Entwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten
|
|
- Silvia Lehmann
- vor 7 Jahren
- Abrufe
Transkript
1 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Entwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten Prof. Dr. Paul Rawiel HFT Stuttgart auf Basis der Bachelor-Arbeit von Frau Kerstin Fill Prof. Dr. P. Rawiel 1
2 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Agenda 1. Problemstellung - Anwendungsfall car2go 2. Entwicklungskonzept 3. Verfahrensschritte 4. Untersuchung erster Ergebnisse 5. Erkenntnisse und Fazit Prof. Dr. P. Rawiel 2
3 Problemstellung Anwendungsfall car2go Car Sharing ohne feste Standplätze Kunden müssen Fahrzeuge finden car2go App für Smartphones Navigation zum nächsten freien Fahrzeug Betreiber muss die Fahrzeuge wiederfinden Wartung der Fahrzeuge Reinigung der Fahrzeuge Tanken bzw. aufladen der Fahrzeuge Umverteilen der Fahrzeuge Essentiell wichtig für car2go: genaue Position der Fahrzeuge 3
4 Problemstellung Anwendungsfall car2go Problem der ungenauen Position 4
5 Problemstellung Anwendungsfall car2go Problem der ungenauen Position 5
6 Problemstellung Anwendungsfall car2go Erfassen einer gefahrenen Trajektorie mit Hilfe von Radimpulssensoren Beschleunigungssensoren Gyroskopen Magnetometer barometrischer Höhenmesser 6
7 Problemstellung Anwendungsfall car2go 7
8 Problemstellung Anwendungsfall car2go 8
9 Entwicklungskonzept Gegeben lokale Koordinaten Gesucht Start Ende unscharfe Fahrzeugtrajektorie Istkurve (Sensordaten) Sollkurve (Straßenkarte) Zuordnung 9
10 Entwicklungskonzept - Datengrundlage Trajektorie als diskrete geordnete Punktfolge IST Straßennetz modelliert als Graph Knoten = Kreuzungen, Formpunkte Kanten = Straßensegmente SOLL 10
11 Verfahrensschritte Merkmalsdetektion Suche nach signifikanten Richtungsänderungen. Approximation von Abbiegepunkten durch eine Regelform. Kodierung eines Parameters der Regelform (z.b. Dreieckswinkel). IST SOLL
12 Verfahrensschritte Suche im Straßennetz Sammlung passender Straßenmerkmale für jedes Merkmal der Trajektorie Suche plausibler Verbindungen zwischen den Merkmalssammlungen. IST SOLL 6 6: ~193 m 193 m 96 7: ~ m 8 8: ~ 187 m 12
13 Verfahrensschritte Einpassung ins Straßennetz Transformation der Trajektorie ins System der Straßenkarte. Projektion der transformierten Trajektorieenden auf die Straßentrasse. SOLL 13
14 Verfahrensschritte Bemessung der Ähnlichkeit Bemessung der Übereinstimmung zwischen jedem Kurvenpaar (Straßentrasse - transformierte Trajektorie). ähnlichste Vergleichstrasse = Map-Matching-Ergebnis 0,9737 SOLL 0, plausible Straßentrassen z.b. Hausdorff-Abstand Fréchet-Abstand 14
15 Test des Verfahrens Testdaten 15 GPS-Trajektorien 6 OSM-Karten Länge [m]: Merkmale: 2 5 Größe [m]: x Merkmale:
16 Test des Verfahrens Prototypische Implementierung 16
17 Test des Verfahrens Ergebnisse 15 6 eindeutig & korrekt Abweichung vom letzten GPS-Trackpunkt: ~ 10 m 4 mehrdeutig Hausdorff-Abstand Profilverfahren Koordinatenverfahren Fréchet-Abstand 5 falsch Scheiterungsgründe z.b. Kreisverkehr komplexe Kreuzung 17
