Onderzoek Peter Hellinckx

Abstract

In het wereldwijde O&O op het gebied van computerondersteunde en autonome navigatie zal het DDSHIP-project een bijdrage leveren door een nieuwe methodologie voor processtromen en een testplatform voor validatie en certificering op te zetten door middel van onderzoek naar: - nauwkeurigere en robuustere waarneming en situational awareness van de waterwereld rond het schip in druk verkeer en barre weersomstandigheden; - de nauwkeurige weergave van het werkelijke gedrag van het schip in complexe waterwegen met lage kielvrijheid en nabijgelegen oevers en infrastructuur; - de veilige en soepele besturing van het schip door modelvoorspellende AI-getrainde controllers die de nodige botsingen vermijden. Aangezien ongevallen op waterwegen voornamelijk te wijten zijn aan menselijk handelen in combinatie met storingen van technische hard- en software of omgevingsomstandigheden, de ondersteuning van kapiteins, loodsen of schippers aan boord van het bemande schip of de operator vanuit een operationeel centrum op afstand van een onbemand schip, moet dit onderzoek de mogelijkheden van bestaande technologieën (camera, sensoren, voorspelling van manoeuvreermodellen, padplanning en besturing) aantonen die leiden tot slimmere - nauwkeurigere en betrouwbaardere - besturing.

Onderzoeker(s)

• Promotor: Vanlanduit Steve
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject

Abstract

De Vlaamse infrastructuursector staat voor de grote uitdaging om nieuwe technologieën zoals IoT-sensoren, AI, VR, XR, digitale 3D-modelleerpakketten, BIM-software, 3D-scantechnologie, drones en businessmodellen gebaseerd op interne en externe, al dan niet real-time datastroom, te implementeren. Digitaal Informatie Management (DIM) in de Infrastructuursector (DIMInfra) is een informatiebeheermodel dat toelaat om via verbeterde interne en externe informatiestromen de bedrijfsprocessen te optimaliseren en zo efficiëntiewinst te boeken. Daarnaast opent DIM de weg naar nieuwe businessopportuniteiten voor bedrijven doorheen de gehele waardeketen. Centraal in het ecosysteem bevinden zich de aannemers klasse 4 t.e.m. 8. Zij vormen de brug tussen enerzijds de doelgroep 'Uitvoering' (Landmeters, Onderaannemers en leveranciers, waaronder transportfirma's en softwareleveranciers) en anderzijds de doelgroep 'Bouwpartner' (Bouwheren, waaronder aanbestedende steden/gemeenten en Vlaamse infrastructuurbeheerders, Studiebureaus, Controle- en attesteringsorganisaties). Concrete doelen van het project zijn: Bedrijven stimuleren om het DIM-model te implementeren via ondernemingsspecifieke acties door inzicht te geven in en praktijkdemonstraties te bieden van DIM en vernieuwde businessmodellen, waardoor de efficiëntie verhoogt en kosten verlagen. Met DIMInfra verkrijgen bedrijven inzicht door middel van een technologiematrix per subgroep in opkomende en beloftevolle technologieën die DIM ondersteunen alsook de toepassing van deze technologieën binnen de context van de infrasector. Hierdoor versnelt de digitale transitie van de sector. Een laatste doel is het aanreiken van tools door middel van draaiboeken en digitale leermodules die de implementatie van DIM vergemakkelijken, om zo de uitrol van DIM in het werkveld te versnellen. Het project is een samenwerking tussen Universiteit Antwerpen en PXL Hogeschool, ondersteund door meer dan 35 partners uit de infrastructuursector.

Onderzoeker(s)

• Promotor: Van den bergh Wim
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Duurzame verhardingen en asfaltonderzoek (SuPAR)

Project type(s)

• Onderzoeksproject

Abstract

Het hoofddoel van dit project is het verhogen van de duurzaamheid van gebouwen door middel van een geavanceerde digitalisering gedurende de hele levenscyclus van het gebouw, inclusief en met een voorname focus op de operationele fase. Het serviceplatform maakt gebruik van de expertise en ervaring van de onderzoeksgroepen M4S en EMIB op het gebied van digitale technologieën en duurzaamheidsanalyses in de bouwsector. Het platform kan facility managers en de bouwsector in het algemeen ondersteunen bij het maken van de juiste keuzes op het gebied van materialen, onderhoud, reparaties en technische aansturing. Het project zal de BIM (Building Information Management)-datapipeline afstemmen en verbinden met de voorspellende en simulatiebehoeften tijdens de operationele fase van het gebouw. Op basis van deze voorspellingen en simulaties zal het onderhoud worden geoptimaliseerd om de financiële en ecologische voetafdruk van het gebouw te verminderen. Het platform legt ook sterk de nadruk op changemanagement om te bepalen hoe de technologieën passen binnen de economische realiteit van de sector en om de stap naar innovatie te vergemakkelijken vanuit een duidelijke waardecreatie. Deze visie wordt gedeeld door de sectorvereniging Embuild Vlaanderen, die hard wil inzetten op de digitalisering van de bouw. Zij stelden vast dat in vele bouwprojecten een BIM-model werd opgezet tijdens de ontwerp- en constructiefase van een gebouw, maar dat dit vaak niet of onderbenut wordt tijdens de gebruiksfase van een gebouw. Embuild Vlaanderen geeft aan dat bij de opzet van dergelijke BIM-modellen vaak geen rekening wordt gehouden met de uiteindelijke gebruikers of beheerders van deze gebouwen, waardoor het vaak niet voldeed aan de noden die deze stakeholders hebben. Ook binnen het facility management domein is er steeds meer interesse in BIM, maar botst men vaak nog op de beperkte toepasbaarheid ervan wegens onvoldoende data. Het is dus nodig om een brug te slaan tussen de verschillende stakeholders tijdens de verschillende levenscyclusfasen van een gebouw, een rol die het BIM4SIM service platform graag op zich neemt. Dit project is ontwikkeld in nauwe samenwerking met Embuild Vlaanderen, de vakorganisatie van de bouwsector, en wordt ondersteund door zijn Directeur Generaal, Marc Dillen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Audenaert Amaryllis
• Co-promotor: Meysman Jasmine

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Van geluidsgevoelige gebieden tot oases van stilte: met het grootschalig burgeronderzoeksproject De Oorzaak leggen De Morgen (DM), het Universitair Ziekenhuis Antwerpen (UZA) en UAntwerpen de focus op geluid en geluidsbeleving in een stedelijke omgeving. We gaan in 2024-2025 na hoe bewoners van verschillende wijken in Antwerpen, Gent en Leuven het aanwezige omgevingsgeluid appreciëren. Aan de hand van vragenlijsten (subjectief), slimme geluidssensoren (objectief) en medisch onderzoek (UAntwerpen en UZA) wordt geclassificeerd welke geluiden gehoord worden, welk geluidsniveau deze geluiden hebben, hoe deze geluiden worden ervaren en welke impact ze hebben op de gezondheid, stress, slaap- en levenskwaliteit.

Onderzoeker(s)

• Promotor: Vuye Cedric
• Co-promotor: Casas Ruiz Lidia
• Co-promotor: Couscheir Karolien
• Co-promotor: de Bruijn Gert-Jan
• Co-promotor: Dens Nathalie
• Co-promotor: Hellinckx Peter
• Co-promotor: Lembrechts Jonas
• Co-promotor: Poels Karolien
• Co-promotor: Spacova Irina
• Co-promotor: Van Hal Guido
• Co-promotor: Vanoutrive Thomas

Onderzoeksgroep(en)

• Duurzame verhardingen en asfaltonderzoek (SuPAR)

Project website

Project type(s)

• Onderzoeksproject

Abstract

Onze maatschappij ondergaat heden ten dage een zeer snelle evolutie naar een volledig digitale maatschappij. Hierbij worden nieuwe technieken geïntroduceerd zoals 5G, (I)IoT, Cloud computing, Edge computing, Big Data, .. en vele andere nieuwe concepten die ingebed geraken in ons dagelijks leven. Als een gevolg hiervan worden de communicatienetwerken en het internet steeds complexer en heterogener, gebruik makend van verschillende technologieën. Onderzoek op dit domein naar nieuwe concepten, technologieën, technieken en toepassingen kunnen niet uitgevoerd worden op de netwerken en systemen die operationele zijn. Daarom is het nodig om een verzameling aan heterogene experimentele faciliteiten te hebben waarop de operationele netwerken kunnen nagebootst worden. Binnen Vlaanderen zijn er over de voorbije jaren door onderzoeksgroepen grote investeringen gedaan om net dergelijke faciliteiten uit te bouwen, waarbij de verschillende technologieën bestreken worden. Dit projectvoorstel richt er zich net op om deze faciliteiten van topkwaliteit, te integreren en een Vlaamse en Belgische knoop te worden in een grootschalige Europese onderzoeksinfrastructuur.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Marquez-Barja Johann

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Autonome navigatie heeft de laatste tijd veel aandacht gekregen. Als gevolg daarvan zien we dat autonomie zich ontwikkelt in voertuigen en zijn weg vindt in veel transportsectoren (waaronder slimme scheepvaart). Toch is de huidige state-of-the-art (SOTA) technologie niet rijp genoeg voor een wijdverspreide toepassing op een hoger autonomieniveau (bv. niveau 4 en hoger). De belangrijkste reden hiervoor is dat deze systemen getraind worden op een massa real-world data, waarin vaak ongevalgevoelige scenario's ontbreken. Om dit probleem op te lossen, stel ik een oplossing voor die gebaseerd is op datagedreven neurale simulaties die realistische data leveren op basis van real-world voorbeelden en onveilige scenario's genereren (botsingen, ongevallen, enz.). Bovendien voorziet mijn systeem ook in veiligheidscontroles om onveilige scenario's te valideren en veilige grenzen te bieden voor de huidige autonome systemen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Anwar Ali
• Co-promotor: Mercelis Siegfried
• Co-promotor: Oramas Mogrovejo José Antonio
• Mandaathouder: Duym Jens

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

E-TREND is een initiatief voor onderzoek en ontwikkeling dat gericht is op het creëren van besluitvormingstools die expertise in meteorologische voorspellingen en klimaatprojecties voor hernieuwbare energiebronnen (RES) in België integreren. Het doel is om de modellering van wind- en fotovoltaïsche energieproductie en elektriciteitsconsumptie te verbeteren door middel van meteorologische ensemblevoorspellingen, klimaatdiensten en geavanceerde modelleringstechnieken. Het project omvat samenwerking tussen Belgische federale wetenschappelijke instituten en universiteiten om RES-generatiemodellen te ontwikkelen en te integreren in een uitgebreide voorspellingsketen. Deze inspanning richt zich op de integratie van de huidige beste praktijken en verkent geavanceerde onderwerpen buiten conventionele methoden. De resultaten zijn ontworpen om belanghebbenden in de energiesector te ondersteunen in hun operationele en planningsbesluitvormingsprocessen, met speciale nadruk op het opnemen van input van Belgische belanghebbenden om de onderzoeks- en ontwikkelingsinspanningen te leiden. De primaire onderzoeksprioriteit van E-TREND is in lijn met het ontwikkelen van voorspellingstools voor de productie van hernieuwbare energie, gekoppeld aan hoogresolutie atmosferische weersvoorspellingen en regionale klimaatmodellen, met als doel de voorspelbaarheid van essentiële variabelen voor het beheer van de productie van hernieuwbare energie te verbeteren. Het project onderscheidt tussen "voorspellingen" voor kortetermijn meteorologische voorspellingen en "projecties" voor langetermijn klimaatvooruitzichten, en biedt tools voor beide toepassingen. Daarnaast draagt het bij aan het begrijpen van de impact van klimaatverandering op energiebronnen, en helpt het bij het creëren van toekomstscenario's voor een duurzame energieproductiebalans. E-TREND sluit aan bij Belgische en Europese toezeggingen om het gebruik van hernieuwbare energie te verhogen, en ondersteunt de overgang naar een netto-nuluitstoot economie tegen 2050 onder het Horizon Europa Framework Programma.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Algemeen doel Het optimaliseren van de AI trainings-, netwerkinstallatie- en voorspellingsaspecten van een op RF gebaseerd telsysteem voor mensenmassa's door het gebruik van zowel externe data als data afkomstig uit ditzelfde op RF gebaseerde telsysteem

Onderzoeker(s)

• Promotor: Berkvens Rafael
• Promotor: Hellinckx Peter
• Mandaathouder: Janssens Robin

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Stadsverwarming- en koeling (DHC) is een veelbelovende technologie voor een duurzame energievoorziening en biedt flexibiliteit aan het elektriciteitsnet. Thermische opslag kan de nodige flexibiliteit bieden om productie en vraag te balanceren voor zowel elektrische als thermische hernieuwbare bronnen (RES). Met name de integratie van gedecentraliseerde thermische prosumenten (b.v. booster, thermisch zonnepaneel) in DHC hebben een groot potentieel om het totale rendement te verbeteren. Daarom zal het toekomstig DHC een geavanceerde controle nodig hebben dat de werking van op prosumenten gebaseerde DHC mogelijk maakt en dat flexibiliteit biedt aan RES-gedomineerde elektriciteitsnetten. Hierbij rijzen twee belangrijke vragen: (i) hoe moet de temperatuur geregeld worden om de energetische, ecologische en economische prestaties van een DHC te verbeteren? En (ii) hoe kan rekening gehouden worden met de eisen van elke gebruiker van het DHC? Door het simuleren van DHC, in acht nemend de hydraulica en het gedrag van prosumenten, zal dit onderzoek het potentieel van data-gebaseerde controle strategieën onderzoeken, waaronder multi-agent reinforcement learning (MARL). Elke agent (per consument, thermische opslag, enz.) streeft de lokale en globale eisen na. De RL-agents leren zelf een regelstrategie aan d.m.v. feedback (beloningen). Naast een valorisatie door implementatie kan vervolgonderzoek tariefstructuren opstellen a.d.h.v. de feedback.

