Desktop-Version

Start arrow Maschinenbau arrow Autonomes Fahren

< Zurück   INHALT   Weiter >

17.4.2 A-priori-Prognosen zu assistiertem und teilautomatisiertem Fahren

A-priori-Prognosen sind an Hypothesen und Schlussfolgerungen geknüpft. So können assistierte und teilautomatisierte Funktionen den Fahrer durch optische, akustische oder haptische Hinweise bzw. kurze Eingriffe mit Warncharakter vor einer drohenden Gefahr bewahren. Voraussetzung für eine erfolgreiche Gefahrenabwehr ist jedoch die Annahme einer rechtzeitigen und der Verkehrssituation angepassten Reaktion des Fahrers.

Aus technischer Sicht ermöglicht diese fortgeschrittene Automatisierungsstufe – mit erweiterter Computer- und Sensortechnik zur Umfeldwahrnehmung – zunehmend leistungsfähigere Assistenzsysteme. Einige der heute angebotenen sicherheitserhöhenden Fahrerassistenzsysteme warnen bei erkannten Gefahren im Längsoder Querverkehr. Dazu zählen beispielsweise Kollisions(EBA – Electronic Brake Assist, ACC mit FCWS – Adaptive Cruise Control mit Forward Collision Warning System), Fahrstreifenwechsel(LCA – Lane Keep Assist), Fahrstreifenverlassens(LDW – Lane Departure Warning), Nachtsicht(NV – Night Vision) oder Kreuzungsassistent. Andere greifen in die Längsoder Querdynamik ein, wie der elektronische Bremsassistent (EBA) oder eine automatische Notbremse (ANB/AEB Autonomous Emergency Brake) (s. Abb. 17.3).

17.4.2.1 Studie zum Potenzial von Lane Departure Warning

Eine Vorgehensweise, Verkehrsunfälle gemeinsam mit Ärzten, Psychologen und Entwicklungsingenieuren zu analysieren, wurde 2006 am Beispiel eines Lane-Departure-WarningSystems (LDW) vorgestellt [24]. Die unter Beteiligung des Verfassers, eines Psychologen und eines Funktionsentwicklers erzielten Ergebnisse beruhten auf einer interdisziplinären Forschungsgemeinschaft zwischen einem Automobilhersteller, einer Universitätsklinik und der Polizei mit Unterstützung durch das Bayerische Staatsministerium des Innern, für Bau und Verkehr (BStMI).

Derartige interdisziplinäre Ursachenbzw. Unfallfolgenanalysen umfassen die Betrachtung der technischen, medizinischen und psychologischen Details durch Fachleute des jeweiligen Gebiets mit anschließender gemeinsamer Integration aller Ergebnisse. So werden heute bei einer Verkehrsunfallanalyse vermehrt verkehrspsychologische Unfalldaten erhoben, die das Erleben vor einer Kollision aus der Sicht des Fahrers mithilfe standardisierter Interviews erfassen und bewerten. Der technisch rekonstruierte Unfallhergang wird durch die verkehrspsychologische Sichtweise ergänzt.

In Abstimmung zwischen den Fachteams wurde am Beispiel von Lane Departure Warning dargelegt, welche Voraussetzungen für die Auslegung in der Fahrzeugentwicklung zu treffen sind. Gezielte Fragestellungen aus der technischen Entwicklung filtern die gruppierten Unfälle. Damit lassen sich Aussagen über Unfallvermeidungspotenziale für in der Entwicklung befindliche Systeme treffen. Bedingung ist die Kenntnis der spezifischen technischen Systemgrenzen. Darüber hinaus sind Empfehlungen für weitere Systemerweiterungen möglich [24].

Fazit: Anhand dieser detaillierten Unfallanalysen zeigt sich der Nutzen einer umfassenden Unfalldatenerfassung. Für diese Studie waren Experten für Technik, Medizin und Psychologie eng vernetzt. Diese interdisziplinäre Vorgehensweise liefert zahlreiche zusätzliche Hinweise über Fahrzeugdetails, Unfallstelle, Unfallbeteiligte, Verletzungsmuster und Zeugenaussagen. Die Zusatzinformationen geben Aufschluss über Lenk- und Bremseingriffe sowie Reaktionen unmittelbar vor der Kollision, da bei einem Abkommen von der Fahrbahn menschliche Fehler wie Müdigkeit, Unaufmerksamkeit oder Ablenkung die Hauptursache darstellen. Verschiedene Blickwinkel eines interdisziplinären Teams ermöglichen eine realitätsnahe Rekonstruktion und computergestützte Simulation des Unfallgeschehens. Um daraus repräsentative Ergebnisse zu ermitteln, ist jedoch ein Abgleich mit größeren Unfalldatensammlungen notwendig.

