iCity 2: UDigiT4iCity

Das Vorhaben UDigiT4iCity untersucht aktuelle Fragestellungen zur Erfassung, Verarbeitung, Zusammenführung, Bereitstellung und Nutzung von städtischen Daten. Übergeordnetes Ziel des Impulsprojektes ist die Entwicklung, Erprobung und Bewertung von zukunftsfähigen Methoden und Anwendungen für urbane digitale Zwillinge. So soll die Offene Urbane Datenplattform (OUP) in TP1: Datenplattform für urbanen digitalen Zwilling dahingehend weiterentwickelt werden, dass auch dreidimensionale Daten (Stadtmodelle, Simulations- u. Sensordaten) entsprechend dargestellt werden können. Die Erfassung, Zusammenführung und Nutzung von Daten des Internet of Things (IoT) in städtischen Gebäuden sowie ihre Bereitstellung für Smart-City-Plattformen wird in TP2: Integration öffentlicher Gebäude und Infrastrukturen untersucht. Die Nutzbarkeit von 5G für städtische Sensornetzwerke wird in TP3: 5G – Pilotanwendungen für die intelligente Stadt untersucht. Zur effizienten Verarbeitung von großen 3D-Stadtmodellen soll in TP4: Klassifikation und Segmentierung von Gebäuden in Mesh-Modellen außerdem eine Methode entwickelt werden, die Gebäude in texturierten 3D-Mesh-Modellen automatisiert klassifizieren und segmentieren kann.

In UDigiT4iCity wird der Frage nachgegangen, wie IKT-Technologien zu einer intelligenten, lebenswerten und nachhaltigen Stadt beitragen können.

Nachdem die wissenschaftlichen Grundlagen bereits in dem Projekt ICT4iCity ermittelt wurden, steht nun die Pilotierung im Vordergrund. In TP1 wird einer Datenplattform unter Nutzung unterschiedlicher API (RESTful OGC API, SimStadt API) als Datengrundlage für detaillierte Umweltsimulationen erstellt. In TP2 werden IoT-Anwendungsfälle (bspw. Energie-Monitoring, Auslastung öffentlicher Ressourcen) für smarte öffentliche Gebäude und Infrastrukturen prototypisch implementiert, in Smart-City-Plattformen integriert und evaluiert. In TP3 wird der Aufbau von 5G-Demonstratoren und ihre Bewertung anhand verschiedener Key Performance Indikatoren (KPI) im Campusnetz der Praxispartner durchgeführt und die Genauigkeiten von 5G zur Positionsbestimmung ermittelt. In TP4 werden Deep Learning-Verfahren zur Klassifizierung von Gebäude auf Basis von texturierten und triangulierten 3D Mesh-Modellen genutzt.

In den Teilprojekten wird konsequent auf Open Source und Open Data gesetzt, um eine möglichst hohe Akzeptanz in einem äußerst heterogenen Anwendungsfeld zu erreichen und so die Verbreitung über die Projektgrenzen hinaus zu fördern.