18 Test des Verfahrens Erkenntnisse zwei Merkmale ausreichend Approximation über einfache Regelform Abhängigkeit von Schwellwerten Merkmalsdetektion Trassensuche Merkmal = Abbiegung irrelevant: z.b. Fahrspurwechsel 18
19 Fazit wichtige Fragen Produziert der Algorithmus korrekte Einpassungsergebnisse? JA erfolgreich eingepasste Merkmalsfolgen ABER Optimierungsbedarf Weiterentwicklung Ist der Algorithmus car2go-tauglich? JA lokale Fahrzeugkoordinaten unscharfe Trajektorie Start Zuordnung Ende 19
20 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Vielen Dank für Ihre Aufmerksamkeit! Prof. Dr. P. Rawiel 20
21 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Fréchet-Abstand Eine Person schreitet auf der einen Kurve entlang. Sie hält einen Hund an der Leine, der sich entsprechend des Verlaufs der anderen Kurve fortbewegt. Es ist zulässig, dass sie ihre Schrittgeschwindigkeit variieren. Hingegen ist die Richtung ihres Durchschreitens identisch und nicht umkehrbar. Der Fréchet-Abstand zwischen den traversierten Kurven kommt der minimal möglichen Länge der Hundeleine gleich, bei welcher es der Person und dem Hund möglich ist, mit ihrer individuell gewählten Geschwindigkeit ihre Kurve vom Anfang bis zum Ende zu durchlaufen. Prof. Dr. P. Rawiel 21
22 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Hausdorff-Abstand Von einem Punkt aus einer Punktmenge A werden die Abstände zu allen Punkten einer Punktmenge B berechnet. der minimale Punktabstand wird gespeichert. Dies wird für alle Punkte der Menge A durchgeführt. Der maximale Punktabstand dieser minimalen Abstände ist der Hausdorff-Abstand zwischen den Mengen A und B. Prof. Dr. P. Rawiel 22
23 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Transformationsverfahren zur Bestimmung der Ähnlichkeit Prof. Dr. P. Rawiel 23
24 11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Profilverfahren zur Bestimmung der Ähnlichkeit Prof. Dr. P. Rawiel 24
Wie findet das Navi den Weg?
0.05.0 Verwandte Fragestellungen Problemstellungen aus der Praxis Prof. Dr. Paul Rawiel Gliederung des Vortrags Speicherung von Kartendaten zur Navigation Kriterien für die Navigation Finden des kürzesten
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 2. Vorlesung: 16. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching? Map Matching! Map Matching...als Teil von Fahrzeugnavigationssystemen
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 8. Vorlesung: 10. Dezember 2012 Jan-Henrik Haunert Map Matching Problemformulierung Gegeben: Das Straßennetz als planar eingebetteter Graph G = V, E Die
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 3. Vorlesung: 29. April 205 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching Problemformulierung Gegeben: Das Straßennetz als planar
MehrPraktikum und Projektarbeit in Kooperation mit der documedias GmbH. von Jan Hendrik Sarstedt IMIT im 6. Semester an der Universität Hildesheim
Praktikum und Projektarbeit in Kooperation mit der documedias GmbH IMIT im 6. Semester an der Universität Hildesheim Inhalt 1. documedias 2. Praktikum a. Allgemein b. MapCoordinates 3. Projektarbeit a.
