English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Zukünftige Fahrerassistenzsysteme sollen situationsgerechte Hinweise zum energie- und emissionssparenden Fahren geben. Hierfür benötigen sie eine Vorausschau auf das Schaltverhalten von Lichtsignalanlagen (LSA). Im Gegensatz zu Festzeitsteuerungen ist diese Aufgabe bei verkehrsabhängigen Steuerungen nicht einfach zu lösen. Durch die Echtzeitanalyse von LSA-Prozessdaten soll auf das zukünftige Schaltverhalten geschlossen werden. Bisherige Verfahren zur Schaltzeitprognose nutzen hauptsächlich statistische Ansätze, welche allerdings nicht unter allen Randbedingungen erfolgreich sind. Daher rücken zunehmend auch KI-basierte Methoden in den Fokus. Der Beitrag gibt hierzu einen Überblick und leitet den zukünftigen Forschungsbedarf ab.

Prognose von Schaltzeiten verkehrsabhängiger Lichtsignalanlagen in Deutschland – Herausforderungen und Ansätze