Über Mach1nUp2Date
Bundes- und Landesbehörden stellen (Geo-) Daten bereit, die für Off-Highway-Fahrzeuge (zum Beispiel Baustellen-, Landwirtschafts-, Waldfahrzeuge) von zentraler Bedeutung sind. Die Herausforderung ist, deren Qualität (Aktualität, Flächendeckung, Detaillierung, Genauigkeit, Semantik) auf ein höheres Niveau zu heben und diese in Arbeitsprozesse zu integrieren, so dass sie für Planung, Durchführung und Dokumentation der Arbeiten dieser Maschinen nutzbar sind.
Mobile Off-Highway-Maschinen sind mit diversen Sensoren ausgerüstet. Mittels Sensordatenfusion und Modellbildung können aus den erfassten Rohdaten semantische Informationen über die Umwelt abgeleitet werden. In den von den Behörden zur Verfügung gestellten Geo-Daten sind diese Informationen meist nicht in der gewünschten Qualität enthalten. Im Rahmen dieser Durchführbarkeitsstudie soll untersucht werden, mit welchen Methoden und in welchem Umfang diese Informationen durch die Maschinen selbst erhoben, aktualisiert und ausdetailliert werden können.
Relevante Behördendaten und offene Daten werden akquiriert, konsolidiert und harmonisiert. Sie sollen mit Sensor- und Betriebsdaten eines realen, durch Industriepartner bereitgestellten, Off-Highway-Fahrzeugs zu exemplarisch realisierten Digitalen Zwillingen (der Maschine und relevanter Umgebungsobjekte) einer realen Tiefbaustelle fusioniert werden. Hierdurch sollen bestehende Daten verbessert und in Bereiche, in denen heute keine Daten vorliegen (zum Beispiel neben Straßen, Wasserstraßen, Bahnstrecken), erweitert werden.
Verbundkoordinator
RWTH Aachen University, Institut für fluidtechnische Antriebe und Systeme
Projektpartner
RWTH Aachen University, Institut für Mensch-Maschine-Interaktion
RWTH Aachen University, Institut für Maschinenelemente und Systementwicklung