Bewertung von Mess- und Prädiktionsunsicherheiten in der zeitlichen Eingriffsentscheidung für automatische Notbrems- und Ausweichsysteme

Fahrerassistenzsysteme gewinnen zunehmend an Bedeutung, da sie das Autofahren komfortabler und sicherer machen. Notbrems- und Notausweichsysteme können dazu eingesetzt werden, Frontalkollisionen mit dem vorausfahrenden Fahrzeug zu vermeiden. Wenn der Fahrer nicht aufmerksam ist, greift das System im letzten Augenblick autonom in die Fahrzeugführung ein, indem es eine Vollbremsung oder ein Ausweichmanöver ausführt. Das Manöver muss korrekt geplant werden, damit es zum richtigen Zeitpunkt ausgeführt wird. Wird es zu früh eingeleitet, fühlt sich der Fahrer bevormundet und schaltet das System ab, wird es zu spät eingeleitet, kann der drohende Unfall nicht vermieden werden. Um ein derartiges System realisieren zu können, muss das Umfeld erfasst werden. Dies umfasst die Bestimmung der Umfeldparameter, wie z.B. den Reibwert zwischen Straße und Reifen oder die Straßensteigung, sowie die Messung und Prädiktion der Bewegung des kollisionsrelevanten Objektes und des eigenen Fahrzeugs. Die Unsicherheiten in der Bestimmung dieser Werte beeinflusst die Berechnung des Eingriffszeitpunktes für das Brems- und Ausweichmanöver. Es wird ein Verfahren vorgestellt, das mit im Straßenverkehr aufgezeichneten Messdaten die Systemabhängigkeiten sichtbar macht. Damit kann der Einfluss der Unsicherheiten verglichen und bewertet werden. Mit Hilfe einer Unfalldatenbank und der Messdaten werden in einer Simulationsumgebung realistische Unfallsituationen erzeugt. Diese ermöglichen die Erstellung eines allgemein- gültigen Fehlermodells für die zeitliche Eingriffsentscheidung. Auf Basis des Fehlermodells wird ein probabilistisches Gütemaß zur Bewertung des Zeitpunktes erstellt. Damit können die Eingriffsentscheidungen im Fahrbetrieb verbessert werden, indem die Güte bei der Manöverplanung berücksichtigt wird. Das bietet des Weiteren die Möglichkeit, den Zeitpunkt der Eingriffsentscheidung zu korrigieren. Das Korrekturverfahren wird für Berücksichtigung der Unsicherheiten in der Bewegungsprädiktion eingesetzt. Die Nutzenbewertung der Eingriffskorrektur wird auf Basis der erwarteten Unfallfolgen vorgenommen. Hierzu wird ein Modell erstellt, das mit Hilfe von rekonstruierten Unfalldaten den Zusammenhang zwischen der Verletzungsschwere bei einer Fahrzeug-Fahrzeug- Kollision und der Kollisionsgeschwindigkeit und anderen Faktoren beschreibt. Damit kann das Potenzial aufgezeigt werden, das die Berücksichtigung der Unsicherheiten in der Manöverplanung hat.

Driver assistance systems are becoming increasingly important because they make driving safer and more comfortable. Emergency braking and evading systems can be used to avoid head-on collisions with the vehicle in front. If the driver is not attentive, the system autonomously takes over the vehicle guidance in the last moment by performing an emergency stop or an evasive maneuver. The maneuver has to be planned properly so that it can be executed at the right time. If it is started too early, the driver feels patronized and switches off the system, if it is started too late, the imminent accident can not be avoided. In order to realize such a system, the environment has to be recognized. This includes the determination of the surrounding field parameters, such as the coeffcient of friction between the road and the tire or the road gradient, and the measurement and prediction of the movement of a collision-relevant object and the own vehicle. Uncertainties in determination of these values affect the calculation of intervention time for braking and evasive maneuvers. In this work a method is presented that is modelling the system dependencies using real traffic data. Thus, the influence of different uncertainties can be compared and evaluated. With an accident database and measurement data realistic accident scenarios are created within a simulation environment. These scenarios are used to generate an universal error model for the temporal intervention decision. Based on this error model a probabilistic quality measure is calculated, that evaluates the intervention time point. Consequently the decisions can be improved during driving operation by considering the quality of maneuver planning. Furthermore an approach to correct the timepoint of intervention decision is provided. The correction method is used to improve motion prediction. The benefit analysis of the intervention correction is based on the expected consequences of an accident. For this purpose, a model is created with reconstructed accident data describing the relationship between the severity of injury in a vehicle-vehicle collision, the collision speed and other factors. Thus, the potential of considering the uncertainties in maneuver planning is demonstrated.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten