke, energieeffiziente Hardware-Plattform und das dazugehörige Software-Framework für autonomes Fahren.

Der Bordstein (curb) ist eine wichtige Ressource im Stadtverkehr, allerdings ist ihre Verfügbarkeit meistens begrenzt. Um eine transparentere und flexiblere Nutzung der Flächen zu ermöglichen, entwickelt das Smart Mobility-Team eine Lösung zur Erfassung der Flächen am Straßenrand, die verschiedene Sensorquellen integriert, um ein genaues Bild der aktuellen Situation zu liefern.

Bevor ein Fahrzeug autonom unterwegs sein wird, muss es selbständig »sehen« und Objekte erkennen können. Das Fraunhofer-Lidar-Labeling-Tool, genannt »FLLT.AI«, unterstützt KI-Entwickler, Labeling-Experten und Software-Entwickler der Automobilbauer und deren Zulieferer sowie Sensorhersteller dabei, Bilddaten von Kameras und Lidar-Sensoren zu analysieren und zu annotieren.