Projektet “Referensdata och algoritmer till stöd för forskning och utveckling av smarta fartyg” har finansierats av Trafikverkets Forsknings - och Innovationsportfölj för sjöfart. Projektet går under arbetsnamnet och kommuniceras som Reeds svarar mot en syntes av ett antal olika behov som identifierats i tidigare projekt och studier. Bakgrunden till projektet är att de senaste åren har fokus lagts på att ta fram algoritmer för att tolka och agera på den fysiska miljön kring olika typer av farkoster. För att kunna utveckla och utvärdera dessa algoritmer har det blivit tydligt att det krävs öppna dataset och en rättvis benchmarkingplattform som tillåter olika utvecklare inom industrier och forskare att utvärdera algoritmer. Inom vägfordonssektorn är Kitti , från 2013, det största datasetet som används som referensdata set. Datasetet i detta projekt innehåller sensordata från flertalet datainsamlingstillfällen i en maritim kontext, från högprecisionssensorer som kameror, radar, lidar, och IMU. För maritima applikationer har det inte funnits något liknande dataset med tillnärmelsevis lika stor datamängd och med tidssynkronisering mellan sensorer. Referensdata och referensalgoritmerna var tillgängliga periodvis under projektet genom en onlinetjänst där forskare och utvecklare kunde ladda upp sina algoritmer för att använda datasetet.
Utöver själva datasetet tillför Reeds ytterligare styrkor jämfört andra referensdata set:
- Nytt tillvägagångssätt för att jämföra algoritmer rättvist, där nya algoritmer alltid jämförs på en centraliserad hårdvara i en molntjänst och omvärderas när nya data läggs till, dvs en opartisk tjänst för utvärdering av algoritmer.
- Metod som kombinerar NTP och PTP tidsprotokoll för synkronisering mellan sensorerna med mikrosekunds noggrannhet
- Fler typer och modernare sensorer som kan användas på en högre abstraktionsnivå, och kan därmed tillämpas inom fler områden.
- Sensorfusion av både ombord sensorer och av sensorer på landsidan
- Identifiera tillämpningsområden för navigation och övervakning i land baserat på algoritmerna som togs fram under projektet och användning av nya sensortyper som ej är etablerade inom sjöfarten
-
Projektet har etablerat ett maritimt referensdataset som möjliggör att skapa en digital beskrivning av fartygets omgivande miljö samt utvecklade referensalgoritmer för att demonstrera nya navigations- och övervakningsmetoder inom området för “enhanced navigation”.
“Enhanced navigation” definieras inom projektet som användandet av ny teknik för navigation som bygger på utvecklingen inom digitalisering och autonoma funktioner, där nya navigationsmetoder använder sensorer både ombord och iland för att öka sjösäkerheten och robustheten. Projektet har byggt upp ett webbaserat användargränssnitt, “Crowsnest”, som hanterar dessa nya sensorer och visualiserar denna data i ett familjärt gränssnitt, liknande en overlay i ECDIS som finns öppet tillgängligt för allmänheten att bygga vidare på. Detta användes för utvärdering och konceptutveckling av nya användargränssnitt baserat på erfarna lotsar och VTS-operatörers åsikter.Genom att tillhandahålla referensdataset och referensalgoritmer med demonstrationer ges nu forskare och företag möjligheten att utveckla algoritmer för framtidens intelligenta och autonoma fartyg.