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 3. Vorlesung: 23. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching Problemformulierung Gegeben: Das Straßennetz als planar
MehrDijkstra, Kalmann und der Heiratssatz. Anwendung von Algorithmen am Beispiel der innovativen Mobilitätslösung car2go
Dijkstra, Kalmann und der Heiratssatz Anwendung von Algorithmen am Beispiel der innovativen Mobilitätslösung cargo Jahre Automobil Am 9 Januar meldete Carl Benz seinen Motorwagen mit Verbrennungsmotor
MehrPrüfungsklausur Operations Research,
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 10.7.2008 A Name, Vorname Matr. Nr. Aufgabe 1 : In drei Porzellanwerken W 1, W 2 und W 3 werden Speiseservice hergestellt,
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrKonvexe Hülle. Konvexe Hülle. Mathematik. Konvexe Hülle: Definition. Mathematik. Konvexe Hülle: Eigenschaften. AK der Algorithmik 5, SS 2005 Hu Bin
Konvexe Hülle Konvexe Hülle AK der Algorithmik 5, SS 2005 Hu Bin Anwendung: Computergraphik Boundary Kalkulationen Geometrische Optimierungsaufgaben Konvexe Hülle: Definition Mathematik Konvex: Linie zwischen
MehrIhre Route wird berechnet Schneller zum kürzesten Weg
Ihre Route wird berechnet Schneller zum kürzesten Weg Dr. Felix Hahne Curt Nowak (M.Sc.) hahne@bwl.uni-hildesheim.de cnowak@bwl.uni-hildesheim.de Stiftung Universität Hildesheim Institut für Betriebswirtschaft
MehrAutomatische Kalibrierung eines Kamerasystems zur Verkehrsdatenerfassung auf Basis von Navigationssensorik Sebastian Schulz, DLR-TS-ANL
DLR.de Folie 1 03.03.2015, ASW 2016, Wildau Automatische Kalibrierung eines Kamerasystems zur Verkehrsdatenerfassung auf Basis von Navigationssensorik Sebastian Schulz, DLR-TS-ANL DLR.de Folie 2 Agenda
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrFormale Grundlagen der Informatik
Formale Grundlagen der Informatik / 2015 1 Die Elemente einer (endlichen) Menge sollen den Elementen einer zweiten, gleichmächtigen Menge zugeordnet werden Problemstellung Bipartite Graphen Zuordnungsprobleme
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrES-Projektseminar (SS 2012)
ES-Projektseminar (SS 2012) Endvortrag Team Justice League of America Dominik Matthias [Team ] Pascal Stephen Vorname Name; ES Real-Time Systems Lab Prof. Dr. rer. nat. Andy Schürr Dept. of Electrical
MehrBerechnung kürzester Wege
Berechnung kürzester Wege 7. Algorithmus der Woche Informatikjahr 2006 Prof. Dr. Peter Sanders Dipl.-Inform. Johannes Singler 18. April 2006 Berechnung kürzester Wege 7. Algorithmus der Woche, Informatikjahr
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrProjektdokumentation. Teilnahme am ACM SIGSPATIL CUP 2012 im Zuge des Projektseminars Datenverwaltung
Projektdokumentation Teilnahme am ACM SIGSPATIL CUP 2012 im Zuge des Projektseminars Datenverwaltung Betreut durch Frau Prof. Dr. Agnès Voisard und Sebasti an Müller Philipp Neuser 05.09.2012 Abstract
MehrSCHRIFTLICHE ABITURPRÜFUNG Mathematik (Leistungskurs) Arbeitszeit: 300 Minuten
Mathematik (Leistungskurs) Arbeitszeit: 300 Minuten Der Prüfling wählt je eine Aufgabe aus den Gebieten L 1, L 2 und L 3 zur Bearbeitung aus. Gewählte Aufgaben (Die drei zur Bewertung vorgesehenen Aufgaben
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrHTBLA VÖCKLABRUCK STET
HTBLA VÖCKLABRUCK STET Relationen und Funktionen 2 INHALTSVERZEICHNIS 1. RELATIONEN... 3 2. FUNKTIONEN... 4 2.1. LINEARE FUNKTION... 6 Relationen und Funktionen 3 1. RELATIONEN Def.: Eine Relation zwischen
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrAlgorithmische Geometrie
Algorithmische Geometrie Martin Peternell TU Wien 31. Fortbildungstagung für Geometrie 2010, Strobl 1 Themen der Algorithmische Geometrie Entwurf von Algorithmen für geometrische Fragestellungen betreffend
Mehry (t) Wie berechnet sich die Ableitung von F aus den Ableitungen von x (t) und y (t)? Die Antwort gibt die erste Kettenregel
