Show simple item record

AuthorBörger, Joachimdc.contributor.author
Date of accession2016-03-15T09:03:55Zdc.date.accessioned
Available in OPARU since2016-03-15T09:03:55Zdc.date.available
Year of creation2013dc.date.created
AbstractVorausschauende Fahrerassistenzsysteme benötigen eine präzise Kenntnis über den zukünftigen Verlauf der Verkehrssituation; dieser kann in Echtzeitsystemen nur anhand vorheriger Beobachtungen geschätzt werden. Im Anwendungsbeispiel wird der Fokus auf die Schätzung der Fahrerintention und des zukünftigen Fahrzeugkurses gelegt, welche in der Form diskreter Manöver oder einer kontinuierlichen Größe vorhergesagt werden. Die Abbildung eines solch komplexen Anwendungsfalls auf die formale Ebene der Klassifikation wird durch eine saubere Problembeschreibung sowie die Definition der zu optimierenden Kriterien ermöglicht. Im methodischen Kern dieser Arbeit wird ein Modell zur Zeitreihenanalyse erarbeitet, welches für die Fahrerassistenz Prädiktionen zukünftiger diskreter Ereignisse als auch kontinuierlicher Signalverläufe ermöglicht. Diese komplexen Schätzungen werden durch verschiedene Verfahren Maschinellen Lernens durchgeführt, die anhand von Trainingsdaten die relevanten Indikatorsignale und deren Abbildung auf die Schätzgröße suchen. Dafür werden zwei bekannte Algorithmen neu miteinander kombiniert: Der Zeitreihencharakter der Daten wird durch Hidden Markov Modelle strukturiert, während die hohe Dimensionalität und Komplexität der Eingangssignale durch den Random Forest Algorithmus berechnet wird.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseStandarddc.rights
Link to license texthttps://oparu.uni-ulm.de/xmlui/license_v3dc.rights.uri
KeywordKollisionswarnsystemdc.subject
KeywordRadarsensorikdc.subject
KeywordRandom Forest Algorithmusdc.subject
Dewey Decimal GroupDDC 620 / Engineering & allied operationsdc.subject.ddc
LCSHDriver assistance systemsdc.subject.lcsh
MeSHMan-machine systemsdc.subject.mesh
TitleFahrerintentionserkennung und Kursprädiktion mit erweiterten maschinellen Lernverfahrendc.title
Resource typeDissertationdc.type
DOIhttp://dx.doi.org/10.18725/OPARU-2509dc.identifier.doi
PPN76630826Xdc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-vts-86564dc.identifier.urn
GNDFahrerassistenzsystemdc.subject.gnd
GNDHidden-Markov-Modelldc.subject.gnd
GNDMaschinelles Lernendc.subject.gnd
GNDZeitreihenanalysedc.subject.gnd
FacultyFakultät für Ingenieurwissenschaften und Informatikuulm.affiliationGeneral
Date of activation2013-08-16T10:22:04Zuulm.freischaltungVTS
Peer reviewneinuulm.peerReview
Shelfmark print versionW: W-H 13.387uulm.shelfmark
DCMI TypeTextuulm.typeDCMI
VTS-ID8656uulm.vtsID
CategoryPublikationenuulm.category


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record