Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Fahrerabsichtserkennung und Risikobewertung für warnende Fahrerassistenzsysteme

Dissertationsschrift
BuchKartoniert, Paperback
198 Seiten
Deutsch
KIT Scientific Publishingerschienen am05.09.2016
Um Unfälle zu vermeiden, benötigen warnende Fahrerassistenzsysteme eine schritthaltende Schätzung des aktuellen Kollisionsrisikos. Hierfür wird eine Methode vorgeschlagen, die grundsätzlich auf beliebige Verkehrssituationen anwendbar ist. Erreicht wird dies durch den Einsatz von generativen Modellen zur Beschreibung des erwarteten Fahrerverhaltens. Zugehörige Probandenstudien im Realverkehr zeigen vielversprechende Ergebnisse selbst unter Berücksichtigung von Echtzeitanforderungen. To avoid accidents, warning driver assistance systems require an on-line estimation of the current risk of collision. For that, a new method is proposed that - in principle - is able to deal with arbitrary traffic situations. This is achieved by the use of generative models to describe the expected driver behavior. Corresponding user studies in real traffic show promising results even when real time constraints are taken into account.mehr

Produkt

KlappentextUm Unfälle zu vermeiden, benötigen warnende Fahrerassistenzsysteme eine schritthaltende Schätzung des aktuellen Kollisionsrisikos. Hierfür wird eine Methode vorgeschlagen, die grundsätzlich auf beliebige Verkehrssituationen anwendbar ist. Erreicht wird dies durch den Einsatz von generativen Modellen zur Beschreibung des erwarteten Fahrerverhaltens. Zugehörige Probandenstudien im Realverkehr zeigen vielversprechende Ergebnisse selbst unter Berücksichtigung von Echtzeitanforderungen. To avoid accidents, warning driver assistance systems require an on-line estimation of the current risk of collision. For that, a new method is proposed that - in principle - is able to deal with arbitrary traffic situations. This is achieved by the use of generative models to describe the expected driver behavior. Corresponding user studies in real traffic show promising results even when real time constraints are taken into account.