Das Projekt "Teilvorhaben: Antriebssystem und Lenkung" wird vom Umweltbundesamt gefördert und von Institut für Automatisierung und Informatik GmbH, Zentrum für industrielle Forschung und Entwicklung Wernigerode durchgeführt. Das Vorhaben fokussiert insbesondere auf mehrspurige als Pedelec eingestufte Mikromobile, die über einen Pedalantrieb verfügen. Das Eaasy System soll mit einem modernen Antriebs- und Lenksystem ausgestattet werden. Das Antriebssystem soll basierend auf marktüblichen Fahrradantrieben als Serieller Hybribantrieb konzipiert, aufgebaut und in Betrieb genommen werden, wobei das Fahr- und Tretgefühl eines konventionellen Fahrrades elektronisch nachgebildet wird. Insbesondere soll für den Generator ein marktüblicher Pedelec-Antriebsmotor verwendet werden. Für den Lenkantrieb, der aus einem handelsüblichen Motor mit angepasster Mechanik bestehen soll, wird ein Steuergerät entworfen, aufgebaut und unter Berücksichtigung der erforderlichen SIL-Standards in Betrieb benommen. Ergänzend wird zu beiden Antriebssystemen eine Telemetrie und ein Fernupdate entwickelt, implementiert und getestet.
Das Projekt "Teilvorhaben: Systemintegration der Come-With-Me Funktion" wird vom Umweltbundesamt gefördert und von ONOMOTION GmbH durchgeführt. Das Eaasy System mit Come-With-Me Funktion wird das erste elektrische Lastenrad mit autonomen, einsatzfähigen Fahrfunktionen, welches die Flexibilität konventioneller Lastenräder mit den ergonomischen Vorteilen und schlanken Zustellprozessen von Follow-Me Zustellrobotern vereinigt. Das Teilvorhaben von ONOMOTION bezieht sich auf die Entwicklung des Bremssystems für die autonome Fahrfunktion und auf die Integration des Sensorikpakets, der Lenkungsaktorik und des Antriebs- und Bremssystems an das ONO PAT Lastenrad.
Das Projekt "Teilvorhaben: Anwendungstest- und Prototypische Integration" wird vom Umweltbundesamt gefördert und von Marketing Service Magdeburg KG durchgeführt. Das Vorhaben Eaasy System befasst sich mit der Entwicklung eines adaptiven autonomen Zustellsystems für die letzte Meile. Angestrebt wird die deutliche Verbesserung von Effizienz und Ergonomie urbaner Zustellprozesse durch autonome Fahrfunktionen. Dafür werden das erste adaptiv autonome Zustellfahrzeug mit sprachgesteuerter Come-With-Me Funktion und die dazugehörige Dispositions-, Betriebs und Planungsumgebung entwickelt. Das Fahrzeug kann im autonomen Fahrmodus in Schrittgeschwindigkeit selbständig fahren. Im Zustellprozess wird dadurch zwischen Zustelladressen das zeitaufwendige Auf- und Absteigen obsolet. Der:die Zusteller:in dirigiert das Fahrzeug per Sprachsteuerung. Damit werden gegenüber reinen Follow-Me Ansätzen neue Freiheitsgrade (u.a. Fahren neben Person und parallele Entnahme von Sendungen) möglich. Bei langen Strecken und komplexen Verkehrssituationen wird das Fahrzeug in den manuellen Modus übernommen. Damit können Zusteller:innen schnell weitere Strecken bzw. komplexe Verkehrssituationen überbrücken. Mittels Sprachsteuerung können Zusteller:innen mit dem Fahrzeug interagieren. Sie teilen dem Fahrzeug Fahrtwünsche mit, können komplexe Anfragen stellen oder lassen sich assistieren. Das Eaasy-System senkt durch die Kombination von autonomem Fahren, intuitiver Sprachsteuerung und effizientem Dispositions- und Betriebsführungssystem die Zustellzeiten deutlich. Mit der Come-With-Me Funktion wird die körperliche Belastung der Zusteller:innen gesenkt. Das Eaasy System verfolgt das Ziel den öffentlichen Raum mittels intelligenter Lastenräder zu entlasten. Erprobung und Einsatz sind durch Limitierung des autonomen Fahrens auf 6km/h und mit produktiver Begleitperson zeitnah möglich. Mit der intuitiven Sprachsteuerung lässt es sich einfach in den Arbeitsprozess integrieren. Konkrete Zielstellung für das Vorhaben ist die Entwicklung, Implementierung und Validierung der zusteller:innenüberwachten Come-With-Me Funktion und deren Systemintegration auf TRL-6 Level.
