TY  - THES
AB  - In dieser Arbeit werden neue Prognosesysteme für die Verkehrssicherheit vorgestellt. Die hierfür entwickelten Systeme ermoglichen die Erfassung und Optimierung dynamischen Verhaltens im Straßenverkehr. Um dies zu erreichen wurde ein Adaptionsverfahren entwickelt und getestet, das unter Verwendung von Gewichtungswerten die Wissensbasis eines Fuzzy-Systems optimiert. Des weiteren ist im Rahmen dieser Arbeit ein Verfahren entwickelt worden, das in der Lage ist die Wissensbasis eines Fuzzy-System mit Hilfe von genetischen Algorithmen zu erweitern und zu optimieren. Es ist hierdurch nicht unbedingt notwendig sämtliche Zusammenhänge zwischen den vorhandenen Werten zu kennen und im Vorfeld zu beschreiben. Es wurde auch der Lernalgorithmus für Neuronale Fuzzy-Netze mit Hilfe von α-Schnitten mit einem genetischen Algorithmus erweitert. Dies ermoglicht ein schnelleres Lernen des Netzes und die Ermittlung der optimalen Ergebnisse. Es wurde gezeigt, dass mit Hilfe der beschriebenen Methoden und Vorgehensweisen sich Fehler in aufgenommen Messwerten sehr gut kompensieren lassen. Des weiteren hat es sich gezeigt, dass ein intelligentes System auch in der Lage ist nicht direkt messbare Werte zu ermitteln und mit diesen Werten hinreichend gute Prognosen zu machen. Dies wurde in dieser Arbeit bei der Glätteprognose anschaulich gezeigt. Die Implementierung des Systems zeigt, dass die Prognosegenauigkeit bei 95% liegt. Bei dem realisierten System für die Ermittlung des Fahrzustandes liegt die Genauigkeit bei 75%. Dieser Wert ist im Laufe der Arbeit durch Einbeziehung des Fahrerverhaltens auf 86% erhoht worden. Für eine Verwendung des Messwertes reicht dieses aus. Eine Adaption, die im Laufe der Arbeit realisiert wurde, brachte keine signifikante Verbesserung. Dies war auch zu erwarten, da die adaptierbaren Werte hauptsächlich durch das Benutzerprofil abgedeckt sind. In Systemen, die von mehreren Benutzern bedient werden sind Optimierungsaufgaben nur schwer zu realisieren, da ein dauerndes Wechseln von Anwenderprofilen große Probleme bereitet. Wird für einen der Benutzer ein optimiertes System erstellt, kann dies für einen anderen Benutzer ein vollkommen unzureichendes Profil darstellen. Die hier gewählten Ansätze für das Erkennen des Fahrerverhaltens sind in der Lage die nächsten Reaktionen hinreichend genau vorauszusagen. Obwohl beide Verfahren sehr unterschiedlich sind erzeugen sie jedoch annähernd gleiche Ergebnisse. Die resultierenden Zugehorigkeitsfunktionen sind bis auf kleine Unterschiede gleich. Abschließend ist zu sagen, dass die ermittelten Verfahren nicht nur auf diese Anwendungen beschränkt sind.
AU  - Wieland, Frank
DA  - 2001
KW  - Fuzzy logic
KW  - Neuronal nets
KW  - Genetic algorithm
LA  - ger
PY  - 2001
TI  - Prognosesysteme für die Verkehrssicherheit mit Methoden des Soft-Computings am Beispiel einer Glätteprognose und einer Fahrzustandsbestimmung
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:467-8577␞urn:nbn:de:hbz:467-77
Y2  - 2024-12-26T21:06:10
ER  -