Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Research Initiative UR:BAN Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

14. Application of a Driver Intention Recognition Algorithm on a Pedestrian Intention Recognition and Collision Avoidance System

verfasst von : Dr. Frederik Diederichs, Nina Brouwer, Dr. Horst Klöden, Dr. Peter Zahn, Dr. Bernhard Schmitz

Erschienen in: UR:BAN Human Factors in Traffic

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Driver intention recognition can enhance the driver-vehicle interaction by offering more intuitive assistance and automated driving support. Especially urban environments require fast reactions and hence assistance systems which act in accordance to driver’s intentions. Assistance should provide comfortably timed warnings only in situations when drivers really need this support and not in situations when the driver is already intending to react to a thread.
Fraunhofer IAO developed an algorithm in the UR:BAN MV subproject VIE to detect driver’s intention to brake when passing a pedestrian. The Fraunhofer algorithm analyses eye gaze data in correspondence with pedal activity to judge the driver’s attention on the pedestrian and the readiness to brake. BMW implemented the algorithm in the UR:BAN KA subproject SVT in a research vehicle and combined it with an environmental analysis of the situation.
In a test scenario the timing of a warning to the driver was adapted to the recognized intention to brake. Together with BMW’s pedestrian intention recognition algorithm, the driver intention recognition allows early warnings, while limiting the frequency of warnings to really relevant situations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Human Focused Development of a Manoeuvre Prediction in Urban Traffic Situations Based on Behavioural Sequences
Nächstes Kapitel Simulation and Modelling Within the UR:BAN Project
Literatur
1.
2.
3.
Nasar, J.L., Troyer, D.: Pedestrian injuries due to mobile phone use in public places. Accid Analysis Prev 57, 91–95 (2013)CrossRef
4.
5.
Winner, H., Hakuli, S., Lotz, F. (eds.): Handbuch Fahrerassistenzsysteme. Grundlagen, Komponenten und Systeme für aktive Sicherheit und Komfort, 3rd edn. Springer Fachmedien, Wiesbaden (2015). ATZ/MTZ-Fachbuch
6.
Manstetten, D., Bengler, K., Busch, F., Färber, B., Lehsing, C., Neukum, A.: “UR:BAN MV” – a German project focusing on human factors to increase traffic safety in urban areas. Proceedings of the 20th ITS World Congress, Tokyo, 2013. (2013)
7.
Lehsing, C., Bngler, K., Busch, F., Schendzielorz, T.: UR:BAN – the German Research Initiative for User Centered Driver Assistance Systems and Traffic Network Management. Proceedings of the mobil.TUM Conference. (2013)
8.
Schmidt, S., Färber, B.: Pedestrians at the kerb. Recognising the action intentions of humans. Transportation research part F: traffic psychology and behaviour 12.4 (2009):300–310 (2009)
9.
Brouwer, N., Kloeden, H., Stiller, C.: Comparison and Evaluation of Pedestrian Motion Models for Vehicle Safety Systems. In Intelligent Transportation Systems (ITSC). IEEE 19th International Conference on (2207–2212), 2016, Sao Paolo, Brazil. IEEE (2016)
10.
Kobiela, F.: Fahrerintentionserkennung für autonome Notbremssysteme. Technischen Universität Dresden, Dresden (2012)
11.
Kopf, M.: Was nützt es dem Fahrer, wenn Fahrerinformations- und -assistenzsysteme etwas über ihn wissen? In: Maurer, M., Stiller, C. (eds.) Fahrerassistenzsysteme mit maschineller Wahrnehmung. basiert auf ausgewählten Vorträgen eines Workshops in Walting (Altmühltal), pp. 117–139. Springer, Berlin (2005)CrossRef
12.
Heckhausen, H., Gollwitzer, P.M.: Thought contents and cognitive functioning in motivational versus volitional states of mind. Motiv Emot 11(2), 101–120 (1987)CrossRef
13.
Achtziger, A., Gollwitzer, P.M.: Motivation und Volition im Handlungsverlauf. In: Heckhausen, J., Heckhausen, H. (eds.) Motivation und Handeln, pp. 309–335. Springer, Berlin, Heidelberg (2010). Springer-LehrbuchCrossRef
14.
Diederichs, F., Pöhler, G.: Driving Maneuver Prediction Based on Driver Behavior Observation. Proceedings of the 5th International Conference on Applied Human Factors and Ergonomics AHFE 2014, Krakau, 19.7.2014. (2014). J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon, 1892, pp.68–73
15.
Diederichs, F.: Entwicklung von verhaltensbasierten Verfahren zur Erkennung von Fahrerintention für die Prädiktion von Fahrmanövern. PhD-Thesis. University of Stuttgart (in press)
16.
Diederichs, F., Schuttke, T., Spath, D.: Driver Intention Algorithm for Pedestrian Protection and Automated Emergency Braking Systems. In Intelligent Transportation Systems (ITSC). 2015 IEEE 18th International Conference. IEEE, pp 1049–1054 (2015)
17.
Diederichs, F., Seitz, W., Spath, D.: Fahrerintentionserkennung auf Basis von Blickanalysen zur Vermeidung von Fußgängerkollisionen. 11. Berliner Werkstatt Mensch-Maschine-Systeme (BWMMS), Berlin-Brandenburgische Akademie der Wissenschaften, Oktober 2015 (2015)
18.
Rehder, E., Kloeden, H., Stiller, C.: “Head detection and orientation estimation for pedestrian safety.” Intelligent Transportation Systems (ITSC). 2014 IEEE 17th International Conference on. vol. 2014. IEEE (2014)
19.
Höfer, M.: Dissertation: Fahrerzustandsadaptive Assistenzfunktionen. IAT der Universität Stuttgart (2015)
Metadaten
Titel
Application of a Driver Intention Recognition Algorithm on a Pedestrian Intention Recognition and Collision Avoidance System
verfasst von
Dr. Frederik Diederichs
Nina Brouwer
Dr. Horst Klöden
Dr. Peter Zahn
Dr. Bernhard Schmitz
Copyright-Jahr
2018
Verlag
Springer Fachmedien Wiesbaden
Buch
UR:BAN Human Factors in Traffic

Print ISBN: 978-3-658-15417-2

Electronic ISBN: 978-3-658-15418-9

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-658-15418-9_14

    Premium Partner

    Bildnachweise