UR:BAN Halbzeitpräsentation Braunschweig 14.05.2014 Posterübersicht Inhalt Projekt Kognitive Assistenz UEM 1 UEM 2 UEM 3 UEM 4 SVT 1 SVT 2 SVT 3 SVT 4 SQL 1 SQL 2 SQL 3 SQL 4 SQL 5 KAB 1 KAB2 WER 1 WER 2 WER 3 Umgebungserfassung und Umfeldmodellierung Umfeldsensoren im Automobil Situationswahrnehmung Modelle und Fusion 6 7 8 9 Schutz von schwächeren Verkehrsteilnehmern Neue Szenarien adressieren Besser Reagieren Schutz durch Rundumsicht im Nutzfahrzeug 10 11 12 13 Sichere Quer- und Längsführung in der Stadt Engstellenassistent Umgebungsabhängige Geschwindigkeitsempfehlung Gegenverkehrsassistent Spurwechselassistent 14 15 16 17 18 Kollisionsvermeidung durch Ausweichen und Bremsen Vernetzung mit anderen UR:BAN-Teilprojekten 19 20 Wirkfeld, Effektivität, Recht WER: Recht WER: Wirkfeld und Effektivität 21 22 23 Projekt Vernetztes Verkehrssystem RN 1 RN 2 RN 3 RN 4 RN 5 RN 6 Regionales Netz: Energieeffizientes Routing in der Stadt Vorgehensweise zur energieeffizienten urbanen Navigation Simulation von synchronisiertem Verkehr in einer Stadt Zukunft der Optimierung der Verkehrsströme im urbanen Netz Echtzeit-Verkehrslage für die Stadt Düsseldorf Energieverbrauchskartenlayer für Elektrofahrzeuge 26 27 28 29 30 31 US 1 US 2 US 3 US 4 Urbane Straßen Lkw-Pulkmanagement Kommunikationskette Infrastrukturapplikation Prognose von Haltepunkten und Haltedauern Schaltzeitprognose Grüne-Welle-Qualitätsmanagement Fahrzeug- & Smartphone Funktionen: Verzögerungs- und Grüne-Welle Assistent 32 33 34 Smarte Kreuzung Basisdienst Road Side Unit (RSU) Kooperative Schutzeinrichtung „Intelligenter Leitkegel“ Infrastrukturapplikationen „Kooperative Kreuzung“ Kreuzungslotse – Sichere Umfeldinformationen in Echtzeit mit C2X Kreuzungslotse – Situationsgerechte Fahrmanöver 39 40 41 42 Kooperative Infrastruktur L eitfaden für die Einrichtung kooperativer Systeme auf öffentlicher Seite Schnittstellenkonzept Baustelleninformationssystem Wirkungsbewertung und Hochrechnung 45 US 5 US 6 US 7 SK 1 SK 2 SK 3 SK 4 SK 5 SK 6 KI 1 KI 2 KI 3 KI 4 KI 5 2 35 36 37 38 43 44 46 47 48 49 Projekt Mensch im Verkehr UF 1 UF 2 Urbanes Fahren atenstandards für die Messgrößendefinition D und Versuchsdokumentation Systematik der Assistenzszenarien 52 Assistierter Spurwechsel Unfallträchtige Szenarien für Warnkonzepte Situationsgerechte Warnkonzepte Informations- und Warnkonzepte im städtischen Verkehr Wizard-of-Oz Fahrzeug: Rapid Prototyping für entwicklungsbegleitende Evaluationen MMI 6 Integratives Anzeigekonzept für warnende und regelnde Fahrerassistenzsysteme MMI 7 Integratives Anzeigekonzept für warnende und regelnde Fahrerassistenzsysteme MMI 8 Warnkonzepte mit semantisch-akustischen Signalen MMI 9 Anzeigekonzept für vorausschauende automatisierte Fahrzeuglängsführung MMI 10 Anzeigekonzept für Fahrempfehlungen MMI 11 Integriertes Anzeige- und Bedienkonzept MMI 12 Assistenz für abgelenkte Fahrer 55 56 57 58 VIE 1 VIE 2 VIE 3 VIE 4 VIE 5 VIE 6 Vehaltensprädiktion und Intentionserkennung Schwerpunkte der Partner Szenarien Datenerhebung Entwicklung von Algorithmen Technische Ausstattung 67 68 69 70 71 72 SIM 1 SIM 2 SIM 3 SIM 4 SIM 5 SIM 6 SIM 7 SIM 9 Simulation und Verhaltensmodellierung Methoden Fußgängermodellierung Motorrad-Pkw-Vernetzung Pkw-Lkw-Interaktion Pkw-Pkw-Interaktion Fahrradmodellierung Pulksimulation 73 74 75 76 77 78 79 80 KON 1 KON 2 KON 3 Kontrollierbarkeit Fahrerleistung und ihre verkehrsraumbezogene Auswirkung Kontrollierbarkeit von teilautonomen Lenkeingriffen aus Sicht des Gegenverkehrs Versuche zu Lenkeingriffen in zeitkritischen Situationen Validierungsstudie – Vergleich von Prüfumgebungen Validierungsstudie – Empirische Ergebnisse Recht Einfluss von Nebentätigkeiten 81 82 UF 3 MMI 1 MMI 2 MMI 3 MMI 4 MMI 5 KON 4 KON 5 KON 6 KON 7 KON 8 53 54 59 60 61 62 63 64 65 66 83 84 85 86 87 88 3 4 Projekt Kognitive Assistenz 5 Umgebungserfassung und Umfeldmodellierung UEM – Umgebungserfassung und Umfeldmodellierung Motivation Das Verstehen komplexer urbaner Verkehrssituationen erfordert neue, leistungsfähigere Methoden der Umgebungserfassung und aussagekräftige Modellierungen der Umwelt Randsteine Baustellen Engstellen Fußgänger Ampeln Zielsetzung • Verstehen komplexer innerstädtischer Situationen für alle UR:BAN-KA Applikationen • Entkopplung von Wahrnehmung und Funktionen durch generische Repräsentationen • Entwicklung einer fusionierten 360° Umgebungserfassung und applikationsübergreifender Umfeldmodellierung • Partnerübergreifendes Verständnis der Konzepte einer Umgebungserfassung für den sicheren Verkehr der Zukunft Generische Repräsentationen Bisherige Ergebnisse • Gemeinsames Glossar der Umfelderfassung • Umfeldrepräsentationen in Versuchsträgern integriert und heute erlebbar • Konzept der Entkopplung von Wahrnehmung und Funktionen bestätigt Partner: 6 • AUDI AG • Continental Teves AG & Co. oHG • BMW Forschung und Technik GmbH • Daimler AG • Robert Bosch GmbH • Volkswagen AG Umfeldsensoren im Automobil UEM – Umgebungserfassung und Umfeldmodellierung Eingesetzte Sensoren Moderne Sensoren erlauben eine umfassende Wahrnehmung der Umgebung rund um das Fahrzeug. Sie ergänzen sich dank ihrer unterschiedlichen Fähigkeiten und Erfassungsbereiche. Redundanz erhöht zudem die Sicherheit für anspruchsvolle Anwendungen Radar Laserscanner • hohe Reichweite • feine Winkeltrennung • großer Öffnungswinkel • hohe Reichweite • witterungsrobust 360 ° Abdeckung der Fahrzeugumgebung Mono-Video Stereo-Video • Verkehrszeichen, Markierungen etc. • Klassifikation von Objekten • Detaillierte 3D-Messung im Nahbereich Partner: • AUDI AG • Continental Teves AG & Co. oHG • BMW Forschung und Technik GmbH • Daimler AG • Robert Bosch GmbH • Volkswagen AG 7 Situationswahrnehmung UEM – Umgebungserfassung und Umfeldmodellierung Zielsetzung Im Rahmen der Situationswahrnehmung werden die funktionsrelevanten Situationsmerkmale basierend auf den Umfeldrepräsentationen extrahiert Scene Labeling Fahrpfade Zebrastreifen Kolonnen Hierarchische Fahrstreifenerkennung Frei-/Belegtraumextraktion Methodik Die Interpretation von Situationsmerkmalen erfolgt in den jeweiligen Funktionen anhand funktionsspezifischer Kriterien. Beispiel: „abgesenkter Bordstein“ Querführung im Fahrstreifen Ausweichen im Notfall Fazit • Komplexe urbane Szenarien sind durch die Erkennung von Situationsmerkmalen beschreibbar und damit maschinell interpretierbar • Für die Fahrerassistenz-Funktionen ist dies die Grundlage für mehr Sicherheit im urbanen Verkehr Partner: 8 • AUDI AG • Continental Teves AG & Co. oHG • BMW Forschung und Technik GmbH • Daimler AG • Robert Bosch GmbH • Volkswagen AG Modelle und Fusion UEM – Umgebungserfassung und Umfeldmodellierung Zielsetzung Funktionsübergreifende Modellierung des Fahrzeugumfelds in urbaner Umgebung und Integration von Informationen unterschiedlicher Quellen Modellierung Entwicklung verschiedener Repräsentationen um eine umfassende Beschreibung der Umgebung zu erhalten Intervallkarte 3D Objektgrid Stixel 2D Grid Objekte Fusion • Gewinnung von Informationen höherer Qualität durch Nutzung der Messwerte mehrerer Sensoren mit diversitären Erfassungsbereichen und Eigenschaften • Aufbau eines durchgängigen konsistenten Umfeldmodells aus den verschiedenen eingesetzen Sensoren Typische Sensorsichtbereiche Ergebnis der Fusion Partner: • AUDI AG • Continental Teves AG & Co. oHG • BMW Forschung und Technik GmbH • Daimler AG • Robert Bosch GmbH • Volkswagen AG 9 14 % 36 % 2% Übersicht 9% 2% Getötete 2.2071 SVT – Schutz von schwächeren Verkehrsteilnehmern 7% EU Getötete 32.885 Motivation Getötete 96.6114 4% 14 % 4% 2% 2% 26 % 35 % Getötete 96.6114 28 % 13 % 7% EU 9% 18 % Getötete 34.2171, 2 39 % 18 % 21 % 5% Getötete 35.15534 % 6% 28 % 13 % 14 % Getötete 3.648 16 % Getötete Fahrradfahrer Getötete 105.9223 19 % 9% 2% Getötete 6.872 3% 17 % Getötete 1.352 59 % 13 % NAFTA-Staaten BRIC-Staaten 17 % Getötete 14.9204 2% 2% Getötete Fahrradfahrer 1 Getötete Motorradfahrer NAFTA-Staaten 2009, 2 EU-24, 3 2006, 4 2007 BRIC-Staaten 1 2009, 2 EU-24, 3 2006, 4 2007 Zielsetzung Entwicklung kognitiver benutzergerechter Systeme zum wirksamen und vorausschauenden Schutz von schwächeren Verkehrsteilnehmern in der Innenstadt Erhöhung der Schutzwirkung der Systeme durch • Erweiterung der Nutzenfälle auf bisher nicht erfasste Unfallszenarien • Erhöhung der Effektivität und Robustheit der Systeme in den adressierten Unfallszenarien Szenarien / Use Cases Kollisionsvermeidung bei plötzlichem Auftauchen von schwächeren Verkehrsteilnehmern im Gefahrenbereich vor dem Fahrzeug sowie bei Unachtsamkeit des Fahrers Adressierte Unfallszenarien: • Frontalunfälle • Abbiegeunfälle • Unfälle mit teilweiser Sichtverdeckung Geplante Ergebnisse Entwicklung und Evaluation der Schlüsseltechnologien zur robusten Gesamtfunktion eines Schutzsystems für schwächere Verkehrsteilnehmer: • Sensorbasierte Erkennung relevanter Verkehrsteilnehmer • Tieferes Situationsverständnis kombiniert mit objektspezifischer Verhaltensprädiktion • Situationsabhängige Handlungsstrategien zur Unfallvermeidung oder -folgenminderung (Bremsen und Ausweichen) Partner: 10 3% 20 % Getötete Fußgänger • BMW Forschung und Technik GmbH • Continental Teves AG & Co. oHG • Robert Bosch GmbH • Daimler AG • Continental Safety Engineering International GmbH • MAN Truck & Bus AG 3% 22 % 39 % 5% 13 % 13 % 27 % Getötete 14.9204 28 % Getötete 35.1553 59 % 38 % 4% 10 % 20 % Getötete 5.505 2% Getötete Motorradfahrer 13 % Getötete6.872 5.745 19 % Getötete 32.885 Getötete 17.0033 3% 2% 19 % 22 % 9% Getötete Getötete 33.3084 Getötete 3.648 Getötete 5.505 36 % Getötete 105.9223 9% 14 % 16 % 28 % 27 % 10 % 14 % Getötete Fußgänger 18 % 38 % 13 % 18 % 21 % Getötete 2.2071 26 % 9% Getötete 34.2171, 2 6% 35 % 2% 19 % 13 % Getötete 17.0033 Getötete 5.745 Getötete 33.3084 14 % Getötete 1.352 Neue Szenarien adressieren SVT – Schutz von schwächeren Verkehrsteilnehmern Abbiegen Motivation •10%allerFußgängerunfällemitPersonenschadenereignen sichbeimAbbiegen •AbbiegeszenarienwerdenvonaktuellenSystemennicht adressiert Vorgehen •Umfelderfassungmitgroßem,lateralenSensorsichtbereich >Weitwinkel-undSeitenkameras •GenaueVorhersagederFahrzeugtrajektoriewährenddes gesamtenAbbiegevorgangs >kontextgestütztePrädiktiondesEgo-Fahrzeugsdurch EinbeziehungvonUmfeldmerkmalenundKartendaten Verdeckungen Motivation •Bei30%allerFußgängerunfällemitPersonenschadenerscheint FußgängerausVerdeckung •KannvonaktuellenSystemennurbegrenztadressiertwerden Vorgehen •SchnelleundzuverlässigeSituationserkennung •VerbesserungderKlassifikationvonteilverdecktenFußgängern Partner: •BMWForschungundTechnikGmbH •ContinentalTevesAG&Co.oHG •RobertBoschGmbH •DaimlerAG •ContinentalSafetyEngineeringInternationalGmbH •MANTruck&BusAG 11 Besser Reagieren SVT – Schutz von schwächeren Verkehrsteilnehmern Absichtserkennung Ziel: Präzise Fußgänger und Radfahrer Trajektorien-Prädiktion (0.5 – 2 s) für eine verbesserte Situationsanalyse und höhere Systemschutzwirkung Posen- und Handlungserkennung Verwendung von Bewegungsmodellen Einbeziehung von Szenenkontext Detailanalyse Grundlage für Absichtserkennung: Erfassung von Detailmerkmalen aus der Umgebung, insbesondere der Fußgängerpose Ausrichtung Kopf Ausrichtung Torso Bewegungsrichtung Einzelanalyse von Kopf, Torso und Beine Erkennung der Gesamtpose Partner: 12 • BMW Forschung und Technik GmbH • Continental Teves AG & Co. oHG • Robert Bosch GmbH • Daimler AG • Continental Safety Engineering International GmbH • MAN Truck & Bus AG Schutz durch Rundumsicht im Nutzfahrzeug SVT – Schutz von schwächeren Verkehrsteilnehmern Ziele •EntwicklungeinesMultikamerasystemsfürNutzfahrzeugezurEntlastungdesFahrers inkomplexenundunübersichtlichenSituationen •SchutzschwächererVerkehrsteilnehmerdurchoptimaleVisualisierungbisherschlechtoder nichteinsehbarerBereicheimFahrzeugumfeld Vorgehen •AnalysederhäufigstenUnfallursachen •IdentifikationnutzfahrzeugspezifischerFahrsituationen •Fahrerbefragung(inKooperationmitTeilprojektMMI) •GenerierungderfürjedeFahrsituationoptimalenAnsicht •PrototypischeUmsetzungineinemStadtbus Vernetzung Zusammenarbeit mit anderen Teilprojekten UEM SQL SVT KAB WER MMI SIM VIE KON KAB FunktionsauslegungKollisionsvermeidung UEM SensorikundUmfeldmodellierung SQL AbstimmungPrüfmethodikEffektivitäts-und Wirkanalyse WER Effektivitäts-undWirkanalyse MMI AuslegungMMIKomponenten VIE FahreraufmerksamkeitundFahrerreaktion KON AbsicherungSystemverhalten SIM Simulationsumgebung Partner: •BMWForschungundTechnikGmbH •ContinentalTevesAG&Co.oHG •RobertBoschGmbH •DaimlerAG •ContinentalSafetyEngineeringInternationalGmbH •MANTruck&BusAG 13 Sichere Quer- und Längsführung in der Stadt SQL – Sichere Querund Längsführung in der Stadt Motivation und Ziele •ErhöhungderSicherheitimStraßenverkehrdurch innovativeStadt-Assistenzsysteme •SteigerungderKapazitätdesStraßennetzesdurchvoraus- schauendesundsituationsangepasstesFahrverhalten Quelle: Gerald Kempel, Wien Use Cases Erwartete Ergebnisse Fahrerunterstützung in städtischen Engstellen VermeidungvonKollisionenmit •stehendenHindernissen •VerkehrineigenerRichtung •Gegenverkehr Spurwechsel assistiert auf Fahrerkommando UnterstützungSpurwechseldurch •RundumsichtmitFreiraumerkennungaufNachbarfahrspuren •aktiveQuerführung Kontinuierliche Unterstützung KontinuierlicheUnterstützungdurch •UmgebungsabhängigeGeschwindigkeitsempfehlung •haptischesFeedbackamGaspedal Forschungsschwerpunkte •Szenarien-undFunktionsspezifikation •Versuchsträgeraufbau •SituationsabhängigeHandlungsstrategien •PrototypischeUmsetzung •Funktionserprobungund-bewertung Partner: •RobertBoschGmbH •DaimlerAG •ContinentalSafetyEngineeringInternationalGmbH •VolkswagenAG •ContinentalTevesAG&Co.oHG 14 Engstellenassistent SQL – Sichere Querund Längsführung in der Stadt Motivation, Ziele, Kundennutzen Unterstützung in Engstellen im fließenden Stadtverkehr durch: Typische Nutzenszenarien: Engstellen verursacht durch … • Information über Abstand zu seitlichen Hindernissen und Breite einer vorausliegenden Durchfahrt • Aktiver Lenkeingriff beim Passieren/Überholen von: • stationären Hindernissen (parkende Fahrzeuge, Poller, Bordsteinkanten) • Verkehr in eigener Fahrtrichtung • Stationäre Hindernisse • Optional: Teilbremsung bei nicht passierbaren Durchfahrten Einfluss auf das Unfallgeschehen: • Adressierte Unfalltypen: Front-/Seitenkollisionen • Erwartete Wirksamkeit: Vermeidung/Schwereminderung, Fahrerentlastung und Steigerung der Aufmerksamkeit Umfelderfassung: • Verkehr in der eigenen Fahrtrichtung • Partnerspezifische Sensorkonfiguration: • Abdeckung Frontbereich: Stereo-Video, Fernbereichsradar • Abdeckung Seitenbereich: Mono-Video, Nahbereichsradare Lösungsansätze und Umsetzung Innenstadtszenarien erfordern Erweiterung bekannter Ansätze zur Umfeldrepräsentation >Objektliste: Bewegte Verkehrsteilnehmer > Belegungsgitter: Unstrukturiertes stehendes Umfeld Visualisierung Belegungsgitter und Fahrkorridor Front-Sensorik 3 1 4 3 1 Vorverarbeitung Sensordaten Umfeldrepräsentation 2 5 Situationsanalyse Seiten-Sensorik 2 4 5 3 Umfeldsensoren aller Partner 4 5 