Zur Kurzanzeige

AutorBörger, Joachimdc.contributor.author
Aufnahmedatum2016-03-15T09:03:55Zdc.date.accessioned
In OPARU verfügbar seit2016-03-15T09:03:55Zdc.date.available
Jahr der Erstellung2013dc.date.created
ZusammenfassungVorausschauende 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
Sprachededc.language.iso
Verbreitende StelleUniversität Ulmdc.publisher
LizenzStandarddc.rights
Link zum Lizenztexthttps://oparu.uni-ulm.de/xmlui/license_v3dc.rights.uri
SchlagwortKollisionswarnsystemdc.subject
SchlagwortRadarsensorikdc.subject
SchlagwortRandom Forest Algorithmusdc.subject
DDC-SachgruppeDDC 620 / Engineering & allied operationsdc.subject.ddc
LCSHDriver assistance systemsdc.subject.lcsh
MeSHMan-machine systemsdc.subject.mesh
TitelFahrerintentionserkennung und Kursprädiktion mit erweiterten maschinellen Lernverfahrendc.title
RessourcentypDissertationdc.type
DOIhttp://dx.doi.org/10.18725/OPARU-2509dc.identifier.doi
PPN392358573dc.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
FakultätFakultät für Ingenieurwissenschaften und Informatikuulm.affiliationGeneral
Datum der Freischaltung2013-08-16T10:22:04Zuulm.freischaltungVTS
Peer-Reviewneinuulm.peerReview
Signatur DruckexemplarW: W-H 13.387uulm.shelfmark
DCMI MedientypTextuulm.typeDCMI
VTS-ID8656uulm.vtsID
KategoriePublikationenuulm.category


Dateien zu dieser Ressource

Thumbnail

Das Dokument erscheint in:

Zur Kurzanzeige