elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Extraction and Analysis of Highway On-Ramp Merging Scenarios from Naturalistic Trajectory Data

Klitzke, Lars und Gimm, Kay und Koch, Carsten und Köster, Frank (2022) Extraction and Analysis of Highway On-Ramp Merging Scenarios from Naturalistic Trajectory Data. In: 25th IEEE International Conference on Intelligent Transportation Systems, ITSC 2022. IEEE International Conference on Intelligent Transportation Systems, 2022-10-08 - 2022-10-12, Macau, China. doi: 10.1109/ITSC55140.2022.9922191. ISBN 978-1-6654-6880-0. ISSN 2153-0009.

[img] PDF
2MB

Kurzfassung

Connected and Automated Vehicles (CAVs) are envisioned to transform the future industrial and private transportation sectors. However, due to the system's enormous complexity, functional verification and validation of safety aspects are essential before the technology merges into the public domain. Therefore, in recent years, a scenario-driven approach has gained acceptance, emphasizing the requirement of a solid data basis of scenarios. The large-scale research facility Test Bed Lower Saxony (TFNDS) enables the provision of ample information for a database of scenarios on highways. For that purpose, however, the scenarios of interest must be identified and extracted from the collected Naturalistic Trajectory Data (NTD). This work addresses this problem and proposes a methodology for onramp scenario extraction, enabling scenario categorization and assessment. An Hidden Markov Model (HMM) and Dynamic Time Warping (DTW) is utilized for extraction and a decision tree with the Surrogate Measure of Safety (SMoS) Post Enroachment Time (PET) for categorization and assessment. The efficacy of the approach is shown with a dataset of NTD collected on the TFNDS

elib-URL des Eintrags:https://elib.dlr.de/186929/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Extraction and Analysis of Highway On-Ramp Merging Scenarios from Naturalistic Trajectory Data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Klitzke, LarsLars.Klitzke (at) dlr.dehttps://orcid.org/0000-0001-9362-707XNICHT SPEZIFIZIERT
Gimm, Kaykay.gimm (at) dlr.dehttps://orcid.org/0000-0002-5136-685X137550562
Koch, Carstencarsten.koch (at) hs-emden-leer.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Köster, FrankFrank.Koester (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2022
Erschienen in:25th IEEE International Conference on Intelligent Transportation Systems, ITSC 2022
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/ITSC55140.2022.9922191
ISSN:2153-0009
ISBN:978-1-6654-6880-0
Status:veröffentlicht
Stichwörter:Highway On-Ramp Merging, Naturalistic Trajectory Data, Scenario Extraction, Connected and Automated Vehicles
Veranstaltungstitel:IEEE International Conference on Intelligent Transportation Systems
Veranstaltungsort:Macau, China
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:8 Oktober 2022
Veranstaltungsende:12 Oktober 2022
Veranstalter :IEEE
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - NGC KoFiF (alt)
Standort: Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Informationsgewinnung und Modellierung, BS
Institut für KI-Sicherheit
Hinterlegt von: Klitzke, Lars
Hinterlegt am:20 Jun 2022 11:06
Letzte Änderung:24 Apr 2024 20:48

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.