103 Differenzialrechnung 553 1035 Kettenregeln Die Kettenregel bei Funktionen einer Variablen erlaubt die Berechnung der Ableitung von verketteten Funktionen Je nach Verkettung gibt es bei Funktionen von
MehrKlausur zum Modul Einführung in die Diskrete Mathematik
Klausur zum Modul Einführung in die Diskrete Mathematik 11.2.2014 Aufgabe 1 [10 Punkte] Sei G ein ungerichteter Graph, k N und x, y, z V (G). Zeigen Sie: Gibt es k paarweise kantendisjunkte x-y-wege und
MehrMulti-Touch- und Multi-User-Interfaces Björn Frömmer
Multi-Touch- und Multi-User-Interfaces Björn Frömmer Tracking Was ist Tracking? Was kann alles getracked werden? Wie funktioniert Tracking? [ ] Finger tracken! Was ist Tracking? Tracking bedeutet, ein
Mehr10. Vermessungsingenieurtag Workshop 3 Mobile Mapping an der HFT Stuttgart
10. Vermessungsingenieurtag Workshop 3 Mobile Mapping an der HFT Stuttgart M.Eng. Marius Ziegler Projektleiter: Prof. Dr. M. Hahn 07. November 2014 Mobile Mapping Kernelemente Messgeräte zur Positionsbestimmung
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem Dipl-Math. Wolfgang Kinzner 4.4.2012 Kapitel 6: Matchings und TSP-Problem Matching und Matchingproblem Flussalgorithmus
MehrKapitel 9: Lineare Programmierung Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrHauptprüfung Abiturprüfung 2017 (ohne CAS) Baden-Württemberg
Hauptprüfung Abiturprüfung 2017 (ohne CAS) Baden-Württemberg Wahlteil Analysis A1 Hilfsmittel: GTR und Merkhilfe allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com Mai 2017 1 Aufgabe
Mehr8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.
8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und
MehrAutonomes Kreuzungsmanagement für Kraftfahrzeuge
Autonomes Kreuzungsmanagement für Kraftfahrzeuge Trajektorienplanung mittels Dynamischer Programmierung Torsten Bruns, Ansgar Trächtler AUTOREG 2008 / Baden-Baden / 13.02.2008 Szenario Kreuzungsmanagement
MehrKOMMENTAR: HÖHENMESSUNG MIT DEM RADCOMPUTER
Dieser Kommentar behandelt die Abweichungen, welche bei der Bestimmung der Anstiegsleistung durch Radcomputer auftreten. Folgende Messmethoden stehen zur Verfügung: barometrische Höhenmessung GPS-Höhenmessung
MehrMOBILE SENSING ZUR U-BAHN-NAVIGATION UIS 2016 HTWK LEIPZIG
MOBILE SENSING ZUR U-BAHN-NAVIGATION UIS 2016 HTWK LEIPZIG Matthias Heyde / Fraunhofer FOKUS Frank Fuchs-Kittowski & Daniel Faust, 2. Juni 2016 AGENDA 1. Einführung 2. Anwendungsszenario U-Bahn-Navigation
MehrMinimal spannender Baum
Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrIndoor Positionierungs-Technologien
Indoor Positionierungs-Technologien Corina Kim Schindhelm Siemens 4. Deutscher AAL Kongress, 26. Januar 2011 Selbstständig, sicher, gesund und mobil im Alter. Smart Senior Zu Hause TV als zentrales Diensteportal
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
MehrSchnelle und genaue Routenplanung
Sanders/Schultes: Routenplanung 1 Schnelle und genaue Routenplanung Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe Tag der Informatik, 15. Juli
MehrDer Einbau im Auto. Stereo: Beispiel Fahrzeug. Einbau im Rückspiegel Erfassung von. Reichweite: bis 30 m
Der Einbau im Auto Sichtbereich Sichtbereich Kameras Einbau im Rückspiegel Erfassung von anderen Fahrzeugen (Pkw,Lkw) Zweiradfahrern Fußgängern und Kindern Reichweite: bis 30 m Digitale Bildverarbeitung
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrVisual Servoing using Mutual Information
Visual Servoing using Mutual Information Christian Rupprecht Robotics and Embedded Systems Technische Universität München Outline 1 Visual Servoing Was ist Visual Servoing? Typische Lösungsansätze 2 Mutual
MehrZusammenfassung des 2. Abends
lgorithmen in der iologie r. Hans-Joachim öckenhauer r. ennis Komm Zusammenfassung des. bends Zürich, 0. pril 0 lignment-verfahren Für einen Überblick über die lignment-lgorithmen zur estimmung der Ähnlichkeit
MehrAufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1
Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung
MehrZiel. MapMatchingVerfahren spielen eine wichtige Rolle, z.b bei der Fahrzeugnavigation. Visualisierung der gematchten.
