Ganzheitliches elektronisches Fahrzeugmanagement für autonome Elektrofahrzeuge

Die Automobilwirtschaft befindet sich durch die zunehmende Digitalisierung und Vernetzung von Fahrzeugen, wodurch das autonome Fahren ermöglicht werden wird, in einem disruptiven Wandel. Das autonome Fahren zeigt völlig neue anwendungsspezifische Nutzungsszenarien auf, die bei frühzeitiger Berücksichtigung in der Fahrzeugkonzeption und -entwicklung in innovativen Technologien resultieren. Durch die Nutzungsvielfalt autonomer Fahrzeuge, werden immer komplexere und intelligentere Algorithmen benötigt, wodurch die Anforderungen in der Fahrzeugentwicklung rasant ansteigen.

Aus diesen Gründen soll im Innovationsverbund autoMoVe, bestehend aus Osfalia Hochschule, TU Braunschweig und TU Clausthal unter der Gesamtleitung des NFF-Vorstandssprechers Prof. Thomas Vietor ein elektrisches Fahrzeugkonzept entwickelt werden, welches durch den Austausch anwendungsspezifischer Module eine Vielzahl von Anwendungen vom innerbetrieblichen Gütertransport bis zur Personenbeförderung im Straßenverkehr autonom übernehmen kann.

Der Forschungsschwerpunkt autoEVM des EFRE-Verbundprojekts autoMoVe
fokussiert die modellbasierte Entwicklung innovativer und intelligenter Algorithmen für den
autonomen Fahrbetrieb basierend auf künstlicher Intelligenz. Dabei wird neben Algorithmen für das
Batterie‐ und Energiemanagement eine intelligente zeit‐, energie‐, verkehrs‐ und
infrastrukturoptimierte Ziel‐ und Bahnführung entwickelt. Hierbei werden nicht nur hochpräzise
Kartendaten, sondern auch statische und dynamische Verkehrsinformationen, Umfelddaten sowie
Informationen aus der Car‐2‐X‐Kommunikation berücksichtigt. Nach erfolgreicher Funktionsentwicklung
erfolgt die Integration aller Fahrzeugfunktionen, um den Fahrbetrieb realisieren zu können.
Entwicklungsbegleitend wird gemeinsam mit den Verbundpartnern ein virtueller Prüfstand sukzessive
aufgebaut und zur Validierung und Optimierung der entwickelten Funktionen genutzt. Weiterhin werden
ausgewählte Funktionen mit hohem Innovationsgrad mithilfe von physischen Prüfständen in der
Realität erprobt und optimiert.