Mobility & Transportation

Mobilität und Transport für die vernetzte Welt von morgen

Kontakt
Christoph Belafi
Partner

E-Mail

Unsere Leistungen

Autonomes Fahren und vernetzte Fahrzeuge

Autonomes Fahren und vernetzte Fahrzeuge

Die zunehmende Fahrzeugautomatisierung erfordert die Echtzeitanalyse großer Mengen von Sensordaten für einen verlässlichen Fahrzeugbetrieb

Die Automatisierung in Fahrzeugen, beginnend vom assistierten Fahren bis hin zum autonomen Fahren, bedingt die Entwicklung von innovativen Algorithmen und effizientem Datenmanagement im Fahrzeug und im verbundenen Backend-System. Zukünftig werden Algorithmen in der Lage sein, eine große Menge an Sensordaten in Echtzeit und miteinander kombiniert auszuwerten, um so fahrrelevante Entscheidung zu treffen.

d-fine unterstützt seine Kunden in diesem innovativen Umfeld mit fachlich-technologischen Kompetenzen insbesondere in der Entwicklung zur Bilderkennung basierend auf Sensoren (z.B. Video, Radar, Ultraschall und Lidar), beim Aufbau einer hochauflösenden Karte bestehend aus Topologie- und Verkehrsdaten sowie der Echtzeitanbindung von C2X-Kommunikation. Technologisch bedeutet dies den Einsatz von Deep-Learning-Algorithmen (z.B. CNNs) zur Objekterkennung, den Aufbau von Big-Data-Architekturen für ein skalierbares Datenmanagement und die Nutzung von  angepassten Validierungsmethoden für Algorithmen in ausgewählten Test- und Simulationsszenarios.

Digitale Luftfahrt Elektromobilität und alternative Antriebskonzepte Hafentechnologie Öffentlicher Personenverkehr und urbane Mobilität Smart Rail: Schienenverkehr Transportlogistik 4.0 Finance und Controlling Treasury und Risk

Autonomes Fahren und vernetzte Fahrzeuge

Die zunehmende Fahrzeugautomatisierung erfordert die Echtzeitanalyse großer Mengen von Sensordaten für einen verlässlichen Fahrzeugbetrieb

Die Automatisierung in Fahrzeugen, beginnend vom assistierten Fahren bis hin zum autonomen Fahren, bedingt die Entwicklung von innovativen Algorithmen und effizientem Datenmanagement im Fahrzeug und im verbundenen Backend-System. Zukünftig werden Algorithmen in der Lage sein, eine große Menge an Sensordaten in Echtzeit und miteinander kombiniert auszuwerten, um so fahrrelevante Entscheidung zu treffen.

d-fine unterstützt seine Kunden in diesem innovativen Umfeld mit fachlich-technologischen Kompetenzen insbesondere in der Entwicklung zur Bilderkennung basierend auf Sensoren (z.B. Video, Radar, Ultraschall und Lidar), beim Aufbau einer hochauflösenden Karte bestehend aus Topologie- und Verkehrsdaten sowie der Echtzeitanbindung von C2X-Kommunikation. Technologisch bedeutet dies den Einsatz von Deep-Learning-Algorithmen (z.B. CNNs) zur Objekterkennung, den Aufbau von Big-Data-Architekturen für ein skalierbares Datenmanagement und die Nutzung von  angepassten Validierungsmethoden für Algorithmen in ausgewählten Test- und Simulationsszenarios.

Projektbeispiele

Entwicklung einer Verkehrssimulationsumgebung inklusive Analysetool für innovative Mobilitätskonzepte
Konzeption zur Berechnung und Visualisierung einer OD-Matrix in Echtzeit
Konzernumstrukturierung eines Automobilunternehmens im zentralen Treasury
Strategische Neuausrichtung des Kreditrisikomanagements bei einem Luftfahrtkonzern
Analyse, Auswahl und Integration von einem Transport-Management-System

Einblicke

Broschüre

The Transformation to a Digital Mobility Ecosystem

Leveraging IoT (Internet of Things) and DLT (Distributed Ledger Technology), vehicles and infrastructure converge into an ecosystem where machines not...

[ MEHR ]
Whitepaper

MaaS

Mobility-as-a-Service (MaaS)-Plattformen sind der nächste Schritt in Richtung einer intermodalen, vernetzten und bedarfsgerechten...

[ MEHR ]
Mehr ansehen
Broschüre

Die Chancen der Sektorenkopplung mittels Vehicle-to-Grid gezielt nutzen

Win-Win-Situation Vehicle-to-Grid: Stabilisierung der Netze und Förderung der Elektromobilität durch die intelligente Kombination von...

[ MEHR ]
Artikel

Hafenlogistik

Kollaborative Datenplattformen erschließen neue Potentiale in der maritimen Logistik

[ MEHR ]
Artikel

Pharmalogistik

Keine bitteren Pillen für Logistiker

[ MEHR ]
Whitepaper

Urban Mobility: Milan 2030

Auswirkungen von gepoolten und autonomen Robo-Taxis auf zukünftige urbane Mobilität – „Mailand 2030“-Studie

[ MEHR ]