Automated and teleoperated driving has recently faced increased interest in society and science. Inter alia, since latest developments and improvements in the fields of Artificial Intelligence and Machine Learning have resulted in new approaches that offer decisive advantages in the subject compared to conventional software solutions. Movement planning is still considered a major task and difficulty in autonomous driving. Teleoperated driving, as a link between manual and autonomous driving, also benefits from precise maneuver generation by compensating uncertainties caused by latencies and fluctuations in the mobile connection. This thesis presents a new approach to this subject of movement planning, focusing on element separated environment representations and Neural Networks. These offer a solution to predict the surrounding traffic and generate maneuver plans accordingly, while parallelly allowing a significant level of generalization to master new unseen situations. To train a well performing Neural Network an immense number of training data is required. A developed simulation environment replicates and computes traffic scenarios including street courses, vehicle and pedestrian behavior, traffic signs, lights, as well as their logics to generate environment representations as training data. Lastly, the Network was embedded into an executable intelligent agent solution for implementation and testing purposes in the traffic simulation software SILAB.     «

Automated and teleoperated driving has recently faced increased interest in society and science. Inter alia, since latest developments and improvements in the fields of Artificial Intelligence and Machine Learning have resulted in new approaches that offer decisive advantages in the subject compared to conventional software solutions. Movement planning is still considered a major task and difficulty in autonomous driving. Teleoperated driving, as a link between manual and autonomous driving, als...     »

Automatisiertes und teleoperatives Fahren hat zuletzt ein zunehmendes Interesse in der Gesellschaft und Wissenschaft erfahren. Unter anderem, weil neueste Entwicklungen und Verbesserungen in den Bereichen künstliche Intelligenz und maschinelles Lernen neue Ansätze hervorbrachten, die im Vergleich zu konventionellen Softwarelösungen entscheidende Vorteile bieten. Die Bewegungsplanung zählt jedoch unverändert zu den relevanten Herausforderungen des autonomen Fahrens. Teleoperatives Fahren als Bindeglied zwischen manuellem und autonomem Fahren profitiert ebenfalls von einer präzisen Manövergenerierung, indem Unsicherheiten durch Latenzen und Schwankungen innerhalb der Mobilfunkverbindung ausgeglichen werden. Diese Arbeit stellt einen neuen Lösungsansatz für die Bewegungsplanung vor, welcher sich auf elementspezifische Umgebungsdarstellungen und neuronale Netze fokussiert. Diese Netze bieten ein Verfahren, um das Verhalten des umliegenden Verkehrs vorherzusagen und entsprechende Manöverpläne zu erstellen, während gleichzeitig ein hohes Maß an Generalisierungsleistung erbracht werden kann, um auch neue, ungesehene Situationen zu meistern. Um ein gut funktionierendes neuronales Netzwerk zu trainieren, wird eine immense Anzahl an Trainingsdaten benötigt. Eine entwickelte Simulationsumgebung repliziert und berechnet Verkehrsszenarien einschließlich Straßenverläufe, Fahrzeug- und Fußgängerverhalten, Verkehrszeichen, Ampeln sowie deren Logik, um Trainingsdaten zu generieren. Schließlich wurde das Netzwerk in einem lauffähigen intelligenten Agenten zu Implementierungs- und Testzwecken in die Verkehrssimulationssoftware SILAB eingebettet.     «

Automatisiertes und teleoperatives Fahren hat zuletzt ein zunehmendes Interesse in der Gesellschaft und Wissenschaft erfahren. Unter anderem, weil neueste Entwicklungen und Verbesserungen in den Bereichen künstliche Intelligenz und maschinelles Lernen neue Ansätze hervorbrachten, die im Vergleich zu konventionellen Softwarelösungen entscheidende Vorteile bieten. Die Bewegungsplanung zählt jedoch unverändert zu den relevanten Herausforderungen des autonomen Fahrens. Teleoperatives Fahren als Bind...     »