Fahrerassistenzsysteme benötigen ein umfassendes Situationsverständnis. Wichtig dafür ist die Identifizierung relevanter Merkmale. Diese bestimmen die Art der Modellierung, den Ressourcenaufwand und die Effektivität des Systems. Erstmalig wird mit dieser Arbeit eine automatisierte Merkmalsauswahl basierend auf der Mutual Information auf reale Fahrzeug- und Umfeldmessdaten angewendet und deren Relevanz für kollisionsvermeidende Fahrerassistenzsysteme untersucht. Die Ergebnisse der Auswahl werden für den Random-Forest-Klassifikator zur Fahrerintentionserkennung eingesetzt. Deutliche Verbesserungen der Klassifikationsergebnisse bereits bei wenigen Merkmalen lassen auf methodische Überlegenheit gegenüber Expertenauswahl schließen. Merkmalsauswahl mit Mutual Information stellt damit ein wirkungsvolles Werkzeug für die Entwicklung von Fahrerassistenzsystemfunktionen dar.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Ermittlung relevanter Merkmale in komplexen Verkehrssituationen. Anwendung von Mutual Information Feature Selection auf Fahrzeug- und Sensormessdaten für Fahrerassistenzsysteme


    Additional title:

    Identification of relevant features in complex road traffic situations. Application of Mutual Information Feature Selection for vehicle and sensor measurement data for advanced driver assistance systems


    Contributors:


    Publication date :

    2010


    Size :

    16 Seiten, 4 Bilder, 2 Tabellen, 12 Quellen




    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German




    Ermittlung relevanter Merkmale in komplexen Verkehrssituationen

    Hulsen, M. / Borger, J. / Zollner, M. | British Library Conference Proceedings | 2010





    Verfahren zur Behandlung von Verkehrssituationen mit eingeschränkter Durchfahrtsgeometrie und Fahrzeug

    VOLTMER JÖRG / HOPPMANN HENDRIK / KÖSTERMANN JANIS | European Patent Office | 2022

    Free access