Die Forschungsgruppe Verkehrsinformatik der Alpen-Adria-Universität Klagenfurt entwickelt das fortgeschrittene Fahrerassistenzsystem MIDCO - Machine-vision based context-aware Intelligent Driver Co-Pilot. MIDCO wird ein intelligenter Beifahrer sein, der den menschlichen Fahrer in potentiell gefährlichen und schwierigen Situationen unterstützt. Die vorliegende Dissertation ist in dieses Projekt eingebettet und beschäftigt sich in diesem Zusammenhang mit der Entwicklung einer umfangreichen Wissensbasis für das geplante kontextbewusste Fahrerassistenzsystem. Der Großteil der aktuellen Forschungsprojekte im Bereich der Fahrerassistenzsysteme beschäftigt sich noch immer mit der Erfassung von Umgebungsinformationen; der Frage, was mit der Information passieren soll, wenn sie verfügbar ist, wird sehr viel weniger Aufmerksamkeit geschenkt. Die vorgestellte Arbeit stellt dieses Thema in den Mittelpunkt, in dem versucht wird, folgende drei zentralen Fragen zu beantworten: Was ist der Kontext für Fahrerunterstützung auf taktischer Ebene und wie kann man ihn darstellen? Wie können Verkehrsregeln in Fahrerassistenzsysteme integriert werden? Wie kann man mit unvollkommener Kontext-Information der Sensor-Systeme umgehen? In der vorliegenden Arbeit wird ein Ansatz zur Wissensrepräsentation und -verarbeitung des Kontexts und der Verkehrsregeln entwickelt und validiert, der auch mit unvollkommener Kontextinformation umgehen kann. Nach einem Überblick über den aktuellen Stand der Technik von Fahrerassistenzsystemen und der Methoden aus dem Bereich der künstlichen Intelligenz, die diese verwenden, wird anschließend eine umfassende Analyse des Begriffs 'Kontext' in Zusammenhang mit Fahrverhalten auf taktischer Ebene durchgeführt. Dieses sogenannte Kontextmodell ist implizit in jedem Fahrerassistenzsystem enthalten, ein generelles Modell ist derzeit aber nicht verfügbar. Deshalb wird aus den Ergebnissen der Begriffsanalyse ein generisches Kontextmodell für die Repräsentation von Informationen über eine bestimmte Fahrsituation entwickelt. Obwohl die Straßenverkehrsregeln das gebotene Fahrverhalten bestimmen, werden sie in bisherigen Fahrerassistenzsystemen meistens vernachlässigt. Diese Arbeit zollt diesem Punkt Respekt, indem eine Integration des Kontextrnodells mit einer logischen Programmierumgebung erfolgt, in der die Verkehrsregeln in Form von sogenannten statischen und dynamischen Constraints gespeichert sind. Diese Vorgehensweise ermöglicht intelligente Entscheidungsfindung auf den vorhandenen Informationen in Echtzeit. Zur Demonstration der Realisierbarkeit wird ein Überholassistent als Anwendungsfall benutzt. Bei einem Fahrerassistenzsystem kann nicht davon ausgegangen werden, dass die verfügbare Kontextinformation absolut zuverlässig ist. Ein Fahrerassistenzsystem sollte daher seine Grenzen kennen und im Zweifelsfall seine Unkenntnis der Sachlage eingestehen. Aus diesem Grund schließt die Dissertation mit einer Analyse der wichtigsten Arten von Ungenauigkeit, die in Bezug auf die Umgebungsinformationen in einem Fahrerassistenzsystem zu erwarten sind, und mit einem Überblick über verschiedene Methoden, mit denen Ungenauigkeit in die Wissensbasis miteingebunden werden kann, um trotzdem sinnvolle Entscheidungen treffen zu können.
An ongoing research project at the Transportation Informatics Group at Klagenfurt University is concerned with the development of the advanced driver assistance system MIDCO - a 'Machinevision based context-aware Intelligent Driver Co-pilot'. MIDCO will be an intelligent codriver, who will support the human driver and give advice in potentially dangerous and difficult situations. This thesis is embedded within the project and is mainly concerned with the development of a comprehensive knowledge base for the planned context-aware driver support system. Most of the active research in driver assistance is still concerned with the gathering of environment information. Much less attention is given to the question what should be done with the information once it is available. The presented work will focus on this by trying to give an answer to three major questions: What is the context for driving assistance on a tactical level and how can it be represented? How can traffic rules he integrated in a driver assistance system? How can imperfect sensed context-information be handled? An approach for knowledge representation and processing of driving context and traffic rules will be developed and validated within the thesis, which is also able to cope with imperfect context information. The thesis starts with an overview of state-of-the-art advanced driver assistance systems and involved methods from artificial intelligence. Afterwards, a thorough analysis is conducted about what 'context' means within the driving task on a tactical level. White this so-called context-model is implicitly hidden in every driver assistance system, no general model is available so far. Therefore, an appropriate context-model for representing and exchanging domain information about a driving scene is developed. The model provides a generic scene description, regardless of the specific driving task. Although traffic law actually regulates the legal behaviour of drivers, it is often not yet considered in driving assistance. The presented work pays tribute to this fact by integrating the context-model with a logic-programming environment, where the complex traffic rules are kept in the form of static and dynamic constraints. This enables intelligent reasoning and decision deduction on the available information in real-time. An overtake assistant is used as a showcase to simulate and demonstrate the feasibility of the presented approach. Safety is always the first and foremost aspect for driver assistance. Since the available context-information in a driver assistance system cannot be expected to be fully reliable, a support system should be able to know its own limitations and admit ignorance when necessary. Therefore, the thesis is completed with an analysis of the major types of imprecision of information, which are likely to occur in a driver support system. and an overview of suitable methods to cope with them in the knowledge base, in order to provide useful driver support nonetheless.
A comprehensive knowledge base for context-aware tactical driver assistance systems
Eine umfangreiche Wissensdatenbank für kontextbewußte, taktische Fahrerassistenzsysteme
Smart system technologies ; 3 ; 1-201
2009
201 Seiten, Bilder, Tabellen, 158 Quellen
Hochschulschrift
Englisch
Computer vision systems for context-aware active vehicle safety and driver assistance
Kraftfahrwesen | 2009
|