Inhalte und Ziele

Aufbau eines digitalen Zwillings zur Erprobung von intelligenten Verkehrsinfrastrukturen sowie dem Schutz dieser vor Hackerangriffen

Im Auftrag des Ministeriums für Verkehr Baden-Württemberg (VM) soll im Rahmen des Projektes DigiT4TAF-BW ein digitaler Zwilling (Digital Twin) von ausgewählten Verkehrsräumen des Testfeld Autonomes Fahren Baden-Württemberg (TAF-BW) aufgebaut werden. Der digitale Zwilling kann anschließend als Plattform für die Erprobung von intelligenten Verkehrsinfrastrukturen und Untersuchungen zum Schutz dieser vor Hackerangriffen genutzt werden.

Im Laufe des Projektes werden die Potentiale bezüglich des Einsatzes von Künstlicher Intelligenz in Mobilitätssystemen der Zukunft analysiert. Basierend auf den Ergebnissen der Potentialanalyse werden Handlungsempfehlungen erarbeitet, die zukünftig zur Weiterentwicklung der multimodalen Mobilität umgesetzt werden können. Neben der Entwicklung und Bereitstellung der Simulationsumgebung, basierend auf der Unreal Engine, werden KI-basierte Modelle entwickelt, die das Verhalten von Verkehrsteilnehmenden im digitalen Zwilling simulieren. Durch den Aufbau eines Fahrradsimulators, welcher direkt in die Simulationsumgebung eingebunden werden kann, kann die Perspektive von Radfahrenden in besonderem Maße berücksichtigt werden. Für die Untersuchungen zum Schutz vor Hackerangriffen auf die neuen und vernetzten Technologien, werden nach der erfolgten Bedrohungsanalyse ein System zur Abschätzung der Bedrohungslage und entsprechende Gegenmaßnahmen erarbeitet.

*links: Außenansicht des mobilen Leitstandes, Mitte: Nahaufnahme eines verbauten Lidar-Sensors, rechts: Innenansicht des mobilen Leitstandes*

Der zentrale Beitrag des KIT-FAST zum Projekt besteht in der Aufzeichnung von Daten mit dem mobilen Leitstand des TAF-BW und der Ableitung von anonymisierten Objektlisten. Hierzu wird die Software des mobilen Leitstandes um LIDAR-basierte Algorithmen zur Detektion und zum Tracking von Objekten erweitert. Die aufgezeichneten Objektlisten beschreiben das Bewegungsverhalten typischer Verkehrsteilnehmender (Fahrzeuge, Radfahrende, zu Fuß Gehende) und werden für das Training von KI-basierten Verhaltensmodellen zur Verfügung gestellt. Die Kritikalität der aufgezeichneten Szenarien wird bewertet und ein Katalog mit besonders kritischen Szenarien erstellt, welche anschließend im digitalen Zwilling gefahrenlos und beliebig oft abgespielt werden können.