Ansteuerung, Anzeige, Bremse und Lenkung Aktionsplanung Systemarchitektur des Engstellenassistenten Partner: • Robert Bosch GmbH • Continental Safety Engineering International GmbH • Continental Teves AG & Co. oHG • Volkswagen AG 15 Umgebungsabhängige Geschwindigkeitsempfehlung SQL – Sichere Querund Längsführung in der Stadt Motivation, Ziele und Kundennutzen •DemFahrerjederzeitvermitteln,wiedieLängs- geschwindigkeitangepasstwerdensollte •VorausschauendesenergieeffizientesFahren •HöheresSicherheitsgefühlfürunerfahreneundältere MenscheninurbanenBereichen Lösungsansätze und Umsetzung •AktivesGaspedalmiteinstellbarerRückstellkraft •ÄnderungderGaspedalkennlinie •KontinuierlicherhaptischerEingriff •SystemauslegungsowieAkzeptanzfrageuntersuchen •BeitragzursicherenundeffizientenkontinuierlichenLängsführungerproben •EngeZusammenarbeitmitdenTeilprojektenUrbanes FahrenundStadtgerechte MMI von UR:BAN-MV Beispiel-Szenarien Anpassung an Geschwindigkeitsbegrenzung Folgefahrt Engstelle •Fahrzeugfährt50km/haufgerader Stadtstraße •Fahrzeugfährthintereinem Vorderfahrzeug •geringeDurchfahrbreite > DemFahrerwirdübermitteltdie Geschwindigkeitsoanzupassen, dasssicheinausreichendgroßer AbstandzumVorausfahrzeugergibt. > DemFahrerwirdangezeigt,die Geschwindigkeitsituationsbedingt zureduzieren. •Verkehrszeichenmit30km/h > DemFahrerwirdübermittelt,dasser dasGaspedalzurücknehmensollte umdieGeschwindigkeitanzupassen. Partner: •ContinentalSafetyEngineeringInternationalGmbH •ContinentalTevesAG&Co.oHG •VolkswagenAG 16 Gegenverkehrassistent SQL – Sichere Querund Längsführung in der Stadt Motivation, Ziele und Kundennutzen •VermeidungvonZusammenstößenmitentgegenkommendenFahrzeugenimStadtverkehr •KollisionsvermeidungmitstehendenFahrzeugenoderHindernissen Szenarien •StädtischeEngstellenmitGegenverkehr Lösungsansätze und Umsetzung •Engstellenassistentistaktiv •ZusätzlicheBeobachtungvonGegenverkehrmitRadarundStereokamera •BestimmungderWahrscheinlichkeit,dassDurchfahrenmöglichist d4 b1 d5 d3 b2 v1 v2 d2 Fahrerunterstützung •AnzeigevonerkanntenEngstellenmitgleichzeitigem Gegenverkehr •WarnungundfallserforderlichBremseingriff,wennDurch- fahrbreitefürbeideFahrzeugezugering •UnterstützendesLenkmoment,fallsseitlicheKollisionbei DurchfahrteinerEngstellemitGegenverkehrdroht Partner: •ContinentalSafetyEngineeringInternationalGmbH •ContinentalTevesAG&Co.oHG 17 Spurwechselassistent SQL – Sichere Querund Längsführung in der Stadt Motivation Zielsetzung Entwicklung eines Spurwechselassistenten zur Unterstützung des Fahrers durch Längs- und Querführung für einen sicheren und komfortablen Spurwechsel in der Stadt Funktionsablauf Szenarien • Ausgangssituation: Längsregelung mit Spurhaltefunktion Spurwechsel auf vorausfahrendes Fahrzeug • Übergabe des Spurwechselwunsches durch Fahrer • System überprüft, ob Spurwechsel möglich ist • Spurwechsel mit Unterstützung durch Längsund Querregelung (Gas, Bremse, Lenkung) Spurwechsel vor einem Fahrzeug auf der Zielspur • Nach erfolgreichem Spurwechsel wird die Längsregelung mit Spurhaltefunktion fortgesetzt • Fahrer hat jederzeit die Möglichkeit, den Spurwechsel durch Betätigen von Gas, Bremse oder Lenkeingriff zu übersteuern Spurwechsel hinter einem Fahrzeug auf der Zielspur Vorgehensweise Entwicklung Funktion Spurwechselassistent: • Umfelderfassung und -repräsentation • Verhaltensentscheidung und Aktionsplanung • Situationsanalyse und -prädiktion • Längs- und Querregelung Partner: 18 • Continental Safety Engineering International GmbH • Daimler AG • Continental Teves AG & Co. oHG • Volkswagen AG UR:BAN KAB Übersicht KAB – Kollisionsvermeidung durch Ausweichen und Bremsen Zielsetzung Unfallvermeidung in städtischer Umgebung durch situationsspezifische Kombination von Brems- und Lenkeingriffen. Motivation und Anwendungsfelder Fokus von Fahrerassistenzsystemen lag bisher auf Verkehrssituationen außerhalb der Stadt, jedoch geschehen vor allem innerorts relativ viele Unfälle mit Personenschaden. KAB unterstützt den Fahrer, wenn es in der aktuellen Verkehrssituation aufgrund von Unachtsamkeit oder Auftreten eines plötzlichen Ereignisses zwangsläufig zu einer Kollision kommen würde. Nutzenszenarien und Versuchstechnik Das KAB-System erfasst die Verkehrsteilnehmer im Umfeld des Fahrzeugs und die Fahrbahninfrastruktur. Wird eine drohende Kollision erkannt, reagiert die KAB-Funktion mit einem kurzzeitigen, automatischen Eingriff in Bremse und/oder Lenkung, so dass die Gefahr entschärft wird. Distanz zum Objekt Funktionsweise Unfallvermeidung durch Bremsen und Lenken möglich Ausweichen Bremsen Kollision nicht vermeidbar Geschwindigkeit Aktueller Status • Gemeinsame KAB-Funktionsspezifikation erstellt • Versuchsfahrzeuge aufgebaut • KAB-Szenarien zur Funktionsentwicklung in Simulationsumgebung implementiert Nächste Schritte • Weiterentwicklung und prototypische Umsetzung der partnerspezifischen KAB-Funktionsausprägungen • Test und Validierung der Wirksamkeit sowie der Akzeptanz der KAB-Funktionen Partner: • Adam Opel AG • Continental Teves AG & Co. oHG • AUDI AG • Volkswagen AG • Continental Safety Engineering International GmbH 19 Vernetzung mit anderen UR:BAN-Teilprojekten Teilprojekt KAB – Kollisionsvermeidung durch Ausweichen und Bremsen Ziel Status Gemeinsame Erarbeitung einer Warn- und Eingriffsstrategie für KAB • Anforderungen seitens KAB definiert MV-MMI • Generische MMI-Strategie erarbeitet • Umsetzung eines KAB-MMI-Konzepts im DLR-Simulator MV-VIE I Übernahme von Modulen zur Fahrerintentionserkennung und -prädiktion • Anforderungen abgestimmt Kontrollierbarkeit der KAB- Funktion durch den Fahrer absichern • KAB-Systemspezifikation und Szenarienkatalog an KON übergeben MV-KON • Teilnahme am KON-Expertenkreis durch KAB-Vertreter Entwicklung von Modulen zur Umgebungserfassung und Situationsanalyse • Szenarienspezifische Herleitung der KABAnforderungen an UEM kommuniziert Abstimmung hinsichtlich Nutzenszenarien und Eingriffsstrategie • Funktionsschwerpunkte abgestimmt • Spezifikationen abgestimmt KA-SQL KAB-Funktion auch bei aktiver kontinuierlicher Quer- und Längsführung • Unfallanalyse durchgeführt und Wirkfeld von möglichen KAB-Ausprägungen ermittelt KA-WER Wirkfeld- und Effektivitätsanalyse für KAB sowie Diskussion rechtlicher Aspekte KA-UEM KA-SVT Partner: • Adam Opel AG • Continental Teves AG & Co. oHG • AUDI AG • Volkswagen AG • Continental Safety Engineering International GmbH 20 • Konzept zur Umfeldwahrnehmung und -repräsentation partnerspezifisch zusammen mit UEM erarbeitet • KA-Simulatorszenario abgestimmt • KA-Simulatorszenario abgestimmt • Rechtsworkshop: Klassifizierung der KAB Funktion und Identifizierung rechtlich relevanter Anforderungen Das Teilprojekt: Wirkfeld, Effektivität, Recht (WER) WER – Wirkfeld, Effektivität, Recht Motivation •RelativanteilvonInnerortsunfällenmitPersonenschadensteigt •BegleitungdesEntwicklungsprozessesvonFahrerassistenzsystemenmitinnerortskomplexerwerdendenAnforderungen Zielsetzung •WirkfeldermittlungvonFahrerassistenzsystemen •EffektivitätsbewertungvonFahrerassistenzsystemen •RechtlicheEinordnungderindenApplikationsprojektenentwickeltenSysteme Datengrundlage: reale Unfälle 2. Nachweis des Nutzens (Effektivität) 1. Wirkfeldermittlung > GIDASDatenbankalsGrundlage fürdendeutschenMarkt > Bestimmungderpotenziell adressierbarenUnfälleeines bestimmtenSystemsinnerhalb vonGIDAS > Bestimmungdestatsächlichen NutzensdesSystemsinnerhalb desWirkfeldes > Feldeffektivitätsanalyse Wirkfeld GIDAS Unfalldatenbank Wirkfeld GIDAS Wirkfeld Nutzen Nutzen Arbeitsschwerpunkte •WirkfeldermittlungderinUR:BANundinsbesonderederinderProjektsäuleKognitiveAssistenz(KA) entwickeltenSystemeundBewertungdersog.Feldeffektivität(Poster:WirkfeldundEffektivität) •BetrachtungderinUR:BANentwickeltenSystemeausrechtlicherSicht(Poster:Recht) Bisherige Ergebnisse •Unfalldatenanalyse •AbbildungersterFunktioneninEffektivitäts-Software •ErmittlungWirkfelder(GIDAS) •ApplikationsbezogenerrechtlicherWorkshop Partner: •RobertBoschGmbH •BundesanstaltfürStraßenwesen(BASt) •VolkswagenAG 21 WER: Recht WER – Wirkfeld, Effektivität, Recht Motivation •AufzeigenderrechtlichenRahmenbedingungenfür dieEntwicklungderFahrzeugautomatisierung •IdentifizierungderrechtlichenHindernisse fürdieMarkteinführung •RechtskonformeFunktionsausgestaltung •warnender/informierenderSysteme •kontinuierlichwirkenderSysteme •Notfallsysteme Arbeitsschwerpunkte •DurchführungeinesapplikationsbezogenenRechtsworkshops •IdentifikationspezifischerAnforderungendertechnischen Ausgestaltungnachdem • Produkthaftungsrecht • Verhaltensrecht •DefinitorischeEinordnungautomatisierterFunktionen inKategorienderAutomatisierung •IdentifizierungrechtlichrelevanterAspektederNotfallsysteme •RelevanzderKontrollierbarkeit Bisherige Ergebnisse •RechtlicheBewertungderApplikationenSQL,SVTundKAB •InputfürdieEntwicklungundMarkteinführung derApplikationen •AnalyseproblematischerRechtsfragenunterdem GesichtspunktderFahrzeugtypengenehmigung Partner: •BundesanstaltfürStraßenwesen(BASt) 22 WER: Wirkfeld und Effektivität WER – Wirkfeld, Effektivität, Recht Vorgehen WER-Toolkette 1. Ausgangsituation „ohne System“: Unfallgeschehen innerorts 2. Fallauswahl durch Auswahl potentiell adressierbarer Unfälle 3. Abbildung des Fahrerassistenzsystems 4. Virtuelle Simulation „mit System“: verändertes Unfallgeschehen 5. Bewertung des Nutzens des Systems als Vergleich zwischen Ausgangssituation „ohne System“ und virtueller Simulation „mit System“ & verringerte Verletzungsschwere Systemkonfiguration Sensor Algorithmus rateEFFECT 3 Fahrermodell Aktor Verletzungsrisikofunktion 4 PC-Crash PC-Crash PC-Crash Konzept-, Modell- und Realalgorithmen 2 Deutsches Unfallgeschehen GIDAS PreCrash-Matrix Aktuelles Sicherheitsniveau 5 Wirkfeld 1 Auswertung 1830 Berechnete Unfälle (Wirkfeld) 739 8% Konzept-, Modell- und Realalgorithmen 1091 1,75% Adressierte Unfälle Beeinflusste Unfälle Nicht beeinflusste Unfälle Schritte 1-2 der WER-Toolkette: Definition der Aktionsräume von verschiedenen FAS-Varianten mit anschließender Potentialbewertung anhand des Unfallgeschehens: Geschwindigkeitsbereich (pot. Unfallgegner) bis 30 km/h 30-50 km/h 50 bis 70 km/h bis 30 km/h x x x x x x x x Variante 2 Geschwindigkeitsbereich (EGO-Fahrzeug) 2. Analyse Unfallgeschehen innerorts Variante 1 1. Beschreibung Wirkbereiche von FAS-Varianten 30-50 km/h 50 bis 70 km/h 3. Wirkfeld Wirkfeldbetrachtung in UR:BAN WER • SVT: Analyse von Szenarien für Fußgänger und Radfahrer bzw. funktionsrelevante Charakteristika • KAB: Abgrenzung von Unfällen, in denen Ausweichen oder Bremsen zur Kollisionsvermeidung möglich ist • SQL: Analyse urbaner Abkommens- und Längsverkehrsunfälle – zusätzlich: Fahrerentlastung Unfallszenarien Gemeinsames Unfallgeschehen – drei Analyseansätze SQL KAB SVT Fahrsituation Kollision UR:BAN Teilprojekte: SVT – Schutz von schwächeren Verkehrsteilnehmern KAB – Kollisionsvermeidung durch Ausweichen und Bremsen SQL – Sichere Quer- und Längsführung Partner: • Robert Bosch GmbH • Bundesanstalt für Straßenwesen (BASt) • Volkswagen AG 23 24 Projekt Vernetztes Verkehrssystem 25 Energieeffizientes Routing in der Stadt RN – Regionales Netz Ziel Bereitstellung energieeffizienter Routenempfehlungen nach Antriebsart: • Verbrennungsmotor • Hybridantrieb • Elektroantrieb Methodik Vorarbeiten (offline) Betriebsphase (online) • Bestimmung typischer, verkehrslageabhängiger Fahrtverlaufsmuster aus FCD • Bestimmung aktueller Verbrauchswerte je Kante nach Antriebsart • Ermittlung des Energiemehrverbrauchs je Fahrtverlaufsmuster nach Antriebsart • Empfehlung energieeffizienter Routen je Antriebsart Online-Datensammlung Floating-Car-Daten Offline-Analyse Simulationen Pkw mit Verbrennungsmotoren Bestimmung des relativen Verbrauchs bei verschiedenen Verkehrslagen Beschleunigung [m/sec2] • Mittlere Reisezeit • Level Of Service • Mittlere Anzahl Halte Elektrofahrzeuge Bestimmung des Verbrauchs bei verschiedenen Verkehrslagen • Mittlere Beschleunigung • Weitere verbrauchsrelevante Informationen Strategiemanagement – Stadt Düsseldorf Pkw Verbrennungsmotoren Online-Ermittlung des Verbrauchs verschiedener Routen Geschwindigkeit [km/h] Simulation von synchronisiertem Verkehr in der Stadt 60 • Bewertung von Alternativrouten • Zugriff auf Infrastruktur • Publikation von Empfehlungen (WEB, MDM, …) 40 v [km/h] Offline-Analyse Simulationen Elektrofahrzeuge Online-Ermittlung des Verbrauchs verschiedener Routen 20 0 6:58:26 7:00:00 7:01:40 Ausgewiesene Routenempfehlung Online-Bewertung der Reisezeit Uhrzeit Ort [m] 600 400 200 0 6:58:20 7:06:40 7:15:00 Uhrzeit Stau Völklinger Str. D-Zentrum via D-Bilk/Zentrum-Süd Verbrauchsärmste Strecke für Pkw mit Verbrennungsmotor Verbrauchsärmste Strecke für Elektrofahrzeuge Service Provider 3 Empfehlungen für verbrauchsärmste bzw. schnellste Route • Radio • Landesmeldestellen • Navigationsdienste Ausgewiesene Alternativroute mit der kürzesten Reisezeit Ergebnisse Urbanes Strategiemanagement mit kollektiven und individuellen Routingempfehlungen: • Zeitschnellste Route (kollektiv) • Energieeffiziente Route (individuell) Partner: • Daimler AG • TomTom Development Germany GmbH • GEVAS software GmbH • Universität Duisburg-Essen • Heusch/Boesefeldt GmbH • Fraunhofer KEIM • Landeshauptstadt Düsseldorf 26 Vorgehensweise zur energieeffizienten urbanen Navigation RN – Regionales Netz Verkehrssimulation Beschleunigung [m/sec2] Verbrauchsmatrix Verkehrsmessungen mit Fahrzeugen Zeit Geschwindigkeit [km/h] LSA Ort Ort LSA Zeit Entwicklung einer Beziehung von Fahrteigenschaften zu Ressourcenverbräuchen Anzahl Anhalte Mehrverbräuche je nach Antriebsart pro Streckenabschnitt im Straßennetz Geschwindigkeit Mehrverbrauchsfaktoren aus klassifizierten Fahrprofilen Verbrauchsärmste Strecke für Pkw mit Verbrennungsmotor Verbrauchsärmste Strecke für Elektrofahrzeuge 3 Ausgewiesene Alternativroute mit der kürzesten Reisezeit Verschiedene energieeffiziente Routen je nach Antriebsart Partner: • Daimler AG • TomTom Development Germany GmbH • GEVAS software GmbH • Universität Duisburg-Essen • Heusch/Boesefeldt GmbH • Fraunhofer KEIM • Landeshauptstadt Düsseldorf 27 Simulation von synchronisiertem Verkehr in einer Stadt RN – Regionales Netz Beobachtung des synchronisierten Verkehrs in realem Verkehr einer Stadt •TomTom-GPS-Daten(anonymisiert) v [km /h] •Oben:Geschwindigkeit •Unten:Weg-Zeit-Diagramm • Tempolimit:60km/h 60 • T eststrecke:Düsseldorf, VölklingerStraßeRichtung Norden(ca.630m) 30 0 LSA 600 Ort [m] •Fahrzeugfährtlangsam,hält abernurinWarteschlangeander LSA:synchronisierterVerkehrvor Warteschlange • L SAamEnde(Trot=35s, Tgrün=31s) • D etektoramAnfangder Strecke 400 Fahrtrichtung 200 0 9:05 9:06 Uhrzeit Simulation von synchronisiertem Verkehr in der Stadt 60 600 Ort [m] v [km/h] 40 20 200 0 0 6:58:26 400 7:00:00 7:01:40 6:58:20 Uhrzeit 7:06:40 7:15:00 Uhrzeit •EinzelfahrzeugederSimulation •Links:MikroskopischeGeschwindigkeit(1-Sekunden-Werte);rechts:Weg-Zeit-Diagramm •SimulationverwendetzusätzlichDetektordaten Erklärung zu Modellbildung schwache Geschwindigkeitsanpassung Sicherheitsabstand Synchronisationsabstand betrachtetes Fahrzeug vorausfahrendes langsameres Fahrzeug zügige Geschwindigkeitsanpassung Sicherheitsabstand Synchronisationsabstand Partner: •DaimlerAG •TomTomDevelopmentGermanyGmbH •GEVASsoftwareGmbH •UniversitätDuisburg-Essen •Heusch/BoesefeldtGmbH •FraunhoferKEIM •LandeshauptstadtDüsseldorf 28 betrachtetes Fahrzeug vorausfahrendes langsameres Fahrzeug Zukunft der Optimierung der Verkehrsströme im urbanen Netz RN – Regionales Netz Empirische Eigenschaften des Verkehrszusammenbruchs an einer Engstelle spontanerZusammenbruch induzierterZusammenbruch synchronisierterVerkehr synchronisierterVerkehr freierVerkehr 150 Geschw. [km/h] 70 8 0 6 6:30 0 ] sichbewegenderbreiterStau 8 8:00 Uh rze it 8:30 0 t[ km ] 2 8:00 7:30 t[ km it Engstelle 16 7:00 Or 7:30 rze 24 0 4 7:00 Uh Engstelle 75 Or Geschw. [km/h] 150 Unendliche Zahl von Straßenkapazitäten •DerVerkehrszusammenbrucherfolgtmiteinergewissen Wahrscheinlichkeit •ÄußerekurzeStörungkannZusammenbruchinduzieren, d.h.nachStörungsendekeineRückkehrzufreiemVerkehr 1 Wahrscheinlichkeit des Verkehrszusammenbruches •KapazitätbeschreibtdenFluss,beidemVerkehraneiner Engstellezusammenbricht 0,5 0 1000 >EsgibtnichteinebestimmteKapazität,sonderneine unendlich große AnzahlKapazitätenbeidenenStau anderEngstelleinduziertwerdenkann. 