Kollektive Energieeffizienz auf mehrspurigen Straßen

Die kontinuierliche Zunahme der Verkehrsdichte sowie der Wunsch nach autonomen Straßenfahrzeugen, lässt die Fahraufgabe aus technischer Sicht immer mehr zu einer vernetzten Aufgabe werden. Da sich die Fahrzeuge in ihrer Bewegung gegenseitig beeinflussen, reicht es zukünftig nicht mehr aus, sie ausschließlich isoliert zu betrachten, sondern die Energieoptimierungsbestrebungen sind zusätzlich unter Berücksichtigung des umliegenden Verkehrs durchzuführen. Ziel dieser Arbeit ist daher die fahrzeugübergreifende Betrachtung von Energieeffizienzmaßnahmen auf Grundlage von Fahrmanöverentscheidungen, die dezentral in den Straßenfahrzeugen verortet sind.
... mehr
Für eine kollektive Energieeffizienzbewertung wird eine Metrik entwickelt, welche die Belange aller Fahrzeuge in einem definierten Umfeld, das als taktisches Fahrzeugumfeld definiert wird, einbezieht. Es werden die tatsächlichen Energiebedarfe mithilfe einer analytischen Abschätzung normiert, um eine Vergleichbarkeit zu schaffen, ohne dabei den ursprünglichen Transportwunsch zu vernachlässigen. Die entstandene Effizienzmetrik ermöglicht die Analyse von simulierten Fahrszenarien. Für eine Überführung von realen Szenarien in die Simulation kommt ein teil-automatisiertes Vorgehen zum Einsatz, das aus Video-Aufzeichnungen relevante Informationen extrahiert.
Erkenntnisse der Szenarienanalysen und der Einsatz von Verhaltensmodellen aus den Verkehrswissenschaften bilden mit Anpassungen auf mehrere Fahrzeuge das Konzept eines kollektiven Energieeffizienz-Assistenten und einer zugehörigen Simulationsumgebung. Die Realisierung des Konzepts setzt eine umfangreiche und konsistente Erfassung sowie Interpretation des Fahrzeugumfeldes voraus. Dieser Herausforderung wird mit dem Aufbau eines abstrakten Modells begegnet, welches den Assistenten partitioniert und die Umfelderfassung abstrahiert. Eine prototypische Realisierung des Assistenten zeigt das Einsparpotential von Energie, Kraftstoff und CO2-Ausstoß der fahrzeugübergreifenden Betrachtungsweise basierend auf realen, aufgezeichneten und anschließend variierten Szenarien auf. Dabei integriert die Implementierung des Assistenten sowohl eine direkte Ausführung der ermittelten Manövervorschläge, wie auch die Anzeige über eine Tablet-App, welche das nähere Fahrzeugumfeld und die errechneten Fahrmanövervorschläge visualisiert.

Due to continuous increase in traffic density as well as the desire for autonomous road vehicles, the driving task is getting more and more a connected task from a technical point of view. Because of interactions between vehicles while driving it will no longer be sufficient to consider each vehicle isolated. Energy optimization efforts have also to take the surrounding traffic into account. The aim of this thesis is therefore the cross-vehicle assessment of energy efficiency based on driving maneuver decisions, which are located decentrally in the road vehicles.
For a collective energy efficiency assessment, a metric is developed respecting the interests of all vehicles in a specified environment, which is defined as the tactical vehicle environment. ... mehrThe actual energy demand gets normalized through an analytical estimation to allow a comparability without neglecting the original transportation request. The developed efficiency metric allows the analysis of simulated driving scenarios. For a transformation from real scenarios into the simulation, a partly-automated approach is used that extracts relevant information from the video recordings.
Findings of the scenario analysis and the use of behavioral models from the traffic sciences with adaptations to several vehicles form the concept of a collective energy efficiency assistant and an associated simulation environment. The realization of the concept requires a comprehensive and consistent detection and interpretation of the vehicle environment. This challenge is met with the introduction of an abstract model, that partitions the assistant and abstracts the recognition of the surroundings. A prototypical realization of the assistant shows the saving-potential of energy, fuel and CO2 emissions based on real, recorded and varied scenarios for the cross-vehicle consideration. The implementation of the assistant integrates both a direct execution of the determined maneuver suggestions, such as a visualization of the closer vehicle environment and the calculated driving maneuver suggestions via tablet app.