Onderzoeker(s)

• Promotor: Verhaert Ivan
• Co-promotor: Hellinckx Peter
• Mandaathouder: Jacobs Stef

Onderzoeksgroep(en)

• Energie en Materialen in Infrastructuur en Gebouwen

Project type(s)

• Onderzoeksproject

Abstract

In huidige IoT platformen worden complexe beslissingen op basis van sensor informatie genomen in gecentraliseerde datacenters. Elke sensor stuurt zijn informatie door naar een datacenter waarna een beslissing genomen wordt die doorgestuurd wordt naar actuatoren. Voor bepaalde applicaties kan die communicatie vertraging voor problemen zorgen. Om dit te voorkomen dienen beslissing dichter bij de edge genomen te worden. Dit is waar het onderzoek naar resource en context bewuste AI om gaat. Hier willen we slimme systemen op de edge bouwen die dynamisch aan passen aan andere omgevingen en resource beperkingen. Dit project zal zich focussen op het comprimeren van neurale netwerken. In dit werk willen we de huidige state-of-art uitbreiden door een kennis gebaseerde pruning methode toe te passen. Dit betekent we dat we de locatie van specifiek taak gerelateerde concepten bepalen, en deze gebruiken om het comprimeren te begeleiden. Op deze manier kunnen we de netwerken aanpassen voor omgevingsveranderingen en hardware beperkingen. Voor bepaalde taken zal het nuttig zijn om van bepaalde outputs de accuraatheid te doen afnemen. Dit met het oog op minder gebruik van hardware middelen. Een voorbeeld hiervan is dat we de detectie van bepaalde verkeersborden op autosnelwegen kunnen verminderen. We kunnen het netwerk comprimeren door de relevante kennis van die type verkeersborden te verwijderen. Dit werk focust op deze kennis, die gecodeerd is doorheen het netwerk, selectief te verwijderen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Mercelis Siegfried
• Co-promotor: Steckel Jan
• Mandaathouder: Balemans Dieter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

De betrouwbaarheid van actieve perceptie voor algoritmen voor situationeel bewustzijn voor intelligente transportsystemen is de laatste jaren aanzienlijk verbeterd door AI-ontwikkelingen. Situationeel bewustzijn kan worden verbeterd door het uitwisselen van informatie tussen meerdere agents. Het complex maken om samen een hoge nauwkeurigheid te bereiken tegen lage rekenkosten is van cruciaal belang om veilige en betrouwbare transportsystemen te garanderen. Dit onderzoek zal de belangrijkste uitdagingen aanpakken voor gedeeld situationeel bewustzijn dat perceptie van meerdere sensorstromen en meerdere agents vereist. Dit onderzoek zal het probleem van lokale sensorfusie, dit is dee fusie op agentniveau waarbij meerdere gemonteerde sensoren worden gebruikt om een gedefinieerde taak op te lossen, aanpakken met graafgebaseerd deep learning. Door de structurele informatie in meerdere modaliteiten te exploiteren zal de voorgestelde oplossing op graafgebaseerde deep learning construeren. Vervolgens wordt gedistribueerde fusie bereikt door voorspellingen van meerdere agents te fuseren. Als resultaat kunnen de voorspellingen over meerdere agents worden samengevoegd om een rijker situationeel bewustzijn te creëren. Het voordeel van gedistribueerde fusie is duidelijk in situaties waarin de perceptie van een enkele agent niet voldoende is. Dit zal worden bereikt door spatiale temporele graafgebaseerde netwerken te modelleren en dynamische updates in de grafen te bestuderen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Mercelis Siegfried
• Co-promotor: Anwar Ali
• Mandaathouder: Ahmed Ahmed

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Autonome systemen hebben de afgelopen jaren veel aandacht gekregen van de academische wereld en de industrie. De vele toepassingen in industriële domeinen gaande van productie, mijnbouw en bewaking, maken de studie naar autonome systemen interessant met veel valorisatiepotentieel. De kosten van deze autonome systemen zijn momenteel extreem hoog omdat dure computingplatformen en sensorsuites worden gebruikt voor het noodzakelijke niveau van veiligheid en autonomie te bereiken. Met behulp van de metingen van verschillende sensoren wordt een omgevingsrepresentatie gecreëerd om navigatiebeslissingen te nemen. Hoewel de representatie de complexiteit bepaalt van het gedrag dat kan worden bereikt, is het detail dat in deze representatie wordt opgeslagen afhankelijk van de beschikbare resources en sensorgegevens. Het doel van dit project is om een autonome agent in staat te stellen de optimale heterogene set sensoren te selecteren om een representatie te creëren van de juiste complexiteit voor de huidige situatie. Resource awareness speelt een belangrijke rol in ons onderzoek om de computationele belasting van autonome voertuigen te verminderen, wat betekent dat er minder dure computerplatforms kunnen worden gebruikt. Bovendien zal een grotere betrouwbaarheid en nauwkeurigheid in perceptie de autonomie van deze systemen sterk verbeteren. Goedkopere autonome systemen die efficiënt zijn in het gebruik van resources zal het gebruik van autonome systemen doen stijgen.

Onderzoeker(s)

• Promotor: Mercelis Siegfried
• Promotor: Steckel Jan
• Co-promotor: Hellinckx Peter
• Co-promotor: Steckel Jan
• Mandaathouder: Balemans Niels

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Co-Design of Cyber-Physical Systems (Cosys-Lab)

Project type(s)

• Onderzoeksproject

Abstract

In huidige state-of-practice IoT platformen worden complexe beslissingen op basis van sensor informatie genomen in gecentraliseerde data centers. Elke sensor stuurt zijn informatie door naar een data center waarna een beslissing genomen wordt die doorgestuurd word naar actuatoren. Voor bepaalde applicaties kan de vertraging die door deze communicatie geïntroduceerd wordt voor problemen zorgen. In real time applicaties is het cruciaal dat een beslissing onmiddellijk genomen wordt. Om dit mogelijk te maken dienen beslissing dichter bij de edge of zelfs op de sensoren zelf genomen te worden. Dit is waar het onderzoek naar resource en context bewuste AI om gaat. Hier willen we slimme systemen op de edge bouwen die dynamisch herconfigureren om zich aan te passen aan andere omgevingen en resource beperkingen. Dit project zal zich focussen op het comprimeren van AI modellen, specifiek neurale netwerken. In dit werk willen we de huidige state-of-art uitbreiden door een kennis gebaseerde pruning methode toe te passen. Met kennis gebaseerd bedoelen we dat neurale netwerken geoptimaliseerd zullen worden aan een bepaalde context door de niet nuttige kennis uit het netwerk te verwijderen. Een voorbeeld hiervan is een autosnelweg waar de accuraatheid van voetgangers lager zal mogen zijn. Waardoor we het netwerk kunnen comprimeren door de relevante kennis over voetgangers te verwijderen. Dit werk focust zich er dus op deze kennis, die gecodeerd is doorheen het netwerk, selectief te verwijderen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried
• Co-promotor: Steckel Jan

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

PIONEERS brengt vier havens samen met verschillende kenmerken, maar gedeelde verbintenissen om te voldoen aan de Green Deal-doelstellingen en de sociaaleconomische doelstellingen van Blue Growth, om de uitdaging voor Europese havens aan te gaan om de uitstoot van broeikasgassen te verminderen en tegelijkertijd concurrerend te blijven. Om deze ambities te realiseren, zullen de havens van Antwerpen, Barcelona, ​​Venlo en Constanta groene haveninnovatiedemonstraties implementeren op vier hoofdpijlers: productie en levering van schone energie, duurzaam havenontwerp, modal shift en optimalisatie van stromen, en digitale transformatie. Acties zijn onder meer: ​​opwekking van hernieuwbare energie en inzet van elektrische, waterstof- en methanolvoertuigen; bouw- en verwarmingsnetwerken retrofit voor energie-efficiëntie en implementatie van circulaire economie benaderingen in infrastructuurwerken; samen met de inzet van digitale platforms (met behulp van AI- en 5G-technologieën) om de modal shift van passagiers en vracht te bevorderen, te zorgen voor geoptimaliseerde bewegingen en toewijzingen van voertuigen, schepen en containers, en automatisering van voertuigen te vergemakkelijken. Deze demonstraties vormen geïntegreerde pakketten die aansluiten bij andere gelinkte activiteiten van de havens en hun naburige stadsgemeenschappen. Door een open innovatienetwerk voor uitwisseling te vormen, zullen de havens, technologie en ondersteunende partners de projectfasen van innovatiedemonstratie, opschaling en mede-overdraagbaarheid doorlopen. Strenge innovatie- en overdrachtsprocessen zullen gericht zijn op technologie-evaluatie en de ontwikkeling van businesscases voor exploitatie, evenals het creëren van de institutionele, regelgevende en financiële kaders voor groene havens om te floreren, van proefprojecten voor technische innovatie tot wijdverbreide oplossingen. Deze processen zullen informatie verstrekken en parallel worden uitgevoerd met de ontwikkeling en verfijning van het masterplan, met een masterplan en routekaart voor de energietransitie in de PIONEERS-havens en een handboek als leidraad voor de planning en implementatie van groene havens voor verschillende typologieën van havens in heel Europa.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Een belangrijk onderdeel van de missie van het KMI is het produceren van permanente diensten om de veiligheid te waarborgen en de voorlichting van de bevolking en ter ondersteuning van de politieke autoriteiten bij hun koninklijk besluit. De ontwikkeling van numerieke weersvoorspellingsmodellen (NWP) is hier lange tijd een cruciaal onderdeel van geweest. Belangrijke ontwikkelingen van de laatste jaren zijn de steeds toenemende hoeveelheid meteorologische waarnemingen die worden gebruikt om NWP-voorspellingen te verbeteren door middel van gegevensassimilatie en statistische nabewerking, het gebruik van probabilistische ensemble-modellen die een betere beslissingsondersteuning mogelijk maken, de steeds toenemende resolutie van de modellen, en de integratie van stedelijke effecten door landoppervlakteschema's. Het RMI beheert sinds winter 2018 2019 ook operationeel een speciaal wegenweermodel voor de Belgische snelwegen, met als doel het geven van beslissingsondersteuning aan verkeersbureaus zoals Agentschap Wegen en Verkeer (AWV) in Vlaanderen. Hoge resolutie NWP modellen en data assimilatie technieken, en s eble modellen en het KMI-wegweermodel moet blijven gebruik maken van de nieuwste wetenschappelijke ontwikkelingen. Kunstmatige intelligentie heeft invloed op tal van wetenschappelijke gebieden, en meteorologie is daarop geen uitzondering. Zo worden technieken en softwarebibliotheken van Deep Learning gebruikt op het gebied van data-assimilatie en beginnen neurale netwerken te worden toegepast op statistische nabewerking van ensemble voorspellingen. Een andere belangrijke evolutie is de beschikbaarheid van crowdsourced meteorologische gegevens, zoals van vrijwilligersstations, en nieuwe typen sensoren zoals voertuigsensoren, die zullen worden getest in het KMI-wegweermodel in het kader van het SARWS-project. Assimilatie van dergelijke gegevens kan de modelvoorspellingen alleen verbeteren als er een adequate kwaliteitscontrole wordt toegepast. Een innovatieve nieuwe benadering is het gebruik van gedistribueerde intelligentie om een ​​deel van de benodigde berekeningen op het niveau van de sensoren uit te voeren, voordat de gegevens worden gecentraliseerd. Het ligt voor de hand dat het KMI veel baat zou hebben bij een universitaire partner met expertise op het gebied van kunstmatige intelligentie en datawetenschap. IDLab Universiteit Antwerpen brengt die expertise in huis. IDLab doet fundamenteel en toegepast onderzoek naar internettechnologieën en data science. Binnen UA richt de distributed in telligence-groep zich op onderwerpen als gedistribueerde en agent-based intelligence,

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Mandaathouder: Casteels Wim
• Mandaathouder: Tabari Hossein