17.4.2.2 Interdisziplinäre Wirkgradanalyse zu verfügbaren Fahrerassistenzsystemen

Aufbauend auf den Vorteilen interdisziplinärer Einzelfallbetrachtungen zur Wirkung von Lane Departure Warning im vorangehenden Abschnitt wurde vier Jahre später eine weitere interdisziplinäre Wirkgradanalyse durchgeführt, um das Potenzial bereits in Serie befindlicher sicherheitserhöhender Fahrerassistenzsysteme zu vergleichen. Diese Studie erfolgte anhand einer Stichprobe von rekonstruierten Unfällen (n = 100) in enger Absprache mit den jeweiligen Funktionsentwicklern. Die interdisziplinäre Unfalldatenauswertung in Bezug auf die Unfallursache und die situationsabhängige Wirksamkeit der Fahrerassistenzsysteme zur Vermeidung eines Unfalls führte ein Psychologe gemeinsam mit dem Verfasser durch [25]. Zur Untersuchung standen die seit Anfang 2010 angebotenen Seriensysteme Night Vision, Lane Departure Warning, Lane Change Assistant sowie Geschwindigkeitsmit Abstandsregelanlage (Adaptive Cruise Control). Für diesen Wirkgradnachweis erfolgte eine Auswertung von Unfallforschungsdaten, die anhand der Unfallstatistik für Bayern gewichtet wurde. Dabei wurden Realunfälle mit der rekonstruierten Unfallszene abgeglichen und in Bezug auf die Mensch-Maschine-Interaktion der Unfallursache bewertet. Dies erfolgte analog zu den im ADAS Code of Practice für die Entwicklung und sicheren Inverkehrbringung von künftigen Advanced Driver Assistance Systems (ADAS) mit aktiver Längs- und Querführung beschriebenen Mensch-Maschine-Interaktionen [26]. Nach mehrjähriger Vorbereitung [27, 28] erfolgte 2009 die Veröffentlichung durch die ACEA [29]. Ausschließlich nach Zustimmung aller Entwicklungsexperten der jeweiligen Systeme kam es zu einer positiven Zuordnung eines Unfallvermeidungspotenzials. Ergebnis: Die untersuchten Systeme reduzierten die Unfallschwere deutlich.

Insgesamt konnte ein positiver Nutzen der untersuchten Fahrerassistenzsysteme durch die Vermeidung von Verkehrsunfällen mit einem Rückgang der Gesamtzahl der verletzten Personen um 27 Prozent prognostiziert werden. Dabei würde sich die Anzahl der Verletzten von ursprünglich 126 Fahrern mit 49 Beifahrern auf 94 Fahrer mit 33 Beifahrern reduzieren. Zu beachten ist, dass die Ergebnisse unter der Annahme optimaler Reaktionen hinsichtlich der Mensch-Maschine-Interaktionen stehen, die für eine Aussage zum Wirkgrad durch eine Probandenstudie zu verifizieren wäre. Weiterhin müsste eine 100-prozentige Verbreitung der Systeme gewährleistet sein, die innerhalb der Systemgrenzen fehlerfrei arbeiten.

Die vorgenommene Verletzungseinstufung erfolgte auf Basis der Abbreviated Injury Scale (AIS) [30], wie sie auch die ISO 26262 für die funktionale Sicherheit nutzt [31]. Diese AIS codiert jede Verletzung am menschlichen Körper mit einem Zahlenwert zwischen 1 (leicht verletzt) und 6 (nicht therapierbar). Dabei definiert sich die schwerste Verletzung aller Einzelverletzungen einer Person als MAIS (Maximum AIS). Eine unverletzte Person erhält die Einstufung MAIS 0.

Bei der weiteren Auswertung der Unfallursachen ergab sich ein Anteil der sogenannten Informationsfehler – also Störungen beim Informationszugang und der Informationsaufnahme – von über 60 Prozent. Daraus erklärt sich die entsprechend große Wirkung der warnenden Assistenzsysteme [25].

Fazit: Erstmalig wurden in einer interdisziplinären Studie aktuell erhältliche Fahrerassistenzsysteme unter Einbeziehung der jeweils beteiligten Entwickler verglichen. Jeder einzelne Entwickler kennt die spezifisch relevanten Funktionsparameter seines Systems und ermöglicht somit treffsichere Potenzialbewertungen. Allerdings ist anzumerken, dass die gewichtete Stichprobe mit 100 Fällen in der Wirkfeldstudie im Vergleich mit den repräsentativen Unfalldaten aus Bayern zu klein ist, um anhand der gewonnenen Ergebnisse eine statistisch belastbare Aussage zu treffen. Dennoch lässt sich aus den Ergebnissen die Tendenz ableiten, dass diese Fahrerassistenzsysteme erheblich zur Verkehrssicherheit beitragen.

Es sei darauf hingewiesen, dass weitere Möglichkeiten zur Erlangung statistischer Aussagen für die Wirkung von Bremsassistenten und die automatische Notbremsfunktion bestehen. Dazu existieren Bewertungsmethoden zur Prognose des Sicherheitsgewinns, die auf Simulationen elektronischer Unfallrekonstruktionen basieren [32].

