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.