Open Access

Alexander Lysek

• Diese Masterarbeit präsentiert eine Weiterentwicklung des FIVIS Fahrradfahrsimulators [HHK+08, See22], um ein Konzept für zeitliches Schlussfolgern. Zeitliches Schlussfolgern ermöglicht es, Nicht-Spieler-Charakteren (NPCs) neues Wissen auf Basis zuvor erworbener Informationen abzuleiten und es in ihren Entscheidungsprozess einzubeziehen. Das Ziel besteht darin, die Glaubwürdigkeit des NPC-Verhaltens zu verbessern, indem es ihnen erlaubt, fehlerhafte Entscheidungen auf der Basis von mehrdeutigen oder irreführenden Informationen zu treffen. Der bestehende Simulator wurde um ein regelbasiertes Folgerungssystem erweitert, das den motorisierten NPCs ermöglicht, die Absichten von Fußgängern frühzeitig zu erkennen und in ihre Entscheidungsfindung zu integrieren. Zur Evaluation wurden drei realitätsnahe Verkehrssituationen innerhalb des FIVIS Fahrradfahrsimulators realisiert. Es konnte gezeigt werden, dass seltene Simulationsszenarien wie Verkehrsunfälle zwischen virtuellen Fußgängern und Autofahrern auf eine plausiblere und nicht deterministische Art und Weise simuliert werden können. Diese Szenarien treten nur unter bestimmten Bedingungen auf und auch nur dann, wenn der Entscheidungsprozess durch unvollständige, fehleranfällige oder mehrdeutige Eingabedaten beeinflusst wurde, sodass angemessene Entscheidungen schwer zu treffen waren. Dies bedeutet, dass das realisierte Konzept des zeitlichen Schlussfolgerns in der Lage ist, menschliche Fehler und Mehrdeutigkeit im Entscheidungsprozess von NPCs zu modellieren.
• This master’s thesis presents an extension of the FIVIS bicycle simulator [HHK+08, See22] to incorporate the concept of temporal reasoning. Temporal reasoning enables non-player characters (NPCs) to infer new knowledge based on previously acquired information and apply it within their decision making process. The approach aims to enhances the credibility of NPC behavior by allowing them to make flawed decisions based on ambiguous or misleading information. The existing simulator has been expanded with a rule-based inference system, enabling motorized NPCs to anticipate early pedestrians’ intentions and integrate them into their decision making process. Three realistic traffic scenarios were implemented within the FIVIS bicycle simulator environment for evaluation purposes. It has been demonstrated that rare simulation scenarios such as traffic accidents between virtual pedestrians and drivers can be simulated in a more plausible and non-deterministic way. These scenarios occur in reality only under specific circumstances and even in these cases only if the decision making process has been influenced by incomplete, error prone or ambiguous input data, so that proper decisions were difficult to derive. This implies that the realized concept of temporal reasoning is capable of modeling human errors and ambiguity in the decision making process of NPCs.