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Het Europese vervoer staat voor grote uitdagingen op het gebied van veiligheid, uitstoot van broeikasgassen, verkeersopstoppingen en de daaruit voortvloeiende kosten. Daarnaast zorgen de ontwikkeling van disruptieve technologieën en de opkomst van nieuwe mobiliteitsoplossingen voor een revolutie in het vervoersnetwerk en verkeersmanagement. In deze context wil TANGENT nieuwe complementaire instrumenten ontwikkelen om de verkeersoperaties op een gecoördineerde en dynamische manier te optimaliseren vanuit een multimodaal perspectief en rekening houdend met geautomatiseerde/niet-automatische voertuigen, passagiers en vrachtvervoer. TANGENT gaat onderzoek doen naar geavanceerde technieken op het gebied van modellering en simulatie, zoals voorspellings- en simulatiemodellen voor toekomstige vraag en aanbod van transport; optimalisatietechnieken voor het balanceren van de vraagstromen tussen de vervoermiddelen; en gebruikers reisgedrag modellering. Als resultaat zal een reeks toepassingen voor besluitvormingsondersteuning worden opgeleverd die een raamwerk creëren voor gecoördineerd verkeers- en vervoersbeheer, dat een verbeterde mobiliteitsinformatiedienst en dashboard met bijbehorende API's en geavanceerde functionaliteiten omvat met een tweeledige benadering: het bieden van real- aanbevelingen voor tijdverkeersbeheer en om vervoersautoriteiten te ondersteunen bij het ontwerpen van netwerkbrede optimale strategieën. Het kader is ook gericht op het ondersteunen van een samenwerkingsaanpak met meerdere actoren voor het beheer van vervoersnetwerken door communicatiekanalen mogelijk te maken. Op deze manier richten de diensten zich op verschillende actoren in verkeersmanagement. De resultaten zullen worden getest in drie casestudies: Rennes (FR), Lissabon (PT), Great Manchester (UK) en een virtuele case study in Athene (HE) met echte gegevens van verschillende vervoerswijzen, onder verschillende verkeerssituaties zoals knelpunten, ongevallen, voetgangersstroom etc. De impact zal worden beoordeeld om de verwachte reductiedoelstellingen van 10% in reistijd, 8-10% in CO2-emissies, 5% ongevallen, 5-10% toename in gebruik openbaar vervoer en gebruik van actieve modi of 10% van de economische kosten door een efficiënter beheer.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het IDLab IOF-consortium bestaat uit academische promotoren van de onderzoeksgroep IDLab, een onderzoeksgroep aan UAntwerpen met leden verbonden aan de faculteiten Wetenschappen en Toegepaste Ingenieurswetenschappen. IDLab ontwikkelt innovatieve, digitale oplossingen in twee grote onderzoekslijnen: (1) internettechnologieën met de focus op draadloze netwerken en Internet of Things (IoT) en (2) data science met de focus op gedistribueerde intelligentie en artificiële intelligentie (AI). De missie van het IDLab-consortium is de nummer één worden in Vlaanderen en ook een leidende partner in de wereld op het gebied van onderzoek en innovatie in de hierboven vermelde onderzoeksgebieden en dan voornamelijk op het vlak van stedelijke en grootstedelijke toepassingen (industrie, haven en wegen). IDLab richt zich op geïntegreerde oplossingen vanuit een applicatie en technologie perspectief om deze missie te verwezenlijken. Uit het oogpunt van de applicaties bieden we oplossingen aan voor alle belanghebbenden in grootstedelijke gebieden zodat we een vruchtbare kruisbestuiving tussen applicaties krijgen. Uit technologisch oogpunt, bestaat ons onderzoek uit hardware prototyping, connectiviteit en artificiële intelligentie wat ervoor zorgt dat we een complete, geïntegreerde oplossing van sensor tot software kunnen bieden aan onze industriële partners. De laatste jaren heeft IDLab de stad en haar omgeving verbonden door middel van sensoren en actuatoren. Het is nu tijd om (1) betrouwbaar en efficiënt de data te verbinden op een geïntegreerde manier om zo (2) de gegevens om te zetten in goed geïnformeerde inzichten en intelligente acties. Dit komt perfect overeen met onze twee grote onderzoekslijnen die we intensief willen valoriseren in de komende jaren. Het IDLab-consortium heeft een unieke positie in het Vlaamse ecosysteem om deze missie te verwezenlijken aangezien het consortium strategisch geplaatst is over verschillende onderzoeksgebieden en innovatieve belanghebbenden: (1) IDLab is een onderzoeksgroep verbonden aan het strategisch onderzoekscentrum imec, een leidend onderzoeksinstituut op het gebied van nano-elektronica en meer recent ook op het vlak van digitale technologie door geaffilieerde onderzoeksgroepen zoals IDLab. (2) IDLab heeft een strategische verbondenheid met IDLab Gent, een onderzoeksgroep aan de Universiteit Gent. Hoewel elke groep haar eigen onderzoeksactiviteiten heeft, wordt er een gemeenschappelijke onderzoeksstrategie gedefinieerd. In het het Vlaamse ecosysteem worden we samen gezien als de leidende partner in het onderzoek dat we uitvoeren. (3) IDLab is de mede-oprichter van The Beacon, een Antwerps ecosysteem voor innovatie waar startups, scale-ups, etc. die IoT- en AI-oplossingen ontwikkelen voor de stad, logistiek, mobiliteit en industrie 4.0, kunnen samenkomen. (4) IDLab draagt bij aan de valorisatie binnen UAntwerpen op het vlak van grootstedelijkheid, smart city en mobiliteit. Om onze valorisatie doelen te verwezenlijken, zal IDLab vier valorisatieprogramma's definiëren: VP1 Opkomende technologieën voor IoT van de volgende generatie, VP2 Menselijke artificiële intelligentie, VP3 Machine learning at the edge, VP4 Deterministische communicatienetwerken. Elk valorisatieprogramma wordt geleid door een van de copromotoren van het IDLab-consortium en bestaat uit twee of drie innovatie lijnen. Op deze manier zal het IDLab-onderzoek vertaald kunnen worden in een duidelijk programma-aanbod voor onze (industriële) partners wat ervoor zorgt dat we elk van hen een aanbod op maat kunnen geven. Elk valorisatieprogramma zal bijdragen aan de verschillende IOF-doelstellingen maar op een gedifferentieerde manier. Op basis van onze huidige ervaring zullen sommige valorisatieprogramma's zich meer toespitsen op lokale partners terwijl andere programma's zich hoofdzakelijk zullen richten op internationale en door de EU gefinancierde onderzoeksprojecten.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Latré Steven
• Promotor: Mannens Erik
• Co-promotor: Famaey Jeroen
• Co-promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Co-promotor: Marquez-Barja Johann
• Co-promotor: Mercelis Siegfried
• Co-promotor: Mets Kevin
• Co-promotor: Oramas Mogrovejo José Antonio
• Co-promotor: Weyn Maarten
• Mandaathouder: Braem Bart

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

De laatste jaren is de interesse in het veld van multi-agent reinforcement learning enorm toegenomen. Bij taken waar samenwerking tussen agenten vereist is, beginnen onderzoekers steeds meer te kijken naar technieken om agenten te laten leren communiceren met elkaar terwijl ze tegelijkertijd leren hoe ze zich moeten gedragen. Vele huidige state-of-the-art technieken gebruiken broadcast communicatie. Dit is echter niet schaalbaar naar werkelijke toepassingen. Daarom wil ik methodes ontwikkelen om het aantal berichten te verminderen. Het doel van dit project is om het aantal verzonden berichten te verminderen terwijl dezelfde performantie van de oplossing wordt behouden. Om dit doel te bereiken zal ik kijken naar technieken om te communiceren met een variabel aantal agenten, naar technieken om de communicatie te verminderen door gebruik te maken van relevantie metrieken en signatures en naar technieken om hopping gedrag aan te moedigen bij agenten. De methodes die in dit onderzoeksproject worden voorgesteld zijn essentieel om schaalbare controle applicaties te creëren door deze te distribueren in combinatie met schaalbare geleerde communicatie. De ontwikkelde methodes zullen worden gevalideerd op simulaties van verkeerslicht controle.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried
• Mandaathouder: Vanneste Astrid

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Op dit moment draaien de meeste AI systemen in de cloud. Voor sommige systemen, zoals real-time systemen, zorgt dit voor problemen. Voor deze systemen is het belangrijk dat we AI algoritmen op edge devices kunnen draaien. Het doel van mijn onderzoek is om reinforcement learning te gebruiken om neurale netwerken te ontwerpen, die vergelijkbare performantie halen met state-of-the-art netwerken, maar met een resource gebruik dat haalbaar is voor edge devices. Om dit doel te bereiken heb ik mijn werk in 3 onderdelen opgedeeld: multi-objective optimization, hardware embeddings en model-based reinforcement learning (MBRL) met monte carlo tree search (MCTS). In het eerste deel van mijn onderzoek zal ik op zoek gaan naar technieken om een multi-objective functie om te zetten naar een single-objective functie. Dit is nodig voor reinforcement learning systemen, omdat zij een scalaire reward verwachten. Voor het tweede luik van mijn onderzoek zal ik een hardware voorstelling ontwikkelen, die bruikbaar is voor een neuraal netwerk. Dit is nodig om het mogelijk te maken voor ons systeem om ten volle gebruik te kunnen maken van de architectuur van de onderliggende hardware. Tenslotte zal ik het MBRL gebruiken in de context van neural architecture search. In dit deel van mijn onderzoek gebruik ik de ontwikkelde scalarisatie technieken en hardware voorstelling, tesamen met een MBRL systeem om neural netwerken te genereren voor specifieke devices.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried
• Mandaathouder: Cassimon Thomas

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

De verwezenlijking van de visie van het Internet der Dingen (IoT) heeft het mogelijk gemaakt om miljarden batterij-gevoede toestellen draadloos met het internet te verbinden. Batterijen zijn echter duur, groot, vervuilend en kortlevend. Jaarlijks miljarden IoT batterijen vervangen en weggooien is niet alleen financieel kostelijk, maar ook weinig duurzaam. Om dit probleem op te lossen, stellen we onze visie voor van een duurzaam Internet van Batterijloze Dingen (IoBaLeT). We stellen een toekomst voorop waar IoT toestellen zonder batterijen kleine hoeveelheden energie opslaan in een condensator en energie oogsten uit hun omgeving of via gelijktijdige draadloze overdracht van informatie en elektrische stroom (SWIPT). Door de onvoorspelbare energietoevoer zullen zulke batterijloze toestellen periodiek worden aangedreven, en in staat zijn om samen waarneming-, controle- en communicatietaken uit te voeren. Bestaande batterijloze technologie heeft veel tekortkomingen. Deze toestellen, meestal gebaseerd op RFID en backscatter, ondersteunen enkel eenvoudige sensortoepassingen, en ondersteunen geen complexe applicatielogica. Netwerken van zulke toestellen schalen niet, hebben een kort bereik en lage bandbreedte. Het doel van IoBaLeT is om batterijloze toestellen en netwerken naar een hoger niveau te tillen, met bandbreedte, schaalbaarheid en bereik op het niveau van bestaande batterijgedreven oplossingen. Om dit te bereiken ontwikkelen we een nieuwe type van batterijloos IoT toestel dat steunt op een combinatie van SWIPT, hybride energieoogst, actieve radiotransmissies, en wake-up radios. IoBaLeT plant innovaties op vlak van SWIPT efficientie, batterijloze netwerkprotocollen, en gedistribueerde periodieke planningsalgoritmen voor complexe toepassingen. Door batterijen achterwege te laten, zullen IoT toepassingen in staat zijn om op ongekend grote schaal, met aanzienlijk langere levensduur, en op moeilijk te bereiken plaatsen, te worden gebruikt.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het in kaart brengen van locaties is een speciaal geval van het probleem met omgekeerde geocodering. Op basis van de gps-coördinaten van de gebruiker, eennauwkeurigheidsradius en een lijst met locaties binnen die straal, willen we afleiden welke locatie de gebruikersbezoek. Helaas beperkt ruis in het signaal, en vooral in dichtbevolkte stedelijke gebieden, ons vermogen om bevredigende resultaten te bereiken. Uit onderzoek blijkt dat het mogelijk is om de resultaten te verbeteren door temporele kenne en gedragskennis te incorporeren in het venue mapping-model. Als bedrijf gespecialiseerd in het analyseren van sensorgegevens, zoals versnellingsmeter, gyroscoop en gps, vanaf mobiele apparaten, heeft Sentiance een enorme hoeveelheid gegevens van duizenden gebruikers. Een open vraag is hoe de data te gebruiken zodat het model volledig datagedreven kan worden getraind. Handmatig regels maken of het labelen van miljoenen locaties is geen optie en zou niet resulteren in een schaalbare, toekomstbestendige oplossing. Door het gebrek aan gelabelde gegevens, hebben we de nieuwste prestaties in Deep self-supervised bestudeerd om zo een ​​model te ontwerpen dat in staat zou zijn om autonoom de interne patronen bloot te leggen in de beschikbaar iet-gelabelde gegevens. Om rijke generalisatiemogelijkheden van ons model te garanderen, hebben we gezocht naar manieren om meer kennis in ons model op te nemen door middel van openbaar beschikbare data en transfer learning. Ondanks het feit dat dergelijke datasets bestaan, stonden we voor een ander probleem: het formaat van de data is zo verschillend van onze interne data waardoor geen van de bestaande Transfer Learning technieken kunnen direct worden toegepast. Om deze uitdaging aan te gaan, hebben we tenslotte de velden van multimodaal en multi-task leren bestudeerd. In dit project stellen we voor om een ​​serie Deep Learning modellen te trainen met een nieuwe architectuur die zouden resulteren in een nieuwe state-of-the-art oplossing voor het locatie mapping probleem.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Mandaathouder: Musaev Gadzhi

