Login
- Originaltitel:
- Entwicklung einer semi-parametrischen Methode zur probabilistischen Prädiktion von Fahrzeugtrajektorien auf Basis von Flottendaten
- Übersetzter Titel:
- Development of a Semi-Parametric Method for Probabilistic Prediction of Vehicle Trajectories Based on Fleet Data
- Autor:
- Jordan, Justus Wilhelm
- Jahr:
- 2018
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Elektrotechnik und Informationstechnik
- Betreuer:
- Kleinsteuber, Martin (Priv.-Doz. Dr.)
- Gutachter:
- Kleinsteuber, Martin (Priv.-Doz. Dr.); Rigoll, Gerhard (Prof. Dr.)
- Sprache:
- de
- Fachgebiet:
- ELT Elektrotechnik; VER Technik der Verkehrsmittel
- TU-Systematik:
- DAT 570d
- Kurzfassung:
- Bei der Entwicklung autonomer Fahrzeuge ist die probabilistische Trajektorienprädiktion von Verkehrsteilnehmern eine zentrale Herausforderung. Im Rahmen dieser Arbeit wird eine rekursive, bayessche Filter-Architektur um Gauß-Prozesse erweitert: Verglichen mit dem Stand der Technik besteht der Vorteil der vorgestellten Methode darin, formal-parametrische Beschreibungen und gelernte Zusammenhänge zu kombinieren. Komplexes Fahrverhalten wird so auf Basis analysierter Fahrzeugflottendaten modelliert... »
- Übersetzte Kurzfassung:
- For the development of autonomous driving systems, probabilistic trajectory prediction of traffic participants is a major challenge. Within the scope of this work, a recursive, Bayesian filter architecture is enhanced by Gaussian processes: Compared to the state of the art, the advantage of the introduced method emerges from combining formal parametric descriptions and learned relationships. Thus, complex driving behavior is modelled on the basis of analyzed vehicle fleet data.
- WWW:
- https://mediatum.ub.tum.de/?id=1356923
- Eingereicht am:
- 19.07.2017
- Mündliche Prüfung:
- 19.02.2018
- Dateigröße:
- 4663384 bytes
- Seiten:
- 125
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20180219-1356923-1-1
- Letzte Änderung:
- 06.06.2018
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyElectrical Engineering
- mediaTUM GesamtbestandHochschulbibliographie2018FakultätenElektrotechnik und InformationstechnikGeometrische Optimierung und maschinelles Lernen (Prof. Kleinsteuber)