Skip to main content
SpringerLink
Log in

Online-Identifikation von Straßenrauigkeiten am LKW-Trailer für sicheres autonomes Fahren

  • Conference paper
  • First Online:
Commercial Vehicle Technology 2022 (ICVTS 2022)

Part of the book series: Proceedings ((PROCEE))

Included in the following conference series:

  • 528 Accesses

Abstract

In diesem Beitrag präsentieren wir das sog. IdenT-System, welches im Rahmen des gleichnamigen Forschungsprojekts für LKW-Trailer entwickelt wird. Wir betrachten eine spezifische Teilkomponente, nämlich die Online-Identifikation von Straßenprofilen und -rauigkeiten basierend auf Trailer-Messungen, einfachen Modellen und maßgeschneiderten mathematischen Verfahren. Die Rauigkeit des befahrenen Straßensegments wird mithilfe des sog. IRIs (International Roughness Index) aus dem Profil abgeleitet und dient u.a. der Detektion besonders beanspruchender und kritischer Straßensegmente. Für solche wird im IdenT-System u.a. ein Signal ausgelöst, das den auf der Cloud-Plattform befindlichen Offline-Zwilling startet, der für solche Straßenabschnitte höher aufgelöste Informationen generiert. Die basierend auf den identifizierten Straßeneigenschaften gewonnenen Informationen dienen der Überwachung des Trailerzustands und können zukünftig einen Beitrag dazu leisten, Sattelzüge sicherer zu betreiben.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 109.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 149.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Kässer, M.: Delivering change - The transformation of commercial transport by 2025. McKinsey&Company (2016)

    Google Scholar 

  2. Käsgen, J., Kobler, J.-P., Möller, R.: Kingpin load measurement of a truck trailer. In: Berns, K. et al. (eds): Commercial Vehicle Technology 2022. Proceedings. Springer Vieweg, Wiesbaden.

    Google Scholar 

  3. Burger, M., Speckert, M., Müller, R., Weiberle, D.: Model-Based Identification of Road Profiles and Roughness Indicators Using Vehicle Measurements. In: Berns, K. et al. (eds): Commercial Vehicle Technology 2018. Proceedings. Springer Vieweg, Wiesbaden.

    Google Scholar 

  4. Burger, M., Dreßler, K., Speckert, M.: Load Assumption Process for Durability Design Using New Data Sources and Data Analytics. International Journal of Fatigue 145 (2021), Art. 106116.

    Google Scholar 

  5. Locatelli, A.: Optimal Control. Birkhäuser, Basel (2001).

    Google Scholar 

  6. Johannesson, P., Rychlik, I.: Modelling of Road Profiles Using Roughness Indicators. International Journal of Vehicle Design 66 (2014), 317-346.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. BPW Bergische Achsen KG, Wiehl, Deutschland

    Jan-Philipp Kobler, André Brand & Simon Weßel

  2. Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM, Kaiserslautern, Deutschland

    Thomas Jung, Stefan Steidel & Michael Burger

Authors
  1. Jan-Philipp Kobler
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. André Brand
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Simon Weßel
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Thomas Jung
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Stefan Steidel
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. Michael Burger
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Jan-Philipp Kobler .

Editor information

Editors and Affiliations

  1. Lehrstuhl für Robotersysteme, TU Kaiserslautern, Kaiserslautern, Deutschland

    Karsten Berns

  2. Fraunhofer ITWM, Kaiserslautern, Deutschland

    Klaus Dressler

  3. Fraunhofer IESE, Kaiserslautern, Deutschland

    Ralf Kalmar

  4. Lehrstuhl für Konstruktion in Maschinenbau und Fahrzeugtechnik, TU Kaiserslautern, Kaiserslautern, Deutschland

    Nicole Stephan

  5. Lehrstuhl für Konstruktion in Maschinenbau und Fahrzeugtechnik, TU Kaiserslautern, Kaiserslautern, Deutschland

    Roman Teutsch

  6. Commercial Vehicle Cluster–Nutzfahrzeug GmbH, Kaiserslautern, Rheinland-Pfalz, Deutschland

    Martin Thul

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this paper

Check for updates. Verify currency and authenticity via CrossMark

Cite this paper

Kobler, JP., Brand, A., Weßel, S., Jung, T., Steidel, S., Burger, M. (2022). Online-Identifikation von Straßenrauigkeiten am LKW-Trailer für sicheres autonomes Fahren. In: Berns, K., Dressler, K., Kalmar, R., Stephan, N., Teutsch, R., Thul, M. (eds) Commercial Vehicle Technology 2022. ICVTS 2022. Proceedings. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-40783-4_15

Download citation

Publish with us

Policies and ethics

Search

Navigation