2000 3000 Verkehrsfluss pro Spur [Fz./h] Minimierung der Wahrscheinlichkeit eines Verkehrszusammenbruchs im urbanen Netz qon1 Route 1 q1 1 Route 2 qon2 ] ./h [Fz q1 [Fz./h 500 2 2000 1000 +q 0 1 Ziel q2 2333 q Start P netz q0 ] Mögliches Verfahren zur Optimierung des urbanen Netzes durch individuelle Informationsverteilung DieOptimierungderAuslastungeinesVerkehrsnetzwerkeskannausdenfolgendenSchrittenbestehen: 1.DieMinimierungderWahrscheinlichkeiteinesVerkehrszusammenbruchsimNetzanhanddesKerner‘schenBreakdownMinimization-Principles(BM-Prinzip). 2.DieräumlicheBeschränkungdesAnwachsensdesStaus,wenndieserdennochentstandenist.ZielistdieAuflösung desStausanderEngstelle.DiessetztdieMöglichkeitdesEingreifensdesVerkehrsmanagementsinderUmgebung derEngstellevoraus. 3.DieMinimierungderWahrscheinlichkeiteinesVerkehrszusammenbruchsdurchAnwendungdesBM-Prinzipsim übrigenNetz,alsodemTeil,dernichtdurchStaubeeinflusstist. Partner: •DaimlerAG •TomTomDevelopmentGermanyGmbH •GEVASsoftwareGmbH •UniversitätDuisburg-Essen •Heusch/BoesefeldtGmbH •FraunhoferKEIM •LandeshauptstadtDüsseldorf 29 Echtzeit-Verkehrslage für die Stadt Düsseldorf RN – Regionales Netz • Mittlere Anzahl der Halte: Basierend auf den GPS Trajektorien wird die durchschnittliche Anzahl Halte in Echtzeit ermittelt. Diese Anzahl der Halte dient als Inputgrösse für die Verbrauchsabschätzung. • Aktuelle Geschwindigkeit: Geschwindigkeitsschätzung basierend auf GPS Daten. Im Falle von fehlenden oder unzuverlässigen Echtzeitdaten werden statistische Werte verwendet. • Gütemass: Alter, Qualität (z.B. Fix Interval) und Anzahl der Messungen bestimmen die Güte der Geschwindigkeitsschätzung. • Net-Matching: Identifikation der Strassenabschnitte der VMZ Düsseldorf mittels OpenLR in der TomTom Karte. • Datenbereitstellung über den MDM Anzahl der Halte für einen VMZ Abschnitt Partner: • Daimler AG • TomTom Development Germany GmbH • GEVAS software GmbH • Universität Duisburg-Essen • Heusch/Boesefeldt GmbH • Fraunhofer KEIM • Landeshauptstadt Düsseldorf 30 Raum-Zeit-Diagramm einer GPS-Trajektorie mit Halte Energieverbrauchskartenlayer für Elektrofahrzeuge RN – Regionales Netz Motivation Eine höhere Zahl an Elektrofahrzeugen wird die Zusammensetzung der Fahrzeugflotte verändern. Eine Möglichkeit auf diese Veränderung zu reagieren ist, den Zusammenhang zwischen Fahrprofil und Energieverbrauch als Entscheidungskriterium in das Strategiemanagement miteinzubeziehen. Kann für Verbrennungsmotoren auf entsprechende Mehrverbrauchsmatrizen zurückgegriffen werden, stehen für Elektrofahrzeuge hierzu bis dato sehr wenig Informationen zur Verfügung. Zielsetzung • Mittels Befahrungen mit einem SMART ED (Referenzfahrzeug) Fahrprofile auf unterschiedlichen Routen zu unterschiedlichen Verkehrszuständen bei gleichzeitiger Messung des Energiebedarfs des Fahrzeugs zu erheben. • Bereitstellung des Zusammenhangs zwischen Verkehrskenngrößen und dem Verbrauch an Energie in einem Energielayer einer digitalen Karte. Konzeptionelle Idee des Energieverbrauchsmodells Befahrung mit SMART ED in Düsseldorf Fahrprofil durch GPS-Tracking Fahrprofil Korrelation Fahr- und Energieprofil E-Verbrauch = Geschwindigkeit*α + Beschleunigung*β + Anzahl Halte*γ + … Energieprofile durch Messtechnik Energieprofile Korrelation Geschwindigkeitsund Energieprofil Verkehrszustand von TomTom E-Verbrauch = Geschwindigkeit*α + Beschleunigung*β + Anzahl Halte*γ + … Geschwindigkeitsprofil Bewertungsmodell des Energieverbrauchs (c) Google Maps (zur Veranschaulichung) Schnellste Route Kürzeste Route … Reichweiten-optimale Route Geplante Ergebnisse • Fahr- und Energieverbrauchsprofile aus Fahrten in den Städten Düsseldorf und Esslingen • Identifikation des Zusammenhangs zwischen Fahrprofil, Verkehrszustand und Energieverbrauch • Online-Ermittlung des Verbrauchs eines Elektrofahrzeuges auf verschiedenen Routen • Bewertungsmodul für Energieverbräuche • Demonstrator: Kartenbasierte Darstellung eines Energieverbrauchslayers Partner: • Daimler AG • TomTom Development Germany GmbH • GEVAS software GmbH • Universität Duisburg-Essen • Heusch/Boesefeldt GmbH • Fraunhofer KEIM • Landeshauptstadt Düsseldorf 31 Urbane Straßen US – Urbane Straßen Motivation Potential zur Emissionsreduzierung im urbanen Netz durch Energie- und verkehrsoptimiertes Fahren und Vermeidung unnötiger Halte. Zielsetzung Entwicklung von Infrastruktur- und Fahrzeugfunktionen zur Steigerung der Verkehrseffizienz und Emissionsreduzierung bei Fahrten im lichtsignalgesteuerten innerstädtischen Straßennetz für den motorisierten Individualverkehr. Szenarien Informationsverarbeitung Infrastrukturseitig: Bereitstellung der netzweiten LSASchaltzeitvorausschau Fahrzeugfunktion & Assistenzsysteme Verzögerungsassistenz Die LSA schaltet in 5 Sekunden auf Rot. Phasenoptimiertes Fahrverhalten Die Grünphase kann nicht mehr erreicht werden. • Energierekuperation • Heransegeln an die rote LSA Grüne-Welle-Assistenz Grünphasenadaptive Energierückgewinnung Die Grünphase kann erreicht werden. Die LSA schaltet in 10 Sekunden auf Grün. • Geschwindigkeitsreduktion • Hindurchsegeln - LSA wird grün • Problem: LSA-Schaltzeitvorausschau auch für verkehrsabhängig gesteuerte Lichtsignalanlagen • Lösung: Applikationen die in der Infrastruktur eingesetzt die LSA Schaltzeitpunkte verschiedenartig verkehrsabhängig geschalteter Lichtsignalanlagen vorhersagen • Wo wird das Fahrzeug anhalten? • Entwicklung und Integration von Applikationen zur Schätzung der Haltepunkte und Haltdauern über Ermittlung der Rückstaulänge und Warteschlangen auf Basis der aktuellen Verkehrslage und lokalen Sensordaten • LKW haben geringeres Beschleunigungsvermögen als PKW > Grüne Welle für PKW kann nicht optimal genutzt werden > LKW sind zu weiterem Halt gezwungen > höhere Emissionen • Verfahren zur Lichtsignalschaltzeitanpassung auf arteriellen Streckenzügen für LKW Kolonnen Geplante Ergebnisse • Nachhaltiges Datenübermittlungssystem von zentralen Stadtsystemen zu Fahrzeugen und Smartphones durch Verwendung von bestehenden Kommunikationsnetzen und standardisierten Datenprotokollen in der Systemarchitektur • Emissionsreduzierung durch ampelphasenadaptives Fahren mit Hilfe von Verzögerungs- und Grüne Welle Assistenz • Infrastrukturapplikationen zur Gewinnung erweiterter LSA-Daten, zur Optimierung der Fahrt von LKW-Pulks durch lichtsignalisierte Straßennetzteile und Sicherung des zentralenseitigen Qualitätsmanagements Partner: 32 • BMW Group • Landeshauptstadt Düsseldorf • Technische Universität München • Continental Automotive GmbH • MAN Truck & Bus AG • TRANSVER GmbH • GEVAS software GmbH • Stadt Kassel • Universität Kassel Lkw-Pulkmanagement US – Urbane Straßen Motivation Im Vergleich zu Pkw haben beladene Lkw ein niedrigeres Beschleunigungsvermögen, woraus sich: Pulkauflösung Zeit > kein durchgängiger Nutzen für Lkw in einem für Pkw optimierten Grünband ergibt, > häufiges Halten und Anfahren von Lkw an Lichtsignalanlagen verursacht wird, Lkw Pkw Trajektorie des Fahrzeugs Lichtsignalplan > vermehrte Emissionen als bei einer Durchfahrt mit konstanter Geschwindigkeit entstehen. Weg Zielsetzung Das „Lkw-Pulkmanagement“ zielt darauf ab, die Anzahl der Halte von Lkw-Pulks mittels einer Optimierung der Schaltzeitpunkte der Lichtsignalanlagen auf einer betrachteten Strecke zu minimieren. Damit soll eine Reduktion der Emissionen von Lkw erzielt werden. Verfahren • Signalpläne: mögliche Signalpläne für zu optimierenden Knotenpunkt Signalpläne Genetischer Algorithmus Ergebnisse • Genetischer Algorithmus: Erzeugung und Ermittlung der besten Kombination von Signalplänen • Netzmodell: Modellierung des Straßennetzes • Verkehrsflussmodell: Modellierung des gesamten Verkehrs inklusive der Lkw Fitnesswert Netzmodell Verkehrsflussmodell Verkehrsdaten • Verkehrswirkungsmodell: Berechnung der Anzahl der Halte und Wartezeiten von Lkw unter Berücksichtigung des gesamten Verkehrs Verkehrswirkungsmodell Geplante Ergebnisse • Lkw-Pulkerkennung durch Auswertung von Positions- und Geschwindigkeitsdaten • Prognose der Verkehrsnachfrage basierend auf Detektoren und historischen Daten • Optimierte Auswahl von Signalplänen für Lichtsignalanlagen • Erzeugung von ÖV Telegrammen aus den ausgewählten Signalplänen zur lokalen Beeinflussung der Steuergeräte Partner: • GEVAS software GmbH • MAN Truck & Bus AG • Stadt Düsseldorf • Technische Universität München 33 Kommunikationskette US – Urbane Straßen Motivation Möglichst flächendeckende Verfügbarkeit von Schaltzeit- und Kreuzungsinformationen der im städtischen Straßennetz befindlichen Lichtsignalanlagen über eine zentralenbasierte Lösung. Zielsetzung Massentaugliches Datenübermittlungssystem zwischen Verkehrsmanagementzentrale (VMZ) und Informationsnutzern in Fahrzeugen durch Verwendung von bestehenden Kommunikationsnetzen und standardisierten Datenprotokollen in der Systemarchitektur. Szenarien OCIT-I QS-Grüne-Welle (Uni Kassel, GE VAS) Schaltpunkt-Prognose (Uni Kassel, GE VAS) LSA Zentrale Haltepunkt-Prognose (TRANSVER) LKW-Pulkmanagement (TU-München) VMZ Düsseldorf/Kassel (GEVAS) Datenbereitstellung - Messaging DB Static Dynamic Signal Data Signal Data TSI Response QS QS - Data TSI Request ereignisorientiert wenigstens 1/d TPEG TSI ereignisorientiert wenigstens 1/min Service-Provider (BMW) Datenbereitstellung Zuordnung Map Matching Fahrzeug DB DATEX II Decoder QS-Data Geplante Ergebnisse • Aufbau der Kommunikationskette Lichtsignalanlage > Verkehrsmanagementzentrale > Mobilitäts Daten Marktplatz > Service Provider > Fahrzeug • Nutzung der vorhandenen öffentlichen Plattform des Mobilitäts Daten Marktplatz • Aufbau eines zentralen Service-Provider-Backends für verschiedene Fahrzeughersteller • Standardisierte Protokolle Partner: • BMW Group • GEVAS software GmbH 34 Infrastrukturapplikation Prognose von Haltepunkten und Haltedauern US – Urbane Straßen Zielsetzung ? ? Haltepunkt: Wo trifft ein sich näherndes Fahrzeug auf das Ende der vor einer LSA wartenden Fahrzeuge? Haltedauer: Wie lange dauert es, bis das Fahrzeug die Haltlinie der Zufahrt überquert? Methodik Aktuelle Lösung: Rückstauschätzer TRANSQest • umlauffeine Rückstauschätzung • immer auf historischer Datenbasis Neuer Ansatz: Cell Transmission Modell (CTM) • Mesoskopisches Verkehrsmodell • Einteilung des Netzes in Zellen ermöglicht schnelle Berechnung der Verkehrslage • sekundengenaue Haltepunktprognose • für große Netze geeignet • Simulation von Fahrzeugkollektiven • Eingangsgrößen: • Kanteninformationen: Kapazität, freie Geschwindigkeit, Länge • Knoteninformationen: Abbiegemöglichkeiten, Abbiegeraten • Lichtsignalinformationen: steuernde Kanten, gesteuerte Kante, Grünzeitpunkte je Umlauf oder Grünzeitanteile je Umlauf • Detektionsinformationen: Lage auf Kante, Verkehrsstärke, Geschwindigkeit Partner: • TRANSVER GmbH • GEVAS software GmbH • Landeshauptstadt Düsseldorf • Stadt Kassel 35 Schaltzeitprognose US – Urbane Straßen Zielsetzung •Umschaltzeitpunkteanverkehrsabhängigen Lichtsignalanlagenvariierenjenachaktuellem Verkehrsgeschehenmehroderwenigerstark •VerfahrenzurPrognosederUmschaltzeitpunktegesucht •Anwendungaufmöglichstvieleunterschiedliche Steuerungsverfahren Methodik •MustererkennunginzeitlichenSignalbildverläufenunter BerücksichtigungverkehrlicherDaten(ÖV-Meldepunkte, Detektordaten) •Musterklassifizierungmittels„SupportVectorMachines“ undRegressionsbäumen •OptimierungderMustererkennungdurchNutzung verschiedenerDatenmodelle •TrainingderAlgorithmendurchLerndatensatz •BestimmungderPrognosegütedurchTestdatensatz PrinzipderKlassifizierungmittelsRegressionsbaumamBeispiel einesSignalgebersausdemTestfeldDüsseldorf PrinzipderKlassifizierungmittelsSupportVectorMachines Ergebnisse •VergleichvonprognostiziertenundtatsächlicheingetretenenSchaltzeitpunktendurchdieAlgorithmen •GenerierungeinerWahrscheinlichkeitsverteilungfürGrünbezogenaufdiebevorstehendenUmlaufsekunden 100 100 Unsicherheitsbereiche ohne Prognose Umlaufsekunde VerbesserungderPrognostizierbarkeitdurchPrognosealgorithmen Partner: •GEVASsoftwareGmbH •LandeshauptstadtDüsseldorf •StadtKassel •UniversitätKassel 36 Vertrauensgrenzen Grünwahrscheinlichkeit [%] Grünwahrscheinlichkeit [%] Vertrauensgrenzen Unsicherheitsbereiche mit Prognose Umlaufsekunde ÜbersichtderPrognosegüteimTestfeldDüsseldorf Grüne-WelleQualitätsmanagement US – Urbane Straßen Zielsetzung •BewertungvonkoordiniertenLSA-SteuerungenunterVerwendungvon LSA-ProzessdatenundkooperativgewonnenerFahrzeugdaten(FCD) •ÜberwachungvonKoordinierungen(Monitoring) Vorgehen •SpezifikationvonBewertungsverfahren •FunktionsnachweisunterAnwendungvonVerkehrssimulationen •ImplementierungderBewertungs-undÜberwachungsfunktionen •IntegrationderentwickeltenSoftwareindieVerkehrsmanagement- zentralenDüsseldorfundKassel Bewertungsverfahren „Grünbandverletzung“ •ErmittlungderStörintensität=prozentualeStörungdesGrünbandes SI= gGA•gGE•tGB SI tGA tGE tVZ tGB gGA Störintensität StörungamGrünanfang StörungamGrünende Vorlaufzeit Grünbandbreite GewichtungsfaktorfürdieStörung amGrünanfang gGE GewichtungsfaktorfürdieStörung amGrünenende } Störungam Grünende(tGE) (tGA+ tVZ)•gGE+tGE•gGA }Störungam Grünanfang(tGA) Ergebnisse QSV-Vergleich (Streckenabschnitt) •PrototypischeUmsetzungmitgrafischer Benutzeroberfläche(GUI) F •WissenschaftlicheUntersuchungmitHilfe einerSimulationsumgebung Grünbandverletzung E HBS (Koordinierungsmaß) QSV D Brilon/Schnabel 2003 (Reisegeschwindigkeit) C B A 32-18 18-557 557-558 558-169 169-558 558-557 557-18 18-32 Streckenabschnitt Partner: •GEVASsoftwareGmbH •LandeshauptstadtDüsseldorf •StadtKassel •UniversitätKassel 37 Fahrzeug- und SmartphoneFunktionen: Verzögerungsund Grüne-Welle Assistent US – Urbane Straßen Zielsetzung •EntwicklungvonFahrzeug-undSmartphone-FunktionenzurEmissionsreduzierung undEffizienzsteigerungimstädtischenStraßennetz •durchfrühzeitiges,vorausschauendesundenergieoptimalesVerzögern •durchenergie-undverkehrsoptimiertesFahrensowieVermeidungvonHaltenzum ErreicheneinerLichtsignalanlageinGrünphase Lösungsansatz •EmpfangvonLSA-Datendurch mobilfunkbasierteKooperationmitProvider •DatenverarbeitungundAbleitungFahrstrategien •BereitstellungvonFahrempfehlungen und/oderLängsregelungdurchFahrzeugeingriff Fahrzeug- und Smartphone-Funktionen Datum Uhrzeit Fahrzeug- und Smartphone-Funktion LSA-Schaltzeitprognose LSA-Rückstauprognose Kurvenradien Steigungsdaten zul. Höchstgeschwindigkeiten Fahrzeugposition Verzögerungsassistent Fahrempfehlung Grüne-Welle-Assistent Urbane Längsregelung realer Haltepunkt Fahrstrategie Fahrstrecke bis LSA Fahrzeugdaten Ergebnisse •KommunikationzwischenFahrzeug/SmartphoneundProviderinLabortests undaufallenPlattformenerfolgreich •AufbaueinersimulationsbasiertenTest-undEntwicklungsumgebung •DefinitionundUmsetzungfahrzeuginternerSchnittstellezwischenerweitertem eHorizonundSteuergerät •KonzeptsowieUmsetzungLängsregelungfürLkw •ErsteKonzepteundUmsetzungenzurAbleitungderFahrstrategien •EntwürfevonMensch-Maschine-Schnittstellen(grafischeBenutzeroberfläche) Partner: •BMWGroup •ContinentalAutomotiveGmbH •MANTruck&BusAG •UniversitätKassel 38 Abstand zum vorausfahrenden Fahrzeug Überblick Teilprojekt Smarte Kreuzung SK – Smarte Kreuzung Motivation und Ziele Kreuzungen sind die verkehrlichen Engstellen in der Stadt und entscheidend für Verkehrsqualität, Sicherheit und Emissionen. Ziel ist ein verkehrs- und energieoptimiertes Fahren durch kooperativen Informationsaustausch sowie Fahrerassistenz und Fahrerinformation. Applikationen im Überblick Fahrzeugapplikationen „Kreuzungslotse“ Infrastrukturapplikationen „Kooperative Kreuzung“ Basisdienst RSU Einfahr- und Startassistenz Mikroverkehrslage Einfahr- und Halteassistenz Koop. ÖPNVBevorrechtigung Fahrtrichtungsassistenz Qualitätsmanagement für LSA Einsatzfahrzeugassistenz Radfahrerschutzeinrichtung Integriertes Verkehrsumfeld Kooperative Schutzeinrichtung Ergebnisse Die Fahrzeugassistenzfunktionen für verkehrsoptimale Fahrmanöver werden in vier Versuchsfahrzeugen prototypisch dargestellt. Durch einen kooperativen Informationsaustausch mit der intelligenten, lokalen Infrastruktur über C2X im Prüffeld AIM (Braunschweig) und Testfeld (Düsseldorf ) werden die Funktionen getestet. Partner: • Adam Opel AG • ifak Magdeburg e.V. • Continental Automotive GmbH • Technische Universität Braunschweig • Deutsches Zentrum für Luft- • TRANSVER GmbH und Raumfahrt e.V. • Volkswagen AG 39 Basisdienst Road Side Unit (RSU) SK – Smarte Kreuzung C2X Road Side Unit •Fahrzeug-zu-Infrastruktur-Kommunikation •NachrichtenübertragungnachdemsimTD-Format oderETSI-Standard Aufgaben •EmpfangvonInformationen,z.B.vonSensoren oderLichtsignalanlagen •ÜbermittlungvonNachrichtenanFahrzeuge, z.B.DauerderGrünphase AntennenträgereinerRoadSideUnit •SchnittstellezurVerkehrszentrale LSA-AssistentimForschungsfahrzeug Kooperative Lichtsignalanlage •SiemensC940LSA-Steuergerät •ProgrammierungidentischzurForschungskreuzung (Braunschweig) •AnforderungsgerechteSignalprogrammemöglich Aufgaben •kooperativeBeeinflussungderLichtsignalanlage (z.B.durchÖPNV,Einsatzfahrzeuge) •TestvonprototypischenFunktionenaufdemTestgelände •IntegrationstestfürdasTestfeld KooperativeLichtsignalanlagedesDLR Partner: •DeutschesZentrumfürLuft-undRaumfahrte.V 40 Kooperative Schutzeinrichtung „Intelligenter Leitkegel“ SK – Smarte Kreuzung Motivation ITS-G5/3G •(Folge)UnfälleanSperrungen,Hindernissen,Baustellen •3362BaustellenunfällemitPersonenschadenin2012 •davon23Getöteteund676Schwerverletzte (Quelle:ADAC2012) Zielsetzung •zeitnahe und ortsbezogene Informationenüber nicht geplante,unvorhersehbareHindernisse (Baustellen,Unfälle,Sperrungen) •EntwicklungeinesautonomenLeitkegelszur Unfallstellensicherung Potenziale & Anwendungen •WarnungderVerkehrsteilnehmer (Pre-Trip,On-Trip) •Informationsverbreitungim Internet,Radio(TMC),Leitsystemen, Assistenzsystemen,Navigation •Straßenverkehrssicherheit •SicherheitbeiArbeitenanUnfall-undStörstellen •Verkehrs-undFlottenmanagement Umsetzung RSU RSU (Road Side Unit) Intelligenter Leitkegel Konfigurations- und Ladeterminal Basisplatine 3G-Modem (UMTS) IST-G5-Modem (11p) GPS-Modul Interface zum LSASteuergerät MobilfunkDEM-Modul (UMTS) PCBAntenne FLASH (NAND) GNSS (OEMModul) GNSSAntenne (aktiv) KonfigurationsSchnittstelle (Bluetooth) ErweiterungsSchnittstelle (USB-Host) MC (SOC) Sensoren (Lage-, Beschleunigung) Rechner/Server (KSE-Applikation) LadecontrollerPlatine Stromversorgung (hocheffektive DC/DC-Wandlung) DebugSchnittstelle (JTAG) SDRAM Akku • kontaktloses Laden der Leitkegel • funkbasierte Konfiguration der Leitkegel WLAN (a,b,g,n oder p)-Modull, Ethernet • funkbasierter Service/ Status der Leitkegel Partner: •AdamOpelAG •ifakMagdeburge.V. •ContinentalAutomotiveGmbH •TechnischeUniversitätBraunschweig •DeutschesZentrumfürLuft- •TRANSVERGmbH undRaumfahrte.V. •VolkswagenAG 41 Infrastrukturapplikationen „Kooperative Kreuzung“ SK – Smarte Kreuzung Mikroverkehrslage und lokales Routing •Informationenfürerweitertenzeitlichen undräumlichenWahrnehmungshorizont •zeitlichundräumlichsehrfeinaufgelöstes Abbildderaktuellenundzukünftigen Verkehrslage(Rückstaulängen, Reiseund Wartezeiten) Verkehrslagenachrichten (DENMundASD) Detektordaten VMZ-Daten LSA-Daten Senden URBAN RSU Empfangen Reales Verkehrsumfeld •GrundlagefürdieApplikationen „Fahrtrichtungsassistenz“und„Integriertes Verkehrsumfeld“ Verkehrslageschätzung und-prognose HMI-Entwurf für SK13 Verkehrliche Kenngrößen Zellulares Verkehrsflussmodell Kooperative ÖPNV-Bevorrechtigung •VerträglicheBevorrechtigungdesÖPNVdurchEingriffeindie Signalsteuerungdurch •SchätzungundNachverfolgungderAnkunftvon ÖPNV-FahrzeugenaufBasisvonC2I-Kommunikation •SchätzungderentstehendenWartezeitenfürÖPNV-Fahrzeuge (sowiefürandereVerkehrsteilnehmer)durchmöglicheEingriff indieLichtsignalsteuerung •multikriterielleAuswahldesoptimalenEingriffs •BereitstellungderInformationüberdasangepasste LSA-Programm Senden Empfangen URBAN RSU Automatisches und kontinuierliches Qualitätsmanagement für LSA Verbesserungaufgrundder erkanntenQualitätsmängel Trajektorien proSignalgruppe •BildungvonTrajektorienund Signalgruppenzuordnung •Bestimmungvonverkehrlichen Kenngrößen (Wartezeiten, Verlustzeiten, Anzahl der Halte) •Beurteilungderaktuellenund langfristigenEntwicklungder Verkehrsqualität •Datenaufbereitungzurbesseren VisualisierungvonQualitätsmängeln Partner: •TechnischeUniversitätBraunschweig •TRANSVERGmbH 42 C2I-Daten QSV Wartezeit [s] A B C D E F Anzahl 0 - 20 s 20 - 35 s 35 - 50 s 50 - 70 s 70 - 100 s > 100 s Weg •BeurteilungderQualitätderLichtsignal- steuerungaufGrundlagevonC2I- NachrichtenvonkooperativenFahrzeugen 64 13 10 2 7 9 freie Geschwindigkeit Verlustzeit Betrachtungsintervalle 90 60 30 0 Verzögerung A B C Qualitätsanalyse D E Wartzeit Beschleunigung F Zeit Verkehrliche Kenngrößen Kreuzungslotse Sichere Umfeldinformationen in Echtzeit mit C2X SK – Smarte Kreuzung Situationserfassung Einsatzfahrzeugassistenz: Sondersituation erfassen • Alltäglicher Verkehr besteht aus vorhersehbaren und unvorhersehbaren Situationen • Unvorhersehbare Situationen werden schneller erkannt (z. B. Sondereinsatzfahrzeuge, Baustellen) • Zusatzinformationen für Verkehrsteilnehmer ermöglichen Transparenz Datenfusion Integriertes Verkehrsumfeld: Szenarienwissen operativ aufbauen Erweiterter e-Horizont - Lokale Verkehrsereignisse • Szenarienwissen aus Situation gewinnen mittels integrierter Umfelderfassung des Verkehrs und Datenfusion Erweiterter e-Horizont - LSA-Daten • Erweiterung des elektronischen Horizonts mit Car-toInfrastructure (C2I) Nachrichten • Assistentenfunktionen beim An- und Durchfahren des Kreuzungsbereiches e-Horizont - Die wahrscheinlichste Route - Straßenattribute Kundennutzen Fahrtrichtungsassistenz: Szenarienwissen einsetzen • Hochaktuelle, lokale Information im Fahrzeug über Verkehrsbehinderungen im direkten Verkehrsumfeld • Ermöglicht spontane, lokale Routenentscheidung insbesondere für Ortskundige • Verkürzt Reisezeit und bewirkt Lastausgleich im städtischen Verkehrsnetz Partner: • Continental Automotive GmbH • Volkswagen AG 43 Kreuzungslotse Situationsgerechte Fahrmanöver SK – Smarte Kreuzung Motivation Situationsgerechte Fahrmanöver können die Verkehrsqualität verbessern. Der Verkehrsfluss an Kreuzungen wird erhöht und Rückstau vermindert Zielsetzung Über die drei Goldenen Regeln des Kreuzungslotsen sollen Fahrmanöver im Sinne einer kooperativen Fahrerassistenz ermöglicht werden, die den Verkehrsfluss und die Umwelt-Effizienz an der städtischen Kreuzung optimieren: Anhalten vermeiden: Intelligente Annäherung mit abgestimmten Parametern Unvermeidbares Anhalten organisieren: Emissionsmindernd segeln, rekuperieren und bremsen sowie verkehrsoptimal aufstellen 3 Fahrmanöver „Verzögerte Durchfahrt“ Weg Ohne Assistenz Mit Assistenz Geschwindigkeit 2 3 1 Verminderung der Annäherungsgeschwindigkeit Durchfahrt optimieren: Ausschöpfen der Grünzeit durch zügiges Queren mit gleichmäßigen Abständen Fahrmanöver „Fliegender Start“ Weg 1 3 2 Zeit Zeit Anhalten vermeiden durch intelligente Annäherung Durchfahrt optimieren durch verkehrsoptimales Aufstellen und Starten Realisierung Situationsgerechte Fahrerassistenzsysteme unterstützen den Fahrer durch Informationen, Fahrempfehlung oder aktive Längsregelung im Kreuzungsbereich Empfehlungen durch die Mensch-Maschine-Schnittstelle (Einfahr- und Halteassistenz) Partner: • Adam Opel AG • Volkswagen AG 44 Aktive Längsregelung kombiniert mit Fahrer-Information (Einfahr- und Startassistenz) Zeit Übersicht KI – Kooperative Infrastruktur Zielsetzung und Methodik Um die Anwendungen aus der UR:BAN Projektsäule „Vernetztes Verkehrssystem„ (VV) nahtlos in die Verkehrsmanagementsysteme der Kommunen einzubinden, werden im Teilprojekt „Kooperative Infrastruktur“ so genannte Referenzarchitekturen entwickelt. Die Ingenieure definieren hier, wie die Systeme aufgebaut sein müssen, damit die einzelnen Teilkomponenten untereinander sowie mit externen Komponenten interagieren können und fassen diese Ergebnisse in einem Leitfaden zusammen. Ziele des Leitfadens sind, den politischen und den technischen Entscheidern Unterstützung bei der Einführung Kooperativer Systeme in ihren Städten zu bieten und die Übertragbarkeit der kooperativen Applikationen aus UR:BAN auf andere Kommunen sicherzustellen. Basis für die Erstellung des Leitfadens bilden aufwändige Tests und Analysen der UR:BAN Applikationen sowohl im Labor als auch unter realen Bedingungen. Dazu werden die Applikationen in die Stadtverkehre von Braunschweig, Düsseldorf und Kassel integriert und müssen dort ihre Leistungsfähigkeit im Zusammenspiel mit bereits existierenden Komponenten unter Beweis stellen. Kooperative Infrastruktur Test- und Prüffelder Regionales Netz t e k t u re n u n d S c h rchi r kooperative nitts a r Sy tel m ale st e l en ste un me Sy omm Ausbauzustand der k chnischen Inf Braunschweig Kassel Düsseldorf Urbane Straße rast ruk tu r rste eh k r ve Leitfaden & Referenzarchitektur ils y ste m e Technische Beschreibung e r Te Te c h n i s Kooperative Toolbox Webbasierte graphische Oberfläche g nt w er un ic ui kl al un Ev gd Referenzarchitekturen che Leitfaden Leitfaden Smarte Kreuzung it We er e analysieren, aufbereiten, anreichern Mobilitätsdatenmarktplatz Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Landeshauptstadt Düsseldorf • GEVAS software GmbH • Kassel documenta Stadt • Heusch/Boesefeldt GmbH • Technische Universität München • Hochschule für Technik • Technische Universität Braunschweig und Wirtschaft des Saarlandes • ifak Magdeburg e.V. • TomTom Development Germany GmbH • TRANSVER GmbH 45 Leitfaden für die Einrichtung kooperativer Systeme auf öffentlicher Seite KI – Kooperative Infrastruktur Kooperative Infrastruktur Dokumente ITS Ausbauzustand Erfahrungen ITS Action Plan Urbane Straße Bestehende Standards und Datenmodelle Harmonisierung mit Kommunikationsarchitekturen Analyse der Übertragbarkeit Referenzarchitekturen Leitfaden für Tests Kooperative Tools zur Wirkungsanalyse Hochrechnung der verkehrlichen Wirkungen Regionales Netz Smarte Kreuzung Betriebliche Bewertung Leitfaden für die Einrichtung kooperativer Systeme auf öffentlicher Seite Entscheidungsträger Planer und Betreiber Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Landeshauptstadt Düsseldorf • GEVAS software GmbH • Kassel documenta Stadt • Heusch/Boesefeldt GmbH • Technische Universität München • Hochschule für Technik • Technische Universität Braunschweig und Wirtschaft des Saarlandes 46 • ifak Magdeburg e.V. • TomTom Development Germany GmbH • TRANSVER GmbH Lieferanten Schnittstellenkonzept KI – Kooperative Infrastruktur Motivation Optimierung der Übertragbarkeit auf andere Kommunen Systemgrenzen „ITS Stadt“ Service Provider Sonstige Dritte Mobilitätsdatenmarktplatz OCIT-C /OTS (LSA +C2X) Planungstools VMS Zentrale • Verkehrsnetz / Knotenpunkttopologie (GIS/MAP) CoApp • Verkehrsmanagement OCIT-I - VD • Strategiemanagement OCIT-C/OTS (LStg+ CAR) und/oder Weitere • Jahresautomatik (JAUT) (LSA + C2X) Datentransport • LSA-Planung LSA Zentrale • Verkehrssimulation CoApp ... ggf. weitere Tools OCIT-O (LStg + CAR) Lichtsignalanlage LSA-Steuergerät VMS = Verkehrsmanagementsystem R-ITS-S = Systemgrenzen „ITS Stadt“ Roadside Unit-Intelligent Transportation System-Station prozessgesteuerte Übertragung Übertragung von Versorgungsdaten Überschreitung von Systemgrenzen (firewallgesichert) C2X fähiges OCIT-O LStg Kommunikation (OCITV3) LSA = LStg = LSA Funktion Kooperative Applikation (CoApp) Sonstige Übertragung außerhalb der „ITS Stadt“ R-ITS-S / City CEN TC 278 (802.11p) TPEG/TSI Mobilfunk Anbieter WLAN (Transporteur) FCD (Floating Car Data) CAM Roadside Unit kooperative Kreuzungsapplikationen WLAN Haltepunktprognose Schaltzeitprognose SPAT /MAP (CoApp) Zielsetzung Optimierung der erforderlichen Prozesse durch: • Identifizierung notwendiger Schnittstellen und deren Standardisierung • Vermeidung proprietärer Schnittstellenlösungen • Prozesskontrolle durch Schaffung einer durchgängigen Versorgungskette Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Landeshauptstadt Düsseldorf • GEVAS software GmbH • Kassel documenta Stadt • Heusch/Boesefeldt GmbH • Technische Universität München • Hochschule für Technik • Technische Universität Braunschweig und Wirtschaft des Saarlandes • ifak Magdeburg e.V. • TomTom Development Germany GmbH • TRANSVER GmbH 47 Baustelleninformationssystem KI – Kooperative Infrastruktur Motivation Den Überblick über die Baustellen einer Stadt zu behalten stellt sowohl für den Planer als auch für einen Service Provider keine einfache Aufgabe dar. Zeitlicher Planungsraum und tatsächliche Durchführung der Baumaßnahmen klaffen oftmals auseinander. Die potentiellen Auswirkungen einer geplanten Maßnahme und die tatsächliche Beeinträchtigung des Verkehrsgeschehens sind schwer bis gar nicht zu fassen. Es besteht die Gefahr, dass entsprechende alternative Strategien zur Verbesserung der Verkehrssituation