Diploma Thesis DIP-1909

BibliographyHammelmann, Jürgen: Darstellung der Machbarkeit einer Prädiktion des Verhaltens von Verkehrsteilnehmern durch Kombination von Zeitnetzen mit probabilistischen Methoden.
University of Stuttgart, Faculty of Computer Science, Diploma Thesis No. 1909 (2001).
191 pages, german.
CR-SchemaF.1.3 (Complexity Measures and Classes)
G.3 (Probability and Statistics)
I.2.3 (Deduction and Theorem Proving)
I.2.4 (Knowledge Representation Formalisms and Methods)
I.2.8 (Problem Solving, Control Methods, and Search)
KeywordsPrädiktion; Verhalten von Verkehrsteilnehmern; Straßenverkehr; Bayes-Netze; Zeitnetze; Probabilistische Netze
Abstract

Diese Arbeit befasst sich mit der Machbarkeitsuntersuchung einer maschinellen Prädiktion des Verhaltens von Verkehrsteilnehmern. In ähnlichen Anwendungsfeldern werden heute viele Methoden nichtstochastischer und stochastischer Art zur Lösung dieser Problematik angewandt. Es wird daher zuerst in kurzer Form in Ansätze zu temporalen Beschreibungslogiken und flachen Fehlermodellen eingeführt. Des weiteren werden die Konzepte probabilistischer Methoden vorgestellt, zu denen Markov-Prozesse, Markov-Entscheidungsprozesse und Bayes-Netze gehören.

Die Dynamik von Verkehrsszenen erfordert eine Modellierung zeitlichen Verhaltens, die mit heutigen probabilistischen Netzen nicht ausreichend möglich ist. Es sind parallele bzw. überlappende Aktionen zu modellieren, die kausal voneinander abhängen können. Die Unschärfe und Unsicherheit der Umgebungsinformation verlangt dagegen einen Aspekt der Modellierung, die in temporalen Beschreibungslogiken meist unbekannt ist. Ebenso fehlt hier eine Bewertung konkurrierender Aktionspläne.

Daher wird in dieser Arbeit schwerpunktmäßig die Kombination probabilistischer Netze mit temporalen Zeitintervallnetzen auf deren Tauglichkeit für Verkehrsszenarien hin untersucht. Um dies zu erreichen, werden bestehende, vielversprechende Ansätze auf die Verkehrsdomäne übertragen und vergleichend bewertet. Es werden dabei die Komplexität der Verfahren, der nötige Aufwand zur Realisierung, dabei auftretende, mögliche Probleme und Möglichkeiten der Steigerung der Effektivität anhand von Überholszenarien beleuchtet. Höchstwahrscheinliche Interpretationen der aufgestellten Modelle einer Verkehrsszene können nun Grundlage einer Entscheidungslogik von Assistenzsystemen in Fahrzeugen werden.

Full text and
other links
PDF (4733847 Bytes)
PostScript (13676765 Bytes)
Access to students' publications restricted to the faculty due to current privacy regulations
ContactSenden sie eine Email an juergen.hammelmann@gmx.de
Department(s)University of Stuttgart, Institute of Parallel and Distributed High-Performance Systems, Image Understanding
Project(s)Institut für Parallele und Verteilte Höchstleistungsrechner
Entry dateSeptember 20, 2001
   Publ. Computer Science