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Inland Waterborne Transport (IWT) voordelen als energiezuinige en CO2-emissievrije transportmodus worden vandaag niet volledig benut door hiaten in het logistieke systeem. Containerschepen voor binnenvaart betalen 6 tot 8 keer aan zeehaventerminals met lange wachttijden. Door suboptimale navigatie op rivieren en het wachten op bruggen en sluizen gaat meer tijd verloren. Daarnaast zijn de lage beladingsfactoren van containers en schepen van invloed op de logistieke systemen doordat er onnodig veel containers worden vervoerd en trips worden gemaakt. De strategie van NOVIMOVE is om het logistieke systeem te "verdichten" door de laadfactoren voor containers te verbeteren en de wachttijden in zeehavens te verkorten, door de planning en uitvoering van rivierreizen te verbeteren en door vlotte doorgangen door bruggen en sluizen te vergemakkelijken. De innovaties van NOVIMOVE zijn: (1) vrachtreconstructie om de containerbeladingsfactoren te verhogen, (2) mobiele terminals die binnenvaartschepen voeden, (3) slimme riviernavigatie door het samenvoegen van satellieten (Galileo) en real-time gegevens over rivierdiepten, (4) soepele doorgang bruggen / sluizen door dynamisch planningssysteem voor beter corridormanagement langs de TEN-T Rijn-Alpenroute (RA), (5) concepten voor innovatieve schepen die zich kunnen aanpassen aan laagwatercondities met behoud van een volledig laadvermogen, en (6) nauwe samenwerking met logistieke stakeholders, havens en waterschappen langs de RA-route: Antwerpen, Rotterdam, Duisburg, Basel. De technologische ontwikkelingen van NOVIMOVE zullen worden gedemonstreerd door virtuele simulatie, schaalmodeltests en demonstraties op ware grootte. De innovaties van NOVIMOVE zullen de hoeveelheid vracht die het IWT langs de R-A-corridor verplaatst met 30% beïnvloeden ten opzichte van de basisgegevens van 2010. Het NOVIMOVE 21-consortium bestaat uit logistieke operators, havens, systeemontwikkelaars en onderzoeksorganisaties uit 4 EU-lidstaten en twee geassocieerde landen. Het werkplan bevat 4 technische werkpakketten. De projectduur is vier jaar; de gevraagde financiering is 8,9 miljoen euro

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Latré Steven

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Dit project is verantwoordelijk om het in stand houden van de City of Things Hercules infrastructuur. Binnen dit project werd het CityLab testbed ontwikkeld: een draadloos edge computing platform voor smart cities. Dit biedt experimenteel toegang aan tot draadloze netwerk infrastructuur, edge computing infrastructuur en smart city sensoren.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Latré Steven
• Promotor: Mannens Erik

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Vanwege de sterke economische impact ontving het gebied van processturing in de loop der jaren veel aandacht van onderzoekers. Terwijl klassieke besturingsmethoden al tientallen jaren in gebruik zijn, is de toepassing van Machine Learning (ML) nog niet onderzocht. Een nieuw gebied binnen ML is Reinforcement Learning (RL), dat frequent de state-of-the-art (SOTA) in de besturing van complexe systemen heeft verbeterd. Bijgevolg heeft de toepassing van deze techniek op industriële processturing het potentieel om de efficiëntie sterk te verbeteren. Enerzijds leidt dit tot een daling van kosten, gebruikte materialen en energiebehoeften van enkele van de grootste industrieën wereldwijd. Anderzijds opent dit een weg voor coöperatie tussen academici en industrie. Dit project onderzoekt technieken die gericht zijn op het toepassen van RL op industriële processturing door het ontwikkelen van doelgerichte agents die de verwachtingen van de gebruiker omvatten. (1) Een agent met een accuraat latent world model wordt ontwikkeld met SOTA prestaties en sterke redeneercapaciteiten. (2) Deze agent wordt uitgebreid met een reverse imagination model om fysische states te reconstrueren uit latent states. Hierop worden state constraints toegepast op basis van expertkennis om een intuïtief kader te creëren voor het besturen van de agent. (3) De agent wordt dan overgebracht van simulatie naar werkelijkheid met behulp van offline data om het interne model op één lijn te brengen met de echte wereld.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried
• Mandaathouder: Troch Arne

Onderzoeksgroep(en)

• Modelling for Sustainability (M4S)
• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het Vlaams AI-onderzoeksprogramma heeft als doel om het strategisch basis onderzoek omtrent AI aan de Vlaamse universiteiten en kenniscentrums te stimuleren. Dit onderzoek moet toepasbaar en relevant zijn voor de Vlaamse industrie. Concreet werden er 4 grote uitdagingen, met toenemende complexiteit, gedefinieerd: 1. Het ondersteunen van complexe beslissingen: focus op het nemen van complexe beslissingen door AI-systemen gebaseerd op datasets die mogelijks onvolledige of foutieve informatie kunnen bevatten. 2. Het verzamelen en verwerken van informatie in de edge: focus op het gebruik van AI-systemen in de egde i.p.v. de cloud door de integratie van software en hardware en de ontwikkeling van algoritmen die minder energie en andere hulpbronnen nodig hebben. 3. De autonome interactie met andere beslissingsentiteiten: focus op samenwerking tussen verschillende AI-systemen die onafhankelijk van elkaar opereren. 4. Het naadloos communiceren en samenwerken met mensen: focus op de natuurlijke interactie tussen mensen en AI-systemen en de ontwikkeling van AI-systemen die complexe omgevingen kunnen begrijpen en menselijke redeneringen kunnen toepassen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Promotor: Latré Steven
• Co-promotor: Calders Toon
• Co-promotor: Daelemans Walter
• Co-promotor: Goethals Bart
• Co-promotor: Laukens Kris
• Co-promotor: Martens David
• Co-promotor: Sijbers Jan
• Co-promotor: Steckel Jan

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit project is om aan te tonen hoe patiënt-gerelateerde kinesitherapeutische gegevens die op een gestructureerde manier kunnen worden verzameld en opgeslagen, geanalyseerd kunnen worden uitgevoerd met behulp van kunstmatige intelligentie, meer bepaald deep learning. Neurale netwerken zullen gebruikt worden om te bepalen welke therapeutische aanpak het beste kan worden gebruikt voor welk type patiënt om fysieke activiteit te verhogen. Zo wordt de haalbaarheid aangetoond van het gebruik van big data-analyse om effectieve therapeutische strategieën te ontwikkelen bij patiënten met cardiorespiratoire en metabole ziekten. Het aantonen van de haalbaarheid van gegevensverzameling, opslag en analyse in kinesitherapie en revalidatie bij interne ziekten in de eerste lijn zal een belangrijke stap zijn in de ontwikkeling van data-gestuurde therapie. De resultaten van dit project zullen verder onderzoek vergemakkelijken en het mogelijk maken om gegevens- gestuurde geneeskunde bij meerdere ziekten verder te ontwikkelen, evenals het ontwikkelen van toepassingen voor data monitoring en tele-coaching in de gezondheidszorg. Dankzij de gecombineerde expertise van beide onderzoeksgroepen, in samenwerking met de Belgische Vereniging voor Kinesitherapie (Axxon), kan dit consortium een ​​voorsprong nemen in het adviseren van klinische beslissingen op basis van data analyse binnen de kinesitherapie en op die manier een pionier worden op dit gebied in Europa.

Onderzoeker(s)

• Promotor: Vissers Dirk
• Co-promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Beweging Antwerpen (MOVANT)

Project type(s)

• Onderzoeksproject

Abstract

Het project is gericht op (i) een nieuw, virtueel en gedistribueerd data-ecosysteem voor voedselbezorging aan fysieke winkels dat hyperresponsief en efficiënt wordt dankzij (ii) nauwkeurigere prognose- en personalisatiemodellen die gebruik maken van verbeterde AI- en planningstechnologieën om (iii) de optimalisatie van de end-to-end logistiek van boeren tot distributiecentra (DC's) tot winkels en klanten.

Onderzoeker(s)

• Promotor: Latré Steven
• Co-promotor: Hellinckx Peter
• Co-promotor: Verdonck Tim

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

De hoofddoelstelling van het 'Smart Port' COOCK-project is het verbeteren van de operationele efficiëntie binnen de context van de haven, door toepassing van intelligente technologieën, gericht op kmo's, door de digitale maturiteit te verhogen via data gedreven digitalisering. De voorgestelde COOCK richt zich op twee doelgroepen: de waardeketen binnen een haven context, zoals terminal operatoren, schippers, agenten, transportbedrijven, expediteurs, rederijen, spooroperatoren, havenbesturen, ... en daarnaast technologie integratoren: startups, scale-ups, IT-bedrijven, e.d. die actief zijn binnen implementatietrajecten in een haven omgeving.

Onderzoeker(s)

• Promotor: Latré Steven
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

VITAL 5G - Het VITAL-5G-project heeft de visie om de aangeboden transport- en logistieke (T&L)-diensten te bevorderen door belangrijke logistieke belanghebbenden (zee- en rivierhavenautoriteiten, weglogistieke operators, magazijn-/hublogistiek) operators, enz.) en innovatieve kmo's in te schakelen en hen een open en veilige gevirtualiseerde 5G-omgeving te bieden om hun T&L-gerelateerde geavanceerde netwerkapplicaties (NetApps) te testen, valideren en verifiëren.

Onderzoeker(s)

• Promotor: Marquez-Barja Johann
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project website

Project type(s)

• Onderzoeksproject

Abstract

DEDICAT 6G - DEDICAT 6G heeft tot doel een smart connectiviteitsplatform te ontwikkelen met behulp van kunstmatige intelligentie en blockchain-technieken waarmee 6G-netwerken de bestaande communicatie-infrastructuur kunnen combineren met nieuwe distributie van intelligentie (gegevens, berekening en opslag) aan de rand om niet alleen flexibel, maar ook energie mogelijk te maken efficiënte realisatie van de beoogde realtime beleving.

Onderzoeker(s)

• Promotor: Marquez-Barja Johann
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project website

Project type(s)

• Onderzoeksproject

Abstract

Dit project is ontstaan uit de zoektocht van de haven van Antwerpen naar een innovatieve en kostenefficiënte oplossing om hun boulders beter te monitoren. Dit is belangrijk om overbelasting te vermijden, zeker met de alsmaar grotere schepen met zwaardere ladingen. Overbelaste boulders vormen een acuut gevaar in de haven met losschietende meertouwen tot gevolg waardoor schepen loskomen en tegen de kaaimuur kunnen botsen of boulders die letterlijk in een schip gekatapulteerd worden. Na een uitgebreide zoektocht is de haven tot de conclusie gekomen dat er momenteel nog geen voor de hand liggende oplossing op de markt is en hebben ze een call georganiseerd voor innovatieve oplossingen. Als reactie op deze call heeft IDLab een intelligent pro-actief waarschuwingssysteem voorgesteld dat bestaat uit geconnecteerde boulders om de haveninfrastructuur te monitoren. Dit systeem is gebaseerd op twee kerncompetenties ontwikkeld binnen IDLab: (i) sensoren en energiezuinige draadloze communicatie en (ii) intelligente dataverwerking. Aan de ene kant werd de voorgestelde oplossing positief onthaald door de haven en het potentieel erkend maar aan de andere kant is het duidelijk dat er nog verder onderzoek nodig is om de oplossing te kunnen uitrollen in een operationele omgeving. Binnen deze POC zal er ook onderzoek gedaan worden naar enerzijds het verdere marktpotentieel van deze technologie en anderzijds de technologische en contextuele requirements om een technologieleverancier de oplossing verder te laten opschalen naar de volledige haven. Verdere opportuniteiten in nichemarkten zullen worden geïdentificeerd op zowel de korte als de lange termijn door onder andere nauw samen te werken met de haven en gebruik te maken van hun uitgebreid netwerk (bv. de havens van Rotterdam, Hamburg en LA).