Ziel Mit Hilfe von Verfahren werden die mittels Sensoren aufgenommenen Wegestücke / Punkte auf die Geometrien der Vektordaten im Navigationssystem bezogen MapMatchingVerfahren spielen eine wichtige Rolle,
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 3 Programm des
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrDiskrete Mathematik 1
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien
Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009
MehrZentrale Klausur am Ende der Einführungsphase Mathematik
Seite von 5 Zentrale Klausur am Ende der Einführungsphase Aufgabenstellung 0 Mathematik Aufgabe : Untersuchung ganzrationaler Funktionen Gegeben ist die Funktion f mit der Gleichung: 3 f( x) = x 3 x. 4
MehrVorkurs Informatik WiSe 16/17
Institut für Programmierung Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 12.10.2016 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrKonzentrische U-Bahn-Linienpläne
Bachelor-Kolloquium Konzentrische U-Bahn-Linienpläne Magnus Lechner 19.03.2014 Betreuer: Prof. Dr. Alexander Wolff Dipl.-Inf. Martin Fink Motivation Warum sind U-Bahn-Linienpläne von Interesse? Motivation
Mehr11. VIMOS Tagung Technische Universität Dresden
11. VIMOS Tagung Technische Universität Dresden Indoor Ortung und Navigation für die Führung von Fußgängern in Gebäuden des öffentlichen Verkehrs Olaf Czogalla ifak Magdeburg 26. November 2015 1 Einführung
MehrKürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
MehrFlüsse, Schnitte, bipartite Graphen
Flüsse, chnitte, bipartite Graphen Matthias Hoffmann 5.5.009 Matthias Hoffmann Flüsse, chnitte, bipartite Graphen 5.5.009 / 48 Übersicht Einführung Beispiel Definitionen Ford-Fulkerson-Methode Beispiel
MehrSatz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...
Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrSpace Usage Rules. Neele Halbur, Helge Spieker InformatiCup 2015 19. März 2015
Space Usage Rules? InformatiCup 2015 1 Agenda 1. Vorstellung des Teams 2. Entwicklungsprozess und Umsetzung 3. Verbesserung der Strategien 4. Auswertung der Strategien 5. Ausblick 6. Fazit 2 Vorstellung
MehrLösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner)
Lösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner) Teil : Mathematische Grundkompetenzen ) Es muss (ausschließlich) die richtige Antwortmöglichkeit
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
Mehr12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013
12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013 1 Agenda Kontrollfragen Graphen Graphenalgorithmen 2
MehrVon Labyrinthen zu. Algorithmen
Von Labyrinthen zu 4 Gerald Futschek Charakterisierung Algorithmus Ein Algorithmus ist ein schrittweises Verfahren ist exakt beschrieben liefert nach endlich vielen Schritten das Ergebnis (terminiert)
Mehr1.8 Shift-And-Algorithmus
.8 Shift-And-Algorithmus nutzt durch Bitoperationen mögliche Parallelisierung Theoretischer Hintergrund: Nichtdeterministischer endlicher Automat Laufzeit: Θ(n), falls die Länge des Suchwortes nicht größer
MehrMustererkennung: Graphentheorie
Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:
MehrWasserscheiden-Ansätze zur Bildsegmentierung I
Seminar Bildsegmentierung und Computer Vision Wasserscheiden-Ansätze zur Bildsegmentierung I Stefan Sugg 19.12.2005 Gliederung 1. Einführung 2. Morphologische Grundlagen 3. Simulation durch Überflutung
MehrEinführung Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Aufgabe 3 - MPEG Tobias Reinsch 2011 Allgemeines Aufgabe 3 - MPEG Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java
MehrVerkehr Analyse. Inhalt. Was ist Verkehr Analyse? Geschichte der Verkehr Analyse. Iavor Jelev Jintao Ding
Inhalt Verkehr Analyse Iavor Jelev Jintao Ding Was ist Verkehr Analyse? Wozu ist die Verkehr Analyse gut? Wie kann man Verkehr Analyse machen? Anwendungsbeispiele Algorithmen für Verkehr Analyse Geschichte
