Francesco Montanari
Francesco Montanari, M. Sc.
Weitere Informationen
2021
Scenario Detection in Unlabeled Real Driving Data with a Rule-based State Machine supported by a Recurrent Neural Network
2021 IEEE 93rd Vehicular Technology Conference
DOI: 10.1109/vtc2021-spring51267.2021.9449032
BibTeX: Download
, , :
Maneuver-based Resimulation of Driving Scenarios based on Real Driving Data
2021 IEEE Intelligent Vehicles Symposium (IV)
DOI: 10.1109/iv48863.2021.9575441
BibTeX: Download
, , , , :
2020
Pattern Recognition for Driving Scenario Detection in Real Driving Data
31st IEEE Intelligent Vehicles Symposium, IV 2020 (Virtual, Las Vegas, NV, 2020-10-19 - 2020-11-13)
In: IEEE Intelligent Vehicles Symposium, Proceedings 2020
DOI: 10.1109/IV47402.2020.9304560
BibTeX: Download
, , :
Pattern Recognition for Driving Scenario Detection in Real Driving Data
2020 IEEE Intelligent Vehicles Symposium (IV) (, 2020-10-19 - 2020-11-20)
DOI: 10.1109/IV47402.2020.9304560
URL: https://ieeexplore.ieee.org/abstract/document/9304560
BibTeX: Download
, , :
-
Simulation und Modellierung aus Messdaten von Fahrzeugen
(FAU-externes Projekt)
Laufzeit: 2018-10-01 - 2021-09-30Die Funktionssicherheit von Fahrerassistenzsystemen sowie automatisierter und vernetzter Funktionen ist vom Automobilhersteller in jeder denkbaren Verkehrssituation sicherzustellen. Im Entwicklungs- und Absicherungsprozess ist dazu eine erhebliche Zahl von Verkehrssituationen, sog. Szenarien, abzuprüfen. Dieser umfangreiche Prüfumfang lässt sich in Zukunft eigentlich nur noch durch den massiven Einsatz von Computersimulation sinnvoll bewältigen. Um in diesen Simulationen eine entsprechende Validität und Praxisrelevanz zu erzeugen, müssen Modelle des eigenen Fahrzeugs, der Strecken und –Umgebung sowie des umgebenden Verkehrs adäquat modelliert werden.
Im Rahmen dieser Arbeit sollen Fahrsituationen, sogenannte Fahrszenarien, realer Versuchsfahrzeuge sensorisch erfasst und aufgezeichnet werden. Aus diesen Datenaufzeichnungen soll das aufgezeichnete Fahrszenario in einer Fahrsimulation nachgebildet und eine aktivierte automatisierte Fahrfunktion darin betrieben werden. Dadurch kann die Exaktheit des Simulationsmodells mit den aufgezeichneten Messdaten verglichen und validiert werden. Darüber hinaus werden so anspruchsvolle Fahrszenarien für einen Prüfkatalog gesammelt und das Fahrszenario kann mit vielen Variationen der zu simulierenden automatischen Fahrfunktion durchgespielt und verglichen werden.
Aufbauend auf einem funktionierendem Verfahren der Szenariengenerierung aus Messdaten soll ein Verfahren für gezielte Datenanalyse relevanter Szenarien aus Massendaten hinsichtlich Kategorien, Definitionen, Trajektorien zur Erzeugung von parametrierbarer Manöverklassen systematisch erarbeitet werden.