daher vielfach erst mit großem zeitlichen Abstand aktiviert werden. Einen hilfreichen Zugewinn an Informationen für die Operatoren einer Stadt und Service Provider stellt der durch das Baustelleninformationssystem ermittelte aussagekräftige Überblick über die aktiven und verkehrlich relevanten Baustellen dar. Dem Service Provider wird damit eine erweiterte Differenzierungsmöglichkeit für die Baustellendarstellung beim OEM gegeben. Zielsetzung Ziel ist die Konzeption und Entwicklung eines webbasierten Baustelleninformationssystems mit kartenbasierter Eingabeund Darstellungsoberfläche zur umfangreichen Unterstützung eines städtischen Operators und zur differenzierten Informationsweitergabe an Service Provider. Es werden hilfreiche Funktionen wie das Sortieren und Filtern von Baustellen, die automatische Detektion von Baustellen und die Wirkungsermittlung geplanter Baustellen zur Verfügung gestellt. Konzeptionelle Idee des Baustelleninformationssystems 1. Kartenbasiertes Eingeben und Darstellen der Baustellen 2. Wirkungsabschätzung Basierend auf der Verkehrszustrom, des geänderten Querprofils und der Steuerung der Lichtsignalanlage. Eingabe des geänderten Querprofiles aufgrund der Baustellen 4. Verifizierung der Baustelle 3. Mobilitätsdatenmarktplatz Die geplanten und in ihrer verkehrlichen Auswirkung abgeschätzten Baustellen werden an den MDM übermittelt, ebenso die verifizierten Baustellen. Diese Informationen stehen dann Service Providern und OEMs zur Verfügung. Die Verifizierung der geplanten Baustellen erfolgt über die Auswertung der Änderungen in den Geschwindigkeitsprofilen wie diese z.B. von TomTom erhoben werden. Planungsraum für die Baustelle (geplant) Ausführungszeitraum der Baustelle (aktiv) Geplante Ergebnisse • Demonstrator am Beispiel der Stadt Düsseldorf • Bewertung der verkehrlichen Auswirkung der geplanten Baustelle • Verbindung zum Mobilitätsdatenmarktplatz • Automatische Identifikation der in Ausführung befindlichen Baustelle • Bedienungsfreundliche grafische Anwenderoberfläche • Darstellung der aktuellen Verkehrssituation aufgrund der Baustelle Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Landeshauptstadt Düsseldorf • GEVAS software GmbH • Kassel documenta Stadt • Heusch/Boesefeldt GmbH • Technische Universität München • Hochschule für Technik • Technische Universität Braunschweig und Wirtschaft des Saarlandes 48 • ifak Magdeburg e.V. • TomTom Development Germany GmbH • TRANSVER GmbH Wirkungsbewertung und Hochrechnung KI – Kooperative Infrastruktur Motivation Bedingt durch die fortlaufende Entwicklung neuer intelligenter Verkehrssysteme (IVS) zur Optimierung der Verkehrssicherheit, Verkehrseffizienz und Emissionen für das urbane Umfeld, stellt sich die Frage nach der Funktionalität und Qualität des Beitrags dieser IVS. Während die technische Funktionen bereits oft schon mit Hilfe weniger Testfahrzeuge ermittelt werden kann, ist die Abschätzung der verkehrlichen Wirkung auf ein Fahrerkollektiv bzw. eine ganze Stadt sehr komplex. Ohne verkehrliche Wirkungsnachweise fehlen jedoch die Anreize für die Kommunen und Systemanbieter diese Systeme in die Praxis umzusetzen. Zielsetzung Entwicklung und Anwendung einer Methodik, mit welcher detailliert ermittelte verkehrliche Wirkungen von IVS, gewonnen aus Befahrungen und Mikrosimulationen, auf ähnliche Bereiche in anderen deutschen Städten übertragen werden können. Methodik Allgemein je Stadt 1. Grundlagenermittlung 2. Mikrosimulation Erhebung: Verkehrstechnischer Rahmenbedingungen deutscher Städte Fragebogen an alle deutschen Städte › 50.000 EW (187), Rücklaufquote 42% Rücklauf Fragebogen nach Stadtgröße Anzahl durchgehender Fahrstreifen Verkehrsführung im Knotenpunkt ÖV-Priorisierung Abbildung der UR:BAN-VV Applikationen in den jeweiligen Wirkungsumgebungen auf der Basis von Realdaten aus den Partnerstädten Düsseldorf, Kassel und Braunschweig mit unterschiedlichen Ausstattungsgraden. ÖV-Führung Bild: TUM-VT Attributierung, Ausprägung, Kategorisierung Bild: TUM-VT + TRANSVER Ermittlung der im Kontext von UR:BAN-VV relevanten Attribute, möglicher Ausprägungen. Charakterisierung der Netzelemente Knoten, Strecke, Netz sowie Bildung von Kategorien. Alle deutsche Städte › 50.000 EW Detailliert je Netzelement Aachen, ...Berlin, ...Braunschweig, ... Cuxhaven, ...Darmstadt, ...Düsseldorf, ...Hamburg, ...Karlsruhe, ...Kassel, ... Lübeck, ...München, ...Saarbrücken, ...Weimar, ...Zwickau Realdatenerhebung (statisch) Erhebung der statischen Ausprägungen städtischer Elemente (Knoten, Streckenabschnitt) anhand einer Zufallsstichprobe aus 187 deutschen Städten, basierend auf der vorgenommenen Charakterisierung der Elemente sowie Bestimmung der Häufigkeiten der jeweiligen Elemente. Bild: TUM-VT 3. Übertragung/Hochrechnung Hochrechnung/Übertragung der mittels Mikrosimulation ermittelten Wirkungen unter Verwendung der erhobenen statischen Realdaten. Jede Stadt, jede Verkehrssituation ist genau genommen einzigartig. Über die Kategorisierung und die Simulation werden die verkehrlichen Wirkungen auf ähnliche Bereiche in anderen Städten übertragen. Bild: TUM-VT Geplante Ergebnisse • Kategorisierung des Straßennetzes deutscher Städte › 50.000 EW analog der UR:BAN-VV Wirkungsbereiche (Knoten, Streckenabschnitt, Netzausschnitt) nach deren typischen Verkehrsstrukturen und verkehrlichen Eigenschaften. • Methodik zur Übertragung detailliert bestimmter verkehrlicher Wirkungen von IVS auf Bereiche anderer Städte (Beitrag zum UR:BAN-VV Leitfaden). • Übertragung der Ergebnisse der Wirkung der UR:BAN-VV Applikationen auf Bereiche anderer Städte als Entscheidungsgrundlage für kommunale Verwaltungen (Beitrag zum UR:BAN-VV Leitfaden). Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Landeshauptstadt Düsseldorf • GEVAS software GmbH • Kassel documenta Stadt • Heusch/Boesefeldt GmbH • Technische Universität München • Hochschule für Technik • Technische Universität Braunschweig und Wirtschaft des Saarlandes • ifak Magdeburg e.V. • TomTom Development Germany GmbH • TRANSVER GmbH 49 50 Projekt Mensch im Verkehr 51 Motivation UF – Urbanes Fahren Herausforderungen an den Menschen im urbanen Raum Hohe Informationsdichte Kurze Entscheidungszeiten Vielzahl an Informationen Interaktion mit Mischverkehr Schwächere Verkehrsteilnehmer Vielzahl an ablenkenden Reizen Hohe Anzahl statischer und dynamischer Objekte Motivation • Das urbane Verkehrsgeschehen und die entsprechenden städtischen Verkehrsszenarien sind im Vergleich zur Autobahn sehr heterogen (bzgl. beteiligter Verkehrsteilnehmer, Infrastruktur, Umgebungsbebauung und relevanter zeitlicher Verläufe). • Es ist ausschlaggebend, dass sowohl Bedarfsermittlungen für Assistenzsysteme als auch Datenerhebungen in Experimenten von einer Systematik vergleichbarer Szenarien und Nutzereigenschaften ausgehen (zur Sicherstellung der Konvergenz verschiedener Forschungsaktivitäten der einzelnen Teilprojekte). Partner: • Robert Bosch GmbH • Universität der Bundeswehr München • Institut für Kraftfahrzeuge der RWTH Aachen • Universität Würzburg • MAN Truck & Bus AG • Volkswagen AG • Technische Universität München 52 Datenstandards für die Messgrößendefinition und Versuchsdokumentation UF – Urbanes Fahren Motivation •TransparenzundÜbersichtüberentstehende DatenbeständezumFahrerverhalten Fahrrad Fußgänger Fahrsimulation •HarmonisierungundSynchronisierungder DatenerhebungenzurVerringerungderbenötigten Ressourcen Motorrad Kontrolliertes Feld •Interpretier-undVergleichbarkeitvonErgebnissen durchErhebungs-undAuswertungsstandards Lkw Realverkehr Pkw VersuchsmatrixderDatenerhebunginMV Zielsetzung ErstellungeinesprojektinternenDatenstandardsimHinblickaufMessgrößendefinitionenundVersuchsdokumentation •SchnelleÜbersichtüberpartnerspezifischeDatenerhebungen •KompakteDokumentationvonVersuchseckdaten •Präzise,operationalisierbareDefinitionvonMessgrößen •MöglichkeitzurErweiterungundErgänzungvonMessgrößen •BerücksichtigungderEigenschaftenunterschiedlicherVersuchsumgebungen •IntegrationinsUR:BANWikialszentraleInformationsplattform VersuchsdatenblattderDatenerhebunginMV Messgrößenverzeichnis Geplante/Erzielte Ergebnisse > VersuchsmatrixfürschnellenÜberblick,welchePartneranähnlichenInhaltenarbeiten > VersuchsdatenblattzurkompaktenVersuchsdokumentationinklusiveDokumentationvon AbweichungenvondergemeinsamenMessgrößendefinition > WörterbuchzurVereinheitlichungdersprachlichenBegriffsdefinition(>UR:BANWiki) > AblageverzeichnisfürVersuchsdatenblätteraufdemUR:BANServer Partner: •RobertBoschGmbH •UniversitätderBundeswehrMünchen •InstitutfürKraftfahrzeugederRWTHAachen •UniversitätWürzburg •MANTruck&BusAG •VolkswagenAG •TechnischeUniversitätMünchen 53 Systematik der Assistenzszenarien UF – Urbanes Fahren Motivation •Förderung der Transparenz und VernetzungzwischendenTeilprojekten •SystematikderSituationen, Fahrerparameter und Funktionen Situation Fahrer •Beschreibung dynamischer Situationsaspekte,z.B.Manöver desEgo-Fahrzeugsoder desUmgebungsverkehrs •Trafficlightphase •Frontvehicle •Visibilityoftrafficlight •Drivingtask •Schilderungstatischer Aspekteder(Verkehrs-) Situation,z.B.straßenbaulicheGegebenheiten •DarstellungvonFahr(er)-aufgabeundNebenaufgaben •DeskriptionvonAspektenderFahrercharakteristik, z.B.DemographischeFahrereigenschaften Fahreraufgabe Nebenaufgaben Fahrercharakteristik Fahrerzustand Situationsskizze Fahrer Situation n Bewertung Konfliktsituation Manöver Verkehr Funktion Umwelt- & Straßenbedingungen Funktion •Erläuterungdertechnischen Funktionsweisedes Systems,z.B.EingangsgrößenderSensorik •DarstellungderMensch-Maschine-Interaktion, z.B.GestaltungderWarnkaskade Partner: •RobertBoschGmbH •UniversitätderBundeswehrMünchen •InstitutfürKraftfahrzeugederRWTHAachen •UniversitätWürzburg •MANTruck&BusAG •VolkswagenAG •TechnischeUniversitätMünchen 54 Interventionstiefe Technisches System MMI Assistierter Spurwechsel MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation Hohe Anforderungen an das Blickverhalten, an die Informationsverarbeitung und kleine Zeitfenster machen den Spurwechsel im Stadtverkehr zu einer schwierigen Aufgabe. Spurwechsel auf Knopfdruck entlastet und entspannt. Szenarien Spurwechsel nach links Spurwechsel nach rechts Überholen auf mehrspuriger Straße MMI Eine einfache Anzeige im Kombi-Instrument zeigt dem Fahrer Beginn und Verlauf des Spurwechsels. Evaluation Blickbewegungsaufzeichnung im Realverkehr > Kombi-Instrument ist passender MMI-Anzeigeort MMI Experten-Evaluation/ RESPONSE-Methode Partner: • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG 55 Unfallträchtige Szenarien für Warnkonzepte MMI – Stadtgerechte Mensch-Maschine-Interaktion Hintergrund Motivation • Welche Faktoren begünstigen Unfälle? •UntersuchungvonUnfallentstehungen > Alter > Situation •IdentifikationkritischerurbanerSzenarien • Welche Szenarien eignen sich zur Evaluation von Warnkonzepten? •HohesUnfallrisikoältererFahrerimKreuzungsbereich Gegenüberstellung zweier Altersgruppen: > HoheAnzahlanKollisionen •12ältere(65+)und12jüngereFahrer(18-35) •Fahr-undBlickverhalteninFahrsimulation Variation der Situation:ArtundRichtungdesschwächerenVerkehrsteilnehmers,Gegenverkehr Ergebnisse Anzahl Kollisionen 60 46 50 Abstand [m ] 40 30 20 10 10 0 Jung 25 Jung Alt 22,1 20,0 20 15 10 11,9 7,8 5,7 6,9 5 0 Komplex Alter •SignifikantmehrKollisionenbei Jüngeren Alt Normal Gegenverkehr Ohne Wartezeit an Haltelinie [s ] 30 60 Anzahl Kollisionen [ ] Wartezeit an Haltelinie Abstand zum schwächeren Verkehrsteilnehmer 40 Alt 37,2 36,2 30 18,1 20 14,7 13,3 10 0 •VorallemmitGegenverkehr habenÄltereeinengrößeren Sicherheitsabstand Fazit •WiderErwartenhabenältereFahrersignifikantwenigerKollisionen •ÄltereFahrerpassenihrVerhaltenstärkerandieSituationan (z.B.mit/ohneGegenverkehr) •WarnkonzeptesolltendieSituationunddasAlterderFahrerberücksichtigen •Ältere:UnterstützunginvorhersehbarenSituationen •Jüngere:UnterstützungeinesvorsichtigerenFahrstils •UnfallträchtigeSituationenfürEvaluationidentifiziert Partner: 56 Jung 46,9 50 •AdamOpelAG •DaimlerAG •TechnischeUniversitätMünchen •AUDIAG •MANTruck&BusAG •UniversitätderBundeswehrMünchen •RobertBoschGmbH •TechnischeUniversitätBraunschweig •VolkswagenAG Komplex Normal Gegenverkehr Ohne •NurmitGegenverkehrwarten Älterelänger Situationsgerechte Warnkonzepte MMI – Stadtgerechte Mensch-Maschine-Interaktion Das Thema ist im MMI-Baukasten im Pfad „Sicheres Fahren“ bei „Warnung & Eingriff“ verortet. Art der Warnung Darstellung im Head-up Display Keine Warnung 1) Kontrolle (K) Hintergrund 2) Handlung Generisch (HG) Urbane Mobilität stellt hohe Anforderungen an den Menschen 3) Handlung Spezifisch (HS) • Komplexe Situationen, Mischverkehr • Ablenkung, geringe Entscheidungsräume 4) Aufmerksamkeit Generisch (AG) Wie warnt man in der Stadt am besten? 5) Aufmerksamkeit Spezifisch (AS) • Handlungs- vs. aufmerksamkeitsorientiert • Spezifisch vs. generisch warnen > Bremsen vs. Ausweichen > Spezifisches Objekt vs. „Achtung!