Automotive Data Analytics: Identifikation und Bewertung von Fahrszenarien für die Fahrzeuglängs- und -querführung

Bachelorarbeit, Hilfskraftstelle, Masterarbeit, Praktikum

Themen-Schwerpunkt: Mobilität
Studiengänge: Elektrotechnik, Informatik, Informationswirtschaft, Verwandte Studiengänge

Umfeld

Für die Entwicklung und Absicherung von automatisierenden Fahrfunktionen für die Längs- und Querführung spielen reale Erprobungsfahrten eine wichtige Rolle. Die dabei aufgezeichneten Messdaten sollen automatisiert ausgewertet werden, um eine allgemeine Reifegradbewertung auf einer statistisch signifikanten Datenbasis zu ermöglichen. Dazu sind zum einen Szenarien in den Zeitserien zu identifizieren und zum anderen Bewertungen für die einzelnen Szenarien zu entwickeln.
Im Rahmen der Arbeitstätigkeit sollen hierzu Konzepte für die robuste Detektion der Szenarien als auch die Bewertung der Fahrfunktion entwickelt bzw. umgesetzt werden. Die Umsetzung erfolgt in einem Python Framework.

Aufgaben

  • Einarbeitung in das bestehende Python Framework
  • Spezifikation von Szenarien sowie Identifikation dieser mittels Detektoren
  • Statistische Analyse, Bewertung und Visualisierung der Szenarien
  • Entwicklung von Metriken für die Bewertung der Fahrzeuglängs- und -querführung

Wir bieten

  • ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • eine wirtschafts-/industrienahe Arbeitsumgebung und -organisation
  • eine angenehme Arbeitsatmosphäre
  • konstruktive Zusammenarbeit

Wir erwarten

  • Gute Programmierkenntnisse in Python
  • Selbständiges Denken und Arbeiten
  • Sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement

Bewerbung

Wir freuen uns auf Deine PDF-Bewerbung an Jacob Langner, langner@dont-want-spam.fzi.de, mit folgenden Unterlagen:

  • aktueller Notenauszug
  • tabellarischer Lebenslauf
  • aktuelle Studienbescheinigung

Weitere Informationen

  • Start: ab sofort
  • Betreuendes Institut am KIT: Institut für Technik der Informationsverarbeitung (ITIV), Prof. Dr.-Ing. Eric Sax