CargoTrailSense_AI
Sensorfusionsbasierte Kennwertberechnung unter realen Ladungsbedingungen bei Gespannen mit gekoppelten Datenbanken
Zuletzt aktualisiert am 04.04.2025
Projektbeschreibung
Problem
Für Beladung und Lastverteilung stehen den Fahrer*innen im Transportsektor keine exakten Prüfinstrumente zur Verfügung. Dieser Mangel kann zur Überladung einzelner Achsen führen, was wiederum die Infrastruktur überlastet. Bisherige Infrastrukturverwiegungen erfassen die Lasten erst zu spät im Fahrbetrieb und lassen nur selten Rückschlüsse auf den Verursacher zu. Zudem werden Kalibrierfehler der Waagen erst im Nachgang bei Überprüfungen erkannt. Ebenfalls fehlen öffentliche Echtzeit-Straßenqualitätsdaten.
Ziele
Im Projekt CargoTrailSense_AI soll ein praxistaugliches System zur Rad- und Achslastbestimmung für Lkw-Gespanne entwickelt werden. Das System mit Telematik-Anbindung soll den Fahrzeugzustand, die Ladung, deren Verteilung sowie den Straßenzustand ortsunabhängig ermitteln und als datenbasierte Anwendung an verschiedene Stakeholder weiterleiten (Data-Governance). Ein Abgleich dieser Messungen über die Cloud mit den in der Straße verbauten Überfahrtsmessstreifen ist ebenfalls geplant. Dadurch wird der Datenzugang gewährleistet.
Durchführung
Nach dem Nachweis der Machbarkeit in der Vorstudie soll nun mit verbesserten integrierten Sensoren zur Druck- und Federwegmessung in den Luftfedern sowie Reifendruck- und -temperatursensoren ein Prototypsystem entwickelt werden und in einem Gespann unter den unterschiedlichsten Fahr-, Beladungs- und Straßenbedingungen auf der Teststrecke und der Straße getestet werden. Auch soll eine serientaugliche Messtechnik mit mehreren Fahrzeugen als Versuchsflotte im Feld erprobt werden. Das System ist an eine Cloud angebunden und liefert in Echtzeit Informationen für Speditionen, Fahrer*innen und öffentliche Einrichtungen.
Projektübersicht