Das Projekt "Teilvorhaben: LOGIN mit ÜSTRA" wird vom Umweltbundesamt gefördert und von üstra Hannoversche Verkehrsbetriebe AG durchgeführt. Im Vorhaben soll eine Vernetzung von ÖV-Fahrzeugen und Lichtsignalanlagen (LSA) sowohl zu einer energiesparenden Fahrweise als auch zu einer emissionsreduzierenden LSA-Steuerung beitragen. Im Testfeld Hannover werden dazu Stadtbahnen und Busse zweier Nahverkehrsunternehmen mit einem Onboard-Equipment ausgerüstet, welches über den Kommunikationsstandard ETSI ITS-G5 mit Roadside Units an verkehrsabhängigen LSA unterschiedlicher Betreiber operative Daten austauscht, damit ÖV-Fahrzeuge die Knotenpunkte unter Berücksichtigung einer situativ angemessenen Fahrstrategie mit geringsten Energie- und Zeitverlusten queren können. Hierzu werden Komponenten eines modularen Baukastens entwickelt und erprobt, welcher auf allen involvierten Ebenen (Planung, Entwurf, Piloterprobung und Regelbetrieb) Lösungen und Instrumente bereithält, damit LSA- und ÖPNV-Betreiber die für sie jeweils bestgeeigneten Komponenten schrittweise implementieren und unter Praxisbedingungen erproben können. Für das Verkehrsunternehmen ÜSTRA AG hat die Bevorrechtigung an LSA eine große wirtschaftliche Bedeutung. Ein Ziel der ÜSTRA besteht darin, auch nach Einführung des neuen Kommunikationsstandards ETSI ITS-G5 weiterhin eine optimale Bevorrechtigung an LSA sicherzustellen. Gleichzeitig ermöglicht der neue Kommunikationsstandard zwischen Fahrzeugen und Infrastruktur die Entwicklung von neuen Funktionen, die Vorteile für den Fahrbetrieb und den Verkehr insgesamt möglich machen. Mit dem neuen Standard können Ankunftszeitprognosen an die Lichtsignalanlagen (LSA) gesandt werden. Die Bus- und Stadtbahnfahrer können in Zukunft Schaltzeitprognosen der Lichtsignalanlagen erhalten und ihr Fahrverhalten an die Situation frühzeitig anpassen.
Das Projekt "Teilvorhaben: Simulation und Funktionsentwicklung für die Hybridantriebseinheit" wird vom Umweltbundesamt gefördert und von RWTH Aachen University, Lehrstuhl für Verbrennungsmaschinen, Mechatronische Systeme am Verbrennungsmotor IKZ 412330 durchgeführt. Das übergeordnete Gesamtziel des Vorhabens ist die Entwicklung und Validierung einer kostengünstigen hybrid-elektrischen Antriebsstrangtopologie für Zweiräder, um niedrige Schadstoff-Emissionen und gutes Fahrverhalten zu ermöglichen. Im Rahmen des Projektes sollen zunächst generische Simulationsmodelle für einzelne Antriebskomponenten und das Fahrzeug entwickelt werden. Mit Hilfe der erzeugten Modelle können anschließend unterschiedliche Hybrid-Topologien (seriell, parallel oder leistungsverzweigt) im Hinblick auf mehrdimensionale Optimierungskriterien für eine Zweiradanwendung verglichen und bewertet werden. Auf Basis der Untersuchungsergebnisse wird für den weiteren Projektablauf eine Hybrid-Topologie ausgewählt. In der folgenden Projektphase wird auf Basis des ausgewählten Konzeptes ein erster Prototyp der Hybridantriebseinheit aufgebaut. Dazu soll nach Möglichkeit auf bereits verfügbare Komponenten zurückgegriffen werden. Da dies nicht in allen Fällen möglich sein wird, werden einzelne Komponenten - wie beispielsweise das Steuergerät - während dieser Projektphase entwickelt und prototypisch umgesetzt. Anschließend wird die Hybridantriebseinheit in umfangreichen Prüfstandsuntersuchungen erprobt und soweit optimiert, dass diese in ein Demonstrationsfahrzeug eingebaut werden kann. Den Abschluss des Projektes bildet die Validierung des Konzeptes im Fahrzeug. Dazu werden zwei Fahrzeuge mit dem Hybridantrieb ausgestattet und ermöglichen eine abschließende Kalibrierung und Fahrzeugmessungen auf einem Rollenprüfstand sowie auf einem Testgelände.
