Eine wesentliche Motivation für die Entwicklung von Fahrerassistenzsystemen (FAS) ist es, dem Fahrer eine Unterstützung in schwierigen oder anstrengenden Situationen zu bieten. Wesentlich für die Akzeptanz dieser Systeme ist es deshalb, diese Situation korrekt zu erkennen und dort eine adäquate Unterstützung zu liefern. Diese Assistenz kann entweder darin bestehen, das Fahren selbst zu unterstützen oder den Fahrer vor zusätzlichen Belastungen zu schützen. Ein Beispiel für die erste Art von Assistenz ist das System Adaptive Cruise Control (ACC), das für den Fahrer die Abstands- und Geschwindigkeitsregulation in einem bestimmten Geschwindigkeitsbereich übernimmt. Die zweite Art von Assistenz wird z.B. von Informationsmanagementsystemen verfolgt, die zusätzliche Informationen für die Fahrer (Verkehrsinformationen, Telefonate usw.) nur dann vermitteln, wenn der Fahrer nicht zu stark beansprucht ist. Für beide Ansätze ist es wesentlich, die aktuelle Beanspruchung des Fahrers in einer bestimmten Situation zu kennen. Die Beanspruchung des Fahrers kann über die Belastung des Fahrers, die im Wesentlichen durch die Anforderungen der Fahrmanöver sowie durch objektiv erfassbare Umweltfaktoren bestimmt wird, geschätzt werden. Grundlage dieser Schätzung ist die Erkennung der Fahrmanöver. Dieser Ansatz wurde im Rahmen eines Projektes der Robert Bosch GmbH verfolgt. 16 Probanden führten mit dem DLR ViewCar eine ca. 1-stündige Fahrt auf Autobahn, Bundes- und Landstraße und innerhalb von Ortschaften durch. Zwei unabhängige Beobachter teilten jede Versuchsfahrt mit Hilfe eines Videoratings mit hoher Übereinstimmung in vierzehn verschiedene Fahrmanöver ein. Für die objektive Erkennung der Fahrmanöver wurde neben Daten des Antriebs-CAN die zusätzliche Sensorik des DLR ViewCars verwendet. Ein regelbasierter Ansatz wurde zur Erkennung der Fahrmanöver gewählt. Mit Hilfe dieses Ansatzes wurde eine Erkennungsrate von durchschnittlich 46% realisiert. Gegenüber Zufallsbedingungen (zufällige Zuordnung von 14 Fahrmanövern) erscheint diese bereits relativ hoch. Die Detailanalyse der Klassifikationsfehler zeigt, dass Verbesserungspotenzial besteht, wobei eine Modifikation der Definition der Fahrmanöver, der Klassifikationskriterien und eine verbesserte Sensorik je nach Fahrmanöver unterschiedlich starke Verbesserungen erbringen können. Aufgrund der erreichten Erkennungsrate und der Identifikation von Verbesserungspotenzial erscheint eine weitere Entwicklung des verfolgten Ansatzes als viel versprechend.
Erkennung von Fahrmanövern als Indikator für die Belastung des Fahrers
Der Mensch als Fahrer und seine Interaktion mit dem Fahrzeug, Der Fahrer im 21. Jahrhundert, 3 ; 103-112
VDI-Berichte ; 1919
2005
10 Seiten, 1 Bild, 10 Quellen
Aufsatz (Konferenz)
Deutsch
Erkennung von Fahrmanovern als Indikator fur die Belastung des Fahrers
British Library Conference Proceedings | 2005
|Erkennung von Fahrmanoevern als Indikator fuer die Belastung des Fahrers
Kraftfahrwesen | 2005
|VERFAHREN ZUM BEWERTEN VON FAHRMANÖVERN EINES FAHRERS AUF EINEM FAHRRAD
Europäisches Patentamt | 2024
|Verfahren zum Bewerten von Fahrmanövern eines Fahrers auf einem Fahrrad
Europäisches Patentamt | 2022
|Erkennung von Fahrmanövern mit objektorientierten Bayes Netzen
Tema Archiv | 2011
|