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Co-promotor: Weyn Maarten

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Energie-efficiëntie in de bebouwde omgeving speelt een sleutelrol in de transitie naar een duurzame klimaatneutrale toekomst. Meer bepaald, moeten hernieuwbare energiebronnen en industriële afvalwarmte worden geïntegreerd in de huidige energiedistributiesystemen. Deze integratie wordt vergemakkelijkt door zogenaamde thermische netten, d.w.z. grote systemen op gebouw- of wijkniveau die bestaan uit warmte- (en/of koude-) bronnen en afnemers, die via distributieleidingen met elkaar zijn verbonden. De regeling en het beheer van warmtenetten worden gekenmerkt door een zeer complexe dynamica om twee redenen. Ten eerste moeten -analoog aan het elektriciteitsnet- de intermitterende productie en vraag op elkaar worden afgestemd om het thermisch en sanitair comfort van de eindgebruikers te garanderen. Ten tweede vereist elk type van thermische belasting (ruimteverwarming, koeling en sanitair warm water) een verschillend temperatuurniveau. Deze temperatuurniveaus beïnvloeden zowel de distributieverliezen als de productie-efficiëntie. Momenteel worden thermische netten geregeld met statische en vooral lineaire rule-based fuzzy-logics-regelstructuren. Door de eenvoud en compactheid van de linguïstische benadering van dit soort regelaars kunnen volgende problemen (zoals het volgen van een setpunt voor verwarming en koeling etc.) met succes worden opgelost. Hoewel deze oplossingen perfect passen bij specifieke industriële toepassingen, leveren ze geen enkele bijdrage aan de energiebesparing van complexe thermische netten. Het potentieel van deze netten kan dus niet volledig worden benut met een conventionele aanpak. Primitieve, rule-based manieren van aanpak kunnen de afstemming tussen productie en vraag, of de temperatuur-setpunten immers niet volledig optimaliseren. Kortom, ze zijn ontworpen met het oog op betrouwbaarheid, niet met het oog op een optimaal rendement. Het optimaliseren van de regeldynamica voor complexe systemen is in tal van domeinen met industriële toepassingen aangepakt: automotive, avionica, procesindustrie, enz. Al deze subsystemen hebben echter meestal een vast dynamisch gedrag en aanzienlijk minder onzekerheden die ernstige gevolgen kunnen hebben voor het beoogde doel. Dit betekent dat een data-gebaseerd algoritme de voorafgaande verwerking van input-output gegevens kan stoppen na het voorstellen van een optimale oplossing onder strikte aannames en beperkingen. Omgevingen zoals thermische netten daarentegen bevatten een hoge niet-lineariteit, hoge complexiteit en transiënte parameters. Ze vereisen daarom ook nieuwe oplossingen en trends om het potentieel van data-gebaseerde regelmethodologieën te kunnen benutten. Ondanks de voordelen en de maturiteit ervan, hebben data-gebaseerde benaderingen zich immers niet aangepast en zijn ze niet doorgedrongen in thermische netten (of thermische systemen in het algemeen). De reden hiervoor is een gebrek aan een bestaand kader voor hun implementatie en onvoldoende gebundelde multidisciplinaire expertise in zowel HVAC en thermische systemen als in artificiële intelligentie (AI).

Onderzoeker(s)

• Promotor: Verhaert Ivan
• Co-promotor: Hellinckx Peter
• Co-promotor: Van Riet Freek

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van het DAP²CHEM project is om de transitie van chemische/farmaceutische bedrijven naar industrie 4.0, i.e. de integratie van digitale technologieën en automatisering in productie & logistiek en het gebruik van 'Industrial Internet of Things (IIoT)', data-analyse en gedigitaliseerde diensten in industriële processen, te stimuleren. Dit doel wordt nagestreefd door enerzijds technologische 'proof-of-concepts' te bewijzen voor drie test casussen van drie chemische/farmaceutische bedrijven en anderzijds door deze succesverhalen en 'best practices' te creëren, demonstreren en te delen met andere bedrijven. Meer specifiek genereert het DAP²CHEM-project de nodige generische kennis voor real-time datagebruik met behulp van 'Artificial Intelligence (AI)' systemen voor verbeterde procesontwikkeling, optimalisatie en productionele excellentie in de (chemische/farmaceutische) procesindustrie.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het algemene doel van 5G-Blueprint is het ontwerpen en valideren van een technische architectuur, bedrijfs- en bestuursmodel voor ononderbroken grensoverschrijdend teleopereerd transport op basis van 5G-connectiviteit. 5G-Blueprint onderzoekt en definieert: - De economie van 5G-tools in grensoverschrijdend transport en logistiek, evenals in personenvervoer: CAPEX en OPEX brengen zowel aan de aanbodzijde (telecom) als aan de vraagzijde (transport & logistiek) in beeld voor transformatie van stroom zakelijke praktijken en nieuwe waardeproposities - De Governance vraagstukken en oplossingen met betrekking tot verantwoordelijkheden en verantwoording binnen de waardeketen afhankelijk van grensoverschrijdende connectiviteit en naadloze diensten met betrekking tot het Nederlandse en Belgische regelgevingskader (telecommunicatie, wetten inzake verkeer en CAM-experimenten, contracten, beheer van de waardeketen) - Tactische en operationele (pre-) voorwaarden die aanwezig moeten zijn om de volledige waarde van 5G-tooled transport & logistiek te krijgen. Deze omvat het implementeren van use-cases die het coöperatieve bewustzijn vergroten om veilige en verantwoordelijke telebediening te garanderen vervoer- - Voorbereiden en besturen van op afstand bediend en op afstand bewaakt vervoer over wegen en waterwegen om de toename te verlichten tekort aan mankracht en transport en logistiek op een hoger niveau van efficiëntie brengen door datadeling in het aanbod keten en gebruik van AI. - Het verkennen van de mogelijkheden om het volume van het vervoerde vrachtvolume 's nachts te vergroten bij overmaat fysiek infrastructuurcapaciteit is overvloedig; de verlaging van de personeelskosten zou dit kosteneffectief mogelijk maken - Telebediening wordt mogelijk gemaakt door de volgende 5G-kwaliteiten, zoals lage latentie, betrouwbare connectiviteit en hoge bandbreedte dat de huidige 4G LTE niet voldoende kan leveren. Het resultaat van het project zal de blauwdruk zijn voor de daaropvolgende operationele pan-Europese inzet van tele-opererend transport oplossingen in de logistieke sector en daarbuiten.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

Het Internet der Dingen (IoT) wordt grotendeels aangedreven door batterijen. Dit vormt een grote uitdaging voor de duurzaamheid en levensduur van IoT apparaten, aangezien batterijen een korte levensduur hebben en milieuvervuilend zijn. Om dit probleem op te lossen, stellen we het idee van batterijloze IoT netwerken voor, waar apparaten worden aangedreven door het oogsten van energie en kleine, langlevende condensatoren. Dergelijke apparaten raken echter vaak zonder energie, wat resulteert in periodiek aan-uit gedrag. Traditionele sequentiële applicaties, kunnen dergelijk gedrag niet aan, omdat ze hun voorwaartse vooruitgang verliezen. Dit probleem kan worden opgelost met taak-gebaseerde applicaties, die bestaan uit keten van onderling verbonden taken. Elke taak voert een atomaire functie uit, waarvan het resultaat in niet-vluchtig geheugen wordt bewaard na succesvolle voltooiing. Hierdoor, kan de voorwaartse vooruitgang worden gegarandeerd, zelfs bij frequent energieverlies. Het optimaal plannen van de uitvoering van deze taken is echter niet triviaal. In dit project stellen we een nieuwe taakplanner voor, die de deadline van taken en het specifieke gedrag van condensatoren en verschillende bronnen van energie oogst mee in rekening brengt.

Onderzoeker(s)

• Promotor: Famaey Jeroen
• Co-promotor: Delgado Carmen
• Co-promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

De verwezenlijking van de visie van het Internet der Dingen (IoT) heeft het mogelijk gemaakt om miljarden batterijgevoede toestellen draadloos met het internet te verbinden. Batterijen zijn echter duur, groot, vervuilend en kortlevend. Jaarlijks miljarden IoT batterijen vervangen en weggooien is niet alleen financieel kostelijk, maar ook weinig duurzaam. Om dit probleem op te lossen, stellen we onze visie voor van een duurzaam Internet van Batterijloze Dingen. We stellen een toekomst voorop waar IoT toestellen zonder batterijen kleine hoeveelheden energie opslaan in een condensator en energie oogsten uit hun omgeving. Door de onvoorspelbare energietoevoer zullen zulke batterijloze toestellen periodiek worden aangedreven, en in staat zijn om samen waarneming-, controle- en communicatietaken uit te voeren. Bestaande batterijloze technologie heeft veel tekortkomingen. Deze toestellen, meestal gebaseerd op RFID en backscatter, ondersteunen enkel eenvoudige sensortoepassingen, en ondersteunen geen complexe applicatielogica. Het doel van dit project is om batterijloze technologie te verbeteren, en zo batterijloze toestellen te ontwikkelen die complexe IoT applicaties kunnen ondersteunen. Om dit te bereiken zullen we een energiebewuste taakplanner voor periodieke toestellen ontwerpen die op intelligente wijze bepaalt welke applicatie- en netwerktaken op welk moment moeten worden uitgevoerd, rekening houdend met taakdeadlines, dataversheid, verwacht energieverbruik, en voorspelde geoogste energie. Om de efficiëntie verder te verbeteren zullen we daarbovenop een coöperatieve uitbreiding van de taakplanner onderzoeken voor het afladen van taken naar cloud-randapparaten.

Onderzoeker(s)

• Promotor: Famaey Jeroen
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Door transport in stedelijke waterwegen meer kostenefficiënt te maken, zal Smart Waterway een verschuiving teweegbrengen in last-mile-logistics van wegverkeer naar kleine waterwegen in vele Europese steden, waaronder Gent. Voor kleine barges die deze waterwegen kunnen betreden, is de kost voor automatisering echter te hoog in vergelijking met de constructiekost. Er is dus een kostenvermindering nodig in de automatisering om dit mogelijk te maken. Wij geloven dat dit enkel kan gerealiseerd worden door de kost van de uitrusting voor autonoom varen drastisch te verlagen. Hiervoor zijn echter significante verbeteringen nodig in de state-of-the-art in sensoriek en lokalisatie-technologie. Hoewel een lagere accuraatheid volstaat om autonoom te navigeren op basis van waypoints, zullen goedkope sensoren op het schip niet volstaan voor complexe scenario's (bv. Sluizen, bottlenecks zoals bruggen en kaaien voor laden en lossen) waar accurate lokalisatie nodig is om het schip veilig te kunnen manoeuvreren. Om dit probleem op te lossen, zullen deze kritische locaties worden uitgerust met bijkomende sensoren (bv. Infrarood camera's) en een innovatief lokalisatie-systeem op basis van ultra-wideband technologie. Door betaalbare sensoren op het schip te combineren met infrastructuur aan wal , beoogt Smart Waterway economisch haalbare niveau 3 autonomie te realiseren in stedelijke binnenwateren.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Co-promotor: Marquez-Barja Johann

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Veel applicaties vereisen intelligente samenwerkende agents die samenwerken om een probleem op te lossen. Een voorbeeld van zo een probleem is een vloot van autonome voertuigen die gecoördineerd rondrijden. Een multi-agent systeem dat wordt opgebouwd door machine learning is een goed onderzocht probleem in de state-of-the-art. Recent zijn onderzoekers erin geslaagd om agents te ontwikkelen die in staat zijn om te leren hoe ze moeten communiceren om een doel te bereiken. Dit is een nieuw sub-domein van multi-agent reinforcement learning waarin we gaan onderzoeken hoe we gedecentraliseerd kunnen trainen. Dit zal ons toelaten om heterogene agents te ontwikkelen tijdens het uitvoeren van hun applicatie wat niet mogelijk is met state-of-the-art methodes. In dit project, zal ik de state-of-the-art uitbreiden door te onderzoeken hoe we kunnen leren te communiceren met een onbekend aantal agents wat niet mogelijk is met state-of-the-art methodes. Daarna zal ik aan de feedback structuur werken die gebruikt worden om te communiceren tussen de agenten. Ik zal deze aanpassen vervolgens gebruiken om de agents hun architectuur te splitsen. Ik verwacht dat dit de training time voor te leren communiceren zal verkorten wat noodzakelijk is voor het gedecentraliseerd leren van communicatie. Al de voorgaande aanpassen zullen vervolgens gecombineerd worden om gedecentraliseerd te leren communiceren.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried
• Mandaathouder: Vanneste Simon

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)
• Modelling for Sustainability (M4S)

Project type(s)

• Onderzoeksproject

Abstract

De specifieke doelstellingen van het SSAVE – project zijn: - Definiëren van methodes en technologieën voor veilige en geverifieerde connectiviteit en het delen van data tussen assets van verschillende fabrikanten en eigenaars, met line-of-sight breedband communicatiemogelijkheden over minstens 1 km. - Definiëren van lage-kost IP-achtige technologieën die de uitrol van een meshed ad-hoc edge en narrow-band gedeelde internettoegang toelaten, om zo het gebruik van MDTs mogelijk te maken. - Werken naar een standaardformaat voor de uitwisseling van sensor data, gekarakteriseerd door datareductie tussen field assets van verschillende fabrikanten en eigenaars en dataverrijking. - Software architecturen definiëren om sensordata te fusere, en zo optimale datastromen aan te leveren, met een focus op real-time delen van situationeel bewustzijn. - Standaardisering van inter-asset communicatie. Het uiteindelijke doel is om verschillende vormen van autonomie mogelijk te maken in de zee- en binnenwateren.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het Vlaams AI-onderzoeksprogramma heeft als doel om het strategisch basis onderzoek omtrent AI aan de Vlaamse universiteiten en kenniscentrums te stimuleren. Dit onderzoek moet toepasbaar en relevant zijn voor de Vlaamse industrie. Concreet werden er 4 grote uitdagingen, met toenemende complexiteit, gedefinieerd: 1. Het ondersteunen van complexe beslissingen: focus op het nemen van complexe beslissingen door AI-systemen gebaseerd op datasets die mogelijks onvolledige of foutieve informatie kunnen bevatten. 2. Het verzamelen en verwerken van informatie in de edge: focus op het gebruik van AI-systemen in de egde i.p.v. de cloud door de integratie van software en hardware en de ontwikkeling van algoritmen die minder energie en andere hulpbronnen nodig hebben. 3. De autonome interactie met andere beslissingsentiteiten: focus op samenwerking tussen verschillende AI-systemen die onafhankelijk van elkaar opereren. 4. Het naadloos communiceren en samenwerken met mensen: focus op de natuurlijke interactie tussen mensen en AI-systemen en de ontwikkeling van AI-systemen die complexe omgevingen kunnen begrijpen en menselijke redeneringen kunnen toepassen.