Das Projekt "Teilvorhaben: Steuergeräteentwicklung" wird vom Umweltbundesamt gefördert und von VEMAC GmbH & Co. KG durchgeführt. Das übergeordnete Gesamtziel des Vorhabens ist die Entwicklung und Validierung einer kostengünstigen hybrid-elektrischen Antriebsstrangtopologie für ein Zweirad um niedrige CO2-Emissionen und gutes Fahrverhalten zu ermöglichen. Im Rahmen des Projektes sollen zunächst generische Simulationsmodelle für einzelne Antriebskomponenten und das Fahrzeug entwickelt werden. Mit Hilfe der erzeugten Modelle können anschließend unterschiedliche Hybrid-Topologien (seriell, parallel oder leistungsverzweigt) im Hinblick auf mehrdimensionale Optimierungskriterien für eine Zweiradanwendung verglichen und bewertet werden. Auf Basis der Untersuchungsergebnisse wird für den weiteren Projektablauf eine Hybrid-Topologie ausgewählt. In der folgenden Projektphase wird auf Basis des ausgewählten Konzeptes ein erster Prototyp der Hybridantriebseinheit aufgebaut. Dazu soll nach Möglichkeit auf bereits verfügbare Komponenten zurückgegriffen werden. Da dies nicht in allen Fällen möglich sein wird, werden einzelne Komponenten - wie beispielsweise das Steuergerät - während dieser Projektphase entwickelt und prototypisch umgesetzt. Anschließend wird die Hybridantriebseinheit in umfangreichen Prüfstandsuntersuchungen erprobt und soweit optimiert, dass diese in ein Demonstrationsfahrzeug eingebaut werden kann. Den Abschluss des Projektes bildet die Validierung des Konzeptes im Fahrzeug. Dazu werden zwei Fahrzeuge mit dem Hybridantrieb ausgestattet und ermöglichen eine abschließende Kalibrierung und Fahrzeugmessungen auf einem Rollenprüfstand und der Straße.
Das Projekt "GLI:X - Daten für Smart Green Logistic Corridor (GLC)" wird vom Umweltbundesamt gefördert und von geoSYS - Dresen und Bonte GbR durchgeführt. Kern der hier beantragten Durchführbarkeitsstudie ist ein erstes Teilprojekt dieser Vision eines Smart Green Logistic Corridor zwischen einem Hafen Südafrikas und Gauteng als wichtigster wirtschaftlicher Knotenpunkt des südlichen Afrikas auf eine Umsetzung hin zu untersuchen. Die Durchführbarkeitsstudie wird dabei untersetzt mit ersten konkreten Testfeldern der Datenerhebung und bidirektionalen Kommunikationsmöglichkeiten. Die Studie untersucht: - Rahmenbedingungen mit Versuchsaufbau Reallabor für GLC. Datenerhebung Verkehrsfluss (Stau, Auffälligkeiten (Unfall, Überfall, usw.), Weiteres - technische, infrastrukturelle und rechtliche Rahmenbedingen: Datenhandling (Aufbereitung, KI, Mustererkennung usw., Protokolle, Schnittstellen, Recht, PPP) - Steuerungsmöglichkeiten (selbstorganisierend, in Kooperation oder alleine durch staatliche Stellen) - Kommunikationsschnittstellen aktiv/passiv bidirektional mit Truck-Drivern/Logistikunternehmen - Incentives als Anreizsystem für besseres Fahrverhalten - Schnittstelle und Nutzbarkeit zu ausgewählten GLI:X Indikatoren - Kommunikation, Skalier- und Transferierbarkeit Der Projektansatz folgt dabei dem Grundsatz, eine technische und kommunikative Lösung zu entwickeln, die zu den am barriereärmsten Umsetzungsansätzen führt, d.h., überhaupt das Potential aufbauen kann, zu einer breiten und damit marktnahen Lösung in der ersten Phase in Südafrika, in den folgenden Phasen dann für den Kontinent zu kommen. Gelingt ein solcher Lösungsansatz und würde es durch eine bessere Verteilung der Verkehrsspitzen beispielsweise in einem Korridor wie Durban-Gauteng kommen, so ergäbe sich eine erhebliche Reduktion der CO2-Emissionen.
