Multimodale KI für Standort- und Routenvorhersage
AURORA verfolgt das Ziel, Standorte und Routen mithilfe künstlicher Intelligenz vorherzusagen. Der Ansatz kombiniert historische GPS-Daten mit Kontextinformationen aus Sprachaufnahmen in Fahrzeugen. Bewegungsmuster und sprachliche Hinweise sollen gemeinsam ausgewertet werden, um zukünftige Trajektorien und mögliche Ziele besser abzuschätzen.
Zum Forschungsansatz gehören maschinelles Lernen und Deep Learning ebenso wie Spracherkennung, Sprecheridentifikation und semantische Analyse. Für die Gewinnung von Kontext aus Sprachdaten nennt die Projektbeschreibung unter anderem Named Entity Recognition. Im Mittelpunkt steht die Verbindung dieser Informationen mit den zeitlichen Verläufen von Bewegungsdaten.
Die Kombination beider Datentypen soll insbesondere bei kurzen Bewegungshistorien die Vorhersage unterstützen. Die Anpassung an dynamische Verkehrssituationen gehört zum beschriebenen Ansatz. Verbesserte Vorhersagen und eine ressourceneffizientere Mobilität sind angestrebte Wirkungen, keine hier belegten Ergebnisse einer praktischen Verkehrsanwendung.
Forschungsschwerpunkte
- ML- und DL-basierte Verfahren zur Standort- und Routenvorhersage aus GPS-Daten.
- Semantische Kontextanalyse von Sprachdaten und Integration in Vorhersagemodelle.
- Multimodale Lernverfahren zur Fusion unterschiedlicher Datenquellen.
- Analyse von Vorhersagegenauigkeit, Robustheit und Vertrauenswürdigkeit der KI-Modelle.