“ In Fahrsimulation untersucht wurden: • 60 Fahrer (unter 60 Jahren) in acht kritischen Stadtszenarien A) Fußgänger B) Radfahrer C) Auto D) Hindernis A Szenario 1 A Szenario 2 A A Ergebnisse für Szenario A1 und A2 Kollisionen 10 K HG HS AG 9 Anzahl Kollisionen [ ] 8 AS Zusammenfassung • Signifikant weniger Kollisionen mit HG-Warnung 9 8 8 7 7 6 • Kein Gewinn von spezifischer Warnung nachweisbar „Weniger ist mehr“ • Replikation notwendig 5 4 4 Fazit 3 3 • Gut gelernte Handlungsaufforderung (HG) am wirkungsvollsten 2 2 2 • Weitere Studien zum „Ausweichen“ nötig > Suche nach geeigneten Ausweichsymbolen 1 0 • Je nach Situation variiert die Wirkung der Warnung 7 0 A1 A2 Szenario • Beste Warnkonzepte aus dieser Studie mit älteren Fahrern (über 60 Jahren) untersuchen Partner: • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG 57 Informations- und Warnkonzepte im städtischen Verkehr MMI – Stadtgerechte Mensch-Maschine-Interaktion Das Thema ist im MMI-Baukasten sowohl im Pfad „Sicheres Fahren“ als auch im Pfad „Komfortables & effizientes Fahren“ verortet. Hintergrund Das Fahren im urbanen Raum enthält zahlreiche beanspruchende Situationen. Darüber hinaus bilden städtische Kreuzungen einen Unfallschwerpunkt. Es ist das Ziel Informationen im städtischen Verkehr beanspruchungs- und situationsgerecht aufzubereiten und Kollisionen im Kreuzungsbereich durch ein angepasstes Warnkonzept zu vermeiden. Projektinhalte: • Analyse der Fahrerbeanspruchung • Entwicklung eines fahrerorientierten Konzepts zur Ausgabe von Informationen und Warnungen • Absicherung durch Untersuchungen im Simulator, auf dem Prüfgelände und im realen Straßenverkehr Situationsgerechte Darbietung von Informationen und Warnungen Analyse des Fahrerverhaltens Warnung des Fahrers Geschwindigkeit [km/h] 6 5 ietung arb sd on Keine Info rm at i Infostufe 10 m 5 m 0m 4 3 2 25 let zte rW ar Wa nzeitp rnu u ng nkt 15 m 20 15 10 5 -10 Warnstufe -5 0 0 Abstand zur Haltlinie [m] Querverkehr übersehen Querverkehr erkannt 30 m Bewertung der Beanspruchung 45 m Infostufe Mittlere Fahrerbeanspruchung während der Kreuzungsüberquerung 1 Sehr hoch 100 m Sehr gering Phase 1 Phase 2 Phase 3 Phase 4 Phase 5 Phase 6 Ableitung eines Informations- und eines Warnkonzepts für die urbane Kreuzungssituation Partner: 58 • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG Informationsstrategie Wizard-of-Oz Fahrzeug: Rapid Prototyping für entwicklungsbegleitende Evaluationen MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation Die Entwicklung von Fahrerassistenzsystemen (FAS) erfolgt heutzutage zumeist in einem iterativen Prozess, der sich an den technischen Möglichkeiten orientiert und erst spät in die HMI Definition mündet. Der Mensch als wichtiger Bestandteil des Gesamtsystems Fahrer-Fahrzeug-Straße wird folglich zu einem Zeitpunkt betrachtet, an dem kaum noch Einfluss auf das Produkt genommen werden kann. Zielsetzung Entwicklung eines Forschungswerkzeugs, mit dem: • die HMI Entwicklung parallel zur Systementwicklung stattfindet. • noch nicht serienreife Assistenzfunktionen erlebbar und evaluierbar sind. • ein Betrieb auf unterschiedlichen Versuchsumgebungen möglich ist. • Funktionsspezifika und -umfänge online veränderbar sind. • verschiedene Stufen der Automatisierung realisiert werden können. Methodik Übertragung der „Wizard-of-Oz“-Methodik auf ein Fahrzeug: • Integration eines 2. Fahrerarbeitsplatzes im Fond des Fahrzeugs, von dem aus ein versteckter Fahrer (Wizard) Fahrfunktionen von der assistierten bis hin zur voll automatischen Fahrt übernehmen kann • Integration eines weiteren Sitzplatzes im Ladebereich des Fahrzeugs, von dem aus verdeckt die Steuerung der HMI-Komponenten erfolgt (HMI-Wizard) Auf diese Art wird für den Benutzer des Fahrzeugs (Proband) unsichtbar auf Umweltinformationen oder Bedieneingaben reagiert und das jeweilige System simuliert. Fahrzeug • freiprogrammierbares Kombiinstrument • LED-Leiste über die gesamte Breite des Dashboards • Zusatzlenkmonente • akustische Warnausgaben Show Case zur Halbzeitdemonstration Erleben Sie in einem stehenden Fahrzeug vor dem Hangar ein generisches MMI-Konzept für folgende Szenarien: • Ampelassistenz: Optimiertes Anhalten und Anfahren an einer Lichtsignalanlage • Fahrstreifenwechselassistenz: Assistierter Fahrstreifenwechsel aufgrund eines frontalen Hindernisses • Engstellenassistenz: Passieren einer beidseitig begrenzten Pylonengasse • Notbremsassistenz: Automatisches Bremsen auf ein verdecktes Hindernis nach vorausgehender Warnkaskade Partner: • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG 59 Integratives Anzeigekonzept für warnende und regelnde Fahrerassistenzsysteme MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation •ZunehmendeAnzahlundKomplexitätvonFahrerassistenzsystemen(FAS) •ZahlreicheTeil-undSubfunktionenvonFASausKundensichtnurbedingttrennbar •AktuelleAnzeigekonzeptenurbegrenztumneueFunktionenerweiterbar >Mangelnde Transparenz und Nachvollziehbarkeit von fahrtrelevanten Funktionen Zielsetzung •Minimierung der KomplexitätdurcheinintegrativesAnzeigekonzept •VerbesserungderNachvollziehbarkeitdurchzentraleDarstellungvonwarnendenundregelndenFAS •ErhöhungderFunktionstransparenzdurchVerwendungvonwenigerAnzeigeelementenmitaggregiertenInformationen •Steigerung des VerständnissesdurchklareVerortungderAnzeigeinhalteunterBerücksichtigungihrerRelevanz Umsetzung als Anzeige im Kombiinstrument Infofeld AnzeigevonZusatzinformationen Regelobjekt AnzeigedesRegelobjektesderLängsführung Längsführung AnzeigevonIst-undSollAbstand Warnring Verortungeiner potentiellenGefährdung Permanente Querführung AnzeigevonToleranzund Regelobjekt Statuszeile Anzeigevon Statusinformationen Elemente des integrativen Anzeigekonzepts (Konzept der Volkswagen AG) Umsetzung im Rahmen des MMI Baukastens (Pfad „Sicheres Fahren“) Frühwarnung Warnung > Fahrer sollte eingreifen Akutwarnung > Fahrer sollte eingreifen Visuell Noteingriff Frühwarnung Deeskalation > Fahrer sollte zurück in die > Funktion greift ein > Fahrer muss eingreifen > Fahrer sollte Geschwindigkeit reduzieren Fahraufgabe geführt werden Display des Kombiinstruments Warnung > Fahrer muss Geschwindigkeit reduzieren Deeskalation > Fahrer sollte zurück in die Fahraufgabe geführt werden Head Unit (ggf. Verortung in der Karte) Display des Kombiinstruments LED-Leiste Akustisch Gong 1kHz Warnton 2kHz Haptisch Bremsruck t1 t2 t3 Notbremsung t4 t5 t1 Warnkaskade urbaner Raum: „Fahrer soll bremsen“ (Konzept der Volkswagen AG) t2 t3 t4 Warnkaskade urbaner Raum: „Fahrer muss aufmerksam sein“ (Konzept der Volkswagen AG) Show Case zur Halbzeitdemonstration •ErlebenSiedasintegrativeAnzeigekonzeptanimiert hier am Standoderlive im Wizard-of-Oz FahrzeugvordemHangar! Partner: 60 •AdamOpelAG •DaimlerAG •TechnischeUniversitätMünchen •AUDIAG •MANTruck&BusAG •UniversitätderBundeswehrMünchen •RobertBoschGmbH •TechnischeUniversitätBraunschweig •VolkswagenAG Integratives Anzeigekonzept für warnende und regelnde Fahrerassistenzsysteme MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation •ZunehmendeAnzahlundKomplexitätvonFahrerassistenzsystemen(FAS) •ZahlreicheTeil-undSubfunktionenvonFASausKundensichtnurbedingttrennbar •AktuelleAnzeigekonzeptenurbegrenztumneueFunktionenerweiterbar >Mangelnde Transparenz und Nachvollziehbarkeit von fahrtrelevanten Funktionen Zielsetzung •Minimierung der KomplexitätdurcheinintegrativesAnzeigekonzept •VerbesserungderNachvollziehbarkeitdurchzentraleDarstellungvonwarnendenundregelndenFAS •ErhöhungderFunktionstransparenzdurchVerwendungvonwenigerAnzeigeelementenmitaggregiertenInformationen •Steigerung des VerständnissesdurchklareVerortungderAnzeigeinhalteunterBerücksichtigungihrerRelevanz Umsetzung als Anzeige im Kombiinstrument Infofeld AnzeigevonZusatzinformationen Regelobjekt AnzeigedesRegelobjektesderLängsführung Längsführung AnzeigevonIst-undSollAbstand Warnring Verortungeiner potentiellenGefährdung Permanente Querführung AnzeigevonToleranzund Regelobjekt Statuszeile Anzeigevon Statusinformationen Elemente des integrativen Anzeigekonzepts (Konzept der Volkswagen AG) Umsetzung im Rahmen des MMI Baukastens (Pfad „Komfortables & Effizientes Fahren“) Engstelle - Konzept A: Annähern&Passieren Engstelle - Konzept B: Annähern&Passieren Begrenzungdurch kleinereObjekte 2,7 m 3,5 m Begrenzungdurch größereObjekte 2,7 m Begrenzungdurch dynamischeObjekte 3,5 m 2,7 m 3,5 m Warnkaskade urbaner Raum: „Fahrer soll bremsen“ (Konzept der Volkswagen AG) 3,5 m Warnkaskade urbaner Raum: „Fahrer muss aufmerksam sein“ (Konzept der Volkswagen AG) Show Case zur Halbzeitdemonstration •ErlebenSiedasintegrativeAnzeigekonzeptanimiert hier am Standoderlive im Wizard-of-Oz FahrzeugvordemHangar! Partner: •AdamOpelAG •DaimlerAG •TechnischeUniversitätMünchen •AUDIAG •MANTruck&BusAG •UniversitätderBundeswehrMünchen •RobertBoschGmbH •TechnischeUniversitätBraunschweig •VolkswagenAG 61 Warnkonzepte mit semantischakustischen Signalen MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation • Im Vergleich zu anderen Ausgabemedien im Fahrzeug sind semantisch-akustische Signale (Sprachausgaben) für verschiedenste Kontexte nutzbar. • Neben diesem Vorteil der Mehrfachbelegbarkeit ist Sprache zudem ein eindeutiges, visuell nicht ablenkendes Signal mit hohem Detailgrad. Die genannten Charakteristika sind daher für den sehr komplexen und dynamischen urbanen Raum für die Gestaltung von Kollisionswarnungen vielversprechend. Mit Blick auf den MMI Baukasten trägt die Analyse der Eignung von Sprachwarnungen zu Erkenntnissen auf dem Pfad „Sicheres Fahren“ bei und erweitert die MMI Strategie „Warnung & Eingriff“. Zielsetzung In drei Nutzerstudien im Fahrsimulator wird die Eignung von verschiedenen, semantisch-akustischen Warnungen als Element der Warnkaskade des MMI Baukastens zur Kollisionsvermeidung untersucht. Ziel ist es, über geeignete Sprachinhalte und Warnzeitpunkte beim Fahrer eine Brems- bzw. Ausweichenreaktion im urbanen Raum auszulösen. Fragestellungen Anhand zweier Szenarien mit Kollisionssituationen mit Radfahrern wurden folgende Fragen untersucht: • Wirkung der Richtungsinformation der Sprachwarnung in Abhängigkeit des Warnzeitpunktes • Wirksamkeit und Akzeptanz von semantisch unterschiedlichen Sprachwarnungen, die • Verweis auf die Verortung der Gefahr (z.B. „Rechts!“ für Radfahrer von rechts) • aufmerksamkeitserregend (z.B. „Achtung!“), • objektorientiert (z.B. „Radfahrer!“) oder • handlungsorientiert (z.B. „Brems!“) gestaltet waren • Verweis auf die Ausweichrichtung (z.B. „Links!“ für Radfahrer von rechts) • Mehrwert der Sprachwarnung gegen über anderen Warnmodalitäten bzw. Kombinationen davon • Unimodale Warnung (Ton, LED-Leiste, Sprache) • Multimodale Warnung (Ton & LED, Sprache & LED) Fahrtrichtung Standpunkt des Radfahrers Fahrspursrichtung Fahrsimulator der Volkswagen Konzernforschung Konstellationen der Kollisionssituation Fahrszene mit Kollisionssituation bei Geradeausfahrt Fahrszene mit Kollisionssituation während des Abbiegevorgangs Ergebnisse Erste Erkenntnisse bestätigen die Wirksamkeit von semantisch-akustischen Signalen für die Handlungsausführung (z.B. „Brems!“) bzw. die Gefahrenerkennung (z.B. „Radfahrer!“). Der angenommene Effekt von Richtungsinformationen konnte bisher nicht belegt werden. Das Potenzial der Sprachwarnung wird weiterführend bezüglich geeigneter Warnzeitpunkte untersucht und hinsichtlich der Kombinierbarkeit mit anderen Warnmodalitäten analysiert. Partner: 62 • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG Anzeigekonzept für Vorausschauende automatisierte Fahrzeuglängsführung MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation Vorausschauende automatisierte Fahrzeuglängsführung soll vom Fahrer möglichst nicht übersteuert werden. Dazu muss dem Fahrer das Verhalten der automatisierten Fahrzeuglängsführung vermittelt werden. Fehlende Information führt zu ungewünschten Eingriffen des Fahrers Präzise und zeitlich passende Information erhöht die Akzeptanz und Gebrauchstauglichkeit des Systems Zielsetzung Entwicklung eines Human-Machine-Interface (HMI) Konzepts für vorausschauende automatisierte Fahrzeuglängsführung. Ziel ist ein evaluiertes und prototypisch umgesetztes HMI-Konzept, das folgende Anforderungen erfüllt: > Transparente Darstellung des Systemzustands für den Fahrer > Optimale Anpassung an die Informationsdichte im urbanen Raum > Intuitive Anzeige- und Bedienelemente > Integrierbarkeit der Anzeige in Anzeigekonzepte weiterer Fahrerassistenzsysteme Einzuordnen in den MMI-Baukasten im Pfad „Komfortables & effizientes Fahren“ in der Strategie „Regelung“ Versuchsumgebung Dynamischer LKW-Fahrsimulator der TU München mit MAN TGS Fahrerhaus > Bewegungssystem mit sechs Freiheitsgraden > 210° Rücklichtprojektion ermöglicht Rundumsicht > Freiprogrammierbares Kombidisplay für HMI-Visualisierungen Bisherige Ergebnisse > Ermittelte Anforderungen durch Feldstudie, Fokusgruppe und Fahrsimulator-Studie > Formativ evaluierte HMI-Konzepte für die Komponenten freiprogrammierbares Kombidisplay und Head-Up-Display > Ergebnisse werden auf einem Monitor präsentiert Partner: • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG 63 Anzeigekonzept für Fahrempfehlungen MMI – Stadtgerechte Mensch-Maschine-Interaktion Zieldefinition Der Fahrer wird zum effizienten Fahren durch Handlungsempfehlungen angeleitet. MMI SK Analyse der beeinflussten Fahraufgabe Das Potenzial zur Steigerung der Effizienz durch bessere Vorausschau und Antizipation der Situation wurde identifiziert. 1,5 1,0 1,0 0,5 0,0 -0,5 -1,0 -1,5 -2,0 Rot -2,5 Grün auf Rot 3,0 230 190 150 110 70 30 210 170 130 90 50 10 Beschleunigung [m/s2] Beschleunigung [m/s2] 1,5 0,5 0,0 -0,5 -1,0 -1,5 -2,0 Grün -2,5 Rot auf Grün 3,0 230 190 150 110 70 30 210 170 130 90 50 10 Distanz zur Ampel [m] Distanz zur Ampel [m] MMI Konzeptentwurf nach Gestaltungskriterien des MMI Baukastens Evaluation Evaluation des MMI Konzeptes anhand der Kriterien: MMI > Umsetzung der Fahrstrategie > Effekte auf die Fahreraufmerksamkeit > Effekte auf die Interaktion mit anderen Verkehrsteilnehmern > Fahrverhalten in kritischen Situationen > Anwendbarkeit im urbanen Realverkehr > Akzeptanz der Fahrer Partner: 64 • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG SIM Integriertes Anzeige- und Bedienkonzept MMI – Stadtgerechte Mensch-Maschine-Interaktion Ziele Erstellen eines generischen und integrativen MMI-Konzeptes, welches die Vorteile der einzelnen Komponenten kombiniert und gleichzeitig die Nachteile reduziert. Der Fahrer soll mit so vielen Informationen wie nötig, aber so wenig wie möglich versorgt werden. Die Informationen erfolgen nach dem Prinzip des MMI-Baukastens. Konponenten Aktives Gaspedal Vorteile: Haptisches Feedback, keine Aufmerksamkeitszuwendung zur Komponente nötig, Medium der Warnung gleichzeitig Bedienelement für Maßnahme, diskrete Information allein des Fahrers. Head-Up Display Vorteile: Informationen direkt im Blickfeld des Fahrers, keine Nahadaption des Auges notwendig, gezielte Aufmerksamkeitslenkung möglich, nur für den Fahrer sichtbar, reduzierte Reaktionszeiten auf Warnungen. Programmierbares Kombiinstrument Vorteile: Informationen nur bei Bedarf im Blickfeld, Detaillierte Informationen möglich, Vorteilhafte analoge Darstellung durch Rundinstrumente, Tag- und Nachtdarstellung möglich, nur benötigte Informationen darstellbar. MMI-Konzept Generische Anzeige Unterschiedliche Assistenzsysteme nutzen dieselbe Anzeige. Im Gegensatz zu bisherigen Konzepten erhält nicht jedes FAS seine eigene Art der Darstellung. Systeme mit dem gleichen Ziel (bspw. längsregelnde FAS) werden zusammengefasst. Handlungsorientiert Jede Art der Anzeige ist darauf ausgelegt, eine bestimmte Reaktion des Fahrers hervorzurufen. Es wird vermieden unspezifische und unscharfe Warnungen an den Fahrer zu übermitteln. Integratives Konzept Die einzelnen Komponenten werden in einem Konzept zusammen gefasst. Darstellungen im HUD erfolgt bspw. in Abstimmung mit dem Kombiinstrument oder Gaspedal. Partner: • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG 65 Assistenz für abgelenkte Fahrer MMI – Stadtgerechte Mensch-Maschine-Interaktion Motivation Assistenz für abgelenkte Fahrer im urbanen Verkehr: • Zuverlässige Erkennung von Ablenkung in komplexen Situationen • Berücksichtigung urbaner Szenarien (erhöhte Komplexität – mehr Quellen der Ablenkung) • MMI-Gestaltung unter Berücksichtigung der Empfehlungen des MMI-Baukastens Zielsetzung • Erkennung visueller Ablenkung mit kamerabasierten Lösungen • Entwicklung eines Warnkonzepts, das die Aufmerksamkeit des Fahrers auf die Fahrszene zurücklenkt Komponenten • Warntöne • Symbole • Im Head-up Display • Im Display der Mittelkonsole • LED-Leiste • Der Ort der Anzeige ist abhängig von der aktuellen Blickrichtung des Fahrers • Richtungshinweise auf den Ort der Gefahr • Jedes Warnkonzept in 3 Kritikalitätsstufen gemäß der Systematik des MMI-Baukastens Evaluierung • Darstellung der Warnkonzepte im Fahrsimulator • Fahrversuche mit 80 Probanden • Stadtverkehr • Induzierung von Fahrerablenkung (im Fahrzeug: durch Nebenaufgaben, extern: durch auffällige Verkehrssituationen) und potenziell gefährlichen Situationen • Bewerten der Lösungen und Ableiten