Car Service Orchestration

Microservices für kontextbezogene Mobilitätsdienste mit semantischem Wissensmodell und Verfahren für Prognosen, Entscheidungen und Optimierung.

Illustration: Vernetzte Knoten und Cluster eines Knowledge Graphs
Illustration: Vernetzte Knoten und Cluster eines Knowledge Graphs

Car Service Orchestration verbindet eine Microservices-Architektur mit einem semantischen Wissensmodell für kontextbezogene Mobilitätsdienste. Das Projekt kombiniert die Modellierung von Wissen mit Verfahren zur Prognose, Entscheidungsfindung und Optimierung.

Umsetzung

  • Entwicklung einer Microservices-Architektur für kontextbezogene Mobilitätsdienste.
  • Aufbau eines semantischen Wissensmodells mit RDF und einem Triple Store.
  • Integration von Reinforcement Learning, Hidden-Markov-Modellen, Fuzzy Logic und genetischen Algorithmen.
  • Einsatz dieser Verfahren für Prognosen, Entscheidungen und Optimierungsaufgaben innerhalb der Mobilitätsumgebung.

Technischer Fokus

Die Architektur bringt verteilte Dienste und semantisch modelliertes Wissen zusammen. Unterschiedliche KI- und Optimierungsverfahren ergänzen diesen Aufbau, um den jeweiligen Kontext der Mobilitätsdienste zu berücksichtigen.

Technologien

Python, Java, RDF, Apache Jena, TensorFlow, scikit-learn, PyGAD, Docker und MQTT.

Repository

Quellcode auf GitHub: carshare-environment