Laufende Projekte

VALISENS

Aufgrund der Komplexität ist der Weg zur vollen Einsatzfähigkeit von autonom fahrenden Autos noch weit. Unter anderem ist die Erfassung komplexer Verkehrssituationen fehleranfällig und daher eine große Herausforderung. Die Fahrzeuge müssen mit allen Arten von Verkehrsteilnehmern, Sichtverhältnissen und Umgebungsbedingungen klarkommen, sodass sie komplett autonom agieren können.
In Kooperation mit XITASO und den Projektpartnern soll im Projekt VALISENS (Valides innovatives Gesamtsensorsystem für kooperativ-automatisiertes Fahren) ein robustes Sensorsystem entwickelt werden, das äußere Einflüsse wirkungsvoll berücksichtigt und somit die Sicherheit autonomer Fahrzeuge in anspruchsvollen Verkehrssituationen erhöht. Hierfür werden Sensordaten des Fahrzeugs mit Sensordaten der Infrastruktur in einem innovativen Gesamtsensorsystem über schnelle, sichere und zuverlässige V2X-Kommunikation (vehicle-to-everything) zusammengeführt.
Für die Entwicklung einer zuverlässigen und vertrauenswürdigen sensorischen Umfeldwahrnehmung wird die Kombination von Infrarot-Kameras und deren Daten mit anderen Sensoren wie klassischen RGB-Kameras, LiDAR und Radaren erforscht. Der Schwerpunkt liegt auf der Entwicklung von KI-basierten multiperspektivischen und multimodalen Fusionsverfahren sowie der Objekterkennung und deren Übertragung in Fahrszenarien.
Dieses Vorgehen schafft die Grundlagen zur Realisierung der Automatisierungsfunktionen Level 3+ und ermöglicht die Anwendung umfassender angepasster Test- und Validierungsverfahren für automatisiert vernetztes Fahren. Die Effizienz des Gesamtsensorsystems wird innerhalb der öffentlichen Testfelder Dresden und Ingolstadt präsentiert werden.

Projektförderer: Bundesministerium für Wirtschaft und Klimaschutz, Kooperation: XITASO GmbH
Projektpartner (VALISENS): Fraunhofer IVI, LiangDao GmbH, NXP Semiconductors N.V., s.m.s – smart microwave sensors GmbH Projektlaufzeit: 01.01.2023 – 31.12.2025

OHMetaRunner

Autonom fahrende Modellfahrzeuge basierend auf erklärbaren Meta Learning Klassifikatoren

Die Automotive Industrie ist durch politische und gesellschaftliche Vorgaben aufgefordert, Transparenz für ihre ML (maschinelles Lernen) Algorithmen zu entwickeln. Eine wichtige Rolle dabei spielen konkrete Erfahrungen beim sogenannten Meta Learning.

"OHMeta Runner" soll zum ersten Mal derartige Erfahrungen liefern, indem ein innovativer Robotikaufbau eines autonomen Modellfahrzeugs im Modellbau-Maßstab (ca. 1:8) und ein Parcours verwendet werden. Der Forschungsfokus liegt dabei auf der Exploration der Umsetzung der Meta-Learning-Technik für das autonome Fahren und der Analyse der Anwendbarkeit von eXplainable AI-Ansätzen auf diese Technik. Damit soll die Transparenz und die Nachfollziehbarkeit der Entscheidungen des maschinellen Lernens erzielt werden und auf die Ebene der Architektur eine abstrakte Security-Gefährdungsanalyse durchgeführt werden.

Unser Team entwickelt dafür einen vielseitig einsetzbaren Robotik-Aufbau (Modellfahrzeug), der robust ist, alle nötigen Sensoren und Aktuatoren besitzt sowie perfomant und effizient die hohen Ansprüche der ML-Algorithmen erfüllt. Eine anschließende Migration nach Adaptive AUTOSAR wird allerdings in Folgeprojekten anvisiert und durch die Konformität auf Architekturebene mit der EAST-ADL konzeptionell vorbereitet.

