Masino, J.
Levasseur, G.
Frey, M.
Gauterin, F.
Mikut, R.
Reischl, M.

at-Automatisierungstechnik, band 65, Heft 12, De Gruyter, Berlin, Deutschland

Die Arbeit beschreibt eine Untersuchung von Data-Mining-Ansätzen zur Klassifikation der Fahrbahnbeschaffenheit mittels einfacher Beschleunigungssensoren und Gyroskope. Ziel ist sowohl die Klassifikation des Fahrbahnmaterials als auch das Erkennen von Unregelmäßigkeiten wie z. B. Schlaglöcher oder Bahnübergänge. Aus den Sensorsignalen werden frequenzbasierte Merkmale extrahiert, automatisch bewertet und diskutiert. Die besten Merkmale kommen beim Entwurf verschiedener Klassifikationsverfahren zum Einsatz. Die verwendeten Verfahren werden schließlich in einer MATLAB-Toolbox implementiert, die Klassifikationsergebnisse auf Karten ausgibt, so dass eine manuelle Prüfung der Ergebnisse möglich wird. Anhand eines umfangreichen exemplarischen Datensatzes werden die Ergebnisse diskutiert.