Donnerstag, 03. August 2023

Fahrszenarien im Grenzbereich – Datenbasierte Generierung von Edge Cases für das automatisierte Fahren

Thema und Ziel der Arbeit

Fahrzeuge fahren zunehmend automatisiert. Aber wie kann man beweisen, dass diese Fahrzeuge sicher sind?
Dies ist eine zentrale Frage bei der Forschung zu automatisierten Fahrzeugen. Ein vielversprechender Ansatz ist das szenario-basierte Testen. Besonders spannend sind dabei Grenzfälle (Edge Cases), die das System herausfordern und trotzdem realistisch sind. Solche Grenzfälle sind jedoch kaum in Daten zu finden.

In der Arbeit soll deshalb eine Methode zur synthetischen Generierung solcher Edge-Cases auf Basis von Realdaten erarbeitet werden. Ziel dabei ist es, auf Basis von Realdaten die allgemeine Grenze real auftretender Szenarien zu bestimmen. Dabei können regelbasierte Ansätze sowie Ansätze des maschinellen Lernens in Frage kommen.

Arbeitspunkte

• Literaturrecherche zu den Themen Szenariengenerierung sowie Parameterextrapolation
• Entwicklung einer Methode zur Generierung realistischer Edge-Cases für dynamische Verkehrsteilnehmenden
• Implementierung der erarbeiteten Methodik
• Validierung der Methodik auf Grundlage von realen Kreuzungsdaten

Anforderungen

• Gute Deutschkenntnisse in Wort und Schrift
• Zuverlässigkeit, Engagement und Spaß am selbstständigen- sowie methodischen Arbeiten
• Grundkenntnisse in Datenanalyse
• Programmierkenntnisse in Python

Hinweis: Bitte kurzen Lebenslauf und eine Notenübersicht anhängen.