Ein Beitrag zur Absicherung hochautomatisierter Fahrerassistenzsysteme mithilfe von Methoden der Künstlichen Intelligenz

Zafer Kayatas (Autor)

Buch | Softcover

166 Seiten

2025 | 1. Auflage
Shaker (Verlag)
978-3-8191-0117-5 (ISBN)

Artikel merken

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.

Erscheinungsdatum	20.06.2025
Reihe/Serie	Berichte aus der Fahrzeugtechnik
Verlagsort	Düren
Sprache	deutsch
Maße	148 x 210 mm
Gewicht	249 g
Themenwelt	Technik ► Fahrzeugbau / Schiffbau
Themenwelt	Technik ► Maschinenbau
Schlagworte	Absicherung • ADAS • Fahrerassistenzsysteme • generative Modelle • hochautomatisiertes Fahren • Künstliche Intelligenz • Simulation
ISBN-10	3-8191-0117-9 / 3819101179
ISBN-13	978-3-8191-0117-5 / 9783819101175
Zustand	Neuware