Herausforderungen und Zielsetzung

Mit der fortschreitenden Digitalisierung in Fahrzeugen und der Verkehrsinfrastruktur stehen potenziell große Mengen an Daten zur Verfügung, die vernetzt die Grundlage für intelligente Mobilitätslösungen bilden können, die ein zukünftiges Gesamtverkehrssystem aus Fahrzeugen - autonom und nicht-autonom -, Dienstleistern, OEMs und den Verkehrsteilnehmenden ermöglichen. Mit der Einbindung verschiedenster Verkehrsmittel wird multi-modaler Transport sowie eine optimierte Nutzung von Lade- und Parkinfrastrukturen durch die Vernetzung der Daten möglich, um einige Beispiele zu nennen. Auch übergreifende Maßnahmen zum Klimaschutz, dem Erhalt der Infrastruktur und Steuerung komplexer Verkehrsflüsse sind hierbei durchaus im Fokus.

In moveID werden folgende zentrale Ziele verfolgt:

• Konzipierung einer Architektur für Mobilitätsdatenräume, die ein Daten- und Dienstökosystem etablieren
• Eindeutige semantische Beschreibungen der Daten- und Dienste unter Nutzung offener Standards
• Datensicherheit und Datensouveränität im Datenraum, die das Vertrauen der Nutzenden und Dienstleister stärken
• Überprüfbare Identitäten und Merkmale der Datenquellen und Teilnehmenden

Lösungsansätze

• Gaia-X-System als Grundlage, das die ökonomischen, rechtlichen und technischen Kernelemente für die Dateninfrastruktur mit dem Fokus auf Dezentralisierung und Souveränität bereitstellt
• Einsatz von SSI (Self-Sovereign Identity) und DL (Distributed Ledger) Technologien für die Umsetzung einer dezentralen technischen Vertrauensinfrastruktur
• Integration von ausgewählten Anwendungsfällen in Testdatenräumen (EDC-basiert, Pontus-X) unter Entwicklung der notwendigen Konnektoren

Ergebnisse

• Architekturbeschreibung für Gaia-X konforme Mobilitätsdatenräume
• Evaluierung vorhandener SSI-Frameworks für die Umsetzung der Anwendungen
• Entwurf und Umsetzung von Diensten zur Beschreibung und Validierung der Datenherkunft auf Basis von SSI und Web 3.0 Techniken
• Aufbau von Ontologien zur Beschreibung der Teildomänen und Datenformate
• FIWARE Plattform Integration in EDC-Testdatenraum
• Prototypische Realisierung der Anwendungsfälle
  • Smart Parking: Nutzung von Parkplatzverfügbarkeitsvorhersagen, Verkehrsinformationen und intelligentem Routing
  • Zoning: Dynamisches Zonenmanagement in städtischen Umgebungen unter Berücksichtigung fahrzeugspezifischer Merkmale (Fahrzeugidentität und Zertifikate) zur Berechtigungsprüfung
  • Park and Charge: SSI-basiertes Lade- und Bezahlmanagement für Elektrofahrzeuge an Ladesäulen
  • Road Damage Detection: KI-basierte Klassifizierung von Straßenschäden anhand von Bilddaten zur Planung der Ausbesserungsarbeiten

  • Vehicle Data Provenance: Nutzung des Fahrzeugs als selbst-verantwortlichen Akteur von Datenfreigaben unter Einbindung der Fahrzeugidentität