Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.
ADAC Verbraucherschutztests zum Zweck der Verbraucherinformation und Verbraucherberatung. Veröffentlichung der ADAC Testergebnisse in ADAC Medien
Forschungsprojekte in Zusammenarbeit mit Hochschulen und Technologie-Entwicklern
Dienstleistungen für den Automotive- / Mobilitätsbereich
Autotests, Reifentests, Tests von Fahrerassistenzsystemen und autonomen Fahren
Produkttests (bspw. Anhänger, E-Scooter)
Sondertests (bspw. Hochschulen)
Simulation von Verkehrssituationen.
Erprobung von Fahrerassistenzsystemen, Fahrwerk, Komfort, und Bremsen.
Simulation von Straßenfahrten im Stadt-, Land- und Autobahn Bereich.
Fahrten im Kreuzungsbereich und mit Begegnungsverkehren von weiteren Pkw, Radfahrern, Fußgängern, Bussen und LKW
Simulation von Notbrems- und Ausweichsituationen
Beschleunigungs- und Konstantfahrten von Pkw im Geschwindigkeitsbereich bis 200 km/h.
Beschleunigungs- und Konstantfahrten von Bussen / Lkw im Geschwindigkeitsbereich bis 80 km/h.
Fahrdynamische Tests bei variierender Geschwindigkeit; Fahrstabilität;
Fahrertrainings
Test von Sensoren und Komponenten zur Weiterentwicklung von Testaufbauten und Testmethoden
Projektbeginn: 2020 / Projektende: 31.06.2022 In der Zukunft können Vernetzung und autonomes Fahren eine bedeutende Rolle bei der Umsetzung einer stadtverträglichen Mobilität einnehmen und dazu beitragen, die Bürgerinnen und Bürger sicherer und zuverlässiger an ihr Ziel zu bringen. Intelligente Technologien erhöhen die Verkehrssicherheit und leisten einen wesentlichen Beitrag zu einem umwelt- und stadtverträglichen Verkehr. Das Land Berlin erprobt bereits heute diese Technologien, um Erfahrungen zu sammeln und die notwendigen Voraussetzungen zu schaffen. Im Projekt Shuttles & Co soll untersucht werden: wie hochautomatisierte Elektro-Kleinbusse in den Linienbetrieb des öffentlichen Nahverkehrs als sinnvolle Ergänzung eingebunden werden können, sodass das Mobilitätssystem optimiert und wirtschaftlich betrieben werden kann, wie die Erkennung der Umgebung automatisierter und vernetzter Fahrzeuge und der Austausch von dafür notwendigen Informationen verbessert und auf dieser Grundlage digitale Karten erstellt und ständig aktualisiert werden können, wie gesellschaftliche Akzeptanz und das Vertrauen in die Technologien in der Gesellschaft erhöht werden können. Projektleitung Berliner Verkehrsbetriebe (BVG) Berliner Agentur für Elektromobilität eMO Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) – Institut für Verkehrssystemtechnik Fraunhofer FOKUS Freie Universität Berlin – Dahlem Center for Machine Learning and Robotics Technische Universität Berlin mit: Daimler Center for Automotive IT Innovations (DCAITI) Zentrum Technik und Gesellschaft (ZTG) Bereich „Mobilität und Raum“ Hella Aglaia Mobile Vision GmbH VMZ Berlin Betreibergesellschaft mbH IAV GmbH Ingenieurgesellschaft Auto und Verkehr T-Systems Strop Consulting und Projektmanagement (scope) Ein zukunftsfähiges, nachhaltiges Mobilitätssystem durch automatisiertes Fahren und Vernetzung Shuttles & Co