• Zielgruppen
  • Suche
 

Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces

Bearbeitung:Cheng, Sester
Förderung durch:DFG-Graduiertenkolleg SocialCars
Bild Deep Learning von Verhalten im Straßenraum - speziell im Bereich Shared Spaces

Im Projekt soll das Verhalten verschiedener Verkehrsteilnehmer in nicht regulierten, d.h. für alle Verkehrsteilnehmer offenen Räumen, untersucht werden. Existierende Ansätze gehen von einem gegebenen Bewegungsmodell aus, welches das individuelle Verhalten und auch das interaktive Verhalten unterschiedlicher Verkehrsteilnehmer beschreibt.

In diesem Projekt soll dieses Verhalten anhand von Beobachtungen von Trajektorien analysiert werden. Die Analyse wird mittels Deep Learning erfolgen. Die Trajektorien sollen dabei aus Kamerabeobachtungen stammen. Zur Bestimmung des Verhaltens werden neben den Trajektorien auch die entsprechenden räumlichen und zeitlichen Gegebenheiten (Constraints) berücksichtigt. Ziel ist es somit, aus den Daten ein Verhaltensmodell abzuleiten.

Publikationen

H. Cheng and M. Sester (2018): Mixed traffic trajectory prediction using LSTM–based models in shared space, 21st AGILE Conference on Geographic Information Science, 2018; Lund; Sweden, Volume part F3, 2018, Pages 309-325

Übersicht