Mit dem Robotikaufbau entsteht an der TH Nürnberg eine fakultätsübergreifende, interdisziplinäre Plattform, die für die Bereiche des Software Engineering und des Maschinelles Lernens Entwicklungsimpulse liefern soll.

Safety and Security in Machine Learning for Autonomous Driving

Kooperative Promotion im Bereich Safety und Security Engineering

Forschungskooperation mit der Division of Computer Science and Software Engineering der Mälardalen Universität, Schweden

Forschungsinhalt:

  • Konzeption und Erweiterungen des SAM-Metamodels für sichere (safe & secure) Fahrzeug-Software-Architekturen
  • Frühzeitige Detektion des Concept Drift bei ML basierten Algorithmen anhand statistischer Distanzberechnungen
  • Charakterisierung von Datensätzen

Promotionsverfahren Beteiligte:

  • Matthias Bergler (Promovend, TH Nürnberg)
  • Prof. Dr. Ramin Tavakoli Kolagari (Promotionsbetreuer Hochschule, TH Nürnberg)
  • Prof. Dr.  Kristina Lundqvist (Promotionsbetreuerin Universität Mälardalen, Schweden)

 

Läuft bis einschließlich Mai 2023

Vollautomatische Rangierlok für die Deutsche Bahn (DB Cargo)

Im Projekt VAL (Vollautomatische Rangierlok) wird ein Nachrüstmodul für eine Rangierlokomotive entwickelt und zur Anwendungsreife gebracht. Das Modul ermöglicht vollautomatisches Rangieren ohne die Anwesenheit eines Lokrangierführers. Einzelne Komponenten aus anderen Industriezweigen werden modifiziert und zu einem innovativen, neuartigen System kombiniert. Zusätzlich wird eine neue digitale Schnittstelle zwischen der Infrastruktur und der Lokomotive geschaffen, die einen adäquaten Ersatz für die derzeitige verbale Kommunikation darstellt. Ergänzend wird eine neue Rechnerkomponente in das Stellwerk integriert, die zur Übertragung von Fahrbefehlen an die Lokomotive genutzt wird. Es entsteht ein anwendungsreifes Produkt, das alle notwendigen sicherheitskritischen Anforderungen erfüllt und eine Serienfreigabe mit Markteinführung ermöglicht.

Zur Absicherung und Bewertung der zu automatisierenden Funktionen für das Fahren der vollautomatisierten Lokomotive sind spezifische Tests, die relevante Fahrmanöver unter Umwelteinflüssen beinhalten, erforderlich, um die Reaktion des Gesamtsystems auf die jeweilige Situation mit einer Erwartung zu vergleichen. Daher steht für die TH Nürnberg die Entwicklung von Methoden und Kriterien zur Prüfung von Funktionsanforderungen unter den Aspekten Wahrnehmung (Perception), Lokalisierung (Localization), Klassifizierung (Classification) und der daraus abgeleiteten Fahr- bzw. Bremsentscheidung (Decision) im Vordergrund.

Für die Durchführung der Tests sollen parallel zwei Testumgebungen geschaffen werden, in denen ein systematisches und konsistentes Testverfahren entwickelt und angewendet wird. Als Testumgebungen werden eine Laborumgebung und eine charakteristische reale Umgebung im Feld geschaffen, in denen die Systemreaktionen auf definierte Stör- und Eingangsgrößen anhand von definierten Kriterien bewertet werden. Es werden traditionelle Software-Verifikationsmethoden wie Regressionstests durchgeführt, aber auch Verifikationsmethoden für Software mit hohem KI-Anteil (Künstliche Intelligenz), wie Adversarial Examples/Attacks oder Techniken der Explainable Artificial Intelligence.

Die Erstellung der Testumgebungen und Tests auf wissenschaftlicher Basis unabhängig von der Systementwicklung führt zu einer höheren Systemsicherheit, da die Anforderungen aufgrund der großen Anzahl möglicher Situationen nicht scharf beschrieben werden können, aber dennoch nach genau definierten Kriterien bewertet werden müssen.

Das Projekt wird gefördert durch das Bundesministerium für Verkehr und digitale Infrastruktur.

