Car Drift Recognition Using Machine Learning
Tobias Freudling, BMW Group
In this presentation, you’ll see a demonstration of the automatic classification of vehicle data, which results from different driving maneuvers and aims to predict the oversteering of a vehicle. A comparison between a classical implementation and the machine learning approach is established. To date, certain thresholds have been defined in the classical sense, which should signal an overshoot when this threshold is exceeded. In some cases, there are also speed-dependent sleepers determined by many years of experience. Thus, the question of how well and how quickly measurements can be characterized using machine learning methods also comes into question.
A model based on a classification algorithm in Statistics and Machine Learning Toolbox™ was trained with a focus on the concrete driving situation of the overdrive. For the data sets used for training, the prediction accuracy of the model is over 95%. In the next step, this model is then applied to new records. The first evaluations show promising results.
Recorded: 17 Apr 2018
Related Products
Learn More
Featured Product
MATLAB
Sélectionner un site web
Choisissez un site web pour accéder au contenu traduit dans votre langue (lorsqu'il est disponible) et voir les événements et les offres locales. D’après votre position, nous vous recommandons de sélectionner la région suivante : .
Vous pouvez également sélectionner un site web dans la liste suivante :
Comment optimiser les performances du site
Pour optimiser les performances du site, sélectionnez la région Chine (en chinois ou en anglais). Les sites de MathWorks pour les autres pays ne sont pas optimisés pour les visites provenant de votre région.
Amériques
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
Asie-Pacifique
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)