Wissenschaftliche Arbeiten

Themen für wissenschaftliche Arbeiten

Der Lehrstuhl ITS-Nachhaltige Transportlogistik 4.0. bietet Studierenden einen Pool an Themen für wissenschaftliche Arbeiten zur Verfügung. Sie können ür Bachelor-, Master- oder Diplomarbeiten bearbeitet werden.

Masterarbeit: Generative Modeling for Transportation Data Apply generative modeling to predict mobility patterns based on various available transportation datasets and assess quality of simulated data in the field of transportation.
Weitere Information , öffnet eine Datei
Masterarbeit: Lane Change Prediction Die Spurwechselvorhersage ist ein wichtiger Punkt in der Vermeidung von Unfällen im Verkehr. Ziel dieser Arbeit ist es ein Framework zur Spurwechselvorhersage, basierend auf LIDAR, Kamera, IMU sowie GPS Daten, zu entwickeln und zu implementieren.

Weitere Information , öffnet eine Datei
Masterarbeit: Deep Learning Approach for Driver Monitoring Systems. Desing a novel model to predict driver's state in conditional automated driving (SAE Level 3) based on drivers face and body images and predict if driver's are prepared to take back the control of the vehicle in emergency situations.
Weitere Information , öffnet eine Datei
Masterarbeit: Denoising Images for Intelligent Transportation Systems Study the use of GANs to denoise images that are corrupt due to weather conditions (rain, snow, lightning).
Weitere Information
Masterarbeit: Driving Simulator Data Domain Adaptation Generalization of data collected through a driving simulator into real-world data by using domain adaptation approaches such as Generative Adversarial
Network for adapt lane change
prediction, object detection or pedestrian movement classification.
Weitere Information
Masterarbeit: Pedestrian Intention Prediction Study of Transformers to determine the pedestrian's intention to cross the road at different time intervals.
Weitere Information

Name	Zweck	Ablauf	Anbieter
CookieConsent	Speichert Ihre Einstellungen zur Verwendung von Cookies auf dieser Website.	1 Jahr	JKU
se_mode	Cookie für Einstellungen der Site Search	1 Jahr	JKU

Name	Zweck	Ablauf	Anbieter
_gcl_au	Wird verwendet, um zwischen User und Userverhalten zu unterscheiden.	3 Monate	Google
_ga	Wird verwendet, um Benutzer zu unterscheiden.	2 Jahre	Google
_gid	Wird verwendet, um Benutzer zu unterscheiden und die Nutzung der Website zu analysieren. Es werden anonyme Daten zur Anzahl von Besuchern, die besuchten Seiten und die Quelle des Zugriffes erfasst.	1 Tag	Google
_gat_UA-112203476-1	Wird zum Drosseln der Anfragerate bei Google Analytics für Websites mit hohen Nutzerzahlen verwendet.	1 Minute	Google
_pk_id	Wird verwendet, um einige Details über den Benutzer zu speichern wie z.B. die eindeutige Besucher-ID.	13 Monate	JKU
_pk_ses	Kurzlebiges Cookie, welches verwendet wird, um Daten für den Besuch vorübergehend zu speichern.	30 Minuten	JKU
_pk_ref	Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern.	6 Monate	JKU

