Gast ::
| 001 | 1021975 | ||
| 005 | 20260113055345.0 | ||
| 024 | 7 | _ | |2 HBZ |a HT031334571 |
| 024 | 7 | _ | |2 Laufende Nummer |a 44892 |
| 024 | 7 | _ | |2 datacite_doi |a 10.18154/RWTH-2025-09790 |
| 037 | _ | _ | |a RWTH-2025-09790 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 510 |
| 100 | 1 | _ | |0 P:(DE-588)1383515522 |a El Amouri, Amira |b 0 |u rwth |
| 245 | _ | _ | |a Driver interaction: mathematical modeling and numerical methods |c vorgelegt von Amira El Amouri, M. Sc. |h online |
| 246 | _ | 3 | |a Fahrerinteraktion: mathematische Modellierung und numerische Methoden |y German |
| 260 | _ | _ | |a Aachen |b RWTH Aachen University |c 2025 |
| 260 | _ | _ | |c 2026 |
| 300 | _ | _ | |a 1 Online-Ressource : Illustrationen |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 500 | _ | _ | |a Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026 |
| 502 | _ | _ | |a Dissertation, RWTH Aachen University, 2025 |b Dissertation |c RWTH Aachen University |d 2025 |g Fak01 |o 2025-10-23 |
| 520 | 3 | _ | |a Die Automobilindustrie erlebt erhebliche Fortschritte bei autonomen und assistierten Fahrfunktionen. Eine große Herausforderung bleibt jedoch, sicherzustellen, dass diese Systeme von den Fahrern akzeptiert und effektiv in ihre Fahrgewohnheiten integriert werden. Daher wäre ein umfassendes Framework notwendig, um die Interaktion zwischen Fahrern und assistierten Fahrfunktionen zu analysieren und zu optimieren. Diese Arbeit präsentiert den Entwurf eines fahrerinteraktionsbasierten Frameworks für die geteilte Querführung eines Fahrzeugs. Drei wesentliche Forschungsziele werden betrachtet: die Entwicklung einer Methodik zur Erfassung der Dynamik der geteilten Querführung, die Konstruktion eines Fahrerinteraktionsklassifikators und die Modellierung von Konzepten für eine individualisierte Fahrerunterstützung. Wir stellen ein mathematisches Fahrer-Lenkrad-Interaktionsmodell vor. Das Modell ermöglicht eine umfassende Analyse des Zusammenspiels zwischen Fahrer- und Assistenzsystem am Lenkrad. Dieses Modell erfordert die Formulierung eines quadratischen Programms. Wir wenden die Varying-Coefficient (VC) Methode an, um dieses quadratische Programm effektiv zu formulieren. Wir entwickeln einen Fahrerinteraktionsklassifikator basierend auf einem realen Fahrversuch. Geeignete Klassifikationsmerkmale werden vorgeschlagen und untersucht: Konflikt und Passivität, Fahrlinienkonsistenz, Anpassung und individuelle Fahrlinienmuster. Wir identifizieren fünf Fahrerinteraktionsstrategien: Anpassung, Beharrlichkeit, selektive Beharrlichkeit, Passivität und Unsicherheit. Die Klassifikationsergebnisse werden durch einen Vergleich mit subjektiven Experteneinschätzungen validiert. Zusätzlich wenden wir die Methode Dynamic Mode Decomposition (DMD) an, um die zugrundeliegenden Dynamiken für jede Klasse zu analysieren. Wir präsentieren Konzepte zur Anpassung des Systemverhaltens in Echtzeit. Wir entwerfen eine Modellprädiktive Regelung (MPC) und führen verschiedene Performance-Tests durch, um sicherzustellen, dass das gewünschte Systemverhalten für jede der fünf Fahrerinteraktionsstrategien abgebildet werden kann. Wir wenden Online-Active-Set-Methoden und Innere-Punkt-Methoden an, um die Optimierungsprobleme in Echtzeit zu lösen. Das Framework wird mit einem Fokus auf die Anwendbarkeit in einem realen Fahrversuch implementiert. Zusätzlich schlagen wir weitere Konzepte zur Anpassung des Systemverhaltens basierend auf einzelnen Komponenten des Frameworks vor. |l ger |
| 520 | _ | _ | |a The automotive industry is witnessing significant advancements in autonomous and assisted driving functions. However, a major challenge remains in ensuring these systems are accepted by drivers and effectively integrated into their driving routines. Hence, the necessity of a comprehensive framework becomes crucial to analyze and enhance the interaction between drivers and assisted driving functions. In this thesis, we design and implement a driver interaction based framework for shared lateral driving. The research is divided into three main objectives: developing a methodology to capture the dynamics of shared control, constructing a driver interaction classifier, and modeling concepts for individualized driver support. We introduce a novel driver-steering interaction model to analyze the interplay between driver and assistance system torques. The model allows a comprehensive analysis of the driver torque, the assistance torque, and their combined effect on the vehicle's steering behavior. To accurately represent these interactions, the driver-steering interaction model requires the formulation of a quadratic program. We apply the Varying Coefficient (VC) method to effectively formulate this QP. We develop a driver interaction classifier based on a designed real-driving experimental framework. We identify and suggest suitable classification features: conflict and passivity, path consistency, adaptation and individual path pattern features. We categorize the identified driver interaction strategies into five distinct classes: adaptation, persistence, selective persistence, nonintervention and uncertainty. The classification is validated through a comparison with subjective expert assessments. Additionally, we apply Dynamic Mode Decomposition (DMD) to analyze the underlying dynamics for each class. We present concepts for adapting the system behavior in real-time to account for the driver interaction strategies. We design a Model Predictive Control (MPC) system and conduct a performance analysis to ensure it aligns with desired system behavior for each class. We apply online active-set methods and interior point methods to solve the optimization problems in real-time. The framework is implemented with a focus on real-world applicability. Additionally, we suggest further concepts for adapting the system behavior based on independent components of the framework. |l eng |
| 588 | _ | _ | |a Dataset connected to Lobid/HBZ |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a Fahrerinteraktion |
| 653 | _ | 7 | |a Klassifikation |
| 653 | _ | 7 | |a assistance systems |
| 653 | _ | 7 | |a driver interaction |
| 700 | 1 | _ | |0 P:(DE-82)IDM00024 |a Herty, Michael |b 1 |e Thesis advisor |u rwth |
| 700 | 1 | _ | |0 P:(DE-82)127527 |a Göttlich, Simone |b 2 |e Thesis advisor |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1021975/files/1021975.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/1021975/files/1021975_source.zip |y Restricted |
| 909 | C | O | |o oai:publications.rwth-aachen.de:1021975 |p openaire |p open_access |p VDB |p driver |p dnbdelivery |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-588)1383515522 |a RWTH Aachen |b 0 |k RWTH |
| 910 | 1 | _ | |0 I:(DE-588b)36225-6 |6 P:(DE-82)IDM00024 |a RWTH Aachen |b 1 |k RWTH |
| 914 | 1 | _ | |y 2025 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)114620_20140620 |k 114610 |l Lehrstuhl für Numerische Mathematik |x 0 |
| 920 | 1 | _ | |0 I:(DE-82)110000_20140620 |k 110000 |l Fachgruppe Mathematik |x 1 |
| 980 | 1 | _ | |a FullTexts |
| 980 | _ | _ | |a I:(DE-82)110000_20140620 |
| 980 | _ | _ | |a I:(DE-82)114620_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a phd |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|