Das Verständnis einer Verkehrssituation spielt eine signifikante Rolle während der Fahrzeugführung. Es wandelt erhaltene Rohinformation in interpretierbare Informationen. Dies bildet die Grundlage für Projektion, Entscheiden und Handeln, wie Navigation, Manövrieren und Antriebssteuerung, innerhalb des fahrerischen Regelkreises. Das Ziel dieser Arbeit ist eine generische Verkehrssituationsbeschreibung, die in der Lage ist, verschiedene Fahrerassistenzsysteme (FAS) mit relevanten Informationen über die aktuelle Fahr- und Verkehrssituation des eigenen Fahrzeugs und seiner Umgebung zu versorgen. Diese Informationen sollen FAS befähigen, sinnvolle Funktionen und Aktionen auszuführen und visionären Zielen wie unfallfreies Fahren, umfassende Unterstützung in beliebigen Situationen bis hin zum autonomen Fahren näher zu kommen. Die komplexesten Verkehrssituationen scheinen diejenigen an Kreuzungen. Ihr Verständnis wird durch eine Vielzahl an Objekt- und Relationsarten beeinflusst, u. a. kreuzende Straßen mit Spuren und Markierungen, zugelassene und verbotene Fahrwege, aus verschiedenen Richtungen kommende Fahrzeuge und viele Arten von Verkehrsschildern Ontologien sind gut geeignet, diese Multi-Objekt-Situationen zu modellieren und durch logisches Schließen Konsistenz des enthaltenen Wissens zu prüfen und Objekttypen sowie Relationen zu ermitteln und z. B. Verkehrsregeln anzuwenden. Description logic (DL) ist eine Sprache, mit der solche Ontologien gebildet werden können. Drei wesentliche Beiträge liefert diese Arbeit im Rahmen von Fahrerassistenzsystemen, präziser gesagt, um effizient die aktuelle Verkehrssituation zu beschreiben, in der sich ein Fahrzeug befindet: (1) Der empirische Nachweis, dass Mutual-Information-basierte Merkmalsauswahl erfolgreich dazu verwendet werden kann, die Bestimmung der Relevanz oder die Auswahl von Verkehrssituationsmerkmalen zu unterstützen, insbesondere solche von FAS-Sensoren oder FAS-Sensordatenfusion. (2) Theoretische Diskussion und empirischer Nachweis, dass DL-basierte Ontologien geeignet sind, komplexe Verkehrsituationen zu beschreiben, z. B. an Kreuzungen, einschließlich Auswertung von Verkehrsregeln und deren Einhaltung. (3) Theoretische Diskussion und empirischer Nachweis, dass Mutual-Information-basierte Merkmalsauswahl auf semantische Merkmale aus DL-basierten Ontologien für eine verbesserte Situationsbeschreibung angewendet werden kann. Als erster wesentlicher Beitrag konnten enorme Vorteile in Ergebnis und Geschwindigkeit von MI-Merkmalsauswahl gegenüber Auswahl durch Experten aus der automobilen Serienfunktionsentwicklung auf große Mengen realer Messdaten gezeigt werden. Darüber hinaus wird eine methodische Verbesserung bestehender Methoden einschließlich Formalisierung und Fehlerberechnungen gegeben und empirisch gezeigt. Ein zusätzlicher Beitrag ist ein Ansatz und seine Interpretation für die Benutzung von Mutual Information, um die Relevanz der Historie von Situationsmerkmalen zu bestimmen. Diese Arbeit befasst sich ausführlich mit der Untersuchung und Validierung der Anwendbarkeit und Leistungsfähigkeit von ontologiebasierter Verkehrssituationsbeschreibung. Es wird gezeigt, dass Wissensverarbeitung für komplexe Verkehrssituationen wie z. B. an komplexen Kreuzungen realisierbar ist. Darüber hinaus ermöglicht die entwickelte DL-basierte Ontologie logisches Schlussfolgern von Verkehrsregeln. Weitergehend bietet diese Arbeit einen praktischen Machbarkeitsnachweis für logikbasierte Situationsbeschreibung für die Echtzeitanwendung von FAS. Es wird ein asynchrones Echtzeit-Framework verwendet, das speziell für die hier vorgestellte ontologische Situationsbeschreibung entwickelt wurde. Es lässt sich für beliebige FAS-Funktionen einsetzen, wie an beispielhaften FAS-Funktionen veranschaulicht wird. Eine offene Frage der laufenden Forschung ist die Bewältigung von Unsicherheiten in Verbindung mit wissensbasierten Ansätzen. Frühe Ansätze sind zu langsam für die Umsetzung, vor allem für die Anzahl von Objekten und Relationen, die für die vorgestellte generische Situationsbeschreibung notwendig sind. Diese Arbeit diskutiert ein Konzept zur Einbindung von verschiedenen Arten von Sensorunsicherheiten in die deterministische ontologische Situationsbeschreibung, um deren Behandlung teilweise zu ermöglichen. Abschließend definiert diese Arbeit semantische Merkmale, abgeleitet aus ontologischem Wissen, um eine Mutual-Information-basierte Auswahl von Ontologieelementen durchzuführen und dabei deren Relevanz bezüglich einer Zielanwendung zu bestimmen. Die Ausführung auf experimentelle Daten zeigt deren grundsätzliche Anwendbarkeit.

