DIPLOMARBEIT Z U M TH E M A. Bestimmung des Fahrerverhaltens anhand von Realfahrdaten (NDS)

Transkript

1 Bestimmung des Fahrerverhaltens anhand von Realfahrdaten (NDS) neuartiger Methoden zur Erhebung von Realfahrdaten (NDS Naturalistic Driving Study). Neben der reinen Datenerhebung mittels Smartphone stehen auch die Verwaltung und die wissenschaftliche Weiterverarbeitung der Fahrprofile im Fokus der Betrachtung. Durch das Forschungs- und Entwicklungsprojekt NDSE (Naturalistic Driving Study Environment) wird die Erhebung und Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. Im Rahmen dieser Arbeit soll die bisher angewandte Datenverarbeitung verbessert und durch eigene Testszenarien bestätigt werden. - Recherche zu Zielstellungen und Untersuchungen mittels NDS sowie zu Verfahren der Fahrertypisierung - Konzept zur Einschätzung des Fahrverhaltens entwickeln - Reale Fahrdaten auswerten um Fahrerprofile zu erstellen - Fahrertypen anhand der Datensätze klassifizieren - Einflüsse von Störgrößen minimieren um die Zuverlässigkeit der Einschätzung zu verbessern - Zusammenhang von Datenverarbeitung und Zuordnungsgüte aufzeigen - Optional das subjektive Fahrempfinden in nachgestellten typischen Fahrsituationen aufnehmen - gute Studienergebnisse in den Bereichen Messtechnik, Fahrzeug- und Automatisierungstechnik, Mathematik und ähnliche - Grundlegende Kenntnisse in Matlab (nicht zwingend) Ref.: #DA029

2 Verbesserung der Positionsgenauigkeit von Realfahrdaten (NDS) zur weiteren Verwendung in der Auswertung des Fahrverhaltens neuartiger Methoden zur Erhebung von Realfahrdaten (NDS Naturalistic Driving Study). Neben der reinen Datenerhebung stehen auch die Verwaltung und die wissenschaftliche Weiterverarbeitung im Fokus der Betrachtung. Durch das Forschungs- und Entwicklungsprojekt NDSE (Naturalistic Driving Study Environment) wird das Erfassen und die Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. Ausgehend von Smartphones als meist verbreitetes Messgerät für Position und Bewegung wird dadurch ein enormer Studien- und Datenumfang erreicht. Verschiedene verbreitete Verfahren helfen dabei, durch den physikalischen Zusammenhang der inertialen Messgrößen, die Genauigkeit der erfassten Bewegung zu verbessern. Das bekannteste Verfahren, der Kalman-Filter, soll im Rahmen dieser Arbeit für die NDS-Anwendung angepasst, umgesetzt und getestet werden. - Recherche zu Errechnungsmöglichkeiten von Bewegungsvorhersagen (GPS) - Konzept zur Verbesserung und Verfeinerung der Fahrzeug-Trajektorie entwickeln - Entwicklung eines Algorithmus zur nachträglichen Verbesserung der Positionsgenauigkeit (GPS) durch Schätzung der Bewegungstrajektorie anhand der IMU-Daten (Kalman-Filter) - Umsetzung und Implementierung - Überführung in eine Echtzeitanwendung - Exemplarische Testfahrten zum Funktionsnachweis - Anwendungsorientierte messgrößenspezifische Datenvor- und -aufbereitung (Preprocessing) - Leistungsfähigkeit des Algorithmus im Hinblick auf große Datenmengen bestimmen - Bedeutung für NDS herausstellen - gute Studienergebnisse in den Bereichen Messtechnik, Fahrzeug- und Automatisierungstechnik, Mathematik und ähnliche - Grundlegende Kenntnisse in Matlab (nicht zwingend) Ref.: #DA046 Stand:

3 Methodik zur Klassifizierung von Messparametern aus Realfahrdaten neuartiger Methoden zur Erhebung von Realfahrdaten (NDS Naturalistic Driving Study). Durch das Forschungsprojekt NDSE (Naturalistic Driving Study Environment) wird die Erhebung und Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. Neben der reinen Datenerhebung stehen auch die Verwaltung und die wissenschaftliche Weiterverarbeitung der Fahrprofile im Fokus der Betrachtung. Ziel der Arbeit ist es, Methoden zu entwickeln, um fahrdynamische Parameter aus real aufgezeichneten Messdatensätzen durch Bewertungsschemen zu klassifizieren. Dies erleichtert die Charakterisierung von massierten Datensätzen und deren Verwaltung, sowie die Filterung anhand ausgewählter Kriterien. - Recherche fahrdynamischer Untersuchungen mittels NDS - Analyse und Beschreibung eines Messdatensatzes aus Realfahrten - Mehrdimensionale Beschreibung einer Fahrt durch das Erstellen eigener Beurteilungskriterien zur Charakterisierung eines Datensatzes - Erstellen von Kategorien und Klassen je nach Messparameter und Einflussgrößen - Zusammenfassen der fahrdynamischen Parameter aus NDS-Datensätzen (Clusteranalyse) - Untersuchung von Abhängigkeiten dieser Bewertungsmethodik - Anwendung und Validierung (ggf. Optimierung) der Methode mittels eigener Realfahrdaten - gute Studienergebnisse in den Bereichen Messtechnik, Fahrzeug- und Automatisierungstechnik, Mathematik und ähnliche - Kenntnisse in Matlab wünschenswert (nicht zwingend) Dipl.-Ing. Cäcilia von Lienen caecilia.von-lienen@htw-dresden.de Tel.: +49(0)351/ Ref.: #DA049