Name	Zweck	Ablauf	Anbieter
_gcl_au	Wird verwendet, um zwischen User und Userverhalten zu unterscheiden.	3 Monate	Google
_ga	Wird verwendet, um Benutzer zu unterscheiden.	2 Jahre	Google
_gid	Wird verwendet, um Benutzer zu unterscheiden und die Nutzung der Website zu analysieren. Es werden anonyme Daten zur Anzahl von Besuchern, die besuchten Seiten und die Quelle des Zugriffes erfasst.	1 Tag	Google
_gac_UA-112203476-1	Enthält Kampagneninformationen und dient der Messung des Kampagnenerfolges von Google AdWords Kampagnen.	90 Tage	Google
test_cookie	Wird testweise gesetzt, um zu prüfen, ob der Browser das Setzen von Cookies erlaubt. Enthält keine Identifikationsmerkmale.	15 Minuten	Google
IDE	Enthält eine zufallsgenerierte User-ID. Anhand dieser ID kann Google den User über verschiedene Websites domainübergreifend wiedererkennen und personalisierte Werbung ausspielen.	1 Jahr	Google
_gcl_aw	Dieses Cookie wird gesetzt, wenn ein User über einen Klick auf eine Google Werbeanzeige auf die Website gelangt. Es enthält Informationen darüber, welche Werbeanzeige geklickt wurde, sodass erzielte Erfolge wie z.B. Bestellungen oder Kontaktanfragen der Anzeige zugewiesen werden können.	3 Monate	Google
AMCV_xx	Enthält eine zufallsgenerierte User-ID. Anhand dieser ID kann die Adobe Marketing Cloud den User über verschiedene Websites domainübergreifend wiedererkennen und personalisierte Werbung ausspielen.	3 Jahre	LinkedIn
bcookie	Enthält eine ID des Browsers.	2 Jahre	LinkedIn
bscookie	Enthält eine ID des Browsers bei einer sicheren Verbindung.	2 Jahre	LinkedIn
lang	Wird verwendet, um die Spracheinstellung des Besuchers zu speichern.	Session	LinkedIn
lidc	Wird verwendet, um Benutzer zu unterscheiden und die Nutzung der Website zu analysieren. Es werden anonyme Daten zur Anzahl von Besuchern, die besuchten Seiten und die Quelle des Zugriffes erfasst.	1 Tag	LinkedIn
lissc	Wird für die Analyse der Nutzung von eingebetteten Dienstleistungen verwendet.	1 Jahr	LinkedIn
UserMatchHistory	Enthält Kampagneninformationen und dient der Messung des Kampagnenerfolges.	30 Tage	LinkedIn
fr	Enthält Kampagneninformationen und dient der Messung des Kampagnenerfolges.	90 Tage	Facebook
fbp	Wird von Facebook genutzt, um eine Reihe von Werbeprodukten anzuzeigen, zum Beispiel Echtzeitangebote dritter Werbetreibender.	90 Tage	Facebook
sc_at	Wird verwendet, um Benutzer über mehrere Domains hinweg zu unterscheiden.	1 Jahr	Snap
sc-country	Dieses Cookie unterscheidet das Land des Benutzers.	1 Tag	Snap
uid	Dieses Cookie enthält eine zufallsgenerierte User-ID und wird für das Ausspielen und die Echtzeitermittlung der Preise für Anzeigen für differenzierte Zielgruppen verwendet.	60 Tage	Adform
C	Identifiziert und speichert ob Nutzer Cookies akzeptieren. Wert 1: Cookies sind erlaubt, Wert 3: Cookies sind nicht erlaubt.	30 Tage	Adform

Wissenschaftliche Arbeiten

Themen für wissenschaftliche Arbeiten

Masterarbeit: Generative Modeling for Transportation Data Apply generative modeling to predict mobility patterns based on various available transportation datasets and assess quality of simulated data in the field of transportation.

Masterarbeit: Lane Change Prediction Die Spurwechselvorhersage ist ein wichtiger Punkt in der Vermeidung von Unfällen im Verkehr. Ziel dieser Arbeit ist es ein Framework zur Spurwechselvorhersage, basierend auf LIDAR, Kamera, IMU sowie GPS Daten, zu entwickeln und zu implementieren.

Masterarbeit: Denoising Images for Intelligent Transportation Systems Study the use of GANs to denoise images that are corrupt due to weather conditions (rain, snow, lightning).

Masterarbeit: Pedestrian Intention Prediction Study of Transformers to determine the pedestrian's intention to cross the road at different time intervals.