Onderzoeker(s)

• Promotor: Latré Steven
• Co-promotor: Calders Toon
• Co-promotor: Daelemans Walter
• Co-promotor: Goethals Bart
• Co-promotor: Hellinckx Peter
• Co-promotor: Laukens Kris
• Co-promotor: Martens David
• Co-promotor: Sijbers Jan
• Co-promotor: Steckel Jan

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

In dit onderzoeksproject willen we een verdere stap zetten in het verfijnen en concretiseren van technieken voor een automatische wegdekkwaliteitsinspectie voor toepassing in de regio Oost-Vlaams-Brabant , om het wegenbeheer te vereenvoudigen en kosten te besparen door het wegdek op de juiste momenten op de juiste plaatsen te renoveren of te vernieuwen. De eerste resultaten van de 3D Time-of-Flight camera met een breed beeldbereik, gemonteerd op traag rijdende voertuigen (bv. ophaalwagens), tonen een grote accuraatheid. Om het ontbreken van diepgaande meetgegevens met deze techniek te ondervangen, wordt een uitgebreide testcase voorgesteld. Omdat deze cameratechnologie vrij kostelijk is en het aantal uitgeruste ophaalwagen eerder beperkt zal zijn, wordt deze meetmethode gecombineerd met de goedkope, maar minder accurate meetmethode van de CANbus. Deze maakt het mogelijk om via een vloot wagens op continue wijze data te genereren over de wegdekkwaliteit. Vervolgens worden de bekomen data toegepast op het bestaande inspectiemodel van OCW (dat nu al wordt gebruikt door lokale besturen) en wordt dit model verder verfijnd en afgestemd op de gegenereerde data. Bij de gegevensverwerking van beide meettechnieken, is er oog voor informatieveiligheid, open standaarden en data-interoperabiliteit. Tenslotte gaat aandacht naar de integratie van deze resultaten in een PMS (Pavement Management System). Bij uitbreiding wordt nagegaan of data voor andere doeleinden kan worden gehanteerd (bv. registreren en kwaliteitsopname van belijning, voet- en fietspad, onkruidbestrijding). De integratie van de continue nieuwe en historische resultaten in een PMS zal het mogelijk maken om met een eenvoudige resultaatweergave (bv. dashboard met kaart) een proactief, gestaafd beleid en een efficiënte renovatie uit te voeren. Integratie met de BBC zou tenslotte een meerwaarde betekenen voor elk Vlaams lokaal bestuur , zodat de burger uiteindelijk kan genieten van een beter onderhouden lokaal wegennet.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit onderzoekstraject is om een methodologie te introduceren, gebaseerd op simulatie, die gebruikt zal worden om de beperkingen in schaalbaarheid van moderne IoT software test-technieken op te lossen. Meer specifiek, willen we focussen op het testen van ultra grootschalige systemen die emergent gedrag tonen. Mede doordat IoT meer mainstream aan het worden is en vanwege de stijging in de hoeveelheid toestellen die met elkaar verbonden zijn, zal ook de complexiteit en de schaal van het IoT landschap sterk toenemen. Deze interoperabiliteit tussen IoT toestellen en actuatoren zal van vitaal belang zijn voor toekomstige IoT applicaties. Vanwege deze toename in schaal en diversiteit en vanwege moderne gedecentraliseerde IoT architecturen zoals Edge computing, zien we een heel nieuw type IoT applicatie aan belang winnen. Een type applicatie waarbij lokaal gedecentraliseerde interacties tussen IoT applicaties zal leiden tot een globaal emergent gedrag. Deze term, emergent gedrag, kan best vergeleken worden met het gedrag van een zwerm vogels, waarbij lokale interacties tussen individuele vogels leiden tot een globaal geoptimaliseerd gedrag. Ditzelfde idee is ook hele relevant binnen het IoT domein, neem bijvoorbeeld een slimme verkeerslichten toepassing, waarbij lokale interacties tussen verkeerslichten eveneens kunnen leiden tot een globaal geoptimaliseerde verkeerstroom. Dit type applicatie zal echter tegelijk leiden tot grote moeilijkheden wat validatie, testen en kalibratie betreft. Dit is omdat emergent gedrag alleen kan optreden in een realistische, grootschalige en diverse omgeving. Dergelijke applicaties uitrollen in een geïsoleerde test omgeving zou onpraktisch zijn omdat de kost om een dergelijke omgeving op te zetten op een realistische schaal te groot zou zijn en te veel tijd zou vergen tijdens de vroege ontwikkelfase van een project. In plaats van beroep te doen op dure testomgevingen, stellen wij een grootschalige simulatie benadering voor in dit project. Zo'n simulatie-gebaseerd systeem zal bestaan uit honderdduizenden virtuele sensoren die met elkaar en met de omgeving interageren. Dit leidt echter tot bijkomende technische uitdagingen. De benodigde schaal van een dergelijk simulatie gebaseerd systeem moet zeer groot zijn alvorens emergent gedrag waargenomen kan worden. Daarbij, dienen alle virtuele sensoren in het systeem continu actief te zijn om in real-time te kunnen interageren met andere systemen. Dit komt omdat een belangrijk deel van het gedrag van typische IoT systemen bepaald wordt door een IoT middleware, de gesimuleerde entiteiten zullen dus in staat moeten zijn om met deze middleware te interageren alsof het werkelijke IoT toestellen zijn. We verwijzen naar dit principe met de term Software-in-the-loop (SIL) simulatie. Vanwege deze real-time vereisten zal een grote hoeveelheid van de simulatie entiteiten tegelijk functioneel moeten zijn, wat de computationele complexiteit sterk zal verhogen. Enkel beroep doen op hedendaagse simulatie technieken is daardoor niet voldoende. De bijdrage van dit project is gefocust op de ontwikkeling van een methodologie voor het uitvoeren van real-time, grootschalige simulaties voor het testen en analyseren van zowel conventionele IoT systemen als IoT systemen die afhangen van het gegenereerde emergent gedrag. Wij focussen op twee grote trajecten binnen het kader van dit project, in het eerste traject willen we de computationele complexiteit verlagen door dynamisch de abstractie niveaus van simulatie modellen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Denil Joachim
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

5G-MOBIX is gericht op het uitvoeren van CCAM-proeven langs x-border en stedelijke corridors met behulp van 5G technologische kerninnovaties om de 5G-infrastructuur te kwalificeren en de voordelen ervan in de CCAM-context te evalueren, evenals implementatiescenario's en het identificeren en reageren op standaardisatie- en spectrumlacunes. 5G-MOBIX zal eerst de kritieke scenario's definiëren die geavanceerde connectiviteit door 5G vereisen, en de vereiste functies om die geavanceerde CCAM-gebruiksscenario's mogelijk te maken. De koppeling tussen de geavanceerde CCAM-gebruiksscenario's en het verwachte voordeel van 5G zal worden getest tijdens proeven op 5G-corridors in verschillende EU-landen, evenals China en Korea. Die proeven zullen het mogelijk maken evaluatie- en effectbeoordelingen uit te voeren en ook zakelijke effecten en kosten / batenanalyses te definiëren. Als resultaat van deze evaluaties en ook internationeel overleg met de publieke en industriële belanghebbenden, zal 5G-MOBIX standpunten voorstellen voor nieuwe zakelijke kansen voor de 5G-ingeschakelde CCAM en aanbevelingen en opties voor de inzet. Ook de bevindingen van 5G-MOBIX op het gebied van technische vereisten en operationele omstandigheden zullen het mogelijk maken om actief bij te dragen aan de normalisatie- en spectrumtoewijzingsactiviteiten. 5G-MOBIX zal verschillende CCAM-gebruiksscenario's evalueren, geavanceerd dankzij de volgende generatie mobiele netwerken van 5G. Onder de mogelijke scenario's die met de 5G-technologieën kunnen worden geëvalueerd, heeft 5G-MOBIX het potentiële voordeel van 5G verhoogd met lage betrouwbare latentiecommunicatie, verbeterde mobiele breedband, massale machinetype-communicatie en netwerksegmentering. Verschillende geautomatiseerde gevallen van mobiliteitsgebruik zijn potentiële kandidaten om te profiteren en nog meer te worden ingeschakeld door de geavanceerde functies en prestaties van de 5G-technologieën, zoals bijvoorbeeld, maar beperkt tot: coöperatieve inhaalactie, samenvoegen van snelwegbanen, platooning van vrachtwagens, valetparking, rijden in een stedelijke omgeving , detectie van weggebruikers, afstandsbediening van voertuigen, doorzicht, HD-kaartupdate, media en entertainment.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Veel applicaties vereisen intelligente samenwerkende agents die samenwerken om een probleem op te lossen. Een voorbeeld van zo een probleem is een vloot van autonome voertuigen die gecoördineerd rondrijden. Een multi-agent systeem dat wordt opgebouwd door machine learning is een goed onderzocht probleem in de state-of-the-art. Recent zijn onderzoekers erin geslaagd om agents te ontwikkelen die in staat zijn om te leren hoe ze moeten communiceren om een doel te bereiken. Dit is een nieuw sub-domein van multi-agent reinforcement learning waarin we gaan onderzoeken hoe we gedecentraliseerd kunnen trainen. Dit zal ons toelaten om heterogene agents te ontwikkelen tijdens het uitvoeren van hun applicatie wat niet mogelijk is met state-of-the-art methodes. In dit project, zal ik de state-of-the-art uitbreiden door te onderzoeken hoe we kunnen leren te communiceren met een onbekend aantal agents wat niet mogelijk is met state-of-the-art methodes. Daarna zal ik aan de feedback structuur werken die gebruikt worden om te communiceren tussen de agenten. Ik zal deze aanpassen vervolgens gebruiken om de agents hun architectuur te splitsen. Ik verwacht dat dit de training time voor te leren communiceren zal verkorten wat noodzakelijk is voor het gedecentraliseerd leren van communicatie. Al de voorgaande aanpassen zullen vervolgens gecombineerd worden om gedecentraliseerd te leren communiceren.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Mandaathouder: Vanneste Simon

