Erweiterung eines fahrstreifengenauen Matching-Algorithmus in Python

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Bachelorarbeit / Semesterarbeit / Masterarbeit /
Inhalt
theoretisch / konstruktiv /  
Beschreibung
Ausgangssituation

Hochgenaue Kartendienste stellen für viele innovative Anwendungen im Fahrzeug eine unverzichtbare Grundlage dar. Dort werden neben statischen Straßeninformationen, wie Verkehrskreuzungen und Ampeln, auch dynamisch auftretende Ereignisse, z. B. Staus und Baustellen, den Kartendaten zugeordnet. Zusätzlich kann die Einspeisung aktueller Daten zur Qualität der Straßenoberfläche die Verkehrssicherheit und den Komfort weiter verbessern. Hierfür ist eine fahrstreifengenaue Fahrzeuglokalisierung notwendig. Vielzählige Hintergrunddaten können dadurch vom Fahrzeug verarbeitet werden und erhöhen den Fahrkomfort oder verbessern die aktive Sicherheit.

Zielsetzung

Im Rahmen eines Forschungsprojekts soll demzufolge ein Verfahren zur fahrstreifengenauen Lokalisierung auf Basis von Fahrzeug-Sensordaten weiterentwickelt werden. Das Ziel dieser Arbeit ist es, verschiedene aufgezeichnete Fahrprofile korrekt den tatsächlich befahrenen Fahrstreifen zuzuordnen. Anhand von Vergleichsfahrten mit bekannter Fahrstreifenzuordnung soll der Algorithmus abschließend validiert werden.

Arbeitspakete:

  • Literaturrecherche und fundierte Darstellung des Stands der Technik
  • Analyse der vorhandenen Datenbasis und des bestehenden Algorithmus
  • Ableitung der Anforderungen und Konzeption der Erweiterung des Matching-Algorithmus
  • Implementierung der konzepierten Funktionen
  • Validierung anhand realer Testfahrten
  • Fahrstreifengenaue Analyse eines Flottendatensatzes
  • Kritische Diskussion und ausführliche Dokumentation der Ergebnisse
     

Bei Interesse bitte Lebenslauf und Leistungsnachweise (Bachelor und/oder Master) mit 1-2 Sätzen zur Motivation an kreibichftm.mw.tum.de senden.

Voraussetzungen
  • Begeisterung für das Thema
  • Gute Studienleistungen
  • Kenntnisse im Bereich der Fahrzeuglokalisation
  • Grundlagen in Python
  • Selbstständige und strukturierte Arbeitsweise
Verwendete Technologien
Python, SQL
Tags
FTM Studienarbeit, FTM Smarte Mobilität, FTM Kreibich
Möglicher Beginn
sofort
Kontakt
Julian Kreibich, M. Sc.
Raum: HB 3.4.32
Tel.: +49.89.289.10336
kreibichftm.mw.tum.de