English

FREEPORT – centraliserad inlärning och edge processing för säker och effektiv drift

Metoderna för insamling och bearbetning av data inom mobilitetssektorn har varit relativt oförändrade under de senaste två decennierna. Men nya utmaningar, som exempelvis elektromobilitet, kräver ett nytt tillvägagångssätt för att bygga dessa system med ökad flexibilitet i lagring och datahantering. Så kallad edge processing erbjuder potentialen för en ny dataloggningsinfrastruktur genom att minska överföringskostnaderna och sänka analysfördröjningen, vilket gynnar fordonstillverkare, vagnparksägare och förare.

FREEPORT-projektet syftar till att stödja transformation av elektromobilitet genom att ta itu med tre viktiga utmaningar som operatörer av tunga fordon står inför: effektivitet, säkerhet och drifttid.

Affärsvärdet och användningsfallen omfattar övervakning av elektriska komponenter som batterier och motorer, utveckling av grunder för användning av tredjepartstjänster i edge-enheter, förutsägelser om energiförbrukning för att optimera laddning och förbättrad funktionell säkerhet genom kontinuerlig övervakning för att varna operatörerna vid behov. Vi förväntar oss att demonstrera insamling och bearbetning av spetsdata för minst 20 fordon, med målet att ansluta 50 tunga elektriska lastbilar till projektets slut.

Vetenskapligt kommer vi i projektet att utveckla banbrytande dataanalysfunktioner på spetsen: nya algoritmer för detektering av anomali i realtid som är skräddarsydda för fordonssektorn, ett mångsidigt händelsebaserat ramverk för datainsamling, en cybersäkerhetsmedveten arkitektur för realtid säkerhetsvarningar samt jämförande utvärdering av toppmoderna federerade inlärningsmetoder. Tonvikten kommer att ligga på att skapa kunskap och representera data för att hitta mönster i en verklig miljö över hela flottan av övervakade fordon.