MehrSmartphones. Sie verraten mehr, als man erwartet. Frederik Armknecht. Frederik Armknecht 1
Smartphones Sie verraten mehr, als man erwartet Frederik Armknecht Frederik Armknecht 1 Agenda Sicherheitsrisiko Smartphone Sensoren in Smartphones Angriffe Neue Sicherheitslösungen Fazit Frederik Armknecht
Mehrm4guide mobile multimodal mobility guide
m4guide mobile multimodal mobility guide Auftaktveranstaltung Tür zu Tür - Projekte des Bundesministeriums für Wirtschaft und Technologie 17.Oktober 2013 in Bonn Referent: Michael Beer Inhalt 1. Projektziele
MehrKürzeste-Wege-Algorithmen und Datenstrukturen
Kürzeste-Wege-Algorithmen und Datenstrukturen Institut für Informatik Universität zu Köln SS 2009 Teil 1 Inhaltsverzeichnis 1 Kürzeste Wege 2 1.1 Voraussetzungen................................ 2 1.2
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrAlgorithmen & Datenstrukturen 2 Praktikum 3
Algorithmen & Datenstrukturen 2 Praktikum 3 Thema: Graphalgorithmen Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Dieses Praktikum widmet sich dem Thema Graphalgorithmen. Ziel ist die Implementierung
MehrGrundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen
. Graphen viele praktische (Optimierungs-)Probleme sind als graphentheoretische Probleme formulierbar z.b. in Produktionsplanung, Personaleinsatzplanung,.... Grundlagen gerichteter, ungerichteter und gewichteter
MehrUnterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 2016 Mathematik
Seite von Unterlagen für die Lehrkraft Zentrale Klausur am Ende der Einführungsphase 06 Mathematik. Aufgabenart Analysis, Stochastik. Aufgabenstellung Teil I: Hilfsmittelfreier Teil Aufgabe : Analysis
MehrAufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.
Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.
MehrInMoBS. Innerstädtische Mobilitätsunterstützung für Blinde und Sehbehinderte. Institut für Verkehr und Stadtbauwesen Prof. Dr.-Ing. Bernhard Friedrich
InMoBS Innerstädtische Mobilitätsunterstützung für Blinde und Sehbehinderte Universitätstagung-Verkehrswesen 2013 - Steffen Axer Ausgangssituation und Primärziel Ausgangssituation Mobilität Blinder und
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
Mehr6. Übung zur Linearen Optimierung SS08
6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
Mehr1 Referenzpunkte für. MagicMap mit Nokia N810
1 Referenzpunkte für MagicMap mit Nokia N810 Ideen für das Projekt Ziele 2 Monitor Modus für Signalstärkenmessung (MagicMap) nicht nötig nicht weiter untersucht Kismet Anleitung für N800 aber: OS2007,
MehrSeminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn
Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:
MehrOR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
MehrDatenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Minimale aufspannende Bäume und Matchings Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline Minimale aufspannende
MehrGliederung Unfallanalyse Szenarien Technologien Ausblick. car2ped
car2ped Überlegungen zur Verbesserung des Fußgängerschutzes durch Nutzung der Car-to-X-Technologie Prof. Dr.-Ing. Lars Wolf Institut für Betriebssysteme und Rechnerverbund Technische Universität Braunschweig
MehrKlausur. Diskrete Mathematik I. Donnerstag, den um 14 Uhr
, Klausur Diskrete Mathematik I Donnerstag, den 29.02.2008 um 14 Uhr Aufgabenblätter Füllen Sie das Deckblattvollständigaus. Prüfen Sie, ob die Klausur 8 Aufgaben enthält.. Kennzeichnen Sie alle verwendeten
MehrLaufzeit. Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V 1, V 2 }) mit der Ford Fulkerson Methode.
Effiziente Algorithmen Flußprobleme 81 Laufzeit Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V 1, V 2 }) mit der Ford Fulkerson Methode. Der Fluß ist höchstens f = min{ V 1, V 2 }.
Mehr