Signaturprojektet omhandler optimering af drift og styring af en flåde af køretøjer eller enheder i den offentlige sektor. Ved at analysere data og køre simuleringer på allerede kørte ruter, kan systemet hjælpe med at spare tid, penge og CO2-udledning.

Projekt gennemført i samarbejde med den tyske Neusoft. Ved hjælp af sensorer (kamera i bil + GPS) og ML-billedgenkendelse fik vi indsamlet en klassificering af skilte og kantpæle med tilhørende geolokation på de kommunale veje. Formålet var at se, hvorvidt teknologierne kunne frembringe et stærkt datagrundlag, inden der skulle gennemføres et nyt skilteudbud i driften.

Anvendelse af edge-computing (kameraer samt machine learning i boks placeret på f.eks. husmure og lygtepæle) til registrering af trafik (fodgængere, cykler og biler). I første omgang i lyskryds samt centrum/gågade, i dag nedskaleret og fokuseret udelukkende på centrum/gågade med særligt fokus på digital understøttelse af bylivsregnskaber og -analyser.