Fahrzeugsicherheit und automatisiertes Fahren

Vorwort

Inhalt

1 Einführung in das automatisierte Fahren und die Fahrzeugsicherheit

1.1 Automatisiertes Fahren

1.2 Integrale Fahrzeugsicherheit und Unfallstatistiken

1.3 Schlüssel zur Wertschöpfung: Elektronikkomponenten und Signalverarbeitung

1.4 Übungen und Lösungen zu Kapitel 1

2 Grundlagen der Signalverarbeitung

2.1 Lineare Algebra

2.1.1 Definitionen und Notation

2.1.2 Einige Rechenregeln der linearen Algebra

2.1.3 Ableiten nach Vektoren und Matrizen

2.1.4 Eigenwert- und Singulärwertzerlegung; Normen von Matrizen

2.2 Optimierung mittels Lagrange-Multiplikatoren

2.2.1 Optimierungsaufgaben mit Gleichungsnebenbedingungen

2.2.2 Optimierungsaufgaben mit Ungleichungsnebenbedingungen

2.3 Wahrscheinlichkeitstheorie

2.3.1 Wahrscheinlichkeitsräume und Zufallsvariablen

2.3.2 Bedingte Wahrscheinlichkeit und Satz von Bayes

2.3.3 Begriffe aus der Informationstheorie

2.3.4 Gaußsche Zufallsvariable

2.3.5 Transformation von Zufallsvariablen

2.3.6 Zufallsprozesse

2.4 Lineare Systeme

2.4.1 Zeitkontinuierliche lineare Systeme

2.4.2 Zeitdiskrete lineare Systeme

2.4.3 Diskretisierung

2.5 Filterung von Signalen im Frequenzbereich

2.5.1 Darstellung von LZI-Systemen im Frequenzbereich

2.5.2 Tiefpass-, Bandpass- und Hochpassfilterung

2.5.3 Tiefpassfilterung von Crash-Beschleunigungssignalen

2.6 Übungen und Lösungen zu Kapitel 2

3 Fahrzeugmodelle und Trajektorien

3.1 Kollisionsmodelle für die passive Fahrzeugsicherheit

3.1.1 Masse-Feder-Dämpfer-Modelle

3.1.2 Mehrkörpersimulation und Finite-Elemente-Berechnung

3.2 Fahrdynamikmodelle für autonomes Fahren und die aktive Fahrzeugsicherheit

3.2.1 Relativbewegung

3.2.2 Bewegungsmodelle für Verkehrsteilnehmer

3.2.3 Wichtige Kräfte für die Fahrzeugbewegung

3.2.4 Einspurmodelle und Lenkverhalten

3.2.5 Nichtlineares Zweispurmodell

3.3 Trajektorienplanung und Trajektorienfolgeregler

3.4 Übungen und Lösungen zu Kapitel 3

4 Statistische Filterung

4.1 Optimale statistische Filter

4.2 Kalman-Filter

4.2.1 Herleitung des Kalman-Filters

4.2.2 Tracking mittels Kalman-Filter

4.2.3 Extended Kalman-Filter

4.3 Sensordatenfusion

4.4 Übungen und Lösungen zu Kapitel 4

5 Maschinelles Lernen

5.1 Einführung in das maschinelle Lernen

5.1.1 Klassifikation und Regression

5.1.2 Fluch der hohen Dimensionen

5.1.3 Normierung der Merkmalsvektoren

5.1.4 Parametrische und parameterfreie Methoden

5.1.5 Optimale Klassifikation und Regression

5.1.6 Maximum-Likelihood und Maximum-a-posteriori-Parameterschätzung

5.1.7 Lineare Regression und Klassifikation

5.1.8 Klassifikation mittels softmax-Funktion

5.1.9 Kernel-WDF-Schätzer, k-NN-Klassifikation und Kernel-Regression

5.1.10 Generalisierung und Bias-Variance-Zerlegung

5.1.11 Modellauswahl und Bewertung von maschinellen Lernalgorithmen

5.1.12 Stochastisches Gradientenabstiegsverfahren

5.1.13 Übersicht zur Vorgehensweise beim Supervised Learning

5.2 Künstliche neuronale Netze und Deep Learning

5.2.1 Deep Multilayer Perceptrons

5.2.2 Automatische Differentiation im Rückwärtsmodus (Backpropagation)

5.2.3 Radial Basis Function Neural Networks

5.2.4 Deep Convolutional Neural Networks

5.3 Support Vector Machines

5.3.1 Support Vector Machines für Klassifikation und Kernel-Trick

5.3.2 Support Vector Machines für Regression

5.4 Entscheidungs- und Regressionsbäume

5.4.1 Entscheidungsbäume

5.4.2 Regressionsbäume

5.5 Random Forest

5.5.1 Out-Of-Bag Error

5.5.2 Merkmalsselektion mittels Random Forest

5.5.3 Proximity

5.6 Unsupervised Learning

5.6.1 Clusteranalyse

5.6.2 Random Forest für Unsupervised Learning

5.6.3 Autoencoder

5.6.4 Variational Autoencoder und Generative Adverserial Networks

5.7 Anwendungen für das sichere automatisierte Fahren

5.7.1 Kritikalitätsschätzung im Straßenverkehr

5.7.2 Prädiktion der Crashschwere

5.7.3 Trajektorienplanung zur Kollisionsvermeidung

5.7.4 Auslösung von Rückhaltesystemen

5.7.5 Clusterung von Verkehrsszenarien

5.7.6 Generierung von Szenarien mittels Variational Autoencodern

5.7.7 Stillstandserkennung

5.8 Übungen und Lösungen zu Kapitel 5

Notation

Literatur

Index