Autonom auf Nebenstrecken
Für die Gestaltung attraktiver Mobilitätslösungen auf Nebenstrecken im ÖPNV könnte ein fahrerloser Schienenverkehr mittels kompakter Schienenfahrzeuge bei hohem Takt zukunftsweisende Potenziale in der Fahrgastorientierung, Flexibilität und Wirtschaftlichkeit erschließen.
Auf dem Weg zur KI-gestützten Umfelderkennung
Im Projekt RailAIXs wird dafür eine Referenzarchitektur zur sicheren fahrzeugseitigen Umfelderkennung für fahrerlose Zugfahrten entwickelt, implementiert und im Gleis getestet. Das Gesamtsystem umfasst Sensoren zur Umfelderfassung, eine aktorische Ansteuerung des Bremssystems sowie ein KI-gestütztes Umfeld-Erkennungssystem. Die KI wird zunächst per Szenariosimulation in einer virtuellen Umgebung trainiert. Im Projekt unterstützt QINUM insbesondere die Spezifikation der Referenzarchitektur, entwickelt Verfahren für die Qualitäts- und Leistungsmessung des Umfelderkennungssystems, stellt dazu das Data Recording System bereit und unterstützt bei der Optimierung der Leistungscharakteristik.
Das Projekt wird durch die Innovationsinitiative mFUND über eine Laufzeit von August 2022 bis Juli 2025 durch das Bundesministerium für Digitales und Verkehr gefördert.
Über das Förderprogramm mFUND des BMDV: Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung.
Autonom auf Nebenstrecken
Für die Gestaltung attraktiver Mobilitätslösungen auf Nebenstrecken im ÖPNV könnte ein fahrerloser Schienenverkehr mittels kompakter Schienenfahrzeuge bei hohem Takt zukunftsweisende Potenziale in der Fahrgastorientierung, Flexibilität und Wirtschaftlichkeit erschließen.
Auf dem Weg zur KI-gestützten Umfelderkennung
Im Projekt RailAIXs wird dafür eine Referenzarchitektur zur sicheren fahrzeugseitigen Umfelderkennung für fahrerlose Zugfahrten entwickelt, implementiert und im Gleis getestet. Das Gesamtsystem umfasst Sensoren zur Umfelderfassung, eine aktorische Ansteuerung des Bremssystems sowie ein KI-gestütztes Umfeld-Erkennungssystem. Die KI wird zunächst per Szenariosimulation in einer virtuellen Umgebung trainiert. Im Projekt unterstützt QINUM insbesondere die Spezifikation der Referenzarchitektur, entwickelt Verfahren für die Qualitäts- und Leistungsmessung des Umfelderkennungssystems, stellt dazu das Data Recording System bereit und unterstützt bei der Optimierung der Leistungscharakteristik.
Das Projekt wird durch die Innovationsinitiative mFUND über eine Laufzeit von August 2022 bis Juli 2025 durch das Bundesministerium für Digitales und Verkehr gefördert.
Über das Förderprogramm mFUND des BMDV: Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung.