Kooperationen: DB Cargo AG, Universität Bamberg — Lehrstuhl Kognitive Systeme

Projektlaufzeit: Dezember 2020 bis Dezember 2024

Abgeschlossene Projekte

FORMUS³IC

“Multi-Core safe and software-intensive Systems Improvement Community”
  • Forschungsinhalt: Bewältigung der durch heterogene Mehrkernarchitekturen entstehenden Herausforderungen für Automotive und Avionik
  • Forschungsverbund der Arbeitsgemeinschaft Laboratory for Safe and Secure Systems (LaS³)
  • Akademische Projektpartner: OTH Regensburg, TH Ingolstadt, OTH Amberg-Weiden, HS München, FAU Erlangen-Nürnberg
  • Industrielle Projektpartner: Audi AG, Continental Automotive GmbH (Powertrain), AIRBUS Defence and Space GmbH, Elektrobit Automotive GmbH, Infineon Technologies AG, iNTENCE automotive electronics GmbH, Timing-Architects Embedded Systems GmbH, XKrug GmbH
  • Homepage: https://formus3ic.de

 

beendet im Dezember 2018

gefördert von der Bayerischen Forschungsstiftung

IT-Security für das autonome und vernetzte Fahren

Kooperative Promotion im Kontext Automotive IT-Security

Forschungskooperation mit dem Lehrstuhl für Angewandte Kryptographie der Friedrich-Alexander-Universität

Forschungsinhalt:

  • Konzeption sicherer (safe & secure) Fahrzeug-Softwarearchitekturen durch Erweiterung der EAST-ADL
  • Untersuchung von sicherheitskritischen Schwachstellen durch Penetrationstests
  • Entwurf einer sicheren Plattform als Framework

Promotionsverfahren Beteiligte:

  • Markus Zoppelt (Promovend, TH Nürnberg)
  • Prof. Dr. Ramin Tavakoli Kolagari (Promotionsbetreuer Hochschule, TH Nürnberg)
  • Prof. Dr. Dominique Schröder (Promotionsbetreuer Universität, CHAAC, Friedrich-Alexander-Universität)

 

Abschluss im März 2021

gefördert vom Zentrum Digitalisierung.Bayern

MAENAD

Model-based Analysis & Engineering  of Novel Architectures for Dependable Electric Vehicles

http://maenad.eu

 

Laufzeit: 09.2010 – 08.2013

 

Mitarbeiter: Prof. Dr. Ramin Tavakoli Kolagari, Tobias Wägemann

 

Veröffentlichungen: 

Sara Tucci-Piergiovanni, DeJiu Chen, Chokri Mraidha, Henrik Lönn, Nidhal Mahmud, Mark-Oliver Reiser, Ramin Tavakoli Kolagari, Nataliya Yakymets, Renato Librino, Sandra Torchiaro, Agnes Lanusse: Model-Based Analysis and Engineering of Automotive Architectures with EAST-ADL, Chapter 10 of the Handbook of Research on Embedded Systems Design, edited by Alessandra Bagnato, Leandro Soares Indrusiak, Imran Rafiq Quadri and Matteo Rossi, IGI Global, Hershey, August 2014. pp. 242–282.

 

Hans Blom, Henrik Lönn, Frank Hagl, Yiannis Papadopoulos, Mark-Oliver Reiser, Carl-Johan Sjöstedt, De-Jiu Chen, Fulvio Tagliabò, Sandra Torchiaro, Sara Tucci, Ramin Tavakoli Kolagari: EAST-ADL: An Architecture Description Language for Automotive Software-Intensive Systems, Chapter 23 of Embedded Computing Systems: Applications, Optimization, and Advanced Design, edited by Mohamed Khalgui, Olfa Mosbahi and Antonio Valentini, IGI Global, Hershey, April 2013. pp. 456–470.

