Direkt zum Inhalt | Direkt zur Navigation

Informationstechnik an der Schnittstelle "Mensch-Maschine" - Promotion "mit Auszeichnung" abgeschlossen

08.03.2010: Mit dem Dissertationsthema „Adaptive Information Flow Control – Recognition and Prediction of Factors contributing to Driver’s Stress“ hat Dipl.-Inform. Michael Dambier als externer Doktorand am Institut für Informationstechnik (Professur für Informationsverarbeitung) promoviert.

08.03.2010:   Mit dem Dissertationsthema „Adaptive Information Flow Control – Recognition and Prediction of Factors contributing to Driver’s Stress“ hat Dipl.-Inform. Michael Dambier als externer Doktorand am Institut für Informationstechnik (Professur für Informationsverarbeitung) promoviert. Die Arbeit wurde in Zusammenarbeit mit dem Zentralbereich Forschung und Vorausentwicklung der Robert Bosch GmbH Stuttgart durchgeführt. Die Prüfungskommission bestehend aus Prof. Hillermeier (Vorsitzender), Prof. Bauch, Prof. Wolf und Prof. Appel würdigte die fundierte interdisziplinäre Arbeit mit dem Prädikat "mit Auszeichnung". Seine Kollegen am Institut und aus der Firma überreichten ihm mit den besten Wünschen für die Zukunft einen kreativ gestalteten Belastungs-Doktorhut.

 

Im Mittelpunkt der Arbeit: die Belastung eines Autofahrers

In seiner Arbeit befasst sich Herr Dambier mit der Erkennung und Prädiktion von Belastungen des Autofahrers. Basis dafür ist eine Strukturierung der Belastungsfaktoren in Straßentyp, Straßencharakteristik, Fahrzeugumgebung, Wetter und Straßenzustand, Fahrmanöver und Nebenaufgaben.
Zur Erkennung und Prädiktion von Fahrmanövern und Verkehrsdichte werden dann in einer manöverbezogenen Daten-Analyse die spezifische Merkmale für jedes einzelne Fahrmanöver identifiziert. Auf Basis dieser Merkmale wird die Klassifikation über die kombinierten Methoden "Entscheidungsbäume" und "Random Forests" durchgeführt, wobei auch die durchschnittlichen Fahrmanöver-Dauern und Übergangswahrscheinlichkeiten zwischen einzelnen Fahrmanövern berücksichtigt werden. Zusätzlich wird ein Prädiktor für Fahrmanöver vorgeschlagen, der die Wahrscheinlichkeiten von Fahrmanöver-Sequenzen unterschiedlicher Länge bewertet. Für die (realistische) Annahme, dass die Verkehrsdichte die Auswahl an möglichen Fahrmanövern durch den Autofahrer beeinflusst, wird ein Verfahren zur Verkehrsdichteschätzung realisiert. Zwei umfangreiche Fahrversuche im realen Straßenverkehr lieferten die notwendigen Daten für die Arbeit.

Was wurde erreicht?

Neben einer umfassenden Strukturierung von Fahrerbelastungsfaktoren wurde ein im Fahrzeug einsetzbares Klassifikations-System für Fahrmanöver erstellt, das mit seinen Erkennungsraten eine vordere Position im Vergleich mit Erkennungsraten der Literatur einnimmt. Auf Basis dieser Manöver-Erkennung wurde darüber hinaus ein neuartiger Ansatz zur Schätzung der Verkehrsdichte im Fahrzeug-Umfeld vorgestellt, der einen weiteren Beitrag zur Optimierung der Mensch-Maschine-Schnittstelle im Kfz liefert.