FAT-SCHRIFTENREIHE 379
Der Bericht präsentiert das DySAM-System, das für die verbesserte Fahrerüberwachung und Situationsbewusstseinsbewertung entwickelt wurde. DySAM nutzt Sensordaten, um das Situationsbewusstsein des Fahrers in Echtzeit zu bewerten, was die Sicherheit in autonomen Fahrzeugen und fortschrittlichen Fahrerassistenzsystemen verbessern soll.
Die Architektur des DySAM-Systems besteht aus drei Hauptkomponenten: der Feature-Processing-Pipeline, der Inferenz-Engine und dem probabilistischen Modell. Die Pipeline sammelt und verarbeitet Sensordaten, während die Inferenz-Engine auf Basis dieser Daten Wahrscheinlichkeitsverteilungen über das aktuelle Situationsbewusstsein ableitet.
Der Bericht beschreibt auch die Datensätze und die Datenannotation für das Training und die Validierung der DySAM-Modelle. Der Bericht gibt Einblicke in die Implementierung der Feature Processing Pipeline und die Modellierung des Situationsbewusstseins mit zwei Haupttypen von Modellen: NDRT-Modelle und SAGAT-Score-Modelle.
Das DySAM-System bietet wertvolle Einblicke in das Fahrerverhalten und trägt zur Bewertung der Sicherheit in verschiedenen Fahrszenarien bei. Zukünftige Forschung könnte sich auf die Verfeinerung der Modellarchitekturen, die Optimierung der Indikatorauswahl und die Integration von DySAM in reale Anwendungen konzentrieren, um Fahrerassistenzsysteme und autonome Fahrzeuge weiter zu verbessern.