P2: Vorhersage von Trajektorien

• Antragstellerin: Professorin Dr. Anne Driemel
• Fachliche Zuordnung: Theoretische Informatik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 313421352

Bewegungsvorhersagen sind besonders schwierig wenn die Bewegungen unregelmässig und mannigfaltig sind, wenn es viele Freiheitsgrade gibt und wenn die aufgezeichneten Daten nicht vollständig sind. Eine weitere Schwierigkeit besteht darin, dass die Bewegungen in einer nicht-diskreten Umgebung aufgenommen werden und die Granularität der Aufnahme von der Granularität der gewünschten Vorhersage abweicht. Algorithmen, die Bewegungen vorhersagen, müssen daher von den beobachteten Daten unter verschiedenen Aspekten abstrahieren, insbesondere unter dem räumlich und dem zeitlichen Aspekt, aber auch über viele beobachtete Instanzen derselben Bewegung hinweg.In diesem Projekt sollen diese Herausforderungen mithilfe Methoden der Algorithmischen Geometrie und des Shape Matchings angegangen werden. Dabei sollen beweisbare Garantien unter etablierten realistischen Eingabemodellen gezeigt werden.Das Hauptziel ist es, beweisbar effiziente Algorithmen zu entwickeln, die zur Bewegungsvorhersage auf Basis von Beobachtungen eines sich bewegenden Objekts, oder einer Gruppe sich bewegender Objekte, benutzt werden können.Auf der technischen Seite entwickeln und untersuchen wir Datenstrukturen für die Nächste-Nachbar-Suche und Bereichsabfrage unter partieller Ähnlichkeit, neue Algorithmen zur Segmentierung von Trajektorien in Bewegungsmuster, und neue Algorithmen zur hierarchischen Darstellung von Mengen von Trajektorien. Dabei wird Fokus gelegt auf beweisbare Effizienz und beweisbare Korrektheit innerhalb von bestimmten Approximationsgüten und probabilistischer Garantien.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2535: Anticipating Human Behavior