Zahlreiche moderne Lösungen im Bereich Autonomes Fahren greifen auf hochpräzises Kartenmaterial zurück. Neben anderen Informationen muss das Kartenmaterial solche über Verkehrsregeln enthalten. In dieser Arbeit wird eine Offline-Lösung für die Inferenz von Verkehrsregeln an Deutschen Kreuzungen entwickelt. Mithilfe dieser Lösung werden für jeden Fahrstreifen einer Kreuzung Klassifikationsentscheidungen für jede mögliche Zielrichtung, welche von diesem Fahrstreifen aus erreichbar ist, getroffen. Verkehrsregeln werden mithilfe von Hidden-Markov-Models repräsentiert und, basierend auf errechneten Likelihood-Werten, bestimmt. Die Modelle werden mithilfe künstlich erzeugter Trajektorien von Kreuzungsüberquerungen parametrisiert und evaluiert. Unter realen Umständen würden solche Daten opportunistisch und sensorgestützt von einer Fahrzeugflotte über einen längeren Zeitraum hinweg gesammelt werden. In einer Reihe von Experimenten wird eine geeignete Trajektorienrepräsentation festgelegt und der Klassifikationsansatz getestet und verfeinert. Die Klassifikationsperformanz des Ansatzes wird mithilfe eines Kreuzvalidierungsverfahren bestimmt. Mittlere F$_1$-Scores zur Quantifizierung der besten Ergebnisse unter den erzielten Testergebnissen variieren zwischen 0.809 und 0.832. Bezüglich der Verkehrsregeln, welche mithilfe von Vorfahrts- und Stoppschildern, sowie Lichtsignalanlagen kommuniziert werden, werden hohe Klassifikationsleistungen erreicht. Allerdings bestehen Schwierigkeiten bei der Klassifikation im Zusammenhang mit den Verkehrsregeln Vorfahrt achten und Rechts vor Links. Da die initial erzielten Ergebnisse vielversprechend sind, wird empfohlen diesen Ansatz in zukünftigen Arbeiten weiterzuentwickeln und zu verbessern.


    Zugriff

    Download

    Verfügbarkeit in meiner Bibliothek prüfen


    Exportieren, teilen und zitieren



    Titel :

    Inference of Traffic Regulations at Intersections Based on Trajectory Data


    Beteiligte:
    Trat, Martin (Autor:in) / Stiller, Christoph (Akademische:r Betreuer:in) / Zöllner, J. Marius (Akademische:r Betreuer:in)

    Erscheinungsdatum :

    2020



    Medientyp :

    Sonstige


    Format :

    Elektronische Ressource


    Sprache :

    Englisch



    Trajectory analysis at intersections for traffic rule identification

    Wang, Chenxi / Zourlidou, Stefania / Golze, Jens et al. | TIBKAT | 2021

    Freier Zugriff

    Examining causal factors of traffic conflicts at intersections using vehicle trajectory data

    Xu, Xiaoyan / Wang, Xuesong / Shi, Ruolin | Elsevier | 2025

    Freier Zugriff

    Examining causal factors of traffic conflicts at intersections using vehicle trajectory data

    Xiaoyan Xu / Xuesong Wang / Ruolin Shi | DOAJ | 2025

    Freier Zugriff


    Trajectory prediction of traffic agents at urban intersections through learned interactions

    Sarkar, A. / Czarnecki, Krzysztof / Angus, Matt et al. | IEEE | 2017