eines Warnkonzepts für den Demonstrator Partner: 66 • Adam Opel AG • Daimler AG • Technische Universität München • AUDI AG • MAN Truck & Bus AG • Universität der Bundeswehr München • Robert Bosch GmbH • Technische Universität Braunschweig • Volkswagen AG Übersicht zum Teilprojekt VIE VIE – Verhaltensprädiktion und Intentionserkennung Motivation Situation Assistenzsysteme agieren im Wesentlichen auf Basis der Fahrsituation (Fahrzeug und Umgebung) Risiko Konflikt zwischen Fahrerabsicht/-verhalten und Systemaktion Fragestellung Was will der Fahrer? Wie wird er handeln? Herausforderung Individuelle Unterschiede im Fahrerverhalten Ansatz Sensorik Fahrerbeobachtung, Fahrzeugsensoren und Umgebungssensorik Algorithmik Auswertung von Messdaten zur Erkennung der Intention Situationsabhängige Prädiktion des Verhaltens Adaptive Assistenz Anpassung von Information, Warnung und Eingriff an Absicht und prognostiziertes Verhalten „Früher wissen, was der Fahrer später tut“ Demonstratoren Darstellung und Evaluierung in Versuchsträgern Bisherige Ergebnisse • Literaturübersicht (State-of-the-Art) • Spezifikation der VIE Anwendungsfälle mit Beschreibung von Assistenzszenarien (Situation, Fahrer, Funktion) • Aufbau der Versuchsträger on Situation • Versuchsreihen in Realverkehr, Teststrecke und Fahrsimulation • Insgesamt 355 Probanden • Insgesamt 13503 gefahrene Kilometer FFahrer Bewertung • Erste Beispiele zu Algorithmen • Blicksequenzanalyse bei Fahrstreifenwechsel • Trajektorienprädiktion Funktion • 9 Veröffentlichungen Systematik der Assistenzszenarien Partner: • Adam Opel AG • BMW Forschung und Technik GmbH • Technische Universität Chemnitz • AUDI AG • Daimler AG • Universität der Bundeswehr München • Robert Bosch GmbH • Fraunhofer IAO 67 Schwerpunkte der Partner VIE – Verhaltensprädiktion und Intentionserkennung Partner Schwerpunkt Daimler Fahrerbeobachtung durch Head-/Eyetracking und Fahrparameter (CAN-Daten) zur: • frühzeitigen Erkennung von Spurwechsel- und Abbiegemanöver. • Überwachung der Absicherung des Fahrers durch Spiegelund Schulterblicke. • Berücksichtigung des Fahrerverhaltens zur Anpassung von Warn- und Informationsschwellen im MMI. • Anpassung der Regelungsgrößen von Assistenzsystemen. BMW • Schätzung der Aufmerksamkeit des Fahrers gegenüber Fußgängern auf Basis von Blickverhalten und Fahrparametern. • Anwendung für die KA Applikation „Schutz schwächerer Verkehrsteilnehmer“ in SVT. Opel • Detektion der Fahrerintention in Notbrems- und Ausweichsituationen mit dem Ziel der Nutzung serienmäßiger Sensorik und Verknüpfung zur Kollisionsvermeidung bei KA Applikation KAB. • Manöverprädiktion zur Verbesserung einer situationsgerechten Warnund Eingriffsstrategie. • Bereitstellung der Information über die Fahrerintention im Bordnetz für andere Fahrerassistenzsysteme. Bosch • Absichtserkennung und Manöverprädiktion für Fahrstreifenwechsel, Abbiegeszenarien und Engstellen (Verbindung zu KA Applikationen SQL und SVT). • Messung von Kopf-/Blickrichtung sowie des direkten Fahrerverhaltens, Berücksichtigung von Fahrertypen. • Tests zur Prädiktion des Verhaltens anderer Verkehrsteilnehmer. • Anpassung der Mensch-Maschine Interaktion an erkannte Absichten und prognostiziertes Verhalten. Fraunhofer IAO • Literaturreview zum State of the Art der Fahrerintentionserkennung. • Entwicklung einer Methode zur Fahrerintentionserkennung und Erprobung unterschiedlicher Messverfahren. • Entwicklung und Validierung eines Algorithmus zur Erkennung von Bremsbereitschaft als Grundlage für die adaptive Gestaltung eines Notbremsassistenten. TU Chemnitz • Prädiktion von Fahrstreifenwechseln durch Datenfusion von Innenraumkameras, Fahrverhalten und Umgebungserkennung. • Differenzierte Ansätze zur Intentionserkennung für verschiedene Fahrstreifenwechsel-Szenarien. Aufbau eines Demonstrators. Uni Bw München • Entwicklung, Implementierung und Evaluation eines Algorithmus zur Erkennung der Fahrerabsicht für Spurwechsel und Abbiegen im urbanen Bereich auf Basis von Fahrdaten, Videodaten und Navigationsdaten in einem Versuchsträger der Audi AG. AUDI • Bereitstellung Versuchsträger für Untersuchungen (Uni Bw). Partner: 68 • Adam Opel AG • BMW Forschung und Technik GmbH • Technische Universität Chemnitz • AUDI AG • Daimler AG • Universität der Bundeswehr München • Robert Bosch GmbH • Fraunhofer IAO ? ? ? ? Szenarien VIE – Verhaltensprädiktion und Intentionserkennung In VIE betrachtete Basismanöver Stand Anfahren Folgen Fahrstreifenwechsel An Hindernis Vorbeifahren Abbiegen Annähern Anhalten Anwendungsfälle Anpassung von Information, Warnung und Eingriffen an die Absichten des Fahrers Fahrstreifenwechsel • Totwinkel-Warnung anpassen • Spurwechselassistent aktivieren • ACC Regelung anpassen Engstelle • Empfehlung zur Befahrbarkeit (Breite, Gegenverkehr...) • Engstellenassistent aktivieren Notbrems- und Ausweichsituationen • Warnkaskade anpassen an Fahrerintention • Beabsichtigte Handlungsausführung unterstützen Kreuzungsszenarien • Spezifische Warnung vor drohenden Kollisionen in beabsichtigter Fahrtrichtung • Warnung vor Missachtung Vorfahrtsregeln Partner: • Adam Opel AG • BMW Forschung und Technik GmbH • Technische Universität Chemnitz • AUDI AG • Daimler AG • Universität der Bundeswehr München • Robert Bosch GmbH • Fraunhofer IAO 69 Datenerhebung VIE – Verhaltensprädiktion und Intentionserkennung Zielsetzung: Umfassende Datengrundlage für die Algorithmenentwicklung Im Realverkehr Daten der Basismanöver Erhebung von Fahr- und Messdaten inkl. •DefinierteStreckenzurBeobachtung vonFahrstreifenwechseln,Abbiegemanövern, DurchfahrtenvonEngstellen •BerücksichtigungvonFahrertypen •ErzeugungrelevanterRandbedingungen (z.B.FahrenunterZeitdruck) •BefragungzuPersonenmerkmalen Fahrer (Blicke, Lenkung, Pedale) Datenquellen Fahrzeug Umwelt (Geschwindigkeit, Beschleunigung, Position) (Andere Verkehrsteilehmer, Straßentyp) Auf der Teststrecke Im Fahrsimulator Daten spezieller kritischer Situationen Daten unter kontrollierten Bedingungen Beispiel:Ausweich-undNotbremsmanöver Beispiel:BremsbereitschaftaufFußgänger Partner: 70 •AdamOpelAG •BMWForschungundTechnikGmbH •TechnischeUniversitätChemnitz •AUDIAG •DaimlerAG •UniversitätderBundeswehrMünchen •RobertBoschGmbH •FraunhoferIAO Entwicklung von Algorithmen VIE – Verhaltensprädiktion und Intentionserkennung Herausforderungen • Komplexität urbaner Situationen • Robustheit der Blickrichtungserkennung • Hohe Individualität im Verhalten • Echtzeitanforderungen der Algorithmen Ansatz: Probabilistische Modellierung und Maschinelles Lernen Intentionsbildung A B • Ausgabe der erwarteten Manöver gemäß Wahrscheinlichkeit Manövervorbereitung C Merkmal 1 ... B ... Merkmal n Ausprägungen von... A Modelle / Parametrisierung Manöverdurchführung C Messgrößen Fahrer /Fahrzeug / Umwelt Handlungsoptionen Intentionserkennung • Erlernen von charakteristischen Größen zur Erkennung der Intention, Vorbereitung und beginnenden Durchführung von Manövern aus den gesammelten Daten.(Bayes Netz, Hidden Markov Modelle, Support Vector Machine, Random Forest) Wahrscheinlichkeit der Wahl der Handlungsoptionen A, B, C ... Beispiele Fahrstreifenwechsel Trajektorienprädiktion 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 10 Blinker links rechts zurück 25% 20% 15% 10% 5% 9 8 7 6 5 4 3 2 Prädiktion eines zukünftigen Kurses auf Basis der bislang beobachteten Trajektorie bei Abbiegesituationen 1 Blicke kumulativ (%) Blinker kumulativ (%) Analyse der Blickhäufigkeiten und Blickfolgen im Vorfeld des Fahrstreifenwechsels 0% Zeit vor dem Fahrstreifenwechsel (s) Partner: • Adam Opel AG • BMW Forschung und Technik GmbH • Technische Universität Chemnitz • AUDI AG • Daimler AG • Universität der Bundeswehr München • Robert Bosch GmbH • Fraunhofer IAO 71 Technische Ausstattung VIE – Verhaltensprädiktion und Intentionserkennung Kamerabasierte Blickerfassung •FahrzeugfesteodermobileKamerasystemezurErfassungvonKopf-undBlickrichtung •LaserbirdSystemzumTrackingderKopfposition Erfassung von Fahrerhandlungen •MessungvonFahrer-,Fahrzeug-undUmgebungsdatendurchAnkopplunganCAN-Bus •UmfassendeSystemezurDatenaufzeichnungimFahrsimulator Versuchsträger FahrzeugezurErhebungderTestdaten,DemonstrationundVerifikationderVerhaltensprädiktion Partner: 72 •AdamOpelAG •BMWForschungundTechnikGmbH •TechnischeUniversitätChemnitz •AUDIAG •DaimlerAG •UniversitätderBundeswehrMünchen •RobertBoschGmbH •FraunhoferIAO Simulation und Verhaltensmodellierung SIM – Simulation Reale und virtuelle urbane Welten vernetzen und verstehen Simulationen und Verhaltensmodelle stellen wertvolle Tools und Methoden zur Entwicklung effizienter und sicherer Assistenzsysteme im Verkehr dar. Das Teilprojekt SIM entwickelt und nutzt verschiedene Analyseumgebungen mit dem Ziel, Verhaltensmodelle in der Verkehrs- und Fahrsimulation realitätsnah zu gestalten. Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. • Technische Universität München: • Institut für Kraftfahrzeuge der RWTH Aachen - Lehrstuhl für Ergonomie • Interdisziplinäres Zentrum für Verkehrswissenschaften (IZVW) - Lehrstuhl für Fahrzeugtechnik • PTV Group - Lehrstuhl für Verkehrstechnik • TRANSVER GmbH 73 Methoden SIM – Simulation Motivation Verkehrsteilnehmer verstehen und modellieren: Entwicklung und Evaluierung urbaner Fahrerassistenz- und Verkehrssysteme Methoden Fokus Verkehr Fahrsimulation Verkehrssimulation Simuliert Fahrer Entwicklung von Verhaltensmodellen für verschiedene Verkehrsteilnehmer Umgebung Analyse der Interaktion mehrerer Verkehrsteilnehmer in einer virtuellen Welt durch Vernetzung von Fahrsimulatoren Feldbeobachtung Real Kontrolliertes Feld Realistische Darstellung von Fahrsituationen in realer Testumgebung Analyse von realem Verkehr unter natürlichen Bedingungen mittels Videobeobachtungen Ziel Realitätsorientierte Weiterentwicklung von Verhaltensmodellen für Fahr- und Verkehrssimulationen Partner: • Deutsches Zentrum für Luft- und Raumfahrt e.V. - Lehrstuhl für Ergonomie • Interdisziplinäres Zentrum für Verkehrswissenschaften (IZVW) - Lehrstuhl für Fahrzeugtechnik • PTV Group - Lehrstuhl für Verkehrstechnik • TRANSVER GmbH 74 • Technische Universität München: • Institut für Kraftfahrzeuge der RWTH Aachen Fußgängermodellierung SIM – Simulation Motivation Realitätsnahe Abbildung der Interaktion zwischen Fahrzeug und Fußgänger • Untersuchung des taktischen und operativen Fußgängerverhaltens • Bestimmung der Fahrerreaktion auf querungsbeabsichtigte Fußgänger • Untersuchung der Fußgängerreaktion auf assistierte Fahrer Zielsetzung Verbesserung, Weiterentwicklung und Validierung von Modellen zur Darstellung des Fußgängerverhaltens in der Verkehrssimulation, im Fahrsimulator und im kontrollierten Testfeld. > Verbesserung der Testwerkzeuge zur Untersuchung des Potentials von Fahrerassistenzsystemen für den Fußgängerschutz Methoden • Probandenstudie im Realfahrzeug, welches die Interaktion zwischen Fußgängern und Fahrern in urbanen Bereichen mit starkem Fußgängerverkehr mithilfe verschiedener Messsysteme aufzeichnet. • Probandenstudie im Fußgängersimulator in unterschiedlichen Querungsszenarien (z.B. Blickzuwendung, Verdeckung), Erfassen der Fahrer- und Fußgängerreaktion bei assistierter und nicht assistierter Fahrt. Realfahrzeugstudie Simulative Fußgängerdarstellung Simulatorstudie Quelle: innovITSADVANCE Geplante Ergebnisse 100% • Statistische Analyse möglicher Entscheidungsgrößen des Fußgängers 40% 20% größer 5 4.5 bis 5 4 bis 4.5 3.5 bis 4 3 bis 3.5 2.5 bis 3 0% 2 bis 2.5 • Querungswahrscheinlichkeiten in Abhängigkeit verschiedener Randbedingungen 60% 1.5 bis 2 • Bestimmung von Häufigkeitsverteilungen von Bewertungsgrößen wie z.B. Sicherheitsabstand 80% 1 bis 1.5 • Ermittlung von Toleranzschwellen für spezifische Verhaltensweisen/-änderungen TTC [sek] Partner: • Institut für Kraftfahrzeuge der RWTH Aachen • PTV Group • Technische Universität München – Lehrstuhl für Ergonomie 75 Motorrad-Pkw-Vernetzung SIM – Simulation Verunglückte Die Zahl der verunglückten Motorradfahrer hat sich in den letzten Jahren nicht wesentlich reduziert. Dies rückt die Motorradfahrer als „vulnerable road users“ in den Fokus verkehrspsychologischer Forschung. [Anzahl in Tausend] Motivation 350 Motorradfahrer 300 Pkw-Fahrer 250 200 150 100 50 0 1991 1995 1999 2003 2007 Jahr Daten: DESTATIS Aufbau Monitoring Anwendungsfälle • Operatorenplatz • Fahrerinteraktion • Kommunikationssystem • Assistenzsysteme • Bird‘s-Eye-View • Car2Bike-Systeme Partner: • Interdisziplinäres Zentrum für Verkehrswissenschaften (IZVW) 76 2011 Pkw-Lkw Interaktion SIM – Simulation Motivation Städtische Szenarien bestehen aus vielfältigen Interaktionselementen der beteiligten Verkehrsteilnehmer > Bisheriger Ansatz: Abbildung der Interaktionen mit nur einer Versuchsperson im Simulator > Unzureichende Modellierung aktueller Interaktionselemente Zielsetzung • Genauere Modellierung von Interaktionselementen der Verkehrsteilnehmer zur Wirkungsabschätzung urbaner Fahrerassistenzsysteme • Erfassen und Bewerten bedeutsamer menschlicher Interaktionskanäle im innerstädtischen Verkehr Methodik SIM • Interdisziplinärer Ansatz: Fahrzeugtechnik Ergonomie Psychologie Informatik • Vernetzung von: LKW- und PKW-Simulatoren • Umsetzung und Implementierung zweier prototypischer Stadtszenarien inkl. Assistenz Interaktionsszenario • Planbare vs. nicht-planbare Engstelle Kooperationsszenario Assistierter vs. nicht-assistierter LKW mit nachfolgendem PKW • Datenerhebung: Blickerfassung, Fahrdaten, Fragebogen Partner: • Technische Universität München: - Lehrstuhl für Ergonomie - Lehrstuhl für Fahrzeugtechnik 77 Pkw-PkwInteraktion SIM–Simulation Motivation •UrbanesInteraktionsverhaltenvonVerkehrsteilnehmernistkomplex&divers >VirtuelleAbbildungnurbedingtmöglich >NurteilweiseModelleüberInteraktionenderVerkehrsteilnehmervorhanden •KooperativeFahrerassistenzsystemebeeinflussenVerkehrsteilnehmerzunehmend Zielsetzung • ModellierungvonInteraktionenderVerkehrsteilnehmerzurWirkungsabschätzungkooperativerFahrerassistenzsysteme • VernetzungvonFahrsimulatoren&EntwicklungeinerVersuchsmethodologie Methodik Fragestellung WiewirktsichdieAusstattungeinesFahrersmitkooperativem Fahrerassistenzsystem(SK-11:KreuzungslotseEinfahr-und Startassistenz)aufnicht-ausgestattete,naiveFahreraus? ? ? MoSAIC(ModularScalableApplicationsPlatformforITSComponents) VernetzungvonSimulatorenzurAnalysederPkw-Pkw-Interaktion Simulation MoSAIC Leitstand Überwachung von Probanden Analyse Ziel DefinitiongeeigneterParameterzurWirkungsabschätzungkooperativerFahrerassistenzsysteme aufnicht-ausgestatteteFahrerinBezugauf: • Fahrverhalten(Anpassungs-&Mitzieheffektenicht-ausgestatteterFahrer) • Akzeptanz&Einstellungen(Situationsverständnis&-bewertung) • Physiologie Partner: •DeutschesZentrumfürLuft-undRaumfahrte.V. 78 Datenkopplung Fahrradmodellierung SIM – Simulation Motivation Der Anteil des Radverkehrs im städtischen Bereich nimmt stetig zu. Daher ist es notwendig: 1. die Radfahrer in der Verkehrsplanung zu berücksichtigen und 2. die Sicherheit der Fahrradfahrer zu erhöhen. > 3% der in Deutschland gefahren Kilometer