Bessere Mobilfunkinfrastruktur durch KI
Projekt AI4Mobile steigert Leistungsfähigkeit für Industrie und Verkehr.
Das Forschungsprojekt AI4Mobile (KI-gestützte Mobilfunksysteme für Mobilität in Industrie und Verkehr) ist erfolgreich abgeschlossen worden. Seit 2020 entwickelte das AI4Mobile-Konsortium unter der Leitung des Fraunhofer Heinrich-Hertz-Instituts (HHI) KI-basierte Kommunikationslösungen für verschiedene Mobilitätsanwendungen.
Das Projekt wurde vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der Hightech-Strategie der Bundesregierung mit 5,1 Mio. Euro gefördert. Es gehört zum Themenbereich „Künstliche Intelligenz in Kommunikationsnetzen“. Bei AI4Mobile stand die Entwicklung innovativer Methoden der künstlichen Intelligenz und des maschinellen Lernens für den Einsatz in Mobilfunksystemen und -netzen im Vordergrund, mit dem Ziel, diese zukunftsfähig zu machen.
Kernelement der im Projekt entwickelten Lösungen sind Methoden, die die Vorhersage der Servicequalität (QoS) bei hoher Mobilität sowie einer darauf basierenden Ressourcenoptimierung- und Vernetzung in allen Teilen der Mobilfunkinfrastruktur ermöglichen. Die Lösungen zur Vorhersage der QoS sollen kritische Zustände in Mobilfunknetzen rechtzeitig erkennen. Kritische Zustände können undefinierte Systemzustände oder extreme Störungen sein und reichen bis zum vollständigen Verlust der Netzabdeckung.
„Die Ergebnisse von AI4Mobile haben das Bild verfestigt, dass maschinelles Lernen ein wichtiges Element in der Weiterentwicklung von Mobilfunknetzen darstellen wird,“ sagt Jan-Peter Meyer-Kahlen, Leiter des Ericsson Forschungs- und Entwicklungsstandorts Eurolab.
Im Rahmen von AI4Mobile wurden verschiedene Anwendungsfälle aus den Bereichen Verkehr und Industrie, wie etwa teleoperiertes Fahren und Kooperation zwischen mobilen und stationären Robotern, identifiziert und im Hinblick auf ihre jeweiligen Anforderungen analysiert.
Zur Datengenerierung und zur Evaluation der Konzepte hat das Team einen dreistufigen Ansatz aus virtueller Nachbildung der Systeme, privaten Campusnetzen in Labor- und Fabrikumgebungen sowie umfangreichen Test- und Messkampagnen in öffentlichen Szenarien bzw. Mobilfunknetzen verfolgt. Die im Projekt erzeugten Datensätze umfassen Daten aus allen Bereichen der Mobilfunkinfrastruktur (Endgeräte, Funkzugangsnetz, Kernnetz), fahrzeugspezifische Informationen (z. B. Route, Position, Geschwindigkeit), Daten hochqualitativer Sensoren (z. B. Lidar) sowie öffentlich zugängliche Kontextinformationen wie Verkehrs- und Wetterdaten. Das Konsortium hat einen Großteil der Datensätze, die im Zuge der Messkampagnen gewonnen wurden, sowie die Software für die komplette Datenverarbeitungskette veröffentlicht.
„Mit der Veröffentlichung der Datensätze leistet das AI4Mobile-Konsortium einen wichtigen Beitrag zur Entwicklung KI-basierter Algorithmen für Mobilfunkanwendungen durch Forschungsgruppen weltweit,” kommentiert Prof. Slawomir Stanczak, Leiter der Abteilung „Drahtlose Kommunikation und Netze“ am Fraunhofer HHI.
Der Berlin V2X Datensatz bietet hochauflösende GPS-geortete drahtlose Messungen in verschiedenen städtischen Umgebungen in Berlin sowohl für zellulare als auch für Sidelink-Funktechnologien. Die Daten wurden mit vier Fahrzeugen über drei Tage hinweg erfasst.
