Der Aufwand bei der Absicherung von integralen Fahrzeugsicherheitsfunktionen ist heute bereits sehr groß und es ist zu erwarten, dass dieser Aufwand in den kommenden Jahren angesichts der Entwicklung hin zum autonomen Fahren dramatisch wachsen wird. Insbesondere die Felderprobungen von Fahrzeugfunktionen, die in die Längs- bzw. Querdynamik eines Fahrzeugs eingreifen, sind sehr kostspielig.
Daher soll in diesem Projekt ein Konzept zur Erprobungssystematik von Fahrzeugfunktionen mit autonomen Eingriffen in die Fahrdynamik erforscht werden. Dies soll einen Beitrag zur Reduktion der benötigten Anzahl an „Straßenkilometern“ liefern.
Zur Erreichung dieses Ziels stehen die automatisierte Identifikation, Analyse und Bewertung von Verkehrssituationen bei Fahrten auf öffentlichen Straßen im Mittelpunkt.
Dies wird anhand von Maschinenlernverfahren erreicht, welche mit definierten Parametern eine Analyse des jeweiligen Szenarios durchführen. Über Cluster-Verfahren werden sie zu repräsentativen Szenarien gruppiert: Die Cluster bilden sich aus der Kombination von ereignisbasierten Merkmalen, da die zeitliche Abfolge der Ereignisse eine entscheidende Rolle einnimmt. Anhand von Ähnlichkeitsmaßen werden die Szenarien schließlich gruppiert.
Von großer Bedeutung ist die Ableitung des quantitativen Beitrags des jeweiligen Szenarios zum gesamten Absicherungsbedarf der Funktion. Dazu sollen Simulationen durchgeführt werden und die Ergebnisse mit realen Daten aus Erprobungen abgeglichen werden. Somit lassen sich besonders relevante Situationen mit hohem Deckungsbeitrag ermitteln, welche zielgerichtet bei der Absicherung getestet werden und somit den Aufwand reduzieren.
