StudiumStudierendenprojekte
Verkehrsregulator Erkennung und Identifizierung aus Crowdsourced Daten

Verkehrsregulator Erkennung und Identifizierung aus Crowdsourced Daten

Team:  Zourlidou, Sester
Jahr:  2020

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.

Der Fahrzeugverkehr an einer Kreuzung wird durch eine Reihe von Verkehrsregeln oder -steuerungen geregelt: Entweder in Form von Ampeln oder Verkehrszeichen/Regeln (Stopp- und Vorfahrtszeichen), die die Fahrentscheidungsprozesse entsprechend dem aktuellen Verkehr beeinflussen. In solchen regulierten Bereichen wird die beobachtbare Bewegung der Fahrzeuge durch diese Regeln beeinflusst, wobei das am häufigsten beobachtete Bewegungsmuster die Mäßigung der Fahrgeschwindigkeit ist. Unter dieser Beobachtung wird das Ziel, den Regulierungstyp einer Kreuzung zu identifizieren, als Lernaufgabe untersucht. Insbesondere eine Lernaufgabe zur Klassifizierung von Kreuzungen durch Anwendung maschineller Lerntechniken auf opportunistisch erhobenen Fahrzeugtrajektorien. Verschiedene bewegungsbasierte sowie statistische und kartenbasierte Merkmale werden berechnet und dann als Input für das Training von Klassifizierern zur Identifizierung des Regelungskontrollsystems von Kreuzungen verwendet.

Die wichtigsten Aspekte dieses Themas sind (1) die Identifizierung der Bandbreite der detektierten und anerkannten Regelungsarten durch Crowdsensing, (2) die Angabe der verschiedenen Klassifikationstechniken, die für diese beiden Aufgaben eingesetzt werden können, (3) die Bewertung der Leistungsfähigkeit verschiedener Methoden sowie (4) die Identifizierung wichtiger Aspekte der Anwendbarkeit dieser Methoden.

Als eine vorgeschlagene zukünftige Entwicklung könnte die GPS-basierte Verkehrsregelungsableitung opportunistisch aus Bilddaten "unterstützt" werden, wenn z.B. die Klassifizierungsgenauigkeit an bestimmten Orten entweder gering ist oder wenn Kreuzungen nur spärlich durch GPS-Tracks erfasst werden. Letzteres ist ein häufiges Problem, das in den meisten Datensätzen beobachtet wird, da einige Kreuzungen "beliebter" als andere sind und von mehr Fahrzeugen überfahren werden und andere seltener besucht werden, was zu Ungleichgewichten bei den Reglertypen des Datensatzes führt. In solchen Fällen könnte ein visionsbasierter Ansatz wie die Verkehrszeichenerkennung von Bildern von Verkehrssituationen verwendet werden, um den Kontext der Kreuzungsregelung zu klären.