Eine Möglichkeit, um die Sicherheit von Fahrzeugen zu steigern, ist der Einsatz von Fahrerassistenzsystemen. Diese unterliegen heute jedoch häufig einer geringen Nutzerakzeptanz, da die individuell verschiedenen Bedürfnisse von FahrerInnen unterschätzt werden. Um den Nutzungsgrad dieser Systeme zu erhöhen und somit deren Potenziale voll auszuschöpfen, wird in dieser Dissertation eine personalisierte Fahrstilklassifizierung dargestellt. Als Initialisierung für die Personalisierung erfolgt zunächst die Umsetzung eines regelbasierten Klassifizierungsalgorithmus. So wird der Fahrstil anhand von fahrdynamischen Größen in drei Klassen klassifiziert. Der gewählte Ansatz liefert eine robuste Klassifizierung auf Basis einer geringen Menge einzustellender Parameter, sodass eine hohe praktische Nutzbarkeit gegeben ist. Für die Umsetzung der Personalisierung werden in dieser Arbeit Methoden aus dem Bereich des maschinellen Lernens angewandt. So kommt ein neuronales Netz zum Einsatz, das zunächst auf Grundlage der regelbasierten Klassifizierung initialisiert wird. Die Personalisierung basiert auf individuellen Fahrer-Fahrzeug-Interaktionen, welche in einem inkrementellen Transfer Learning herangezogen werden. Die Potenziale der dargestellten Methodik werden in einer ProbandInnenenstudie im realen Feld aufgezeigt. Die Auswertung ergibt eine individuelle Verbesserung der Klassifizierung für die ProbandInnen von im Mittel +32 %


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Personalisierte Klassifizierung des Fahrstils durch maschinelles Lernen


    Beteiligte:
    Jardin, Philippe (Autor:in) / Shaker Verlag (Verlag) / Technische Universität Darmstadt (Grad-verleihende Institution)


    Erscheinungsdatum :

    2023


    Format / Umfang :

    xii, 149 Seiten


    Anmerkungen:

    21 cm x 14.8 cm, 245 g
    Illustrationen, Diagramme, Karten



    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch



    Klassifikation :

    RVK:    ZO 4650
    BKL:    54.72 Künstliche Intelligenz / 55.24 Fahrzeugführung, Fahrtechnik



    Personalisierte Klassifizierung des Fahrstils durch maschinelles Lernen

    Jardin, Philippe / Shaker Verlag / Technische Universität Darmstadt | SLUB | 2023


    Optimierung der Diagnose durch maschinelles Lernen aus Felddaten

    Waleschkowski, Norbert / Giera, Ronny | Tema Archiv | 2012


    Erkennung von Hands-off-Situationen durch maschinelles Lernen

    EIGEL THOMAS / STAHL FELIX | Europäisches Patentamt | 2021

    Freier Zugriff

    ERKENNUNG VON HANDS-OFF-SITUATIONEN DURCH MASCHINELLES LERNEN

    EIGEL THOMAS / STAHL FELIX | Europäisches Patentamt | 2021

    Freier Zugriff

    Verbesserte Kursprädiktion durch maschinelles Lernen am Beispiel eines Kollisionswarnsystems

    Börger, Joachim / Häring, Jürgen / Palm, Günther | Tema Archiv | 2010