Zourlidou - Forschungsprojekte

Mobilität

  • Verkehrsregulator Erkennung und Identifizierung aus Crowdsourced Daten
    Die Kartierung mit Vermessungsgeräten ist ein zeit- und kostenintensives Verfahren, das die häufige Kartenaktualisierung unbezahlbar macht. In den letzten Jahren haben sich viele Forschungen darauf konzentriert, solche Probleme zu beseitigen, indem man sich auf Crowdsourced-Daten stützt, wie zum Beispiel GPS-Traces. Eine wichtige Informationsquelle für Karten, insbesondere unter Berücksichtigung der bevorstehenden Nutzung von autonomen Fahrzeugen, sind die Verkehrsregulatoren. Diese Informationen fehlen in Karten wie OpenstreetMap (OSM) weitgehend und diese Forschung ist durch diese Tatsache motiviert.
    Team: Zourlidou, Sester
    Jahr: 2020
  • Extraktion von Verhaltensmustern aus Trajektorien
    Eine Straßenkarte kann nicht nur als eine kompakte Repräsentation des Straßennetzwerks dienen, sondern auch eine Beschreibung des Fahrverhaltens der Verkehrsteilnehmer liefern, welche durch Straßenregulationen vorgeben werden.
    Team: Zourlidou, Sester
    Jahr: 2017
    Förderung: IAV GmbH

Masterarbeiten (abgeschlossen)

  • Trajektorien-Analyse an Kreuzungen
    Diese Arbeit beschäftigt sich mit Trajektorien an verschiedenen Schnittpunkten mit verschiedenen Regulierungs-Typen (Ampeln, Vorrang/Vorfahrt gewähren, unkontrolliert) und testen einige Methoden zur Erkennung von Bewegungsmustern hinsichtlich ihrer geometrischen und räumlich-zeitlichen Komponenten. Das heißt, im ersten Fall die geometrischen Wege, denen die Fahrzeuge während der Fahrt durch die Kreuzungen folgen, und im zweiten Fall die Art und Weise, wie sie diesen geometrischen Wegen folgen.
    Leitung: Zourlidou
    Team: Chenxi Wang
    Jahr: 2020
  • Reiseverzögerungsanalyse mit VISSIM und Mustererkennung an geregelten Knotenpunkten
    Diese Arbeit untersucht die Reisezeit und die Reiseverzögerung an T- und vierseitigen Kreuzungen unter verschiedenen Regulator-Einstellungen ("Vorfahrt gewähren"/Vorfahrts-Verkehrszeichen und unkontrollierte Kreuzungen), wobei sowohl Experimente mit simulierten als auch mit realen Daten durchgeführt werden. In dieser Arbeit wird zunächst die Simulationssoftware VISSIM verwendet, um die Verzögerung und die Haltezeit an durch "Vorfahrt gewähren" kontrollierten und unkontrollierten T- und vierseitigen Kreuzungen abzuschätzen. Im zweiten Teil der Arbeit wird dasselbe Ziel unter Verwendung realer Daten verfolgt.
    Leitung: Zourlidou
    Team: Qingyuan Wang
    Jahr: 2019
  • Mustererkennung des Bewegungsverhaltens für die Kreuzungs-Klassifizierung unter Verwendung von GPS-Trace Daten
    Das Ziel dieser Arbeit ist es, verschiedene Arten von Regulatortypen von Verkehrsknotenpunkten auf der Basis von GPS-Trace Daten zu klassifizieren. Um dieses Ziel zu erreichen, wird eine Vielzahl von Merkmalen zur Beschreibung des Fahrverhaltens an Kreuzungen berechnet. Diese werden aus den gemessenen Einheiten der GPS-Trace Daten abgeleitet, aus denen sich die Bewegungs-Trajektorie einer Person zusammensetzt.
    Leitung: Zourlidou
    Team: Jens Golze
    Jahr: 2019
  • Traffic-sign Recognition from Street-level Photos: a Deep Learning Approach
    The scope of this thesis is the recognition of traffic-signs from street-level images. A state-of-the-art deep learning detection algorithm is used, the Single Shot Multi-box detector (SSD) and within the thesis its performance is validated experimentally by examining different training strategies.
    Leitung: Prof. Dr. Bernhard Roth, Co-advisor: Prof. Monika Sester, Supervisor: Stefania Zourlidou
    Team: Qifa Bao
    Jahr: 2018
    Laufzeit: 2018

Offene Bachelorarbeiten

  • Crowdsourcing turning restrictions from OpenstreetMap
    Road intersections are locations where different movement patterns are observed: traffic participant go ahead, turn right or left, according both to their needs and most importantly to the traffic restrictions applied everytime at the current location (traffic signs). The aim of this thesis is the implementation of a method, where vehicles trajectories acquired from OpenstreetMap (OSM) are analysed in terms of the turning possibilities that drivers have at each intersection location. Final objective is to find out what kind of turning restrictions are found at those locations, like those shown on the figure right.
    Leitung: Zourlidou
    Jahr: 2019

Offene Masterarbeiten

  • Crowdsourcing turning restrictions from OpenstreetMap
    Road intersections are locations where different movement patterns are observed: traffic participant go ahead, turn right or left, according both to their needs and most importantly to the traffic restrictions applied everytime at the current location (traffic signs). The aim of this thesis is the implementation of a method, where vehicles trajectories acquired from OpenstreetMap (OSM) are analysed in terms of the turning possibilities that drivers have at each intersection location. Final objective is to find out what kind of turning restrictions are found at those locations, like those shown on the figure right.
    Leitung: Zourlidou
    Jahr: 2019