Die AI4Mobile iV2V and iV2I+ Industrial Wireless Datensätze enthalten drahtlose Messungen aus zwei industriellen Testumgebungen: iV2V (industrielles Fahrzeug-zu-Fahrzeug) und iV2I+ (industrielles Fahrzeug-zu-Infrastruktur plus Sensor). Die Daten enthalten Informationen zu Parametern der physikalischen Schicht (z. B. Signalstärke und Signalqualität), zur drahtlosen Dienstgüte (QoS) wie Verzögerung und Durchsatz sowie Positionsdaten. Die Datensätze sind annotiert und vorgefiltert, um ein schnelles Onboarding sowie eine schnelle Anwendbarkeit zu ermöglichen.
Die entwickelten Lösungen werden neuartige Mobilitätsanwendungen im Personenverkehr, im Güterverkehr sowie in industriellen Produktionsumgebungen unterstützen. Weiterhin werden die prädizierten QoS-Informationen genutzt, um KI-Mechanismen zur Echtzeit-Optimierung und zur dynamischen Anpassung in allen Teilen der Mobilfunknetze zu entwickeln.
„Im Projekt haben wir mit den Partnern wichtige Ergebnisse zur Nutzung KI-basierter Kommunikationslösungen erzielt. Ein Beispiel ist die Prädiktion der Verbindungsqualität für Connected Mobility und Industrie 4.0,“ berichtet Dr. Frank Hofmann, Chief Expert für Kommunikationssysteme bei Bosch Research.
Neben dem Fraunhofer HHI waren folgende Partner am Projekt beteiligt: BMW AG, Robert Bosch GmbH, Enway GmbH, Ericsson GmbH, Götting KG, RFmondial GmbH, TU Dresden (Vodafone Lehrstuhl für Mobilfunksysteme und Deutsche Telekom Lehrstuhl für Kommunikationsnetze), RPTU Kaiserslautern (Lehrstuhl für Funkkommunikation und Navigation).
Die Liste der Publikationen, die im Rahmen von AI4Mobile entstanden sind, finden Sie unter dem gelisteten Link.
Wissenschaftliche Ansprechpartner:
Martina Müller
Pressekontakt
Telefon +49 30 31002 242
E-Mail martina.mueller@hhi.fraunhofer.de
Dr.-Ing. Martin Kasparick
Technischer Kontakt
Telefon +49 30 31002-853
E-Mail martin.kasparick@hhi.fraunhofer.de
Originalpublikation:
https://newsletter.fraunhofer.de/-viewonline2/17386/751/3/6RFhct0v/Rrx5aJ5L7O/1
Weitere Informationen:
https://ieee-dataport.org/open-access/ai4mobile-industrial-wireless-datasets-iv2…
https://ieee-dataport.org/open-access/berlin-v2x
https://www.ai4mobile.org/#publikationen
Media Contact
Alle Nachrichten aus der Kategorie: Informationstechnologie
Neuerungen und Entwicklungen auf den Gebieten der Informations- und Datenverarbeitung sowie der dafür benötigten Hardware finden Sie hier zusammengefasst.
Unter anderem erhalten Sie Informationen aus den Teilbereichen: IT-Dienstleistungen, IT-Architektur, IT-Management und Telekommunikation.
Neueste Beiträge
Größte bisher bekannte magnetische Anisotropie eines Moleküls gemessen
An der Berliner Synchrotronstrahlungsquelle BESSY II ist es gelungen, die größte magnetische Anisotropie eines einzelnen Moleküls zu bestimmen, die jemals experimentell gemessen wurde. Je größer diese Anisotropie ist, desto besser…
Tsunami-Frühwarnsystem im Indischen Ozean
20 Jahre nach der Tsunami-Katastrophe… Dank des unter Federführung des GFZ von 2005 bis 2008 entwickelten Frühwarnsystems GITEWS ist heute nicht nur der Indische Ozean besser auf solche Naturgefahren vorbereitet….
Resistente Bakterien in der Ostsee
Greifswalder Publikation in npj Clean Water. Ein Forschungsteam des Helmholtz-Instituts für One Health (HIOH) hat die Verbreitung und Eigenschaften von antibiotikaresistenten Bakterien in der Ostsee untersucht. Die Ergebnisse ihrer Arbeit…