werden mit einem Fahrrad zurückgelegt > 9% der Wege in Deutschland werden mit einem Fahrrad zurückgelegt > aber 21% der in der Stadt ums Leben gekommene Verkehrsteilnehmer sind Radfahrer Quelle: Statistisches Bundesamt, 2013 Zielsetzung Das Verhalten von Radfahrern in urbanen mikroskopischen Verkehrssimulationen soll realitätsnäher abgebildet werden. Dazu sollen vorhandene Modelle mittels Realdaten aus Videobeobachtungen validiert, weiterentwickelt und neue Modelle erzeugt werden. Methode Videodaten werden aufgezeichnet, um das operative und taktische Fahrverhalten der Radfahrer zu untersuchen und daraus Modelle zu entwickeln: • an Knotenpunkten mit Lichtsignalsteuerung • an Knotenpunkten mit verschiedenen Arten der Fahrradführung (z.B. Radweg, straßengeführt) Taktisch (Auswahl das Fahrmanövers) Operativ (Verhalten während des Manövers) • Anpassung der Trajektorie, um Halte zu vermeiden und sicher zu kreuzen • Geschwindigkeitsverteilung • Auswahl der Infrastruktur (Radweg, Straße) • Beschleunigungs- und Verzögerungsablauf • Lateraler und longitudinaler Positionsverlauf Geplante Ergebnisse • Generische Methodik für automatisierte Analysen von Videodaten im urbanen Verkehr • Erweiterte Erkenntnisse zum Verkehrsverhalten auf Basis von umfangreichen Videobeobachtungen • Besser kalibrierte und validierte bestehende Modelle des Radfahrerverhaltens • Neue, valide Modelle zu bisher nicht untersuchten Aspekten Partner: • Technische Universität München – Lehrstuhl für Verkehrstechnik • TRANSVER GmbH • PTV Group 79 Pulksimulation SIM – Simulation Motivation Die Pulksimulation ergänzt das Instrumentarium der verkehrswissenschaftlichen Methoden und erlaubt die Analyse sozialer Interaktionen mehrerer Fahrer gleichzeitig in einer virtuellen und kontrollierten Umgebung. Aufbau Operatorplatz mit Kommunikationssystem Bird‘s-Eye-View Vernetzung von bis zu 5 Fahrstationen Studie Erleben und Verhalten in Pulk- vs. Einzelfahrsimulation Probanden fahren durch eine Innenstadt. Der Umgebungsverkehr wird entweder von anderen Probanden gesteuert (Pulk) oder simuliert (X4). In beiden Fällen wird die Simulation insgesamt als realistisch erlebt. Höhere Realitätsnähe wird dem Verhalten der anderen Verkehrsteilnehmer in der Pulksimulation zugeschrieben. X4 hatte Gefühl, von echten Fahrem in virtueller Welt umgeben zu sein * Die virtuelle Welt ist realistisch 1 2 3 4 5 6 mittleres Urteil [1 „lehne ab“ ... 7 „stimme zu“] +/- SD Partner: • Interdisziplinäres Zentrum für Verkehrswissenschaften (IZVW) 80 Pulk 7 Übersicht KON – Kontrollierbarkeit Motivation Vermeidung von sicherheitskritischem Fahrerverhalten bei der Interaktion mit Fahrerassistenzsystemen. Systemgrenzen Sicherheitskritisches Fahrerverhalten bei der Interaktion mit FAS Fokus: Systemfehler Fehlgebrauch Systemeingriffe in zeitkritischen Situationen Nutzenfall Zielsetzung Das Teilprojekt KON beschäftigt sich mit Fragen der Beherrschbarkeit von in UR:BAN neu entwickelten Assistenzfunktionen. Im Fokus steht das Fahrerverhalten im Fall potenzieller Systemfehler und an Systemgrenzen. Fahrerleistung Prüfmethodik • Sammlung aktueller Befunde zur Fahrerleistung • Aufbau einer Fahrerleistungsdatenbank • Empirische Untersuchung von Einflussfaktoren auf die Fahrerleistung • Erfassung des Status quo der Prüfmethodik • Vergleich der Prüfumgebungen • Erweiterung bestehender Befunde zur Validität • Entwicklung neuer Prüfszenarien Rechtliche Aspekte Nebenaufgaben § • Beschreibung des juristischen Fahrerbilds • Zusammenstellung rechtlich relevanter Hintergründe für die Bewertung der Kontrollierbarkeit • Klassifizierung der Nebentätigkeiten • Empirische Untersuchung des Einflusses prototypischer Nebenaufgaben Partner: • BMW AG • Institut für Kraftfahrzeuge der RWTH Aachen • BMW Forschung und Technik GmbH • Universität der Bundeswehr München • Bundesanstalt für Straßenwesen • Universität Würzburg 81 Fahrerleistung und ihre verkehrsraumbezogene Auswirkung KON – Kontrollierbarkeit Motivation RTK-GNSSmitIMUPositionsbestimmung •AnalysederFahrerreaktionbeim assistiertenAusweichen ECUs: •dSpaceAutoBox •Microcontroller •In-CarPC … Bildverarbeitung •UntersuchungdesEinflussesdes VerkehrsraumsaufdieFahrerleistung •BerücksichtigungvonVerkehrsraum- einschränkungenbeiderurbanen Kontrollierbarkeitsbewertung Abstands-Sensoren •BerücksichtigungvonAbbruchkriterien inderKontrollierbarkeitsbewertung Lenkmoment-und Lenkwinkelschnittstelle DigitaleKarte Fahrzeug-Fahrzeug Kommunikation Bremsbooster Zielsetzung •BewertungsgrößenderFahrerleistungimHinblickaufdenverfügbaren VerkehrsrauminurbanenUmgebungen(z.B.Querablage) •AbleitungdererforderlichenFahrerleistungbeiSystemeingriffenfürdieurbaneVerkehrssituation •KontrollierbarkeitsbewertungvonassistiertenAusweicheingriffen Szenarien Nutzenfall F Pylonengasse B= 2,5 m Fahrstreifenmarkierung B = 3,5m Anfahrt Baseline Kreuzung F F/N F/N Punkt Manöveraufschaltung (N = Nutzenfall, F = Fehlerfall) Fahrtrichtung Geplante Ergebnisse Beispiel Vorversuch >EignungderAbweichungvonder OptimaltrajektoriezurKontrollierbarkeitsbewertungimNutzenfall >EinflussvonAbbruchmöglichkeitenaufdie Kontrollierbarkeit •Störgröße2u.6:Grad./ Ampl.um20%reduziert 80 70 •Störgröße3u.7:Grad./ Ampl.um10%reduziert •Störgröße4u.8:Max. Grad./Ampl. 60 max. LRW [°] >EignungderQuerabweichungzur KontrollierbarkeitsbewertungimFehlerfall Abbruchmöglich Abbruchnichtmöglich 50 40 30 20 10 1 2 3 4 5 Störgröße Nr. Partner: 82 •BMWAG •InstitutfürKraftfahrzeugederRWTHAachen •BMWForschungundTechnikGmbH •UniversitätderBundeswehrMünchen •BundesanstaltfürStraßenwesen •UniversitätWürzburg 6 7 8 Kontrollierbarkeit von teilautonomen Lenkeingriffen aus Sicht des Gegenverkehrs KON – Kontrollierbarkeit Szenarien Reaktion des Gegenverkehrs (EGO) bei teilautonomen Lenkeingriffen Variation von: • Querversatz des ausweichenden Fahrzeuges • Querbeschleunigung des ausweichenden Fahrzeuges • Abstand zwischen EGO und Ausweichsituation Nutzenfall Fehlerfall Erweiterter Nutzenfall Ego Ego Ego Fragestellungen Untersuchung der Auswirkung von Lenkeingriffen auf entgegenkommende Fahrzeuge mit dem Vehicle in the Loop (VIL) • Wie reagieren Fahrer auf berechtigte und unberechtigte Lenkeingriffe entgegenkommender Fahrzeuge? • Wie stark beeinflussen bestimmte Parameter von Lenkeingriffen (Querversatz, Querbeschleunigung, Eingriffszeitpunkt) die Wahrnehmung der Kritikalität durch entgegenkommende Fahrer? • Können fehlerhafte Lenkeingriffe durch adäquate Reaktion des Gegenverkehrs entschärft werden? Ergebnisse Vorversuch Bewertung unterschiedlicher Ausweichmanöver aus Perspektive des Gegenverkehrs (Störungsbewertungsskala – SBS) Parameter • Variation von 3 Parametern: ∆s = 1 m ∆s = 2 m • Querversatz ∆s • Querbeschleunigung amax ∆t = 2 s • Zeitlicher Abstand ∆t Ego ∆t amax ∆s ∆t = 1 s • Stichprobe: N = 10 VPn • Insgesamt wurden je Versuchsperson 12 berechtigte Ausweichmanöver in pseudorandomisierter Reihenfolge erlebt > Am gefährlichsten: Kombination aus großem Querversatz mit geringem zeitlichen Abstand. > Geringster Einfluss auf wahrgenommene Kritikalität: maximale Querbeschleunigung. Partner: • BMW AG • Institut für Kraftfahrzeuge der RWTH Aachen • BMW Forschung und Technik GmbH • Universität der Bundeswehr München • Bundesanstalt für Straßenwesen • Universität Würzburg 83 Versuche zu Lenkeingriffen in zeitkritischen Situationen KON – Kontrollierbarkeit Problemfelder Übergabe Übersteuerung •AnalysegeeigneterÜbergabezeitpunkte •ErkennungeinermöglichenÜbersteuerungsabsicht •AnalysegeeigneterÜbergabebedingungen •AnalysegeeigneterAbbruchkriterien •AnalysederÜbergabegestaltung •AnalysegeeigneterZeitpunkte Nutzenfall Fehlerfall Fragestellungen Untersuchung relevanter Zeitbereiche für die Übergabe •WannisteingeeigneterZeitpunktfürdieÜbergabezurückandenFahrer? Untersuchung relevanter Zeitbereiche für die Übersteuerung •WannkannvoneinerbewusstenundzielgerichtetenÜbersteuerungsabsichtdesFahrersausgegangenwerden? •Wiekönnenwillentliche,bewussteÜbersteuerungsabsichtenvonunbeabsichtigtenÜbersteuerungenunterschiedenwerden? > Identifikation relevanter Einflussfaktoren im Fahrsimulator und Validierung anhand von Realfahrzeugstudien Partner: 84 •BMWAG •InstitutfürKraftfahrzeugederRWTHAachen •BMWForschungundTechnikGmbH •UniversitätderBundeswehrMünchen •BundesanstaltfürStraßenwesen •UniversitätWürzburg Validierungsstudie Vergleich von Prüfumgebungen KON – Kontrollierbarkeit •BreitesRepertoireanPrüfumgebungenmitspezifischenVor-undNachteilen tor ula im rS Stat isc he tor ula im rS Dyna mis ch e Motivation h rz •EinschränkendeSpezifitätbestehenderValidierungsstudien Zielsetzung Wahrnehmung & eu -i n- lf a th e-L Rea oop Y = Xß + E •FragederÜbertragbarkeitvonResultatenzwischenPrüfumgebungenundRealität g i Ve h cle Fahrverhalten •BetrachtungvonFahrverhaltenundSituationswahrnehmung •VergleichendeBewertungzwischendenPrüfumgebungen Längs-/Zeitabstände Ausweichen Querabstände Bremsen&Beschleunigen •ErarbeitungvonTransferfunktionenzwischendenPrüfumgebungen Untersuchungsfragen Wahrnehmung Längsabstand Wahrnehmung Querabstand Szenario:Folgefahrt Szenario:Engstellendurchfahrt •WiekritischwerdenAbständezueinem vorausfahrendenFahrzeugbeurteilt? •WiekritischwirddasDurchfahreneiner Engstellebeurteilt? •WiekritischwerdenZeitabständezueinem stehendenFahrzeugbeurteilt? •WelchesRegelungsverhaltenwirdbeobachtet? Fahrverhalten Längsverkehr Fahrverhalten Querverkehr V= 50 km/h 50 m 17,5 m Szenario:FolgefahrtmitBeschleunigenundVerzögern Szenario:Kreuzungssituation •WiekritischwerdenBeschleunigungsveränderungen einesvorausfahrendenFahrzeugsbeurteilt? •WiekritischwirddasEinfahreneinesFahrzeugsinden Kreuzungsbereichbeurteilt? •WiegutkönnenBeschleunigungsänderungen wahrgenommenwerden? •WelcheFahrerreaktionensindzubeobachten? Partner: •BMWAG •InstitutfürKraftfahrzeugederRWTHAachen •BMWForschungundTechnikGmbH •UniversitätderBundeswehrMünchen •BundesanstaltfürStraßenwesen •UniversitätWürzburg 85 Validierungsstudie Empirische Ergebnisse KON – Kontrollierbarkeit Wahrnehmung Querabstand •FahrverhaltenundSituationswahrnehmunginEngstellen 5Sekunden Ego •EngstellensituationnachFolgefahrt •Richtgeschwindigkeit50km/h •Gassenbreiten:2.25m,2.75m,3.25m,3.75m Ergebnisse •KritischereWahrnehmungderEngstellensituationindenSimulationsumgebungenalsinderFahrtimRealfahrzeug •KonsistenteTendenzzuGeschwindigkeitsreduktionvorGasseneinfahrt,aberinSimulationsumgebungenstärkereReduktion •SystematischerRechtsversatzbeiderDurchfahrtindenSimulationsumgebungen Wahrnehmung Längsabstand •FahrverhaltenundSituationswahrnehmunginFolgefahrten Zeitlücke[s] •BewertungvorgegebenerZeitabstände •Folgegeschwindigkeit50km/h •Zeitabstände:0.75s,1.5s,2.25s* *)Zielvorgaben,gemessenalsTimeHeadway(THW) Ergebnisse Dyn. Simulator Dyn.Simulator Realfahrzeug Vehicle in the Loop Realfahrzeug Vehicleinthe Loop Dyn. Simulator 3:„gefährlich“ Realfahrzeug 2:„unangenehm“ •KonvergenteAbstandseinschätzungenüberverschiedeneSchätzmethodenhinweg,d.h.relativeValidität •KritischereEinschätzungderFolgeabständeindenSimulationsumgebungenalsinderFahrtimRealfahrzeug •BerechnungvonTransferfunktionenmitHilfeordinalerlogistischerRegressionexemplarischmöglich Partner: 86 •BMWAG •InstitutfürKraftfahrzeugederRWTHAachen •BMWForschungundTechnikGmbH •UniversitätderBundeswehrMünchen •BundesanstaltfürStraßenwesen •UniversitätWürzburg Vehicle in the Loop 1:„harmlos“ Recht KON – Kontrollierbarkeit Zielsetzung Entwicklungsbegleitung der Applikationsausgestaltungen SQL, SVT und KAB Rechtlich relevante Aspekte • Definitorische Einordnung automatisierter Fahrfunktionen • Kontrollierbarkeit im Sinne des Verhaltenrechts als Verpflichtung des Fahrers, das von ihm geführte Fahrzeug zu beherrschen • Juristisches Fahrerbild • „Idealfahrer“ Benennung und Klassifizierung automatisierter Fahrfunktionen • „Schreckzeit“ • „Augenblicksversagen“ Weitere Dimensionen me nk latu r tom Ho ati cha sie uto Teil ma tis au tom ati As sis Dri ver rt iert sie tie rt rt Automatisierungsgrad au 4. Dim.: Fahrer außerhalb Fahrerplatz No Vo ll g: FuSi forderun Heraus Ein satz zeit rau ren / Rangie Parken m straße Bundes hn B Autoba StadtStau- / eit indigk Geschw keit windig Gesch on ly Schlussfolgerung • Fahrergerechte Funktionsausgestaltungen • Erarbeitung von Systemkategorien • Rechtlich relevante Aspekte bei Notfallsystemen • Relevanz der Kontrollierbarkeit für die Produkthaftung • Schaffung einer realistischen Sicherheitserwartung beim Fahrer mittels Instruktion Bewusste Übertragung einer Fahreraufgabe ≠ Ohne bewusste Übertragung einer Fahreraufgabe Kontinuierliche Automatisierung Automatische Eingriffe in unfallnahen Situationen Partner: • BMW AG • Institut für Kraftfahrzeuge der RWTH Aachen • BMW Forschung und Technik GmbH • Universität der Bundeswehr München • Bundesanstalt für Straßenwesen • Universität Würzburg 87 Einfluss von Nebentätigkeiten KON – Kontrollierbarkeit Ausgangslage Im Straßenverkehr werden Nebentätigkeiten durchgeführt. Ein Fahrer könnte somit auch zum Zeitpunkt eines Systemeingriffs (z.B. Lenkeingriff ) kurzfristig von der Fahraufgabe abgelenkt sein. Es gilt zu prüfen, ob und wie ein solcher Einfluss in der Kontrollierbarkeitsprüfung angemessen zu berücksichtigen ist. motorische Ablenkung visuelle Ablenkung auditive Ablenkung kognitive Ablenkung Situationsbewusstsein Prozentuale Anteile fahrfremder Tätigkeiten (Huemer & Vollrath, 2012) Literaturanalyse Wahl der situationsadäquaten Handlungsalternative Andere Tätigkeit Körperpflege Kleidung Rauchen Bedienaufg. nicht Fahrzeug Ablenkungen außerhalb Essen/Trinken Selbst initiierte Handlungen Beifahrer Reaktionsgeschwindigkeit Bedienung Fahrzeug Anteil Fahrer [%] Privat Pkw Stadt 90 80 70 60 50 40 30 20 10 0 Kontrollierbarkeit Heuristisches Modell zu Kategorisierung und Einfluss von Fahrerablenkung Auswahl beispielhafter Nebenaufgaben Bewertung der Anordnungen Analyse im Fahrversuch Prozess zur Eingrenzung der zu berücksichtigenden Nebenaufgaben Zielsetzung • Bewertung von prototypischen Anordnungen zur Berücksichtigung des Einflusses von Nebentätigkeiten auf die Kontrollierbarkeit • Prüfung des Einflusses typischer Ablenkungszustände (visuell, kognitiv) auf die unmittelbare Fahrerreaktion im Falle eines Systemfehlers (fälschlicherweise ausgelöster Lenkeingriff ) • Berücksichtigung standardisierter Verfahren (z.B. SuRT als typische visuo-manuelle Aufgabe) Fahrversuch • Szenario: Geradeausfahrt SU EL L • Eingriff: Lenkmomentaufschaltung: links, rechts VI • Unabhängige Variablen: Surrogate Reference Task (SuRT) • Ablenkung: visuell, kognitiv, keine 700...693...686.... ..679...672... • Instruktion der Funktionalität/Grenzen: ja, nein KOGN IT IV Rückwärtszählen Integration beispielhafter Nebenaufgaben im Versuchsfahrzeug Partner: 88 • BMW AG • Institut für Kraftfahrzeuge der RWTH Aachen • BMW Forschung und Technik GmbH • Universität der Bundeswehr München • Bundesanstalt für Straßenwesen • Universität Würzburg 89 Kontakt UR:BAN-Büro Walter Scholl Hülenbergstr. 10 73230 Kirchhheim/Teck Tel: 07021/ 978181 90 UR:BAN-Koordinator Eberhard Hipp MAN Truck & Bus AG [email protected] www.urban-online.org