17.4.2.3 GIDAS-Datenbankanalyse zum Sicherheitspotenzial vernetzter Fahrzeuge

Die folgende GIDAS-Datenbankanalyse (German In-Depth Accident Study) zeigt die Komplexität und Vielfalt verschiedener Annahmen anhand einer größeren Datenmenge. Diese Analyse mit einer aussagefähigeren Stichprobe führte der Verfasser im Jahr 2009 zusammen mit einem Expertenteam im Rahmen des Forschungsprojekts „Sichere Intelligente Mobilität – Testfeld Deutschland“ (simTD) durch. Ziel war es, die Effizienz zukünftiger sicherheitsrelevanter Fahrzeugkommunikationssysteme abzuschätzen. Betrachtet wurden Funktionen für vernetzte Systeme mit direktem Sicherheitseinfluss auf den Straßenverkehr. Als Datengrundlage dienten 13.821 von GIDAS dokumentierte Unfälle mit Personenschaden der Jahre 2001 bis 2008 aus den Großräumen Dresden und Hannover [12]. Für die Hochrechnung auf Gesamtdeutschland wurden die nach einem statistischen Stichprobenplan erhaltenen Daten anhand der amtlichen Unfallstatistik des Statistischen Bundesamtes gewichtet. Die amtliche Statistik enthält alle in Deutschland registrierten Unfälle mit Personenschaden während eines Kalenderjahres. So kam es etwa im Jahr 2007 zu 335.845 Verkehrsunfällen mit Personenschaden [4].

Die zur Auswertung notwendigen Variablen wurden in mehreren Absprachen mit den simTD-Funktionsentwicklern und Unfallexperten der Firmen Audi, BMW, Volkswagen, Daimler und Bosch genau definiert. Die Projektteilnehmer einigten sich im ersten Schritt auf die Betrachtung von 13 sicherheitsrelevanten Warnfunktionen. Im Rahmen mehrerer Workshops entschieden die Projektteilnehmer einstimmig, für diese Betrachtung die relevanten Fahrzeuge wie beispielsweise Pkw, Lkw, Busse, landwirtschaftliche Zugmaschinen, Schienenfahrzeuge (mit Straßenbahnen und Stadtbahnen, jedoch keine Fahrzeuge der Deutschen Bahn) und Motorräder (motorisiertes Zweirad, Trike, Quad ab 125 ccm) zu berücksichtigen. Anschließend wurden sehr aufwendige Wirkfeldbestimmungen auf Basis der umfangreichen GIDAS-Daten durchgeführt. Zunächst erfolgte die Selektion anhand der Unfallvariablen aller für das jeweilige System relevanten Unfälle in Bezug auf das gesamte Unfallgeschehen. Im Ergebnis bewegten sich die Anteile der Wirkfelder aus den einzeln untersuchten Funktionen innerhalb einer großen Bandbreite zwischen 0,2 Prozent und 24,9 Prozent. Dabei gibt das Wirkfeld lediglich eine Abschätzung der maximalen Effizienz an, die mit sehr großer Sicherheit nicht überschritten wird. Zu beachten ist darüber hinaus, dass einzelne Wirkfelder nicht aufsummiert werden dürfen, da zwischen den Funktionen Wirkfeldüberschneidungen auftreten.

In einer darauf folgenden Wirkgradanalyse wurden aus der oben beschriebenen GIDAS-Wirkfeldanalyse drei Funktionsausprägungen (elektronisches Bremslicht, Querverkehrsassistent, Verkehrszeichenassistent für Stoppschilder) ausgewählt und über eine Simulation reduzierter Stichproben aus Fahrsimulatoruntersuchungen entsprechende Wirkgrade angenommen. Für die durch den Fahrer vermiedenen Unfälle bei einem Querverkehrsassistenten (vgl. [33]) ergab sich beispielsweise eine erhebliche Bandbreite von 9,9 bis 73,3 Prozent. Diese resultiert aus den unterschiedlichen Reaktionszeiten der Fahrer und aus den Bremsintensitäten nach Warnungen. Deshalb wurden drei Reak- tionszeiten (0,54/0,72/1,06 Sekunden) und die jeweilige Auftretenswahrscheinlichkeit (36/48/16 Prozent) festgelegt. Angenommen wurde bei erfolgloser Reaktion eine schwache Bremsung mit 50 Prozent und bei erfolgreicher Reaktion mit 100 Prozent des maximalen Bremsdrucks [12].

Fazit: Die aufwendige Vorgehensweise dieser Wirkgradanalyse hatte das Ziel, Potenziale zukünftiger vernetzter sicherheitserhöhender Fahrerassistenzfunktionen mit statistischer Relevanz zu ermitteln und zu bewerten. Die ermittelte Bandbreite von bis zu ca. 70 Prozent schmälert jedoch die Aussagekraft und lässt damit lediglich Tendenzen und Aussichten in Bezug auf vermiedene Unfälle zu. Diese starke Streuung liegt in der Sensitivität der oben beschriebenen Parameter und des bewerteten Warn-Algorithmus begründet, denn die Reaktionszeiten und die Bremsintensitäten der Fahrer auf Warnungen weichen in der Praxis stark voneinander ab.

 
Fehler gefunden? Bitte markieren Sie das Wort und drücken Sie die Umschalttaste + Eingabetaste  
< Zurück   INHALT   Weiter >

Related topics