FREEPORT: Federated Learning and Edge Processing för säker och effektiv drift

Syfte och mål

FREEPORT-projektet syftar till att stödja transformation av elektromobilitet genom att angripa tre viktiga utmaningar som operatörer av tunga fordon står inför idag: effektivitet, säkerhet och drifttid. Detta mål kan uppnås genom att utföra beräkningar nära datakällan istället för en central plats. Detta projekt utnyttjar edge computing för att minska överföringskostnaderna och lägre analysfördröjning, vilket gynnar fordonstillverkare, vagnparksägare och förare.

Förväntade effekter och resultat

Effekter kommer att uppnås inom övervakning av elektriska komponenter som batterier och motorer, utveckling av grunder för användning av tredjepartstjänster i kantenheter, energiförbrukningsförutsägelser för att optimera laddningen och förbättrad funktionssäkerhet genom kontinuerlig övervakning för att varna operatörerna vid behov. Vi förväntar oss att demonstrera insamling och bearbetning av data från minst 20 fordon, med målet att ansluta 50 tunga elektriska lastbilar till projektets slut.

Planerat upplägg och genomförande

FREEPORT kommer att utveckla banbrytande dataanalysfunktioner på edge-komponenter: nya algoritmer för detektering av anomalier i realtid från fordon, ett mångsidigt ramverk för händelsebaserad datainsamling, en cybersäkerhetsmedveten arkitektur för säkerhetsvarningar i realtid, och jämförande utvärdering av state-of-the-art federerade inlärningsmetoder. Potentialen med edge computing och maskin-inlärning kommer att visas upp med hjälp av AI Sweden Edge Learning Lab för en bredare publik.