Vorhersage von Bewegungsverhalten von Verkehrsteilnehmern

Im Projekt wird das Verhalten verschiedener Verkehrsteilnehmer in nicht regulierten, für alle Verkehrsteilnehmer offenen Räumen, untersucht. Existierende Ansätze gehen von einem gegebenen Bewegungsmodell aus, welches das individuelle Verhalten und auch das interaktive Verhalten unterschiedlicher Verkehrsteilnehmer beschreibt. In diesem Projekt wird dieses Verhalten anhand von Beobachtungen von Trajektorien analysiert. Die Analyse erfolgt mittels Deep Learning. Die Trajektorien stammen dabei aus Kamerabeobachtungen oder aus GPS-Messungen. Zur Bestimmung des Verhaltens werden neben den Trajektorien auch weitere räumliche, zeitliche oder soziale Gegebenheiten (Constraints) berücksichtigt. Ziel ist es somit, aus den Daten ein Verhaltensmodell abzuleiten. Die Vorhersage von Verhalten von Verkehrsteilnehmern ist sowohl für die Fahrerassistenz als auch für das autonome Fahren von größter Bedeutung, wenn Roboterautos und Menschen in unmittelbarer Umgebung interagieren werden. Darüber hinaus sind die automatisch abgeleiteten Modelle auch für das Verkehrsmanagement wichtig, um etwa „Shared Spaces“ zu planen und ihre Effizienz zu beurteilen. Das Projekt wird im Rahmen des DFG-Graduiertenkollegs SocialCars durchgeführt.