Der Radverkehr ist zentraler Bestandteil einer klimafreundlichen Mobilität. EBikes eröffnen neue Möglichkeiten für verschiedene Nutzergruppen und tragen so dazu bei den Anteil des Radverkehrs weiter zu steigern. Da die Verkehrsmittelwahl jedoch wesentlich von subjektiven Fahreindrücken abhängt, müssen geeignete Methoden zur objektiven Bewertung subjektiver Fahreindrücke beim eBike-Fahren entwickelt werden. Ziel der vorliegenden Dissertation ist die Machine-Learning (ML) -basierte Objektivierung subjektiver Fahreindrücke beim eBike-Fahren. Mittels eines Mixed-Methods-Designs werden subjektive Fahreindrücke und deren Einflussfaktoren qualitativ in einer Interviewstudie (N=23) ermittelt und quantitativ durch Daten einer Fahrstudie (eMountainbike, N=80) verifiziert. Mithilfe einer Gauß-Prozess Regression wird der subjektive Fahreindruck Fahrerlebnis mit eBike-Sensordaten für vier Fahrertypen in den Anwendungsfällen eMountainbike (N=80) und eTrekking (N=55) prädiziert. Aufgrund des Black-Box-Charakters der ML-Modelle wird post-hoc die Explainable-AI (XAI) -Methode SHAP (SHapley Additive exPlanations) zur Evaluation des Fahrerlebnisses eingesetzt. Die in den untersuchten Anwendungsfällen erreichten Modellgüten belegen die Eignung von ML zur Objektivierung subjektiver Fahreindrücke. Die Post-hoc-Analyse zeigt den Mehrwert von SHAP zur Evaluation subjektiver Fahreindrücke auf. Mithilfe der vorgestellten Methode können aussagekräftige Prädiktoren und deren Einfluss auf das Fahrerlebnis bestimmt werden. Fahrerleistungsbezogene Parameter, Motorleistung, Längsdynamik und Querdynamik wurden als Quelle einflussreicher Prädiktoren ermittelt. Der Einfluss der Prädiktoren unterschied sich zwischen einem komfortorientierten, abfahrtsorientierten, dynamikorientierten und sportlichen Fahrertypen. Die Ergebnisse der vorliegenden Dissertation verdeutlichen das Potential der ML-basierten Objektivierungsmethode zur Evaluation subjektiver Fahreindrücke. Die gewonnenen Erkenntnisse erweitern das Verständnis über subjektive Fahreindrücke beim eBike-Fahren und tragen zu einer Verbesserung des Fahrerlebnisses bei.
Machine-Learning-basierte Objektivierung subjektiver Fahreindrücke beim eBike-Fahren
2024
Miscellaneous
Electronic Resource
German
Machine-Learning-basierte Objektivierung subjektiver Fahreindrücke beim eBike-Fahren
TIBKAT | 2024
|Objektivierung subjektiver Geraeuschbeurteilungen
Automotive engineering | 2006
|Objektivierung subjektiver akustischer Phänomene
Tema Archive | 2005
|Objektivierung subjektiver akustischer Phaenomene
Automotive engineering | 2005
|Objektivierung der Fahrbarkeit beim automatisierten Fahren
Tema Archive | 2014
|