Maschinelles Lernen von Crash-Ereignissen mit Virtuellen Fahrzeug-Modellen

In einem aktuellen Forschungsprojekt wird ein IoT-Device entwickelt, das Low-Speed-Crash-Ereignisse mit Hilfe des Beschleunigungssensors detektiert. Der Anwendungsbereich liegt z.B. bei Fahrzeug-Vermietungen, die nicht unmittelbar sichtbare Unfall-Schäden bei Fahrzeug-Rückgabe gezielter identifizieren wollen.
Der Detektor basiert auf einem Machine-Learning-System, das kritische Unfall-Ereignisse von Standard-Fahrmanövern zu unterscheiden lernt. Die dazu notwendigen umfangreichen Beschleunigungs-Datensätze werden zum großen Teil aus der Simulation mit virtuellen Fahrzeug-Modellen generiert, die eine kostengünstige Alternative zu realen Fahrzeug-Crash-Tests ermöglichen.

Vorkenntnisse

Allgemeinverständliche Darstellung des Themas

Lernziele

Grundlage für den erfolgreichen Einsatz des Maschinellen Lernens ist eine umfangreiche Datenbasis. Der Vortrag zeigt, wie durch den Einsatz von Simulations-Modellen eine solche Datenbasis virtuell generiert werden kann.