En raison d'une grève chez bpost, des retards de livraison peuvent survenir. Besoin de quelque chose en urgence ? Optez pour un retrait en magasin ou rendez-vous dans une Librairie Club à proximité.

Retrait en 2 heures
Assortiment impressionnant
Paiement sécurisé
Toujours un magasin près de chez vous

Retrait en 2 heures
Assortiment impressionnant
Paiement sécurisé
Toujours un magasin près de chez vous

Magasins

Wishlist

Magasins

Wishlist

Chercher

Promotions

45,45 €

+ 90 points

Livraison sous 1 à 4 semaines

Passer une commande en un clic

Payer en toute sécurité

Livraison en Belgique: 3,99 €

Livraison en magasin gratuite

Description

Das Ziel dieser Arbeit ist, einen Fahrbahnzustandsklassifikator zu entwickeln, welcher sowohl heute zur Verfügung stehende Signale im Fahrzeug als auch Wetterdienstinformationen sowie maschinelle Lernverfahren innerhalb der digitalen Bildverarbeitung verwendet. Mit einer gezielten Informationsfusion wird eine probabilistische Differenzierung innerhalb der Fahrbahnzustandsklassen trocken, nass und winterlich ermöglicht. In Abhängigkeit der einzelnen Wahrscheinlichkeiten kann dann nicht nur auf einen repräsentativen Reibbeiwert für die drei eingangs erwähnten Hauptklassen, sondern auch auf etwaige Mischzustände geschlossen werden. Im Rahmen dessen werden Messdaten unter anderem auf öffentlichen Straßen erhoben um zunächst unterschiedliche Fahrbahnzustandsklassifikatoren innerhalb unterschiedlicher Domänen aufzubauen und anschließend zu validieren. Aus den Klassifikationsebenen geht hervor, dass diese alleine nicht ausreichen, um eine hinreichende Verfügbarkeit und Robustheit zu realisieren. Aus diesem Grund erfolgt eine gewichtete Fusion auf Basis der individuellen Richtigerkennungsraten je Fahrbahnzustand, sodass eine durchschnittliche Erkennungsrate von 99,6% erzielt wird.