Enter your keyword

Tunnelsensorfusion

portfolio

Project info:

Client
Categories
Systeme
Location
Surface Area:
Year Completed:
Value:

Tunnelsensorfusion

Zur Überwachung von Straßentunneln kommen sehr viele unterschiedliche Sensorsysteme zum Einsatz. Jedes Sensorsystemfunktioniert hierbei innerhalb der gesteckten Anforderungsziele und erfüllt eine definierte Detektions- bzw. Fehldetektionsrate (auch Sensitivität und Spezifität genannt). Da die einzelnen Systeme jedoch entkoppelt sind, d.h. unabhängig voneinander die jeweiligen Ereignistypen analysieren, addieren sich statistisch beispielsweise die Fehlalarmraten mit jedem weiteren Subsystem. In einer gekoppelten Betrachtung durch die Fusion von einzelnen Sensordaten erhöht sich die Anzahl unabhängiger Eingangswerte für ein zu detektierendes Ereignis und führt somit zu einer Reduzierung der Fehlalarmrate bzw. Verbesserung der Zuverlässigkeit für die Detektion eines Ereignisses. Beispielsweise kann ein Fahrzeug durch ein Videosystem oder eine Induktionsschleife detektiert werden. Beide Systeme weisen Fehler im Sinne von „Falsch-Negativen“ (nicht erkannte, aber vorhandene Fahrzeuge) sowie „Falsch-Positiven“ (erkannte, aber nicht vorhandene Fahrzeuge) auf. Durch eine logische Verknüpfung im Sinn eines „UND“ könnte zwar ein Teil der „Falsch-Positiven“ als solche erkannt werden, allerdings würden sich die „Falsch-Negativen“ beider Sensoren addieren. Im Falle einer „ODER“-Verknüpfung würden die „Falsch-Negativen“ reduziert, während sich die „Falsch-Positiven“ addierten. Beide Fälle würden daher zu keiner Verbesserung der Detektionsleistung führen.

Einen Ausweg bieten auf der Wahrscheinlichkeitslehre beruhende propabilistische Verfahren, welche die Detektionseigenschaften jedes Sensors in einem Sensormodell wahrscheinlichkeitstheoretisch abbilden und dabei Abhängigkeiten von weiteren Größen berücksichtigen.