Das Projekt "GLI:X - Daten für Smart Green Logistic Corridor (GLC)" wird vom Umweltbundesamt gefördert und von GESI Deutsche Gesellschaft für Systeminnovation mbH durchgeführt. Kern der hier beantragten Durchführbarkeitsstudie ist ein erstes Teilprojekt dieser Vision eines Smart Green Logistic Corridor zwischen einem Hafen Südafrikas und Gauteng als wichtigster wirtschaftlicher Knotenpunkt des südlichen Afrikas auf eine Umsetzung hin zu untersuchen. Die Durchführbarkeitsstudie wird dabei untersetzt mit ersten konkreten Testfeldern der Datenerhebung und bidirektionalen Kommunikationsmöglichkeiten. Die Studie untersucht: - Rahmenbedingungen mit Versuchsaufbau Reallabor für GLC. Datenerhebung Verkehrsfluss (Stau, Auffälligkeiten (Unfall, Überfall, usw.), Weiteres - technische, infrastrukturelle und rechtliche Rahmenbedingen: Datenhandling (Aufbereitung, KI, Mustererkennung usw., Protokolle, Schnittstellen, Recht, PPP) - Steuerungsmöglichkeiten (selbstorganisierend, in Kooperation oder alleine durch staatliche Stellen) - Kommunikationsschnittstellen aktiv/passiv bidirektional mit Truck-Drivern/Logistikunternehmen - Incentives als Anreizsystem für besseres Fahrverhalten - Schnittstelle und Nutzbarkeit zu ausgewählten GLI:X Indikatoren - Kommunikation, Skalier- und Transferierbarkeit Der Projektansatz folgt dabei dem Grundsatz, eine technische und kommunikative Lösung zu entwickeln, die zu den am barriereärmsten Umsetzungsansätzen führt, d.h., überhaupt das Potential aufbauen kann, zu einer breiten und damit marktnahen Lösung in der ersten Phase in Südafrika, in den folgenden Phasen dann für den Kontinent zu kommen. Gelingt ein solcher Lösungsansatz und würde es durch eine bessere Verteilung der Verkehrsspitzen beispielsweise in einem Korridor wie Durban-Gauteng kommen, so ergäbe sich eine erhebliche Reduktion der CO2-Emissionen.
Das Projekt "ML-MoRE - Maschinelles Lernen für die Modellierung und Regelung der Emissionen von Hybridfahrzeugen in Realfahrzyklen" wird vom Umweltbundesamt gefördert und von KST-Motorenversuch GmbH & Co. KG durchgeführt. Im Zuge der Umsetzung der Elektromobilität werden hybride Antriebskonzepte in Deutschland und Europa eine überdurchschnittliche Rolle spielen. Gleichzeitig wird die Emissionsgesetzgebung weiter verschärft und auf den Realbetrieb ausgerichtet (Real Driving Emissions). Hierdurch ergeben sich hinsichtlich der Reduzierung der Schadstoff- und CO2-Emissionen völlig neue Herausforderungen und Chancen. So eröffnen insbesondere hybride Antriebskonzepte umfangreiche Möglichkeiten zur Optimierung des Betriebs eines Verbrennungsmotors, die weit über die bislang hauptsächlich verfolgte Wirkungsgradsteigerung hinausgehen. Zentrales Ziel des Vorhabens ist die Überführung aktueller Erkenntnisse aus der Forschung zur innermotorischen Schadstoffbildung im transienten Fahrzeugbetrieb in praktisch anwendbare Modelle zur situationsbezogenen Betriebsstrategiewahl im Fahrzeug, welche in Kombination mit ergänzend entwickelter Fahrererkennung, Streckenvorausschau und Diagnosefunktionen niedrigste Emissionen im praktischen Fahrzeugbetrieb sicherstellen. Hierbei kommen Methoden des maschinellen Lernens (ML) auf mehreren Ebenen zum Einsatz: (i) Zur Erkennung und Vorausschau emissionskritischer Fahrsituationen anhand von Fahrercharakterisierung (z.B. eher aggressiver/defensiver Fahrstil) und konnektivitätsbasierter Vorhersage der zu erwartenden Fahrsituation (z.B. Topografie, Verkehr) und (ii) zur Überführung komplexer und allenfalls teilweise modellhaft beschreibbarer physikalischer Zusammenhänge der innermotorischen Schadstoffbildung im praxisnahen hochtransienten Betrieb in echtzeitfähige Modelle, Betriebsstrategien und Diagnosefunktionen, die in existierende Motorsteuerungen integriert werden können. Durch die enge Vernetzung der Aktivitäten der KMU mit denen der Hochschulpartner wird sichergestellt, dass neueste Erkenntnisse der universitären Forschung in praktische Anwendungen überführt werden, auf deren Grundlage sich neue bzw. erweiterte Geschäftsfelder für KMU erschließen lassen.