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van het Europese SARWS Celtic-plus consortium (meer dan 30 partners uit 7 landen) is om real-time services te realiseren voor schaalbare, robuuste, veilige, efficiënte, veilige, duurzame slimme mobiliteit. Om de wegveiligheid te verbeteren, zullen de Vlaamse partners onderzoeken hoe m.b.v. voertuigdata real-time services kunnen worden opgezet die waarschuwen voor lokale weersomstandigheden en gevaarlijke wegcondities met grotere nauwkeurigheid en stiptheid dan mogelijk is met bestaande systemen. Lokale weergegevens worden verzameld uit de CAN-bus van voertuigen, aangevuld met externe sensoren via In-car Smart Sensor Nodes (ICSSN) (VPS, IMEC) met behulp van een veilig data distributie framework (Inuits). Initiële testdata wordt verzameld uit voertuigen van IMEC en VPS. Zodra ICSSN prototypes beschikbaar zijn, wordt het platform uitgerold op 30 voertuigen van bpost. Lokale weersinformatie zal worden geëxtraheerd uit de verzamelde data m.b.v. machine learning algoritmes (IMEC, Be-mobile, VPS, RMI) in het kader van de volgende use cases: (i) data analyse op tijdsreeksgegevens voor weergerelateerd voertuiggedrag (ii) valideren en verbeteren van de nauwkeurigheid van weer- en road weather modellen (iii) services die bestuurders en belanghebbenden (b.v. AWV) waarschuwen voor gevaarlijke wegcondities en een In Car Driver App (ICDA) die de gebruiker toelaat te interageren met het systeem (notificaties, event tagging). Concrete doelen en criteria De primaire doelen zijn detectie van zichtbaarheid (e.g. mist) en wegconditie (gladheid, aquaplaning, sneeuw, zwart ijs). De secundaire doelen regen (intensiteit, type), lokale temperaturen en windstoten zullen worden onderzocht indien het onderzoek naar de primaire doelen succesvol is afgerond. Smart sensing: Definiëren van een methodologie voor selectie, kalibratie en fusie van sensoren, CAN-bus signalen en gebruikersfeedback voor elk van de primaire (en bij uitbreiding secundaire) doelen. Data Distributie: Ontwerpen van een schaalbaar hard- en software platform voor dataverzameling uit een grote vloot (30 bpost voertuigen tijdens SARWS, potentieel de volledige vloot van 6500 na het project) - voor meerdere weersomstandigheden (zie primaire en secundaire doelen); - dat beperkte bandbreedte gebruikt (3G, 144kbit tot 2Mbit afhankelijk van voertuigsnelheid) om voertuigdata (tot 25GB/u per voertuig) in real-time door te sturen zonder significant verlies van informatie, door data-compressie, reductie, filter en code distributie methodes; - met beperkte hardware resources in het voertuig (i.e. smartphone processor in de ICSSN) - dat automatisch wordt geoptimaliseerd voor specifieke verzameltaken, afhankelijk van de benodigde informatie m.b.v. adaptieve code-distributie; - dat uitbreidbaar is met toekomstige applicaties door software interfaces te definiëren en een methodologie voor KPI analyse en code distributie om nieuwe applicaties compatibel te maken. Data Processing: - Definiëren van een methodologie voor classificatie van weercondities uit gemengde data stromen (CAN, sensoren, gebruikersfeedback), gegeven gebruikersgedrag, voertuiggedrag en regionale weergegevens met lage resolutie. - Verificatie en real-time aanpassing van weermodellen met deze nieuwe bron van zeer lokale data - Verbeteren van de state of the art in road weather modellen door klassieke input (NWP, radar, weerstations) te mengen met voertuig- en sensordata - Real-time waarschuwingen voor wegsecties (250m) aan wegbeheerders (b.v. AWV) en bestuurders Privacy: technische/organisatorische privacy maatregels om te voldoen aan GDPR en die data verzamelen op grote schaal toelaten zonder verlies van weersinformatie, gevalideerd met KPI-analyse en regressietesten. Security: Definiëren van een beveiligde architectuur met end-to-end versleutelde V2I/I2V, en soft- en hardware maatregels die er voor zorgen dat de CAN-bus enkel kan worden uitgelezen zodat de ICSSN geen potentieel toegangspunt wordt voor de wagen.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Hoewel de fundamenten van artificiële intelligentie (AI) reeds lange tijd bestaan, hebben recente ontwikkelingen in rekenkracht en nieuwe AI-technieken gezorgd voor een heropleving in dit onderzoeksdomein. Met de opkomst van het Internet der dingen (IoT), hebben vele slimme applicaties, gedreven door AI, hun weg gevonden naar ons dagelijks leven. Gezien de computationele complexiteit van deze technieken is een veelgebruikte aanpak het minimaliseren van de berekeningen op het toestel van de eindgebruiker en het uitvoeren van de zware berekeningen in een cloud omgeving. Echter, met een toename tot meer dan 20 miljard slimme toestellen tegen 2020 in het vooruitzicht, is het verwerken van de grote hoeveelheden geproduceerde gegevens met een cloud-gebaseerde oplossing niet haalbaar. Om de AI-revolutie verder te zetten zijn alternatieve methodes noodzakelijk, waarbij de AI verdeeld wordt over toestellen die dichter bij de rand van het netwerk staan. Huidige AI-oplossingen verdelen hun werk over grootschalige cloud-omgevingen en hoogperformante toestellen. IoT-devices, hebben echter zeer diverse hardware en vaak strike software beperkingen. Afhankelijk van deze beperkingen, bijvoorbeeld in timing, rekenkracht, geheugen en energie, zijn op maat gemaakt optimalisatie-strategieën noodzakelijk. Om distributie van AI in een IoT omgeving mogelijk te maken moeten twee gaten in de state-of-the-art worden overbrugd. In dit onderzoeksproject onderzoeken we (1) een systematische methode voor de analyse van AI om de karakteristieken van deze algoritmes te bepalen en (2) een methode voor optimale distributie van AI in de context van AI.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Uit een marktstudie van de huidige ICT-oplossingen voor transportoperaties, uitgevoerd door Valentin Carlan als doctoraatsonderzoek bij Universiteit Antwerpen, blijkt dat er een grote heterogeniteit aan systemen, databronnen, applicaties en 'best practices' bestaat. Deze diversiteit verergert de segregatie in de logistieke keten en verhindert verdere optimalisatie. Hierdoor ontbreekt de coördinatie en standaardisatie die nodig is voor het implementeren van cross-sector IT-oplossingen. Daarnaast werden op basis van de interviews en ervaringen duidelijke missing links in huidige business-processen geïdentificeerd. Verschillende integreerbare state-of-the-art oplossingen worden toegepast, maar deze zijn sub-optimaal, niet flexibel en duur in onderhoud. Bovendien dwingen deze integratie-oplossingen de bedrijven tot een lock-in van de initieel gekozen softwarepakketten en wordt een eenvoudige migratie naar of integratie met software van derde partijen verhinderd. In deze POC wordt een universeel middleware framework ontwikkeld die een flexibele en uitgebreide data integratie voorziet tussen verschillende IT-oplossingen en zo ook met andere transportbedrijven onderling. Het voorgestelde framework omvat twee kernfuncties/lagen, namelijk de data acquisitie- en presentatie laag en de data processing- en interacties laag. Door de aaneenschakeling van deze sub-systemen kunnen analyse en interactie-modellen opgesteld worden die geautomatiseerde triggers kunnen aanroepen. Deze keten kan adaptief aan de noden van het transportbedrijf ontwikkeld worden naargelang de gewenste automatisering. In deze POC zal er gefocust worden op de ontwikkeling van twee systemen in deze laag, namelijk een automatisch waarschuwingssysteem (SWIS) en een plannertool voor vlootmanagement (PTFM). De laatste applicatie bestaat uit een statische planning tool (SPT) en een dynamisch dispatching systeem (DDS).

Onderzoeker(s)

• Promotor: Vanelslander Thierry
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Transport en ruimtelijke economie

Project type(s)

• Onderzoeksproject

Abstract

Dit project is deel van de IMEC raamovereenkomst en voorziet in een structurele financiering van IMEC naar de groep toe om fundamenteel onderzoek te promoten. Deze middelen worden voorzien op basis van jaarlijkse KPIs die de groep moet halen naar IMEC toe (publicaties, financiering, enz.). Details hiervan zijn gedefineerd in de Way of Working van de raam overeenkomst tussen Universiteit Antwerpen en IMEC.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Algemene doelstelling: Het hoofddoel van dit project is om een ontwerpaanpak en bijhorende software tools te ontwikkelen die het mogelijk maken om applicatie-software, ingebedde software- en hardware platformen gelijktijdig te ontwerpen. Het gelijktijdig ontwerp moet de beoogde gesloten-lus performantie van cyber-fysische systemen kunnen garanderen terwijl het ontwerpproces efficiënter wordt en de kosten van de ingebedde software en hardware platformen verminderen. Concrete doelstellingen: Meer specifiek, zijn de innovatiedoelstellingen van dit project: 1. Het ontwikkelen van een methode en bijhorende software tools om het gelijktijdig ontwerp van applicatiesoftware en ingebed platform mogelijk te maken voor cyber-fysische productvarianten zodat: - zowel controle ingenieurs als ingebedde platformontwerpers verschillende ontwerpkeuzes op applicatie- als ingebed platform niveau ten opzichte van elkaar kunnen afwegen op een agile-manier zodat de ontwikkeltijd van de finale ingebedde controller met op zijn minst 25% gereduceerd wordt; - de kost-effectiviteit van ingebedde platformen vermindert met minimal 10%, door stochastische vertragingen te beschouwen in plaats van 'slechtste geval' responstijden en busvertragingen, zonder daarbij de stabiliteit, performantie en robuustheid van het gesloten-lus gedrag in het gedrang te brengen. 2. De mogelijkheid te onderzoeken om bovenstaande method uit te breiden met automatische ontwerpruimte-verkenningstechnieken die automatisch het meest geschikte ontwerpalternatief bepalen in termen van applicatie/platform ontwerpvariabelen in de enorme set van ontwerpkandidaten. 3. Het ontwikkelen van een methode en bijhorende software tools om trade-off analyses en ontwerpruimte-verkenningstechnieken te ondersteunen voor de ingbedde platformselectie en –ontwerp voor complete cyber-fysische controller productlijnen. Verder bouwend op deze methodes en tools, willen de bedrijfspartners in dit project de volgende doelen realizeren: Atlas Copco's belangrijkste doelstelling is om een methode, een software raamwerk en de bijhorende ontwikkeltools te creëren die ontwerpers van controllers voor compressorkamers ondersteunen bij het selecteren van het meest geschikte ingebedde software en hardware platformconfiguratie en applicatie-software-allocatie op dat platform, zodat de gevraagde performantie in geen enkel geval in gedrang komt. Picanol wil de performantie en productkwaliteit van zijn weefmachines verbeteren door een betere samenwerking tussen controle-ingenieurs and ingebedde platform ontwerpers. Meer specifiek wil Picanol deze samen-ontwerp methode toepassen op het luchtinsertiesubsysteem van verschillende weefgetouwen, zodat het mogelijk wordt om de productiecapaciteit van deze machines te verhogen met 2%, of het luchtverbruik van deze machines te verminderen met hetzelfde percentage. Tenneco's hoofddoel is om een set van ingebedde controle- en vermogenelectronica hardware platformen te selecteren die kostenoptimaal de volledige productlijn van electro-magnetische schokdempers afdekken. De aanpak en tools die hiervoor gebruikt worden moeten ook toepasbaar zijn op andere productlijnen binnen Tenneco. Michel Van de Wiele (MVDW) wil een nieuw, duurzaam en modulair ingebed hardware en software platform selecteren dat kan gebruikt worden bij de controle van de weefgetouwen van vandaag en in de toekomst. Meer specifiek, bij gelijke performantie-eisen, beoogt MVDW een reductie van de hardware kost met op zijn minst 10 %, of, met identieke hardware beoogt MVDW een verhoging van de maximale machinesnelheid met 10 tot 50%, of gebruik te kunnen maken van 10% meer sensoren/actuatoren. Daarnast wil MVDW ook zijn ontwerpaanpak en tools vernieuwen zodat ontwerpers makkelijk a priori kunnen voorspellen of een ingebedde controller voor een bepaalde variant in staat zal zijn om een bepaalde weefgetouw-variant aan te sturen gedurende zijn volledige levenscyclus.

Onderzoeker(s)

• Promotor: De Meulenaere Paul
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Co-Design of Cyber-Physical Systems (Cosys-Lab)

Project type(s)

• Onderzoeksproject

Abstract

Algemene doelstelling: Het hoofddoel van dit project is om een ontwerpaanpak en bijhorende software tools te ontwikkelen die het mogelijk maken om applicatie-software, ingebedde software- en hardware platformen gelijktijdig te ontwerpen. Het gelijktijdig ontwerp moet de beoogde gesloten-lus performantie van cyber-fysische systemen kunnen garanderen terwijl het ontwerpproces efficiënter wordt en de kosten van de ingebedde software en hardware platformen verminderen. Concrete doelstellingen: Meer specifiek, zijn de innovatiedoelstellingen van dit project: 1. Het ontwikkelen van een methode en bijhorende software tools om het gelijktijdig ontwerp van applicatiesoftware en ingebed platform mogelijk te maken voor cyber-fysische productvarianten zodat: - zowel controle ingenieurs als ingebedde platformontwerpers verschillende ontwerpkeuzes op applicatie- als ingebed platform niveau ten opzichte van elkaar kunnen afwegen op een agile-manier zodat de ontwikkeltijd van de finale ingebedde controller met op zijn minst 25% gereduceerd wordt; - de kost-effectiviteit van ingebedde platformen vermindert met minimal 10%, door stochastische vertragingen te beschouwen in plaats van 'slechtste geval' responstijden en busvertragingen, zonder daarbij de stabiliteit, performantie en robuustheid van het gesloten-lus gedrag in het gedrang te brengen. 2. De mogelijkheid te onderzoeken om bovenstaande method uit te breiden met automatische ontwerpruimte-verkenningstechnieken die automatisch het meest geschikte ontwerpalternatief bepalen in termen van applicatie/platform ontwerpvariabelen in de enorme set van ontwerpkandidaten. 3. Het ontwikkelen van een methode en bijhorende software tools om trade-off analyses en ontwerpruimte-verkenningstechnieken te ondersteunen voor de ingbedde platformselectie en –ontwerp voor complete cyber-fysische controller productlijnen. Verder bouwend op deze methodes en tools, willen de bedrijfspartners in dit project de volgende doelen realizeren: Atlas Copco's belangrijkste doelstelling is om een methode, een software raamwerk en de bijhorende ontwikkeltools te creëren die ontwerpers van controllers voor compressorkamers ondersteunen bij het selecteren van het meest geschikte ingebedde software en hardware platformconfiguratie en applicatie-software-allocatie op dat platform, zodat de gevraagde performantie in geen enkel geval in gedrang komt. Picanol wil de performantie en productkwaliteit van zijn weefmachines verbeteren door een betere samenwerking tussen controle-ingenieurs and ingebedde platform ontwerpers. Meer specifiek wil Picanol deze samen-ontwerp methode toepassen op het luchtinsertiesubsysteem van verschillende weefgetouwen, zodat het mogelijk wordt om de productiecapaciteit van deze machines te verhogen met 2%, of het luchtverbruik van deze machines te verminderen met hetzelfde percentage. Tenneco's hoofddoel is om een set van ingebedde controle- en vermogenelectronica hardware platformen te selecteren die kostenoptimaal de volledige productlijn van electro-magnetische schokdempers afdekken. De aanpak en tools die hiervoor gebruikt worden moeten ook toepasbaar zijn op andere productlijnen binnen Tenneco. Michel Van de Wiele (MVDW) wil een nieuw, duurzaam en modulair ingebed hardware en software platform selecteren dat kan gebruikt worden bij de controle van de weefgetouwen van vandaag en in de toekomst. Meer specifiek, bij gelijke performantie-eisen, beoogt MVDW een reductie van de hardware kost met op zijn minst 10 %, of, met identieke hardware beoogt MVDW een verhoging van de maximale machinesnelheid met 10 tot 50%, of gebruik te kunnen maken van 10% meer sensoren/actuatoren. Daarnast wil MVDW ook zijn ontwerpaanpak en tools vernieuwen zodat ontwerpers makkelijk a priori kunnen voorspellen of een ingebedde controller voor een bepaalde variant in staat zal zijn om een bepaalde weefgetouw-variant aan te sturen gedurende zijn volledige levenscyclus.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: De Meulenaere Paul

