Autonomes Fahren: Mit IoT-Analytics auf Sicht fahren

Der Deutsche Bundestag hat kürzlich ein Gesetz verabschiedet, das den Einsatz von selbstfahrenden Autos erlaubt. Autonome Fahrzeuge bieten große Chancen und stellen uns gleichzeitig vor viele Herausforderungen.

So verlangt das Zukunftsthema nach einer intelligenten und sicheren Verkehrsinfrastruktur. Denn ein Signalabriss kann sicherheitskritische Auswirkungen haben. Wie die Software AG mit IoT Analytics, insbesondere mit Mashzone NextGen, Apama sowie Webtechniken und Container-Technologien dazu die entsprechenden Daten zusammengeführt, aufbereitet, analysiert und visualisiert haben, zeigt das Forschungsprojekt Cartox2.

Serviceplattform Cartox2 ebnet den Weg für das autonome urbane Fahren

Das vom Bundesministerium für Verkehr und digitale Infrastruktur geförderte Projekt Cartox2 ist kürzlich abgeschlossen worden. Sechs Partner, unter ihnen auch die Software AG, haben eine Plattform für Basisdienste entwickelt. Sie erfasst und verarbeitet Informationen über die Car-to-Car-Konnektivität (C2C), die Netzabdeckung für die Car-to-X-Kommunikation (C2X) sowie das Datenrouting zu und zwischen Edge-Clouds, den Zugangspunkten der Cloud-Umgebung. Cartox2 trägt hybride Kommunikations- und Positionierungsdaten mit weiteren Geodaten auf einer Big Data-Plattform zusammen. Es reichert statische mit Echtzeitinformationen an, um mit Algorithmen zur Datenanalyse neuartige Dienste und Geschäftsmodelle zu kreieren. Die Rolle der Software AG bestand darin, Daten zu integrieren, aufzubereiten, zu analysieren und zu visualisieren. Dem Team um Projektmanager Andre Litochevski ist dabei ein spannender modularer Prototyp mithilfe von MashZone NextGen, Apama, Webtechnologie Angular sowie Containervirtualisierung mit Docker und NginX-Sicherheit gelungen.

Signalstärke visualisieren

Worum geht es? Für autonomes Fahren ist ausreichende Signalstärke notwendig. Denn wo kein Mensch am Steuer sitzt, müssen Systeme miteinander kommunizieren und Signale wahrnehmen. Beispielsweise kann ein Auto ein anderes warnen, wenn in zwei Kilometer Entfernung ein Unfall passiert ist. Aber kann dieses Warnsystem auch überall funktionieren? Mithilfe von Mashzone NextGen bieten wir hier einen interessanten Service für die Visualisierung an. Die Daten im Raum Dresden sind dazu zuvor von einem Projektpartner vermessen worden. Die Software AG hat diese Daten abgegriffen, mit APAMA analysiert und sie mit Mashzone NextGen visualisiert zur Verfügung gestellt. Der Nutzer meldet sich über einen Browser an und klickt auf Orte auf einer Straßenkarte oder trägt die Koordinaten ein.  Sofort erfährt er, ob die Signalstärke dort hoch genug, autonomes Fahren also möglich ist.

Aber der Prototyp kann noch viel mehr, beispielsweise mit dem Feature RSSI (Received Signal Strength Indicator) Routing: Mashzone NextGen rechnet für Dresden Routen mit der besten Signalstärke aus. Es wird dargestellt, wie die sogenannte Line-of-Sights-Propagation, also die geradlinige Ausbreitung der Signale zum Empfänger, ist. Denn der Anwender will auch bei unübersichtlichen Kreuzungen „sehen“, wo es Hindernisse für ein gute Signalstärke gibt.

Der Prototyp visualisiert aber auch die Zugriffe auf Edge Clouds. Dort, wo Autos nicht direkt miteinander kommunizieren können, fragen sie Infos aus Edge Clouds ab, die zuvor andere Autosysteme dorthin gemeldet haben. Das funktioniert über RSUs Road Side Unites (RSUs), am Straßenrand installierte Hardware, die Mashzone NextGen über genaue Koordinaten anzeigt.

Unfallrisiken abschätzen

Cartox2 kann auch Unfallschwerpunkte identifizieren. Sie entstehen bei mangelnder Funkabdeckung vor allem für hochautomatisierte Fahrzeuge.

Und mehr noch: Mit einem Klick auf einen Unfallort erhält der Anwender Informationen darüber, wer wann unter welchen Bedingungen und mit welchem Fahrzeug einen Unfall verursacht hat. Die Cartox²-Serviceplattform versetzt Unfallforscher in die Lage, bereits bekannte Unfallschwerpunkte nach neuen Kriterien zu bewerten und Risiken abzuschätzen. Außerdem soll es zukünftig möglich werden, bisher unbekannte Unfallschwerpunkte, die mit den kommenden Fahrzeuggenerationen entstehen, zu prognostizieren.

Fit für das urbanes, autonomes Fahren

Die Vorteile einer solchen Visualisierung und die potenziellen Benutzertypen liegen auf der Hand: Entscheider in Kommunen können mit Cartox2 ihre Stadt fit für das autonome Fahren machen. Signalstärken lassen sich erfassen und optimieren. Der Verkehr kann bei schwacher Signalstärke, bei Unfällen oder hohem Verkehrsaufkommen schneller umgeleitet werden. Unfälle lassen sich durch die gesammelten und visualisierten Daten durch gezielte Verkehrslenkung ebenso vermeiden wie ein erhöhter CO2-Ausstoß.

Auch Busunternehmer profitieren von dem System. Sie erhalten Aufschluss darüber, welche Route beim autonomen Fahren ökonomisch und ökologisch sinnvoll ist und können in Absprache mit der Kommune ihre Routen planen.

Diese wertvollen Daten werden öffentlich und leicht zugänglich sein, auch für Bürgerinitiativen mit ihren lokalen Anliegen.

Die Use Cases sind vielversprechend und die Potenziale dieser Plattform längst nicht ausgeschöpft. Wir dürfen gespannt sein, welche Rolle Cartox2 mit der Mahzone NextGen-Anwendung in der Zukunft des autonomen Fahrens spielen wird.

Mehr zu Cartox2 erfahren:

Flyer: Alle Infos auf einen Blick

Projektseite beim Bundesministerium für Verkehr und digitale Infrastruktur