Das Projekt "ML-MoRE - Maschinelles Lernen für die Modellierung und Regelung der Emissionen von Hybridfahrzeugen in Realfahrzyklen" wird vom Umweltbundesamt gefördert und von RA Consulting GmbH durchgeführt. Im Zuge der Umsetzung der Elektromobilität werden hybride Antriebskonzepte in Deutschland und Europa eine überdurchschnittliche Rolle spielen. Gleichzeitig wird die Emissionsgesetzgebung weiter verschärft und auf den Realbetrieb ausgerichtet (Real Driving Emissions). Hierdurch ergeben sich hinsichtlich der Reduzierung der Schadstoff- und CO2-Emissionen völlig neue Herausforderungen und Chancen. So eröffnen insbesondere hybride Antriebskonzepte umfangreiche Möglichkeiten zur Optimierung des Betriebs eines Verbrennungsmotors, die weit über die bislang hauptsächlich verfolgte Wirkungsgradsteigerung hinausgehen. Zentrales Ziel des Vorhabens ist die Überführung aktueller Erkenntnisse aus der Forschung zur innermotorischen Schadstoffbildung im transienten Fahrzeugbetrieb in praktisch anwendbare Modelle zur situationsbezogenen Betriebsstrategiewahl im Fahrzeug, welche in Kombination mit ergänzend entwickelter Fahrererkennung, Streckenvorausschau und Diagnosefunktionen niedrigste Emissionen im praktischen Fahrzeugbetrieb sicherstellen. Hierbei kommen Methoden des maschinellen Lernens (ML) auf mehreren Ebenen zum Einsatz: (i) Zur Erkennung und Vorausschau emissionskritischer Fahrsituationen anhand von Fahrercharakterisierung (z.B. eher aggressiver/defensiver Fahrstil) und konnektivitätsbasierter Vorhersage der zu erwartenden Fahrsituation (z.B. Topografie, Verkehr) und (ii) zur Überführung komplexer und allenfalls teilweise modellhaft beschreibbarer physikalischer Zusammenhänge der innermotorischen Schadstoffbildung im praxisnahen hochtransienten Betrieb in echtzeitfähige Modelle, Betriebsstrategien und Diagnosefunktionen, die in existierende Motorsteuerungen integriert werden können. Durch die enge Vernetzung der Aktivitäten der KMU mit denen der Hochschulpartner wird sichergestellt, dass neueste Erkenntnisse der universitären Forschung in praktische Anwendungen überführt werden, auf deren Grundlage sich neue bzw. erweiterte Geschäftsfelder für KMU erschließen lassen.
| Origin | Count |
|---|---|
| Bund | 200 |
| Type | Count |
|---|---|
| Förderprogramm | 200 |
| License | Count |
|---|---|
| offen | 200 |
| Language | Count |
|---|---|
| Deutsch | 198 |
| Englisch | 19 |
| Resource type | Count |
|---|---|
| Keine | 59 |
| Webseite | 141 |
| Topic | Count |
|---|---|
| Boden | 156 |
| Lebewesen & Lebensräume | 125 |
| Luft | 183 |
| Mensch & Umwelt | 200 |
| Wasser | 63 |
| Weitere | 200 |