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Binnen het Smart Highway-project zullen MOW en imec een hightech testomgeving bouwen om geautomatiseerd rijden te ondersteunen langs (een deel van) een snelweg [10-20 km E313 en een deel van de ring van Antwerpen R01] in combinatie met een regionale weg [ Turnhoutsebaan N12 richting het centrum van Antwerpen]. Deze wegen worden uitgerust met draadloze communicatie (zowel 802.11p als LTE-V) en sensortechnologieën en er zullen concrete test cases worden opgezet om deze technologieën te testen voor het ondersteunen van geconnecteerde en geautomatiseerde voertuigen, gebaseerd op real-life monitoring en analyse. Naast imec en MOW zullen ook KU Leuven en Flanders Make een bijdrage leveren aan het project.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Concorda draagt bij tot de voorbereiding van de Europese snelwegen voor geautomatiseerd rijden en truck platooning met voldoende geconnecteerde diensten en technologieën. Het hoofddoel van de actie is om prestaties van hybride communicatiesystemen te beoordelen (betrouwbaarheid/beschikbaarheid), waarbij 802.11p en LTE connectiviteit worden gecombineerd in echte verkeerssituaties. De studie bereidt daarnaast de verbetering voor van lokalisatie diensten. Als een onderdeel van het project wordt een validatie en demonstratie van de ontwikkelde methoden voor zelforganisatie uitgevoerd door middel van uitgebreide simulatie-experimenten, waarbij haalbare kostenbesparingen en prestatieverbeteringen worden bekeken.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit project is om een robuust systeem te ontwikkelen om betrouwbare en dynamische geospatiale informatie te verzamelen over wegdekinfrastructuur en de omgeving, om reeds bestaande occasionele hogekwaliteitsmonitoring te vervangen door opportunistische, continue en massale dataverzameling en -analyse.

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het High Impact project van IMEC heeft als doel om fundamenteel onderzoek te stimuleren dat in de toekomst de valorisatie van de groep ten goede kan komen. Binnen dit project, werden de volgende onderzoekslijnen gefinancierd: - Appdaptive: configureren van IoT netwerken op basis van de applicatievereisten - Deelname in de DARPA spectrum collaboration challenge - Densenets: SDN-gebaseerd netwerk beheer van draadloze netwerken (met als resultaat het ORCHESTRA platform) - SUBWAN: onderzoek naar LPWAN netwerken

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het SeRGIo project focust op een qualitatieve en quantitatieve oplossing voor mobiele sensing toepassingen op stedelijke schaal. De voorgestelde aanpak vult conventionele Smart City platformen aan met een "human als sensor" paradigma dat bouwt op de beschikbaarheid van mobiele arbeidskrachten, gemotiveerde burgers en hun mobiele toestelllen om gegevens te verzamelen op een schaal en met een nauwkeurigheid en fijnmazigheid vele keren groter dan momenteel mogelijk is. Het SeRGIo consortium vertrekt van het argument dat, om het potentieel van Smart Cities werkelijk te exploiteren en een accuraat beeld te schetsen van de maatschappelijke dynamiek, het verzamelen van qualitatieve gegevens even belangrijk is dan de (gequantificeerde) gegevens die aangeleverd worden door fysieke sensoren. Voorbeelden van qualitatieve metrieken zijn bv. de perceptive van vriendelijkheid en veiligheid van een buurt, de graad van vervuiling, of de ervaring met publieke dienstverlening en tijdens het winkelen. Het project wordt gedreven door drie veelbelovende business cases (van Nokia, bpost en CityLife), die de nood delen voor hoge kwaliteitsdata en professionele data analyse. Hoewel het potentieel voor mobiele sensing toepassingen duidelijk is, is het verre van triviaal om een oplossing te ontwikkelen die de verwachtingen van bovenstaande cases kan inlossen. Een aanvaardbare oplossing (1) moet zowel qualitatieve als quantitatieve data verzamelen en synergieën exploiteren door de twee soorten data te mengen, (2) moet taken precies kunnen richten aan een welafgelijnde doelgroep gebaseerd op hun spatio-temporelle context, en (3) moet de performantie en het energieverbruik van mobiele toestellen optimalizeren, terwijl de veilgheid en de privacy gegarandeerd wordt. Hedendaagse oplossingen falen om deze vereisten te ondersteunen. SeRGIo zal daarom onderzoek verrichten naar: 1. De definitie van een familie domeinspecifieke configuratietalen om de vereisten van industriële gebruikers te formalizeren en een orchestratiedienst te informeren over de meest geschikte subset van mobiele gebruikers. 2. Een orchestratiedienst die de verdeling van taken naar een gerichte groep van potentiele eindgebruikers automatizeert, gebaseerd op de multi-modale gedragsanalyze van hun locatie, activiteiten en de mogelijkheiden van hun toestel. 3. Een flexibele en modulaire data verwervingsarchitectuur die toelaat om platform-onafhankelijke HTML5 sensormodules en platform-specifieke acceleratoren dynamisch te downloaden en te configureren, gebaseerd op de vereisten van de toepassing of eindgebruiker. Deze architectuur zal ingevuld worden met een suite van acceleratoren die platform-specifieke eigenschappen gebruiken (bv. via Digital Signal Processors of Graphical Processing Units) om substantiële verbeteringen te bereiken qua performantie en energieverbruik. 4. Een modulair, lichtgewicht en multi-modaal data analyze raamwerk dat toelaat om een aangepaste pijplijn van data-analyze componenten te assembleren op het mobiele toestel en combinaties te maken van quantitatieve en qualitatieve data.

Onderzoeker(s)

• Promotor: Latré Steven
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Meer en meer alledaagse toestellen worden verbonden met het internet. Deze evolutie, die het internet der dingen (IoT) genoemd wordt, heeft een recente boost gegeven aan onderzoek naar grootschalige draadloze sensor netwerken. Meer specifiek worden steden met IoT technologie uitgerust maar echte grootschalige installaties van draadloze sensornetwerken geven nog erg grote onderzoeksuitdagingen. Tegelijkertijd is de stad ook een schat aan belangrijke data indien dit op een goeie manier kan gemonitord worden. Testbeds worden vaak gebruikt om onderzoeksresultaten te valideren maar een grootschalige en multi-technologie slimme stad infrastructuur is momenteel nog onbestaand. De City of Things onderzoeksinfrastructuur wil een multi-technologie en multi-niveau testbed bouwen in de stad van Antwerpen. 100 locaties, verdeeld over de stad, zullen voorzien worden van sensor basisstations. Deze basisstations worden vervolgens verbonden met een reeks van sensoren die informatie verzamelen omtrent mobiliteit, geluid, luchtkwaliteit, enz.

Onderzoeker(s)

• Promotor: Blondia Chris
• Co-promotor: Blust Ronny
• Co-promotor: De Backer Charlotte
• Co-promotor: Goethals Bart
• Co-promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Co-promotor: Poels Karolien
• Co-promotor: Samson Roeland
• Co-promotor: Vandebosch Heidi
• Co-promotor: Vanelslander Thierry
• Co-promotor: Walrave Michel
• Co-promotor: Weyn Maarten

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project website

Project type(s)

• Onderzoeksproject

Abstract

Het High Impact project van IMEC heeft als doel om fundamenteel onderzoek te stimuleren dat in de toekomst de valorisatie van de groep ten goede kan komen. Binnen dit project, werden de volgende onderzoekslijnen gefinancierd: - Appdaptive: configureren van IoT netwerken op basis van de applicatievereisten - Deelname in de DARPA spectrum collaboration challenge - Densenets: SDN-gebaseerd netwerk beheer van draadloze netwerken (met als resultaat het ORCHESTRA platform) - SUBWAN: onderzoek naar LPWAN netwerken

Onderzoeker(s)

• Promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het project heeft tot doel de ontwikkeling en implementatie van een robuuste IT-architectuur met digitaal portaal dat de communicatie verwezenlijkt tussen alle relevante bestaande (en toekomstige) data input- en outputpunten voor de productie- en verwerkingsprocessen van het asfaltproces. De architectuur laat toe om deze processen in real time op elkaar af te stemmen opdat een efficientere inzet van de productie, het transport en het materieel wordt gerealiseerd. Het project omvat vier demonstratiecases.

Onderzoeker(s)

• Promotor: Van den bergh Wim
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Multicoreprocessoren worden steeds vaker gebruikt in mechatronische toepassingen en moeten daarbij de real-time vereisten van de betreffende ingebedde software ondersteunen. Ondanks hun enorme rekenkracht kunnen bepaalde operationele omstandigheden optreden waarbij de softwareuitvoeringstijd langer blijkt dan wat men redelijkerwijs kan verwachten. In dit project zullen we analysetechnieken voor de ingebedde software ontwikkelen die zullen leiden tot betere configuraties van multicoreplatformen met betrekking tot de software-uitvoeringstijd en meer bepaald tot de hierboven vermelde uitschieters. Hiertoe zullen we een modelleertaal voorstellen die ons in staat zal stellen om de tijdseigenschappen van real-time ingebedde multicoresoftware formeel te beschrijven. Deze modelleertaal zal leiden tot formele methodes voor scheduleerbaarheidsanalyse en tot methodes voor de verkenning van de ontwerpruimte. Door alternatieve configuraties van de multicoreplatformen te suggereren, zullen de uitschieters in uitvoeringstijd geëlimineerd kunnen worden.

Onderzoeker(s)

• Promotor: De Meulenaere Paul
• Co-promotor: Denil Joachim
• Co-promotor: Hellinckx Peter
• Mandaathouder: Li Haoxuan

Onderzoeksgroep(en)

• Co-Design of Cyber-Physical Systems (Cosys-Lab)

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht toegekend door de Universiteit Antwerpen. De promotor levert de Universiteit Antwerpen de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd door de universiteit.

Onderzoeker(s)

• Promotor: Demeyer Serge
• Co-promotor: Blondia Chris
• Co-promotor: De Meulenaere Paul
• Co-promotor: Hellinckx Peter
• Co-promotor: Latré Steven
• Co-promotor: Peremans Herbert
• Co-promotor: Steckel Jan
• Co-promotor: Steenackers Gunther
• Co-promotor: Vangheluwe Hans
• Co-promotor: Vanlanduit Steve
• Co-promotor: Weyn Maarten
• Mandaathouder: De Mey Fons
• Mandaathouder: Hristoskova Anna

Onderzoeksgroep(en)

• Antwerpen Systemen en software Modellering (AnSyMo)

Project type(s)

• Onderzoeksproject

Abstract

Het onderwerp van het is onderzoek is de virtualisatie techniek uit de general purpose wereld te gaan overbrengen op embedded systems, zeker met de combinatie van multi-core is dit interessant. Virtualisatie maakt het mogelijk om meerdere software componenten gescheiden van elkaar uit te voeren op 1 fysisch systeem. Maar wanneer we naar embedded systems kijken, zien we dat hard real-time een belangrijke rol speelt. We moeten dit hard real-time gedrag blijven kunnen garanderen, ook wanneer we virtualisatie toepassen.

Onderzoeker(s)

• Promotor: Hellinckx Peter
• Co-promotor: Broeckhove Jan
• Mandaathouder: De Bock Yorick

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Het project beoogt de ontwikkeling van een algemeen inzetbare Software Development Kit (SDK) voor toepassing van digitale handtekeningen. Deze SDK omvat meerdere componenten zoals een client signing component, een server verificatie component en plug-in componenten. De SDK zal als basis dienen om via een spin-off van de Universiteit Antwerpen de volgende diensten te kunnen aanbieden: online document signing, sterke authenticatie, online contract onderhandelingen en smart card systemen.

Onderzoeker(s)

• Promotor: Broeckhove Jan
• Co-promotor: Demeyer Serge
• Co-promotor: Hellinckx Peter

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject