Buch
Link zu kassel university press
Cooperative intention detection using machine learning. Advanced cyclist protection in the context of automated driving
Abstract
Cyclists will play an essential role in future traffic. It is crucial to detect cyclists and predict their intentions to avoid accidents and achieve a highly efficient traffic flow. Vehicles equipped with sensors, data processing systems, and communication abilities acquire and maintain a local model of their surrounding traffic environment, e.g., crossing cyclists. Cooperating and interacting vehicles, roadside units, and cyclists equipped with smart devices and other body-worn sensors exchange information.They form a multi-modal sensor system with the goal to reliably detect cyclists and their intentions under consideration of real-time requirements and uncertainties. The resulting model allows extending the perceptual horizon of individual road users beyond their sensory capabilities, enabling improved and more reliable cyclist intention detection. In this thesis, a holistic approach for detecting the intentions of cyclists using cooperative methods is presented.
Radfahrer werden im Verkehr der Zukunft eine wesentliche Rolle spielen. Um Unfälle zu vermeiden und einen hocheffizienten Verkehrsfluss zu gewährleisten, ist es entscheidend, diese zu erkennen und deren Absichten vorherzusagen. Fahrzeuge, die mit Sensoren, Datenverarbeitungs-systemen und Kommunikationsfähigkeiten ausgestattet sind, erstellen und pflegen ein lokales Modell ihrer Verkehrsumgebung. Gruppen von kooperierenden und interagierenden Fahrzeugen, sowie Roadside Units, und Radfahrer, die mit Smart Devices (z.B. Smartphone und Smartwatch) und anderen am Körper getragenen Sensoren ausgestattet sind, tauschen Informationen aus. Sie bilden ein multimodales Sensorsystem mit dem Ziel, Radfahrer und deren Absichten unter Berücksichtigung von Echtzeitanforderungen und Unsicherheiten zuverlässig zu erfassen. Das daraus resultierende Modell erlaubt es, den Wahrnehmungshorizont der einzelnen Verkehrsteilnehmer über deren eigene sensorische Fähigkeiten hinaus zu erweitern, was eine verbesserte und zuverlässigere Erkennung der Absichten von Radfahrern ermöglicht. In dieser Arbeit wird ein ganzheitlicher Ansatz zur kooperativen Erkennung von Radfahrerbewegungsabsichten vorgestellt.
Additional Information
Zugleich: Dissertation, Universität Kassel, 2020Druckausgabe
Link zu kassel university press
Citation
@book{doi:10.17170/kobra-202101263056,
author={Bieshaar, Maarten},
title={Cooperative intention detection using machine learning. Advanced cyclist protection in the context of automated driving},
publisher={kassel university press},
year={2021}
}
0500 Oax
0501 Text $btxt$2rdacontent
0502 Computermedien $bc$2rdacarrier
1100 2021$n2021
1500 1/eng
2050 ##0##http://hdl.handle.net/123456789/12624
3000 Bieshaar, Maarten
4000 Cooperative intention detection using machine learning. Advanced cyclist protection in the context of automated driving / Bieshaar, Maarten
4030
4060 Online-Ressource
4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/12624=x R
4204 \$dBuch
4170 Intelligent Embedded Systems ;; Band 17
5550 {{Verkehrsentwicklung}}
5550 {{Maschinelles Lernen}}
5550 {{Radfahrer}}
5550 {{Verkehr}}
5550 {{Schutz}}
5550 {{Zukunft}}
7136 ##0##http://hdl.handle.net/123456789/12624
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2021-03-12T10:33:58Z 2021-03-12T10:33:58Z 2021 doi:10.17170/kobra-202101263056 http://hdl.handle.net/123456789/12624 Zugleich: Dissertation, Universität Kassel, 2020 eng kassel university press Namensnennung 4.0 International http://creativecommons.org/licenses/by/4.0/ Cyclists future traffic Roadside Unit Car-to-Raodside-Communication C2R 380 620 Cooperative intention detection using machine learning. Advanced cyclist protection in the context of automated driving Buch Cyclists will play an essential role in future traffic. It is crucial to detect cyclists and predict their intentions to avoid accidents and achieve a highly efficient traffic flow. Vehicles equipped with sensors, data processing systems, and communication abilities acquire and maintain a local model of their surrounding traffic environment, e.g., crossing cyclists. Cooperating and interacting vehicles, roadside units, and cyclists equipped with smart devices and other body-worn sensors exchange information.They form a multi-modal sensor system with the goal to reliably detect cyclists and their intentions under consideration of real-time requirements and uncertainties. The resulting model allows extending the perceptual horizon of individual road users beyond their sensory capabilities, enabling improved and more reliable cyclist intention detection. In this thesis, a holistic approach for detecting the intentions of cyclists using cooperative methods is presented. Radfahrer werden im Verkehr der Zukunft eine wesentliche Rolle spielen. Um Unfälle zu vermeiden und einen hocheffizienten Verkehrsfluss zu gewährleisten, ist es entscheidend, diese zu erkennen und deren Absichten vorherzusagen. Fahrzeuge, die mit Sensoren, Datenverarbeitungs-systemen und Kommunikationsfähigkeiten ausgestattet sind, erstellen und pflegen ein lokales Modell ihrer Verkehrsumgebung. Gruppen von kooperierenden und interagierenden Fahrzeugen, sowie Roadside Units, und Radfahrer, die mit Smart Devices (z.B. Smartphone und Smartwatch) und anderen am Körper getragenen Sensoren ausgestattet sind, tauschen Informationen aus. Sie bilden ein multimodales Sensorsystem mit dem Ziel, Radfahrer und deren Absichten unter Berücksichtigung von Echtzeitanforderungen und Unsicherheiten zuverlässig zu erfassen. Das daraus resultierende Modell erlaubt es, den Wahrnehmungshorizont der einzelnen Verkehrsteilnehmer über deren eigene sensorische Fähigkeiten hinaus zu erweitern, was eine verbesserte und zuverlässigere Erkennung der Absichten von Radfahrern ermöglicht. In dieser Arbeit wird ein ganzheitlicher Ansatz zur kooperativen Erkennung von Radfahrerbewegungsabsichten vorgestellt. open access Bieshaar, Maarten 2020-12-18 xi, 291 Seiten Intelligent Embedded Systems ;; Band 17 Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik Sick, Bernhard (Prof. Dr.) Doll, Konrad (Prof. Dr.) Kassel 978-3-7376-0927-2 Verkehrsentwicklung Maschinelles Lernen Radfahrer Verkehr Schutz Zukunft publishedVersion Intelligent Embedded Systems Band 17 true 39,00 Intelligent Embedded Systems Naturwissenschaft, Technik, Informatik, Medizin Dissertation FB 14 / Bauingenieur- und Umweltingenieurwesen Softcover DIN A5 </resource>
The following license files are associated with this item:
Except where otherwise noted, this item's license is described as Namensnennung 4.0 International