 

Philippe Cuenot, Patrik Frey, Rolf Johansson, Henrik Lönn, Yiannis Papadopoulos, Mark-Oliver Reiser, Anders Sandberg, David Servat, Ramin Tavakoli Kolagari, Martin Törngren, Matthias Weber (invited paper, peer reviewed): The EAST-ADL Architecture Description Language for Automotive Embedded Software, Invited Chapter in the LNCS Volume on Model-Based Engineering of Embedded Real-Time Systems (MBEERTS), Lecture Notes in Computer Science, edited by Holger Giese, Bernard Rumpe, Bernard Schätz, International Dagstuhl Workshop, Dagstuhl Castle, Germany, November 4-9, 2007, Revised Selected Papers, 2010. pp. 297–307.

 

Eric Armengaud, Andreas Baumgart, Matthias Biehl, Dejiu Chen, Gerhard Griessnig, Christian Hein, Tom Ritter, Ramin Tavakoli Kolagari, Markus Zoier: Model-based Toolchain for the Efficient Development of Safety-relevant Automotive Embedded Systems, Proceedings of the SAE 2011 World Congress & Exhibition, Detroit, April 2011.

 

Anders Sandberg, DeJiu Chen, Henrik Lönn, Rolf Johansson, Lei Feng, Martin Törngren, Sandra Torchiaro, Ramin Tavakoli Kolagari, Andreas Abele: Model-based Safety Engineering of Interdependent Functions in Automotive Vehicles Using EAST-ADL2, Proceedings of the 29th International Conference on Computer Safety, Reliability and Security (SAFECOMP’10), Vienna, September 2010. pp. 332–346.

 

 Philippe Cuenot, Patrick Frey, Rolf Johansson, Henrik Lönn, Yiannis Papadopoulos, Mark-Oliver Reiser, Anders Sandberg, David Servat, Ramin Tavakoli Kolagari, Martin Törngren, Matthias Weber: The EAST-ADL Architecture Description Language for Automotive Embedded Software, Chapter 11 of Model-Based Engineering of Embedded Real-Time Systems, International Dagstuhl Workshop, Dagstuhl Castle, Germany, November 4-9, 2007, Revised Selected Papers, edited by Holger Giese, Gabor Karsai, Edward Lee, Bernhard Rumpe, Bernhard Schätz, Lecture Notes in Computer Science 6100, Springer, Berlin, 2010. pp. 297–308.

 

Hans Blom, Henrik Lönn, Ramin Tavakoli Kolagari: On Tooling strategy for the EAST-ADL language, Proceedings of the 1st Workshop on Hands-on Platforms and tools for model-based engineering of Embedded Systems (HoPES’10), in conjunction with ECMFA 2010, Paris, June 2010. pp. 19–26.

 

Hans Blom, Henrik Lönn, Frank Hagl, Yiannis Papadopoulos, Mark-Oliver Reiser, Carl-Johan Sjöstedt, De-Jiu Chen, Ramin Tavakoli Kolagari: EAST-ADL—An Architecture Description Language for Automotive Software-Intensive Systems, White Paper, Version 2.1.12, 2012.

OhmRunner

Die sogenannte Car2X-Kommunikation soll es ermöglichen Daten wie beispielsweise Gefahrenquellen, Hindernisse, Verkehrsfluss oder den allgemeine Fahrzeugstatus, mit anderen Verkehrsteilnehmern und der Infrastruktur auszutauschen. Die Herstellung dieser Kommunikation, die verschiedenen Anwendungsfälle in diesem Bereich sowie mögliche Maßnahmen der Sicherstellung der Integrität der hierbei übertragenen Daten sollen im von der Staedtler-Stiftung getragenen Projekt „Ohm Runner“ untersucht und bewertet werden.

In diesem Projekt soll ein Modellfahrzeug unter Anwendung automobiler Standards und Technologien, wie z.B. AUTOSAR, lernen, Informationen mit seiner Umgebung auszutauschen und zu interpretieren. Hierbei gilt es, mögliche Anwendungsszenarien zu definieren, zu implementieren und bezüglich ihrer Praktikabilität und ihres Mehrwertes zu beurteilen.

