Aktuelle Fahrerassistenzsysteme zur Kollisionsminderung gehen in der Situationsanalyse von einem normalen Verhalten des Fahrers aus. Dabei wird angenommen, dass dieses sich jederzeit innerhalb gewisser, von den Entwicklern festgelegten, fahrer- und situationsunabhängigen Grenzen befindet. Assistenzsysteme, die den Fahrstil sowie den aktuellen Zustand des Fahrers berücksichtigen, haben das Potenzial, deutlich bessere und für den Fahrzeuglenker nachvollziehbarere Hilfen anzubieten. Die Volkswagen AG untersucht in Zusammenarbeit mit der Freien Universität Berlin und der Carmeq GmbH ein System, das die Parametrierung aktiver Sicherheitssysteme fahrerspezifisch anpasst. Mit Verfahren der Statistik und des maschinellen Lernens wird ein Modell des Normalverhaltens des Fahrers erstellt. Das Fahrermodell kann nach der Lernphase die Absicht des Fahrers besser erkennen. Aus der Abweichung des tatsächlichen von dem durch das Modell vorhergesagten Verhalten werden Rückschlüsse zu dem kurzfristigen (aktuelles Fahrmanöver) und langfristigen Fahrerzustand gezogen. Dieser berechnete Fahrerzustand beeinflusst geeignete Parameter des Systems, etwa die akzeptierte Dauer der Untätigkeit des Fahrers bei einem gefährlichen Ereignis. Das Fahrermodell verbessert somit sowohl die Qualität des Assistenzsystems als auch dessen Akzeptanz von Seiten des Autofahrers.
Fahrerspezifische Prädiktion von Fahrmanövern mit Fuzzy Logic
2010
11 Seiten, 5 Bilder, 1 Tabelle, 12 Quellen
Aufsatz (Konferenz)
Deutsch
Untersuchung von Fahrmanövern in Geschwindigkeitsüberwachungssituationen
DataCite | 2018
|Untersuchung von Fahrmanövern in Geschwindigkeitsüberwachungssituationen
TIBKAT | 2018
|Trajektorienregelung von zeitkritischen Fahrmanövern
Tema Archiv | 2012
|