Das Fahrradfahren im gemeinsamen Verkehrsraum mit Kraftfahrzeugen bereitet vielen Radfahrer*innen Unbehagen. Das Meiden stark befahrener Straßen ist nur mit guter Ortskenntnis möglich, da zur Häufigkeit der Begegnungen mit Kraftfahrzeugen auf den meisten Straßen keine Daten vorliegen. Die Erfassung eines Datensatzes, der Smartphone-Sensordaten über Fahrzeugbegegnungen sammelt, könnte die Grundlage für einen Smartphone-basierten Fahrzeugdetektor bilden. Magnetometer- und Barometer-Messwerte werden als Indikatoren für vorbeifahrende Fahrzeuge verwendet. In dieser Arbeit wird zunächst eine Sensorplattform konstruiert, die zur Erhebung von Smartphone- und anderen Sensordaten im Fahrbetrieb dient. Das System ist so ausgelegt, dass es auch in Zukunft mit anderen Sensorkonfigurationen genutzt werden kann. Daraufhin wird eine Methodik vorgestellt, die auf Basis der Daten einer Kamera und eines Abstandssensors an der Sensorplattform einen Datensatz von Fahrzeugbegegnungen erzeugt. Dieser enthält zu den gefahrenen Trajektorien alle wichtigen Sensordaten eines handelsüblichen Smartphones inklusive der Zeitpunkte von Fahrzeugbegegnungen. Ab-
schließend wird auf Basis des Datensatzes ein dreiklassiger Klassifikator trainiert und evaluiert. Dabei wird untersucht, welcher Ansatz einen generalisierbaren Klassifikator liefern kann. Für den Klassifikator werden mehrere auf dem Random Forest basierende Ansätze untersucht.
Dabei werden Aufbau und Parameter einer Sliding-Window-Funktion zur Feature-Erzeugung angepasst.
Leitung:
Wage, Feuerhake, Golze, Sester
