Alle mFUND Projekte Alle mFUND Projekte
Projektillustration QoStreet
Aufbaubeschleunigung und Klassifizierung

Quelle: TUM-FTM

Projektbeschreibung

Eine Bestimmung der Straßenqualität bietet mehrere Vorteile: Fahrzeuge können über den elektronischen Horizont, die Datenbereitstellung in einen Backend, die Informationen zur Verbesserung der Fahrsicherheit und des Fahrkomforts verwenden. Eine derartige Datenbank kann auch den Aufwand zur Bestimmung der Oberflächen mit konventionellen Messfahrzeugen verringern.
Ziel dieses Vorhabens war es, ein Verfahren zu entwickeln, um eine weitere Datenbasis für den elektronischen Horizont zu schaffen, der die Straßenqualität kategorisiert.
Die Messdaten wurden für eine Lageerkennung im Fahrzeug aufbereitet. Anschließend wurden die Daten für die Data Mining Verfahren mit Umweltinformationen aggregiert. Abschließend fand die Klassifizierung der Daten statt. Machine Learning Methoden wurden ausgewählt und Merkmale sowie Kategorien der Straßenqualität ermittelt.

Ergebnisse und Wirkungen

Aus den aufbereiteten Sensordaten durch die Lageerkennung wurden für definierte Abschnitte Kennzahlen aus Zeitreihen- und Frequenzanalysen generiert. Die Daten wurden dabei sowohl absolut als auch relativ zu verschiedenen Abschnitten berücksichtigt. Für die anschließende Klassifizierung wurden die Unterscheidungsmerkmale und Kategorien aus den aufbereiteten Daten ermittelt. Hier zeigte sich die vertikale Beschleunigung des Fahrzeugs als erwartungsgemäß wesentlicher Einflussfaktor. Diese wurde als relative Beschreibungen für verschiedene Fahrzeuge auf einem Streckensegment und absolute Beschreibungen für ein Fahrzeug auf unterschiedlichen Streckensegmenten verwendet. Die Bewertung der Unterscheidungsmerkmale wurde an die 5-stufige Kategorisierung des Straßenbauamts angelehnt. Als geeignete Machine Learning Methoden zur Ermittlung der Kategorien anhand der Sensordaten konnten mehrere Verfahren überprüft werden. Als geeignet konnte ein Neuronales Netz als überwachter Lernalgorithmus zur Lösung des Regressionsproblems ermittelt werden und die Klassifizierung für die Abschnitte anhand dessen durchgeführt werden. Die Vergleichsdaten der Straßenbauämter zeigten sich hier durch die Verwendung als gelabelte Trainingsdaten als hilfreich.

Zuwendungsempfänger

Technische Universität München,
Fakultät für Maschinenwesen –
Lehrstuhl für Fahrzeugtechnik

  • FKZ: 19F1012A
Projektvolumen99.148
(davon 100 % Förderanteil durch BMVI)
Projektlaufzeit04/2017 - 03/2018
Ansprechpartner

Technische Universität München,
Fakultät für Maschinenwesen –
Lehrstuhl für Fahrzeugtechnik

Julian Kreibich
Tel.: +49.89.289.10336
E-Mail: kreibich@ftm.mw.tum.de