Direkt zum Inhalt
Symbolfoto: Das AIT ist Österreichs größte außeruniversitäre Forschungseinrichtung

MARNG

Missionskritische Kontrollzentrumslösungen der nächsten Generation zur nachhaltigen Entscheidungsunterstützung

Maritime Kontrollzentren sind heterogene Systeme mit zahlreichen älteren Komponenten. Aufgrund küstenweiter Sensornetzwerke hat die Datenlast exponentiell zugenommen und die aktuellen Systemarchitekturen sind nicht mehr ausreichend, um diese Daten effizient zu verarbeiten. MARNG erforscht neue Konzepte, die Interoperabilität, Sicherheit, Schutz und Leistung bieten. Neue Datenanalysemethoden, die aus der großen Datendomäne abgeleitet sind, werden die missionskritische Entscheidungsunterstützung für die maritime Domäne vorantreiben und das Katastrophenrisiko drastisch reduzieren.

 

MARNG hat folgende Ziele:

  • Entwicklung von Konzepten für eine integrative Systemarchitektur, die die Interoperabilität heterogener Teil- und Altsysteme auf sichere Weise ermöglichen,
  • Entwicklung neuartiger Vorhersagealgorithmen für eine verbesserte Kollisionswarnung auf der Grundlage physikalischer Modi unter Berücksichtigung von Echtzeitdaten über den Zustand eines Schiffes,
  • Entwicklung neuartiger Algorithmen zur Vorhersage des mittelfristigen Verhaltens von Schiffen und zur automatischen und Echtzeit-Erkennung ungewöhnlicher Situationen,
  • Implementierung eines Labor-Demonstrators, der es ermöglicht, die entwickelten Konzepte zu demonstrieren, zu verifizieren und zu validieren.

 

Dieses Projekt wird vom österreichischen Bundesministerium für Verkehr, Innovation und Technologie (bmvit) im Rahmen des Programms "IKT der Zukunft" unter der Förderlinie 861258 gefördert.

 

Publikationen

Graser. A., Widhalm, P., & Dragaschnig, M. (2020). The M³ massive movement model: a distributed incrementally updatable solution for big movement data exploration. International Journal of Geographical Information Science, 34(12), 2517-2540. doi:10.1080/13658816.2020.1776293.

Graser, A., Widhalm, P., & Dragaschnig, M. (2020). Extracting Patterns from Large Movement Datasets. GI_Forum – Journal of Geographic Information Science, 1-2020, 153-163. doi:10.1553/giscience2020_01_s153.

Graser, A., Schmidt, J., Dragaschnig, M., Widhalm, P. (2019). Data-driven Trajectory Prediction and Spatial Variability of Prediction Performance in Maritime Location Based Services, LBS 2019, 11-13 November 2019, Vienna, Austria.