Enes Esatbeyolu verfolgt den Ansatz, die NO2-Konzentrationen als Indikator für die Luftqualität mit einem Fahrzeug und zwei verschiedenen Sensoren (Referenz und miniaturisiert) zu messen und darauf basierend ein datengetriebenes Prädiktions- und Adaptionskonzept zu entwickeln. Die Datenerhebung erfolgt dabei auf einer vordefinierten Route zu verschiedenen Zeiten sowie Umwelt- und Verkehrsbedingungen. Für die Prädiktion der Luftqualität und Adaption der Sensordaten wendet er verschiedene Machine Learning Modelle an. Dabei untersucht er die Performantesten auf Robustheit, Generalisierbarkeit und Übertragbarkeit.
Der Autor Enes Esatbeyoglu studierte Maschinenbau und Kraftfahrzeugtechnik. Anschließend hat er berufsbegleitend mit der vorliegenden Schrift an der OVGU Magdeburg promoviert und ist jetzt im Bereich der Konzeptvorentwicklung eines Automobilkonzerns tätig.

Autorentext

Enes Esatbeyölu studierte Maschinenbau und Kraftfahrzeugtechnik. Anschließend hat er berufsbegleitend mit der vorliegenden Schrift an der OVGU Magdeburg promoviert und ist jetzt im Bereich der Konzeptvorentwicklung eines Automobilkonzerns tätig.

Klappentext

Einführung.- Theoretische Grundlagen und Vorbetrachtung.- Datenexploration und -aufbereitung.- Datengetriebene Sensordatenadaption.- Datengetriebene Luftqualitätsprädiktion.- Multi-Agenten-Simulation.- Zusammenfassung und Ausblick.- Anhang.- Literaturverzeichnis.

Inhalt
Einführung.- Theoretische Grundlagen und Vorbetrachtung.- Datenexploration und -aufbereitung.- Datengetriebene Sensordatenadaption.- Datengetriebene Luftqualitätsprädiktion.- Multi-Agenten-Simulation.- Zusammenfassung und Ausblick.- Anhang.- Literaturverzeichnis.