4 Smartphone basierte Fahrbahnkategorisierung für KFZ, Motorrad oder Fahrrad neuartiger Methoden zur Erhebung von Realfahrdaten (NDS). Neben der reinen Datenerhebung stehen auch die Verwendung und die wissenschaftliche Weiterverarbeitung der Fahrtinformationen im Fokus der Betrachtung. Durch das Forschungs- und Entwicklungsprojekt NDSE (Naturalistic Driving Study Environment) wird die Erfassung und Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. In der Arbeit soll ein Verfahren zur automatisierten Erkennung der Fahrbahnbeschaffenheit, anhand von Smartphone-Daten, für KFZ, Motorrad und Fahrrad entwickelt und am Straßensimulator validiert werden. - Recherche zu Schwingungsmodellen der Fahrzeugtechnik, typischen Fahrbahnuntergründen und existenten Erkennungs-Methoden - Vor- und Nachteile bekannter Verfahren - Kategorisierung und Wirkung der Untergründe - Abgrenzung der Analyse im KFZ von Motorrad und Fahrrad - Entwickeln eines Algorithmus zur Bestimmung der Fahrbahnbeschaffenheit aus Daten einer NDS-Applikation (GPS, Beschleunigungen und Drehraten) - Implementierung vorzugsweise in MATLAB - Validierung und Optimierung des Algorithmus durch Realfahrversuche und am 4-Poster - Beurteilen der Leistungsfähigkeit und Grenzen - Ausblick auf eine Live-Kategorisierung auf dem Smartphone - gute Studienergebnisse in den Bereichen Fahrzeugtechnik, Physik u.ä. - Grundlegende Kenntnisse in Messtechnik und Matlab wünschenswert Dipl.-Ing. Cäcilia von Lienen caecilia.von-lienen@htw-dresden.de Tel.: +49(0)351/ Ref.: #DA052 Stand:

5 Methoden zur Charakterisierung und Bewertung von Realfahrten neuartiger Methoden zur Erhebung von Realfahrdaten (NDS Natduralistic Driving Study). Durch das Forschungsprojekt NDSE (Naturalistic Driving Study Environment) wird die Erhebung und Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. Neben der reinen Datenerhebung mittels Smartphone stehen auch die Verwaltung und die wissenschaftliche Weiterverarbeitung der Fahrdaten im Fokus der Betrachtung. Ziel der Arbeit ist es, Methoden zu entwickeln, um die fahrdynamische Charakteristik einer Realfahrt erstellen und fahrerspezifisch bewerten zu können. Dies erleichtert die Klassifizierung massierter Datensätze sowie ihre Filterung anhand spezifischer Kriterien. - Recherche zu fahrdynamischen Untersuchungen mittels NDS sowie zu Methoden der Fahrertypisierung und Fahrverhaltensbewertung - Konzept zur Analyse und Beschreibung des Fahrverhaltens anhand eines Messdatensatzes entwickeln - reale Fahrdaten automatisiert auswerten um eigene Bewertungskriterien und generelle Fahrtprofile auch unter Berücksichtigung des Fahrers zu definieren - Fahrten anhand ihrer NDS-Datensätze klassifizieren - Einflüsse der Messparameter und ihrer Qualität auf die Zuordnungsgüte herausstellen - Störgrößen minimieren, um die Zuverlässigkeit der Einschätzung zu verbessern - Anwendung und Validierung (ggf. Optimierung) der Methode mittels eigener Realfahrdaten - gute Studienergebnisse in den Bereichen Fahrzeug- und Messtechnik, Mathematik und ähnliche - Grundlegende Kenntnisse in Matlab wünschenswert Ref.: #DA054

6 Analyse und Charakterisierung von realen Fahrradfahrten neuartiger Methoden zur Erhebung von Realfahrdaten (NDS Naturalistic Driving Study). Durch das Forschungsprojekt NDSE (Naturalistic Driving Study Environment) wird die Erhebung und Analyse von massierten naturalistischen Fahrdaten durch ein neues Konzept ermöglicht. Neben der reinen Datenerhebung mittels Smartphone stehen auch die Verwendung und die wissenschaftliche Weiterverarbeitung der Fahrdaten im Fokus der Betrachtung. Ziel der Arbeit ist es, Methoden zu entwickeln, um die fahrdynamische Charakteristik einer realen Zweiradfahrt erstellen und fahrerspezifisch bewerten zu können. Dies erleichtert die Klassifizierung massierter Datensätze sowie ihre Filterung anhand spezifischer Kriterien. - Recherche zu fahrdynamischen Untersuchungen von Radfahrern (NCS Naturalistic Cycling Study) sowie zu Methoden der Fahrertypisierung und Fahrverhaltensbewertung - Konzept zur Analyse und Beschreibung der Fahrt und des Fahrverhaltens anhand eines Messdatensatzes entwickeln - Aufzeichnen und auswerten (eigener) realer Fahrdaten um Bewertungskriterien und generelle Fahrtprofile auch unter Berücksichtigung des Fahrers zu definieren - Weitere NCS-Fahrten anhand dieser Methode klassifizieren - Einflüsse der Messparameter und ihrer Qualität auf die Zuordnungsgüte herausstellen - Störgrößen minimieren, um die Zuverlässigkeit der Einschätzung zu verbessern - Automatisieren, Validieren und ggf. Optimieren der Methode - gute Studienergebnisse in den Bereichen Fahrzeug- und Messtechnik, Mathematik und ähnliche - Grundlegende Kenntnisse in Matlab wünschenswert Ref.: #DA056