    The comprehension of a traffic situation plays a major role in driving a vehicle. It transforms perceived raw information into interpretable information. This forms a basis for future projection, decision making and action performing, such as navigating, maneuvering and driving control, within the driving control loop. The aim of this thesis is to provide a generic traffic situation description capable of supplying various ADAS with relevant information about the current driving and traffic situation of the ego vehicle and its environment. With this information ADAS should be able to perform reasonable functions and actions and approach visionary goals such as injury and accident free driving, substantial assistance in arbitrary situations up to even autonomous driving. Most complex traffic situations seem to be those at intersections. Their understanding is influenced by a variety of object and relation types such as intersecting roads with lanes and markings, allowed and forbidden paths, vehicles coming from different directions and different kinds of road signs (see figure on the top left). Ontologies are well suited for modeling these multi-object traffic situations and for performing logic reasoning to check consistency of its knowledge and to reason about object types, relations and to e.g. apply traffic rules. Description logic (DL) is a language for building such ontologies. Three key contributions are provided by this thesis in the context of advanced driver assistance systems, more precisely to efficiently describe the current traffic situation a vehicle is part of: (1) The empirical proof that mutual information based feature selection serves to effectively evaluate the relevance of or select traffic situation features, especially those provided by ADAS sensors and ADAS sensor data fusion. (2) Theoretical discussion and empirical proof that description logic based ontologies are suitable to describe complex traffic situations such as those at intersections, including the evaluation of traffic rule compliance. (3) Theoretical discussion and empirical proof that mutual information based feature selection may be utilized on semantic features contained in description logic based ontologies for a more comprehensive and lean traffic situation description. As the first main contribution, tremendous benefit in performance and time consumption of MI feature selection could be shown on vast, real world measurement data compared to feature selection by experts working in serial function development. Additionally, a methodical improvement to existing methods including formalization and error calculations is given and empirically shown. Another contribution is an approach and its interpretation for the usage of mutual information to determine the relevance of the history of situation features. This thesis is widely concerned with the investigation and validation of applicability and capability of ontology based traffic situation description. Knowledge engineering for complex traffic situations such as those at complex intersections is proven to be feasible. Furthermore, the developed description logic based ontology allows logic reasoning of traffic rules. Additionally, this thesis provides a proof-by-implementation for logic-based situation description for real-time execution of driver assistance functions. An asynchronous real-time framework is used, especially designed for the herewith proposed ontological situation description. It is usable for arbitrary DAS functions; shown on exemplary DAS functions. An open issue with ongoing research is coping with uncertainty in combination with knowledge-based approaches. Early approaches are too slow for implementation, especially with the number of objects and relations required for the proposed, generic situation description. This thesis introduces and discusses a concept of handling and incorporating different types of sensory uncertainty with the deterministic ontological situation description to facilitate some sensory uncertainty handling. Finally, this thesis defines semantic features derived from ontological content to perform mutual information based feature selection on ontology elements and to determine their relevance with respect to some given target application. Execution of this approach on some experimental data shows its applicability in principle.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Knowledge-based driver assistance systems: traffic situation description and situation feature relevance


    Contributors:

    Publication date :

    2014


    Size :

    176 Seiten, Bilder, Tabellen, Quellen




    Type of media :

    Theses


    Type of material :

    Print


    Language :

    English






    Traffic Intersection Situation Description Ontology for Advanced Driver Assistance

    Huelsen, M. / Zollner, J.M. / Weiss, C. et al. | British Library Conference Proceedings | 2011


    Driver Assistance Systems - Current Situation and Outlook

    Kellerwessel, C. / VDI-Gesellschaft Fahrzeug- und Verkehrstechnik / Verein Deutscher Ingenieure | British Library Conference Proceedings | 2011