Dominik Dörr

Konstantin Diego Pandl

Kurzfassung

Parameteroptimierung einer Fahrstilerkennung        

Das Ziel dieser Arbeit ist es, ein in MATLAB/Simulink implementiertes, echtzeitfähiges Fahrstilerkennungssystem in seinen Parametern zu optimieren. Das System teilt den Fahrstil des Fahrers in die Klassen „komfortabel“, „normal“ oder „sportlich“ ein. Ziel der Optimierung ist ein möglichst geringer Anteil an abweichenden oder falschen Klassifizierungen.

In der Arbeit wird zunächst eine Literaturrecherche zu Optimierungsverfahren durchgeführt. Um die einflussreichsten Parameter zu identifizieren wird anschließend ein statistischer Versuchsplan erstellt und danach abgearbeitet. Als Ergebnis bekommt man eine Übersicht über die einflussreichsten Parameter. Diese werden dann mittels eines Evolutionären Algorithmus optimiert. Schließlich wird auf die Optimierung weiterer Parameter, insbesondere der im System vorhandenen Fuzzy-Systeme, eingegangen.

Für die Optimierung werden Trainings- und Testdaten durch Simulationen gewonnen, wobei zunächst geeignete Strecken erstellt werden. Diese werden dann von einem parametrierbaren Fahrer in der Integrations- und Testplattform CarMaker gefahren, dessen Fahrverhalten durch definierte Grenzwerte bestimmt ist. Unter der Berücksichtigung von Fahrstilwechseln dient dieser Fahrer auch als Referenz für die Beurteilung einer korrekten, abweichenden oder falschen Klassifizierung.

Zum Abschluss erfolgt eine Diskussion der Ergebnisse.