Die hierbei generierten Informationen können zu einem wichtigen Bestandteil der Konzepte der Smart Cities und Smart Grids werden und dabei helfen, nicht nur die Verkehrsführung in Echtzeit zu beeinflussen, sondern bestimmte Aufkommen mithilfe geschickter Auswertungen dieser großen Datenmengen vorherzusagen und sogar zu beeinflussen.

 

Bearbeitet von Christian Stahl und Johannes Rösler

Abgeschlossen September 2017

gefördert von der Staedtler Stiftung

PetS³

Aufgrund der fortschreitenden Vernetzung sind Cyber-Attacken eine wachsende Bedrohung einer Vielzahl von Anwendungsgebieten wie z.B. Vernetztes Fahrzeug oder Smart Metering. Gemeinsame Konzepte der funktionalen Sicherheit (Safety) und der IT-Sicherheit (Security) sind für diese Gateway-basierten Systeme erforderlich.

Ziel des Forschungsvorhabens ist es, Angriffe auf die IT-Sicherheit von Systemarchitekturen vernetzter cyberkritischer Systeme zu erforschen, da die Wechselwirkung zwischen funktionaler Sicherheit und IT-Sicherheit in diesem Kontext weitestgehend unbekannt ist.

Zentraler Forschungsgegenstand ist die ganzheitliche Analyse der Sicherheitstechnologien, der Gateway-Strukturen und der korrespondierenden Systementwicklungsprozesse. Ausgehend von Schwachstellen und Bedrohungsanalysen sowie Penetrationstests und Architekturanalysen werden Anforderungen für Systemarchitekturen, Sicherheitstechnologien und Prüfverfahren, sowie für ein Reifegradmodell abgeleitet. Es wird ein Schwachstellen- und Bedrohungskatalog entwickelt, der die Grundlage für eine automatisierte Analyse der funktionalen Sicherheit sowie der IT-Sicherheit bildet und damit einen zentralen Beitrag zur Risikobewertung von cyber-kritischen Systemen darstellt.

Kooperationspartner: Ostbayerische Technische Hochschule Regensburg, sepp.med GmbH, eMundo GmbH, iNTENCE automotive electronic GmbH, BFFT Gesellschaft für Fahrzeugtechnik mbH

SmartOSE

Um Gefahrenzonen vor den Folgen von Erdeinbrüchen oder anderen Georisiken zu schützen, werden Sicherungen verwendet, in denen Geokunststoffe eingebaut sind. Diese überwiegend textiltechnisch hergestellten Bauprodukte sind sehr gut dehnbar und können dauerhaft und kostengünstig zur Bewehrung der Böden genutzt werden. Sie werden auch als Schutzmaßnahme gegen Auswirkungen umweltgefährdender Altlasten oder Erosionen verwendet sowie zur Abdichtung und Entwässerung von Deponiekörpern, Wasserwegen oder Dämmen und Deichen. 

Im Forschungsprojekt „Optische Sensoren zur Überwachung von Erdstrukturen“ unter der Gesamtleitung von Prof. Dr. Rainer Engelbrecht sollen innovative und kostenökonomische Sensoren auf Basis von optischen Polymer-Fasern (POF) zur Strukturüberwachung von Geokunststoffen entwickelt und untersucht werden.

Weitere Informationen finden Sie auf der Projekthomepage.

Unsere Publikationen

2021

Bergler, Matthias; Tolvanen, Juha-Pekka; Zoppelt, Markus; Tavakoli Kolagari, Ramin (2021). Social Engineering Exploits in Automotive Software Security: Modeling Human-targeted Attacks with SAM. Proceedings of the 31st European Safety and Reliability Conference | 19-23 September 2021, Angers, France

 

 

2020

Brost, J., Egger, C., Lai, R. W. F., Schmid, F., Schröder, D., & Zoppelt, M. (2020). Threshold Password-Hardened Encryption Services. Proceedings of the 2020 ACM SIGSAC Conference on Computer and Communications Security

, 409–424. doi.org/10.1145/3372297.3417266

Aslansefat, K., Sorokos, I., Whiting, D., Tavakoli Kolagari, R., & Papadopoulos, Y. (2020). SafeML: Safety monitoring of machine learning classifiers through statistical difference measure.

