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.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

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


    Weitere Titelangaben:

    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


    Beteiligte:


    Erscheinungsdatum :

    2010


    Format / Umfang :

    16 Seiten, 4 Bilder, 2 Tabellen, 12 Quellen




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Deutsch




    Ermittlung relevanter Merkmale in komplexen Verkehrssituationen

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



    SUBSTITUTION VON SENSORMESSDATEN

    BOZSIK RICHARD | Europäisches Patentamt | 2017

    Freier Zugriff