Grundmodeller för fordonstidsseriedata i stor skala

Syfte och mål

I Autofreight 1 & 2 har testfordonen utrustats med avancerad loggutrustning. Denna data ska nu lagras, hanteras och forskas mer på. Analys av tidsseriedata för att kunna upptäcka kritiska händelser, då befintliga metoder för händelseidentifiering är ineffektiva. Idag görs mönstermatchningar eller maskininlärning som ofta är dyrt eller utmanande att lägga till i stor skala. I detta projekt ska ”Foundation Models” testas för stora datamängder. Däcksdata, partikelutsläpp och videodata för trafiksäkerhet för A-dubbel lastbilskombinationer skall analyseras.

Förväntade effekter och resultat

Enklare datadelning mellan forskningspartner. Validera potentialen hos "Foundation Models" för att analysera och generera rimliga tidsseriedata. Data som möjliggör för forskare att utföra experiment, simuleringar och scenarioanalys utan att enbart förlita sig på begränsad verklig data. Detta kan ha potential att bana väg mot en helt ny generation av ”Digital Twins”. Forskningsrapporter som delar insikter om prestanda i termer av noggrannhet och beräkningseffektivitet av modellerna i samband med trafikanalys och hur det kan kompletteras med videodata.

Planerat upplägg och genomförande

Projektet är uppdelat på fem arbetspaket. Industriprojektpartnerna, Volvo och Goodyear tar upp industriellt relevanta innovationsmöjligheter för att minska miljöpåverkan från containertransporter. Deras arbete stöds av grundläggande och tillämpad forskning inom området ”Foundation Models” för dataanalys av tidsserier och ostrukturerade data i stor skala driven av de akademiska projektpartnerna Göteborgs universitet, Chalmers och VTI.