Cele
Wychodząc naprzeciw wyzwaniom i potrzebom zgłoszonym w celach obszaru „Energia, transport i klimat”, ze szczególnym uwzględnieniem tematów „Społeczności i miasta”, „Czysty transport i mobilność” oraz „Inteligentna mobilność”, cele GRASS-NEXT wyglądają następująco:
- ocena działań logistyki miejskiej w oparciu o wiedzę – jednym z ważniejszych problemów logistyki miejskiej jest brak wiedzy na temat przepływów towarowych i tras na terenie miasta. W ostatnich latach zrealizowano część prac związanych z tymi zagadnieniami. Wydaje się jednak, że problem nadal nie jest rozwiązany. W związku z tym ocena dotychczasowych i obecnych projektów logistyki miejskiej oraz działań z nimi związanych będzie ważnym celem proponowanego projektu. Analiza będzie realizowana w celu określenie specyfiki zarządzania wiedzą, ze szczególnym uwzględnieniem analizy danych, w tym procesów data mining związanych z ruchem towarowym w miastach oraz problematyką marszruty logistyki miejskiej. Cel ten obejmuje zarówno kwestie zarządcze, jak i techniczne, takie jak wykorzystanie metod i urządzeń pozyskiwania danych z logistyki miejskiej, a także dotychczasowe osiągnięcia związane z procesami gromadzenia danych w logistyce miejskiej. Będzie to celem prac realizowanych w ramach badań podstawowych.
- wdrożenie systemu identyfikacji i przemieszczania obiektów (pojazdów) logistyki miejskiej – ważnym celem projektu GRASS-NEXT będzie stworzenie i rozwój modeli i algorytmów związanych z wizualną identyfikacją obiektów i wyznaczaniem tras. Pomoże to w identyfikacji pojazdów i ocenie ich tras na analizowanym obszarze miasta. Podstawą procesu analizy będą zbiory danych dostarczane przez bezzałogowe statki powietrzne (UAV) lub siatki podwieszanych kamer. Zebrane dane posłużą do analizy strumieni ruchu towarowego w najbardziej newralgicznych punktach miast. Zostanie to osiągnięte przy pomocy algorytmów przetwarzania i analizy obrazu, a wyniki zostaną zintegrowane w perspektywie długoterminowej poprzez fuzję danych z istniejących źródeł wykorzystywanych w inteligentnych systemach transportowych.
- opracowanie modeli zanieczyszczeń logistyki miejskiej jako aplikacji czasu rzeczywistego – jednym z osiągnięć projektu GRASS było opracowanie modeli zanieczyszczeń logistyki miejskiej, które umożliwiły analizę wpływu miejskiego transportu towarowego na środowisko.