FFI Fordonsstrateisk Forskning och Innovation

Transkript

1 FFI Fordonsstrateisk Forskning och Innovation Projektkatalog: Strategisk satsning Big data analytics (BADA) Uppdaterad: FFI Fordonsstrategisk Forskning och Innovation 1

2 INNEHÅLLSFÖRTECKNING Förord... 1 Pågående projekt BADA - Big Automotive Data Analytics, huvudstudie Big Automotive Data Analytics: SEnsor Modeling and Performance Analysis (BADA- SEMPA) ACCELERATE (Testmiljö för storskaliga individualiserade tjänster i datacenter för transporteffektivisering)..5 FFI Fordonsstrategisk Forskning och Innovation 2

3 Förord I föreliggande projektkatalog återfinns alla projekt som finansierats inom FFI BADA. Projekten är uppdelade efter om de är pågående eller avslutade. En kort statistisk beskrivning inleder katalogen. Alla uppgifter om projekten i katalogen är offentliga och kontrollerade med respektive projektledare. Katalogen är tillgänglig för intresserade. Katalogen uppdateras efter varje programrådsmöte, som vanligtvis genomförs fyra gånger per år. FFI Fordonsstrategisk Forskning och Innovation 1

4 Pågående projekt Diarienummer Projekt Part Start Slut Projektbudget (kr) BADA - Big Automotive Data Analytics Big Automotive Data Analytics: SEnsor 2. Modeling and Performance Analysis (BADA-SEMPA) Volvo Cars 2015 mars Volvo Cars 2016 mars 2017 dec 2018 feb Bidrag från FFI (kr) ACCELERATE (Tstmiljö för storskaliga individualiserade tjänster i datacenter för transporteffektivisering) Scania CV 2016 jan 2016 dec BADA - Big Automotive Data Analytics, huvudstudie Dnr: Projektstart: 2015 mars Projektavslut: 2017 dec Projektbudget: kr Bidrag från FFI: kr Deltagare: Volvo Personvagnar (Per Werthen) Doktorander: 0 Koppling till andra projekt: Projektbeskrivning Projektet BADA huvudstudie fas 1 kommer att ta fram de grundläggande byggstenarna som är nödvändiga för att ta nästa steg i utvecklingen av Big Data Analytics inom fordons- och transportområdet. - Designa och utveckla en plattform för informationsdelning av fordons- och trafikdata mellan fordonstillverkare och myndigheter. - Sätta samman och testa en analysplattform för tillgänglig fordons- och trafik data och de tillämpningar som demonstreras i projektet - Utforska och designa nya affärsmodeller och tjänstekoncept som skulle kunna möjliggöras av förmågan att hantera Big Data vilken följer av detta projekt. FFI Fordonsstrategisk Forskning och Innovation 2

5 - Implementera informationsdelningsplattform, analysplattform, samt valda tjänster i en första demonstrator för att demonstrera samhällsnytta samt kommersiell nytta med systemet.. FFI Fordonsstrategisk Forskning och Innovation 3

6 Big Automotive Data Analytics: SEnsor Modeling and Performance Analysis (BADA-SEMPA) Dnr: Projektstart: 2016 mar Projektavslut: 2018 feb Projektbudget: kr Bidrag från FFI: kr Deltagare: Volvo Personvagnar Aktiebolag (Nasser Mohammadiha) Doktorander: Koppling till andra projekt: Projektbeskrivning Vid utveckling av automatiserade och autonoma bilar är analys av sensordata av högsta betydelse. Sådan analys leder till djupare förståelse av sensorernas begränsningar vilket möjliggör optimering av bilens aktiva säkerhetsfunktioner, bättre metoder för sensorverifiering och tillförlitliga metoder för simulering. Nuvarande analys är begränsad till den delmängd av sensordata som kan kopplas till felaktigt beteende i bilens funktioner. Denna delmängd representerar endast en bråkdel av den tillgängliga informationen och mycket potentiell kunskap utnyttjas därmed inte i utvecklingsprojekten. Huvudmålet med detta projekt är att utveckla metoder och ta fram kunskap för att kunna analysera en mer komplett datamängd (~4 PB) som samlats in under expeditioner vid VCC. Vi kommer att fokusera på utveckling av beskrivande och förutsägande analysmetoder som är anpassade till den stora mängd data finns tillgänglig. Metoderna skall användas för att studera sensorernas begränsningar samt förstå hur sensorernas beteende påverkas av bilens interna tillstånd samt externa miljöfaktorer. De utvecklade metoderna kommer också att användas i simuleringar av funktionsprestanda vilket i slutändan kommer att leda till kortare ledtider i utvecklingsprojekt. Bättre kunskap om sensorernas prestanda kommer också att leda till identifiering av säkerhetskritiska situationer där testverksamheten behöver fokuseras, vilket kommer att leda till signifikant minskning av behovet av testresurser. Huvudsökande för projektet är Volvo Cars. Övriga partners är Chalmers Tekniska Högskola samt ÅF AB. FFI Fordonsstrategisk Forskning och Innovation 4

7 ACCELERATE (Testmiljö för storskaliga individualiserade tjänster i datacenter för transporteffektivisering) Dnr: Projektstart: 2016 jan Projektavslut: 2016 dec Projektbudget: kr Bidrag från FFI: kr Deltagare: Scania CV Aktiebolag (Staffan Persson) Doktorander: Koppling till andra projekt: Projektbeskrivning Potentialen för effektivisering av gods- och persontransporter är mycket stor men ställer högst specialiserade krav på skalbara Big Data-lösningar för fordons- och trafikrelaterade tjänster. Ledtidsskillnader mellan fordons- och ICT-industrin medför behov att tidigt testa tekniken och utvärdera affärsmöjligheter. För att skapa en stabil, framtidssäker testbädd utvecklas en uppkopplad, molnbaserad, massivt skalbar testmiljö med exempel på transport- och trafikrelaterade realtidstjänster, där fordon i verklig trafik, med existerande nätuppkoppling, övervakas på back-endside. Detta kopplas till visualisering på klient för transportplanering och trafikledning. Systemet driftsätts och demonstreras sedan både med tjänster i drift och kopplat till fordon i verklig trafik i Scanias testanläggning. Scania koordinerar, kravställer och specificerar projektet som utgör ett tekniskt samarbetsprojekt med Veridict (produkt- och tjänsteföretag inom ICT och FKG-medlem). Utvecklingsarbetet utgår från en uppkopplad tjänsteplattform vilken varit i avbrottsfri drift sedan 2013, i vilken ett antal transport- och trafikrelaterade tjänster integreras. En interaktiv visualiseringsklient utvecklas och integreras mot tjänsteplattformen för användning i testmiljö hos Scania. Demo och test görs både med testfordon och med fordon i verklig trafik för att visa på möjligheterna redan med dagens teknik. Projektresultaten ligger i absoluta forskningsfronten, bl.a. genom en ny typ av tjänstefusion via Big Data, och ger båda företagen konkurrensfördelar på en begynnande marknad för uppkopplade transportsystem, i begrepp att genomgå stora genomgripande tekniska och marknadsmässiga förändringar. FFI Fordonsstrategisk Forskning och Innovation 5