Ei n e d er w e s e ntli c h e n V or a u s s et z u n g e n, u m M et h o d e n d e s m a s c hi n ell e n L er n e n s n ut z e n z u k ö n n e n, i st di e V erf ü g b ar k eit gr o ß er D at e n m e n g e n. Di es e m üss e n m eist mit ei n e m ni c ht u n er h e bli c h e n m a n u ell e n A uf w a n d erst ellt b z w. ü b er ar b eit et w er d e n. Ei n e ä h nli c h e Pr o bl e m ati k e ntst e ht a u c h i m F all d er V erifi k ati o n u n d E v al u ati o n a ut o m atis c h er z e u gt er M o d ell e. Gr o ß a n g el e gt e M ess k a m p a g n e n u n d l a n gfristi g e F el d v er s u c h e st e h e n d a b ei erst a m E n d e ei n es E nt wi c kl u n gs pr o z ess es. I n di e s e m Z u s a m m e n h a n g v erf ol g e n wir » L e ar ni n g b y Si m ul ati o n « A ns ät z e, w el c h e es erl a u b e n, p h ysi k alis c h e M o d ell e s o wi e l ä n g erfri sti g a u c h E x p ert e n o d er/ u n d A b b. 2: V or h ers a g e er w art et er Pf a d e d er P ers o n u nt e n r e c hts, b er e c h n et b ei m B etr et e n d er S z e n e ( D at e n b asis a us [ 5]). m eist ni c ht b er ü c ksi c hti gt. U m di es e n Pr o A b w ei c h u n g b e z ü gli c h ei n er d efi ni ert e n V or wiss e n i n di e M o d ell erst ell u n g b z w. di e bl e m e n z u b e g e g n e n, w er d e n a m Fr a u n h of er Er w art u n g z u kl assifi zi er e n ( » A n o m ali e V erifi k ati o n v o n M o d ell e n ei nfli e ß e n z u I O S B V erf a hr e n er pr o bt, w el c h e di e G e n eri e d et e kti o n « ). r u n g u n d A n al ys e v o n B e w e g u n gs pr ofil e n l a s s e n. A b b. 3 st ellt di e A u s g a b e ei n er Si m ul ati o n d ar, mit d er e n Hilf e r e alistis c h e mit Hilf e v o n A ns ät z e n d es m as c hi n ell e n L E A R NI N G B Y SI M U L A TI O N B e w e g u n gs pr ofil e v o n P ers o n e n er z e u gt L er n e ns ( D e e p L e ar ni n g) r e alisi er e n. V erf a hr e n d es m as c hi n ell e n L er n e ns si n d w er d e n k ö n n e n. Hi er b ei w er d e n Ei nfl u s s Di es e erl a u b e n n e b e n d er ei g e ntli c h e n G e n e a us ei n er Vi el z a hl v o n D at e n a ut o m atis c h z u b er ü c ksi c hti gt, i ns b es o n d er e a u c h di e i n di ri er u n g v o n B e w e g u n gs pr ofil e n u. a. a u c h erf ass e n u n d d ar a us k o m pl e x e V or h ers a g e n vi d u ell e I nt er a kti o n z wis c h e n ei n z el n e n di e V or h ers a g e m ö gli c h er W e g e b asi er e n d z u tr eff e n. F ür di e A us w ert u n g v o n B e w e A g e nt e n. i n d er L a g e, st atistis c h e Z us a m m e n h ä n g e f a kt or e n a uf u nt ers c hi e dli c h e n Z eits k al e n a uf ei n e m b e gr e n zt e n B e o b a c ht u n gsi nt er g u n g s pr ofil e n k a n n di e s et w a di e r o b u st e v all ( A b b. 1 u n d 2). W eit er hi n ist es m ö gli c h, B a h n v erf ol g u n g st ar k m a n ö vri erf ä hi g er B e w e g u n g s pr ofil e a u s br u c h st ü c k h aft e n O bj e kt e, wi e z. B. Dr o h n e n s ei n, a b er a u c h B e o b a c ht u n g e n r ü c k wir k e n d z u r e k o nstr u di e Erf a s s u n g k o m pl e x er I nt er a kti o n e n i er e n s o wi e B e w e g u n gs profil e e ntl a n g d er z wi s c h e n P er s o n e n i n Allt a g s sit u ati o n e n. Lit er at ur: [ 1] B e c k er, S.; H u g, R.; H ü b n er, W.; Ar e ns, M.: “ R E D: A si m pl e b ut eff e cti v e B as eli n e Pr e di ct or f or t h e Tr aj N et B e n c h m ar k “. E ur o p e a n C o nf er e n c e o n C o m p ut er Visi o n ( E C C V) W or ks h o ps, 2 0 1 8. [ 2] H u g, R.; B e c k er, S.; H ü b n er, W.; Ar e ns, M.: “ P arti cl e b as e d p e d estri a n p at h pr e di cti o n usi n g lst mm dl m o d els “. I E E E I nt. C o nf. o n I nt elli g e nt Tr a ns p ort ati o n S yst e ms (I T S C), 2 0 1 8. [ 3] H u g, R.; H ü b n er, W.; Ar e ns, M.: “I nt er a cti v e c o n c e pts f or s h a pi n g g e n er ati v e m o d els of s p ati al b e h a vi or “. I n Pr o c. of I E E E 4t h I nt. C o nf. o n S oft C o m p uti n g & M a c hi n e I nt elli g e n c e (I S C MI), 2 0 1 7. [ 4] R o bi c q u et, A.; S a d e g hi a n, A.; Al a hi, A.; S a v ar es e, S.: “ L e ar ni n g S o ci al Eti q u ett e: H u m a n Tr aj e ct or y U n d erst a n di n g I n Cr o w d e d S c e n es “. E ur o p e a n C o nf er e n c e o n C o m p ut er Visi o n ( E C C V), 2 0 1 6. [ 5] Rist a ni, E.; S ol er a, F.; Z o u, R.; C u c c hi ar a, R.; T o m asi, C.: “ P erf or m a n c e M e as ur es a n d a D at a S et f or M ulti Tar g et, M ulti C a m er a T r a c ki n g “. E ur o p e a n C o nf er e n c e o n C o m p ut er Visi o n ( E C C V) W or ks h o ps, 2 0 1 6. 1 5 vi s I T I nt elli g e nt e Si c h er h eit st e c h ni k A b b. 3: D arst ell u n g d er Si m ul ati o ns u m g e b u n g. D as Zi el ist hi er b ei ni c ht di e G e n eri er u n g f ot o r e alistis c h er Bil d er, s o n d er n di e Er z e u g u n g r e alit äts n a h er B e w e g u n gs pr o fil e.