zur Hauptnavigation springenzum Inhaltsbereich springen

BayWISS-Kolleg Mobilität & Verkehr www.baywiss.de

Projekte im Kolleg Mobilität und Verkehr

© chuttersnap / unsplash.com

Erprobungssystematik für automatisiertes Fahren

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.

Friedrich Kruber

Friedrich Kruber

Technische Hochschule Ingolstadt

 

 

Publikationen

 

  • F. Kruber, E. Sánchez Morales, S. Chakraborty and M. Botsch, "Vehicle Position Estimation with Aerial Imagery from Unmanned Aerial Vehicles", IEEE Intelligent Vehicles Symposium, Las Vegas, 2020. [ arxiv ]
  • E. Sanchez, F. Kruber, M. Botsch, B. Huber and A. García, "Accuracy Characterization of the Vehicle State Estimation from Aerial Imagery", IEEE Intelligent Vehicles Symposium, Las Vegas, 2020. [ arxiv ]
  • An Unsupervised Random Forest Clustering Technique for Automatic Traffic Scenario Categorization in 21st IEEE International Conference on Intelligent Transportation Systems, 2018
  • Unsupervised and Supervised Learning with the Random Forest Algorithm for Traffic Scenario Clustering and Classification in 30th IEEE Intelligent Vehicles Symposium, 2019
  • Highway traffic data - macroscopic, microscopic and criticality analysis for capturing relevant traffic scenarios and traffic modeling based on the highD data set in arxiv.org (open access platform), 2019

Koordination des Verbundkollegs Mobilität und Verkehr

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Mobilität und Verkehr.

Judith Demharter

Judith Demharter

Technische Hochschule Ingolstadt
Esplanade 10
85049 Ingolstadt

Telefon: +49 841 93483789
mobilitaet-verkehr.vk@baywiss.de