Zur Kurzanzeige

dc.contributor.authorBieshaar, Maarten
dc.contributor.editorHölldobler, Steffen
dc.date.accessioned2022-01-14T14:02:04Z
dc.date.available2022-01-14T14:02:04Z
dc.date.issued2021
dc.identifier.isbn978-3-88579-775-3
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/37925
dc.description.abstractDas Radfahren wird im Verkehr der Zukunft eine zentrale Rolle spielen. Um Unfälle zu vermeiden, ist es entscheidend, Radfahrer frühzeitig zu erkennen und deren Absichten vorherzusagen. Fahrzeuge, die mit Sensoren, Datenverarbeitungssystemen 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 zuverlässig zu erfassen. Die kollektive Intelligenz aller Verkehrsteilnehmer erlaubt es den Wahrnehmungshorizont der einzelnen Verkehrsteilnehmer über deren eigene sensorische Fähigkeiten hinaus zu erweitern und somit eine bessere Erkennung der Absichten von Radfahrer zu ermöglichen.de
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofAusgezeichnete Informatikdissertationen 2020
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume D-21
dc.titleKooperative Absichtserkennung mittels maschineller Lernverfahrende
dc.typeText/Conference Paper
dc.pubPlaceBonn
mci.reference.pages39-48
mci.conference.locationSchoss Dagstuhl, Deutschland
mci.conference.date9.-12. Mai 2021


Dateien zu dieser Ressource

Thumbnail

Zur Kurzanzeige