Kooperative Absichtserkennung mittels maschineller Lernverfahren
Author:
Abstract
Das Radfahren wird im Verkehr der Zukunft eine zentrale Rolle spielen. Um Unfälle zu vermeiden, ist es entscheidend, Radfahrer frühzeitig zu erkennen und deren Absichten vorherzusagen. Fahrzeuge, die mit Sensoren, Datenverarbeitungssystemen und Kommunikationsfähigkeiten ausgestattet sind, erstellen und pflegen ein lokales Modell ihrer Verkehrsumgebung. Gruppen von kooperierenden und interagierenden Fahrzeugen, sowie Roadside Units, und Radfahrer, die mit Smart Devices (z.B. Smartphone und Smartwatch) und anderen am Körper getragenen Sensoren ausgestattet sind, tauschen Informationen aus. Sie bilden ein multimodales Sensorsystem mit dem Ziel, Radfahrer und deren Absichten zuverlässig zu erfassen. Die kollektive Intelligenz aller Verkehrsteilnehmer erlaubt es den Wahrnehmungshorizont der einzelnen Verkehrsteilnehmer über deren eigene sensorische Fähigkeiten hinaus zu erweitern und somit eine bessere Erkennung der Absichten von Radfahrer zu ermöglichen.
- Citation
- BibTeX
Bieshaar, M.,
(2021).
Kooperative Absichtserkennung mittels maschineller Lernverfahren.
In:
Hölldobler, S.
(Hrsg.),
Ausgezeichnete Informatikdissertationen 2020.
Bonn:
Gesellschaft für Informatik e.V..
(S. 39-48).
@inproceedings{mci/Bieshaar2021,
author = {Bieshaar, Maarten},
title = {Kooperative Absichtserkennung mittels maschineller Lernverfahren},
booktitle = {Ausgezeichnete Informatikdissertationen 2020},
year = {2021},
editor = {Hölldobler, Steffen} ,
pages = { 39-48 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
author = {Bieshaar, Maarten},
title = {Kooperative Absichtserkennung mittels maschineller Lernverfahren},
booktitle = {Ausgezeichnete Informatikdissertationen 2020},
year = {2021},
editor = {Hölldobler, Steffen} ,
pages = { 39-48 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
Dateien | Groesse | Format | Anzeige | |
---|---|---|---|---|
Bieshaar-Maarten.pdf | 3.584Mb | View/ |
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Send Feedback
More Info
ISBN: 978-3-88579-775-3
xmlui.MetaDataDisplay.field.date: 2021
Language:
(de)

Content Type: Text/Conference Paper