Shop : Details
Shop
Details
58,80 €ISBN 978-3-8191-0117-5Softcover168 pages69 figures237 g21 x 14,8 cmGermanThesis
June 2025
Zafer Kayatas
Ein Beitrag zur Absicherung hochautomatisierter Fahrerassistenzsysteme mithilfe von Methoden der Künstlichen Intelligenz
Das in dieser Arbeit vorgestellte Absicherungskonzept adressiert die beschriebenen Herausforderungen systematisch. Zunächst werden sicherheitskritische Fahrszenarien auf der Grundlage einer umfangreichen Datensammlung von gemessenen Zeitreihen mittels Maschinellem Lernen klassifiziert. Anschließend werden der Bedarf einer Alternativmethode zur Szenariengenerierung identifiziert und verschiedene neuronale Netzwerktopologien wie GAN und Variational Autoencoder (VAE) evaluiert. Diese erlernen eine latente Repräsentation realistischer Fahrmanöver und generieren diese anschließend zufällig, um sie in SiL-Simulationen zur Risikoabschätzung zu integrieren. Die Anwendung auf Einschermanöver und der Vergleich zwischen KI-generierten und gemessenen Manövern zeigen, dass nicht nur der visuelle Charakter der Trajektorien eine hohe Übereinstimmung aufweist, sondern auch statistische Kennwerte wie Mittelwert und Varianz vergleichbare Resultate liefern. Auf Grundlage typischer Kriterien für ADAS werden abschließend verschiedene intelligente Algorithmen der Zuverlässigkeitsanalyse kombiniert, um präzise Schätzungen der Versagenswahrscheinlichkeiten zu ermöglichen.
Keywords: Fahrerassistenzsysteme; ADAS; Hochautomatisiertes Fahren; Künstliche Intelligenz; Generative Modelle; Absicherung; Simulation
Other formats
Electronic publication (PDF): 978-3-8191-0091-8
Export of bibliographic data
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Germany
Am Langen Graben 15a
52353 Düren
Germany
Mon. - Thurs. 8:00 a.m. to 4:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Contact us. We will be happy to help you.
