Connected-Car-Szenarien
Durch die Verbindung zum Internet können Autos mit einer Vielfalt an Zusatzfunktionen ausgestatten werden. Mithilfe der Messung von Paketverlustraten und anderer Leistungsmerkmalen direkt im Anwendungskontext, lassen sich entsprechende Untersuchungen zur Servicequalität und zum Nutzererleben durchführen.
Automatisiertes Fahren
Bei der Entwicklung von Anwendungsszenarien rund um das automatisierte Fahren, ist es entscheidend, die Qualität der Datenverbindungen zwischen Fahrzeug und Funknetz sowie direkt zwischen Fahrzeugen im realen Straßenverkehr zu evaluieren. Die im Testbed »Automotive« erfassten Qualitätsindikatoren können bei der Entwicklung von Anwendungen zum Steuern von Fahrzeugen aus der Ferne (Remote Driving) oder für die Vernetzung von LKWs in einem Konvoi (Platooning) verwendet werden.
Machine-Learning-Ansätze
Die Untersuchung von Machine-Learning-Ansätzen zur Vorhersage und Verbesserung der Empfangsqualität ermöglicht es, die Sicherheit und Zuverlässigkeit von Fahrzeugkommunikation und -lokalisierung zu erhöhen, zum Beispiel zur frühzeitigen Unfallerkennung.
High-Throughput-Szenarien
Untersuchungen zum Einsatz spezieller Übertragungsverfahren für einen temporären, hohen Datendurchsatz geben Aufschluss darüber, wie solche »Datenduschen« für Fahrzeug-Updates oder weitere Anwendungen genutzt werden können.
Sonstige Mobilitätsszenarien: Beispiel Remote-Drohnen
Remote-Drohnen können zur Verkehrsüberwachung und -optimierung eingesetzt werden. Hier sind Untersuchungen nötig, inwieweit die Mobilfunkinfrastruktur so verbessert werden kann, dass der Einsatz von Drohnen, die außerhalb der Sichtweite (beyond-line-of-sight, BLOS) fliegen, unter sichersten Bedingungen möglich ist.