IMBSA 2020. Lecture Notes in Computer Science, vol 12297

, 197–211. doi.org/10.1007/978-3-030-58920-2_13

Auernhammer, Katja; Freiling, Felix; Tavakoli Kolagari, R. (2020). Efficient Black Box Search for Advesarial Examples Using Relevance Masks.

DYnamic and Novel Advances in Machine Learning and Intelligent Cyber Security (DYNAMICS) Workshop.

2019

Zoppelt, M., & Tavakoli Kolagari, R. (2019). Reaching Grey Havens: Industrial Automotive Security Modeling with SAM. International Journal on Advances in Security, 12

, 223–235. www.iariajournals.org/security/sec_v12_n34_2019_paged.pdf

Beuche, D., Birk, A., Dreier, H., Fleischmann, A., Galle, H., Heller, G., Janzen, D., John, I., Tavakoli Kolagari, R., von der Maßen, T., Wolfram, A., Omasreiter, H., Tavakoli Kolagari, R., Zoppelt, M., Tavakoli Kolagari, R., Mark-Oliver Reiser, Tavakoli Kolagari, R., Weber, M., van Wagensveld, R., … Mader, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model. In Quan Chen Zhiyi Huang & P. Balaji (Eds.),

CLOUD COMPUTING 2019, The Tenth International Conference on Cloud Computing, GRIDs, and Virtualization

(Vol. 11681, Issue IEEE Computer Society, Los Alamitos, pp. 67–72). Springer, Berlin. doi.org/10.1007/978-3-540-75698-9_9

Zoppelt, M., & Tavakoli Kolagari, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model.

Proceedings of the Tenth International Conference on Cloud Computing, GRIDs, and Virtualization, 67–72.

Auernhammer, K., Tavakoli Kolagari, R., Zoppelt, M., & Tavakoli Kolagari, R. (2019). Attacks on machine learning: Lurking danger for accountability. CEUR Workshop Proceedings, 2301

, 9. ceur-ws.org/Vol-2301/paper_2.pdf

Tavakoli Kolagari, R. (2019).

Modeling Software Systems Security with SAM and EAST-ADL

. doi.org/10.1007/978-3-030-32872-6

Zoppelt, M., & Tavakoli Kolagari, R. (2019). What Today’s Serious Cyber Attacks on Cars Tell Us: Consequences for Automotive Security and Dependability.

International Symposium on Model-Based Safety and Assessment

, 270–285. doi.org/10.1007/978-3-030-32872-6_18

Auernhammer, K., Tavakoli Kolagari, R., & Zoppelt, M. (2019). Attacks on Machine Learning: Lurking Danger for Accountability.

Proceedings of the AAAI Workshop on Artificial Intelligence Safety, Co-Located with the Thirty-Third AAAI Conference on Artificial Intelligence (AAAI 2019), 9–18.

Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2019). ADOOPLA - Combining Product-Line- and Product-Level Criteria in Multi-objective Optimization of Product Line Architectures. In I. P. Bures T. Duchien L. (Ed.), Lecture Notes in Computer Science

(Vol. 11681). Springer, Cham. doi.org/10.1007/978-3-030-29983-5_9

van Wagensveld, R., Wägemann, T., Mader, R., Tavakoli Kolagari, R., & Margull, U. (2019). Evaluation and modeling of the supercore parallelization pattern in automotive real-time systems.

Parallel Computing, 81

, 122–130. doi.org/10.1016/j.parco.2018.12.004

Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2019, March). Exploring Automotive Stakeholder Requirements for Architecture Optimization Support.

Proceedings of the International Conference on Software Architecture Companion(ICSA-C)

. doi.org/10.1109/ICSA-C.2019.00015

Auernhammer, K., Tavakoli Kolagari, R., & Zoppelt, M. (2019). Attacks on machine learning: Lurking danger for accountability.

