Context Awareness for Smartphone-Based Cooperative VRU Collision Avoidance
| dc.date.accessioned | 2024-04-24T13:09:02Z | |
| dc.date.available | 2024-04-24T13:09:02Z | |
| dc.date.issued | 2024 | |
| dc.identifier | doi:10.17170/kobra-202301087333 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/15706 | |
| dc.language.iso | eng | |
| dc.rights | Namensnennung-Nicht-kommerziell 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | * |
| dc.subject | Context Awareness | eng |
| dc.subject | Cooperative VRU Collision Avoidance | eng |
| dc.subject | Activity Recognition | eng |
| dc.subject.ddc | 004 | |
| dc.title | Context Awareness for Smartphone-Based Cooperative VRU Collision Avoidance | eng |
| dc.type | Dissertation | |
| dcterms.abstract | Nach Angaben der Weltgesundheitsorganisation sterben weltweit noch immer jährlich rund 1,35 Millionen Menschen bei Verkehrsunfällen. Ungefähr 54% dieser Todesfälle ereignen sich unter ungeschützten Verkehrsteilnehmern wie Fußgängern, Radfahrern und Motorradfahrern. Fußgänger und Radfahrer machen dabei zusammen rund 26% aller Verkehrstoten aus. Im Gegensatz zu fahrzeugbasierten Kollisionsvermeidungssystemen setzen kooperative Systeme die Verwendung von mobilen Geräten wie Smartphones zur kontinuierlichen Erfassung von Bewegungen verletzlicher Verkehrsteilnehmer und dem Austausch dieser Informationen mit anderen Verkehrsteilnehmern voraus, um mögliche Kollisionen zu erkennen und zu vermeiden. Bei der Verwendung von Smartphones zur kooperativen Kollisionsvermeidung müssen jedoch Fehler bei der Bestimmung des aktuelle Bewegungsvektors (d.h. Position, Richtung und Geschwindigkeit) eines ungeschützten Verkehrsteilnehmers berücksichtigt werden. Bisher ist noch unklar, wie sich Fehler bei der Bestimmung des Bewegungsvektors eines ungeschützten Verkehrsteilnehmers auf die Fähigkeit auswirken, bevorstehende Kollisionen zu erkennen, wenn dieser Bewegungsvektor durch aktuelle Smartphones ermittelt wird. Zu diesem Zweck untersucht diese Dissertation die Machbarkeit des Einsatzes aktueller Smartphones zur kooperativen Kollisionsvermeidung, indem zunächst Fehler bei der Bestimmung von Position, Richtung und Geschwindigkeit eines Fußgängers ermittelt werden. Des Weiteren wird eine Simulation durchgeführt, um den Einfluss dieser Fehler auf die Kollisionserkennungsleistung zu untersuchen, welche zeigt, dass aktuelle Smartphones die Anforderungen an eine zuverlässige Kollisionsvermeidung noch nicht erfüllen. Um diese und andere Herausforderungen zu adressieren, fokussiert sich aktuellere Forschung auf die Nutzung physischer Aktivitäten von Fußgängern, wie Gehen oder Stehen, um kooperative Kollisionsvermeidungssysteme zu unterstützen. Bisher wurde jedoch die tatsächliche Zeit, die benötigt wird, um Übergänge zwischen Aktivitäten von Fußgängern zu erkennen, nicht betrachtet. Daher untersucht diese Dissertation sowohl die Erkennungsgenauigkeit als auch die Erkennungsverzögerung von drei Fußgängeraktivitäten, d.h. das Losgehen, das Stehenbleiben und das Überqueren einer Bordsteinkante. Hierfür wird eine eventbasierte Evaluation durchgeführt, die den Einfluss verschiedener Phasen der Aktivitätserkennung sowohl auf die Erkennungsgenauigkeit als auch auf die Verzögerung analysiert. Aus dieser Untersuchung werden Empfehlungen abgeleitet, wie die Erkennungsverzögerung verringert und gleichzeitig eine hohe Erkennungsgenauigkeit beibehalten werden kann. Schließlich wird in dieser Dissertation die Verwendung eines Bordsteinerkennungsmoduls zur Verbesserung der aktuellen Position eines Fußgängers evaluiert. Für diese Evaluation werden Verzögerungen sowohl für die Erkennung der Überquerung der Bordsteinkante als auch für die Kommunikation berücksichtigt. Dabei zeigt sich, dass selbst unter Berücksichtigung von Verzögerungen, die Wahrscheinlichkeit, eine bevorstehende Kollision zwischen Fußgängern und Fahrzeugen zu erkennen, signifikant erhöht werden kann. | ger |
| dcterms.abstract | According to the World Health Organisation around 1.35 million people still die in road traffic accidents worldwide every year. Approximately 54% of those deaths are among vulnerable road users (VRUs) like pedestrians, cyclists and motorcyclists. Pedestrians and cyclists combined account for around 26% of all road traffic deaths. In contrast to vehicular-based collision avoidance systems, cooperative VRU collision avoidance aims at reducing road traffic accidents assuming mobile devices like smartphones on the VRU side, which enables continuous detection of VRU movements and exchange movement information with other road users to determine and avoid potential collisions. However, when using smartphones for cooperative VRU collision avoidance, errors must be taken into account when determining a VRU's current movement vector, i.e., position, direction, and speed. So far it remains unclear how errors of a VRU's movement vector, obtained from contemporary smartphones, affect the ability to detect impending collisions. To this end, this dissertation investigates the feasibility of using contemporary smartphones for cooperative VRU collision avoidance by first measuring sensor errors for obtaining a pedestrian's position, direction and speed. Second, a simulative performance analysis is performed to investigate the impact of these errors on the collision detection performance, which shows that contemporary smartphones are not yet able to meet the requirements for reliable collision avoidance. To mitigate those and other challenges, more recent research focuses on the usage of physical activities of pedestrians, like walking or standing, to support cooperative VRU collision avoidance systems. However, so far the actual detection delay of transitions between physical activities of pedestrians have been neglected. Therefore, this dissertation investigates both the detection accuracy and the detection delay of crucial pedestrian activities, i.e., the transition from walking to standing ("walk-to-stand"), the transition from standing to walking ("stand-to-walk"), and crossing a curb. An event-based evaluation is carried out that analyses the influence of different phases of the Human Activity Recognition process on both the detection accuracy and delay. From this investigation, recommendations on how to decrease detection delay while maintaining a high detection accuracy are derived. Finally, this dissertation proposes and evaluates the usage of a curb detection module for improving a pedestrian's current position. For this evaluation, delays for both the detection of the activity of crossing a curb and communication were considered. It is shown that even when considering delay, the detection of the activity crossing a curb for position correction is able to significantly increase the probability of detecting an impending collision between pedestrians and vehicles. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Morold, Michel | |
| dcterms.dateAccepted | 2022-04-26 | |
| dcterms.extent | x, 110 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik/Informatik | |
| dc.contributor.referee | David, Klaus (Prof. Dr.-Ing.) | |
| dc.contributor.referee | Lun Lau, Sian (Prof. Dr.-Ing.) | |
| dc.subject.swd | Anpassung | ger |
| dc.subject.swd | Fahrerverhalten | ger |
| dc.subject.swd | Kollisionsschutz | ger |
| dc.subject.swd | Smartphone | ger |
| dc.subject.swd | Kontextbezogenes System | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
Dissertationen [10]
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Namensnennung-Nicht-kommerziell 4.0 International