Abschlussarbeit

Um autonome Fahrzeuge sicher durch den Verkehr zu navigieren, ist es wichtig ein gutes Verständnis über das typische Verhalten anderer Verkehrsteilnehmer zu haben. Die Bewegungsprädiktion von Verkehrsteilnehmern anhand situationsspezifischer Merkmale ist deswegen eine wichtige Schlüsselkomponente bei der Entwicklung von autonom fahrenden Fahrzeugen. Für die Evaluation verschiedener Prädiktionsalgorithmen wird auf große Datensätze zurückgegriffen, die eine Vielzahl heterogener Verkehrssituation beinhalten. Diese ermöglichen die quantitative Evaluation über eine große Bandbreite an Verkehrsszenarien.

Es fehlt allerdings die Möglichkeit Prädiktionshypothesen auf eine bestimmte qualitative Klasse an Verkehrssituationen (z.B. Überholvorgänge) anzuwenden. Dies ist wichtig um Problembereiche aktueller Algorithmen zu erforschen. In der Arbeit soll ein Framework entwickelt werden, welches anhand eines Informationsmodells Verkehrssituationen automatisch kategorisiert und das Testen von Prädiktionshypothesen auf spezifische Situationsklassen erlaubt. Die Implementierung soll in der Programmiersprache Python erfolgen.