CEUR Workshop Proceedings, 2301

, 9. ceur-ws.org/Vol-2301/paper_2.pdf

Zoppelt, M., & Tavakoli Kolagari, R. (2019). What today’s serious cyber attacks on cars tell us: Consequences for automotive security and dependability. In M. Papadopoulos, Yiannis and Aslansefat, Koorosh and Katsaros, Panagiotis and Bozzano (Ed.),

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 11842 LNCS

(pp. 270–285). Springer International Publishing. doi.org/10.1007/978-3-030-32872-6_18

Zoppelt, M., & Tavakoli Kolagari, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model.

CLOUD COMPUTING 2019, The Tenth International Conference on Cloud Computing, GRIDs, and Virtualization, 67–72.

Zoppelt, M., & Tavakoli Kolagari, R. (2019). SAM: A Security Abstraction Model for Automotive Software Systems. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 11552 LNCS

(pp. 59–74). Springer. doi.org/10.1007/978-3-030-16874-2_5

2018

van Wagensveld, R., Wägemann, T., Hehenkamp, N., Tavakoli Kolagari, R., Margull, U., & Mader, R. (2018). Intra-Task Parallelism in Automotive Real-Time Systems. In Quan Chen Zhiyi Huang & P. Balaji (Eds.), Proceedings of the 9th International Workshop on Programming Models and Applications for Multicores and Manycores 2018 (PMAM’18)

(pp. 61–70). ACM, New York. doi.org/10.1145/3178442.3178449

Zoppelt, M., & Tavakoli Kolagari, R. (2018). SAM: A Security Abstraction Model for Automotive Software Systems. In S. A. E. Y. G.-A. J. Hamid B. Gallina B. (Ed.),

Security and Safety Interplay of Intelligent Software Systems

(Vol. 11552, pp. 59–74). Springer, Cham. doi.org/10.1007/978-3-030-16874-2_5

Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2018). Optimal Product Line Architectures for the Automotive Industry. In Schaefer I., D. Karagiannis, A. Vogelsang, D. Méndez, & C. Seidl (Eds.),

Modellierung 2018

(pp. 119–134). Gesellschaft für Informatik. dl.gi.de/handle/20.500.12116/14962

2017

Stahl, C., & Tavakoli Kolagari, R. (2017). Strategies to balance grid load using communication interfaces in electrical vehicles. In J. Mottok, M. Reichenberger, & C. Klippel (Eds.), Applied Research Conference 2017. (ARC 2017).

Rösler, J., & Tavakoli Kolagari, R. (2017). Ohm Runner---Establishment of a communication from infrastructure to vehicle level for dynamic transmission of information. In J. Mottok, M. Reichenberger, & C. Klippel (Eds.), Applied Research Conference 2017. (ARC 2017).

2016

Tavakoli Kolagari, R., Chen, D., Lanusse, A., Librino, R., Lönn, H., Mahmud, N., Mraidha, C., Reiser, M.-O., Torchiaro, S., Tucci-Piergiovanni, S., Wägemann, T., & Yakymets, N. (2016). Model-based Analysis & Engineering of Automotive Architectures with EAST-ADL: Revisited. International Journal of Conceptual Structures and Smart Applications (IJCSSA) 3 (2)

. doi.org/10.4018/IJCSSA.2015070103

Wägemann, T., Langer, T., Mottok, J., Osinski, L., Stappert, F., & Tavakoli Kolagari, R. (2016). Models for Dependable Heterogenous Multi- and Many-Core System Software Design Revisited.

Proceedings of the FORMUS3IC-Workshop of Multi-Core Safe and Software-Intensive Systems Improvement Community (ARCS 2016)

, 1–8. ieeexplore.ieee.org/document/7499190

Tavakoli Kolagari, R., & Auernhammer, K. (2016, July). Utilization and Effect of Narrative Art in Advanced Software Engineering Education.

Proceedings of the European Conference Software Engineering Education 2016.

Blom, H., Chen, D.-J., Kaijser, H., Lönn, H., Papadopoulos, Y., Reiser, M.-O., Tavakoli Kolagari, R., & Tucci, S. (2016). EAST-ADL---An Architecture Description Language for Automotive Software-intensive Systems in the Light of Recent use and Research. International Journal of System Dynamics Applications (IJSDA).

doi.org/10.4018/IJSDA.2016070101