Fahrerintentionserkennung zur lichtbasierten Kommunikation mit Fußgängern

Im heutigen Straßenverkehr ist neben zahlreichen formellen Regeln stets eine informelle Kommunikation zwischen Verkehrsteilnehmern zu beobachten. Besonders Fußgänger sind auf die Interaktion mit anderen Verkehrsteilnehmern angewiesen und suchen beim Überqueren der Straße Blickkontakt zu Autofahrern. Mit der zunehmenden Automation von Fahrzeugen und dem Einführen automatisierter Systeme wird diese Kommunikation zukünftig entfallen.

Um auch automatisierten Fahrsystemen die Möglichkeit zu geben, mit Fußgängern zu kommunizieren, werden unterschiedliche Konzepte zur Fahrzeug-Fußgänger-Kommunikation evaluiert. Die im Rahmen dieser Arbeit durchgeführte Voruntersuchung mit 35 Teilnehmern und Onlinestudie mit 709 Teilnehmern zeigen, dass Zeichen für eine Fahrzeug-Fußgänger-Kommunikation häufig nicht intuitiv sind und sogar bekannte Symbole nur selten richtig gedeutet werden. In der Voruntersuchung ist lediglich ein Symbol intuitiv verständlich. Dieses Zeichen empfiehlt den Fußgängern anzuhalten und die
Straße nicht zu überqueren. In der hier durchgeführten Onlinestudie werden zwei von neun untersuchten Symbolen intuitiv erkannt. Diese visualisieren die Nachricht „Vorfahrt gewähren“, während Zeichen für die Darstellung eines automatisierten Fahrmodus und zur Erkennung eines Fußgängers nur mit vorgegebenen Antworten signifikant verständlich sind. ... mehrDie Onlinestudie zeigt weiter, dass Farben keine signifikante Unterstützung für die Verständlichkeit von Symbolen darstellen. Die einzige Ausnahme stellt dabei die bereits erlernte Farbe Grün für die Nachricht „Vorfahrt gewähren“ dar. Dies verdeutlicht, dass Zeichen zur Fahrzeug-Fußgänger-Kommunikation nicht intuitiv interpretiert werden können und deren Bedeutungen erst gelernt werden müssen.

Eine Möglichkeit, Zeichen für eine Fahrzeug-Fußgänger-Kommunikation zu erlernen, ist die Symbole bereits im unassistierten Fahrbetrieb anzuzeigen, damit Fußgänger die bestehende informelle Kommunikation mit der neuartigen Fahrzeugkommunikation verbinden können. Hierfür ist vor allem das Erkennen der Fahrerintention an Fußgängerüberwegen notwendig, weshalb ein dreistufiger Algorithmus entwickelt wird. Dieser Algorithmus besteht aus einem rekurrenten neuronalen Netzwerk zur Prädiktion von fünf Signalen, einem Random Forest zur Interpretation dieser und einer Plausibilisierung bzw. Entscheidung, ob das Fahrzeug im Prädiktionshorizont von 2 s anhalten wird. Für ein durchschnittliches Fahrverhalten können so Richtig-positiv Raten von 94,0 % und Falsch-positiv Raten von 2,8 % erreicht werden. Mit einer zusätzlichen Personalisierung auf fahrer- bzw. fahrzeugspezifische Merkmale ist eine Prädiktion mit einer Richtig-positiv Rate von 95,6 % und Falsch-positiv Rate von 1,9 % möglich. Das Anpassen des Algorithmus erfolgt dabei mittels Transfer Learning.

Durch Kombination der angepassten Fahrerintentionserkennung und der entwickelten Fahrzeug-Fußgänger-Kommunikation können bereits heutige Fahrzeuge automatisiert mit Fußgängern kommunizieren. Dadurch können diese Symbole für zukünftige Fahrsysteme erlernt und somit die Akzeptanz der automatisierten Fahrzeuge gesteigert werden. Darüber hinaus wird die Kommunikation der Fahrer mit anderen Verkehrsteilnehmern unterstützt.