Global-optimale, datengetriebene Applikation längs- und querführender Fahrfunktionen

Fahrerassistenzsysteme und hochautomatisierende Fahrfunktionen haben das Potenzial, die Verkehrssicherheit zu erhöhen, indem sie Verkehrsunfälle reduzieren und gleichzeitig den Fahrer entlasten. Zudem tragen sie zur Verbesserung des Fahrkomforts und der Verkehrseffizienz bei.

Diese Dissertation untersucht die Parametrierung solcher Systeme und identifiziert Schwächen im aktuellen Entwicklungsprozess. Ein zentrales Problem ist, dass Tests im realen Straßenverkehr durchgeführt werden müssen und diese aufgrund begrenzter Ressourcen nur Stichproben liefern, die den gesamten Straßenverkehr nicht korrekt repräsentieren. ... mehrZudem verhindern sequentiell durchgeführte Tests und eine fehlende Systematik in der Variierung der Parameter die Vergleichbarkeit der Ergebnisse. Weder bestehende Prozesse noch wissenschaftliche Ansätze adressieren diese Herausforderungen ausreichend.

Deshalb wird in dieser Dissertation ein datengetriebener, global-optimaler Prozess für die Parametrierung von Fahrerassistenzsystemen und hochautomatisierenden Fahrfunktionen entwickelt und evaluiert. Dieser nutzt aufgezeichnete Testfahrten aus dem realen Straßenverkehr in einem virtuellen Framework und automatisiert die Suche nach optimalen Parametern mithilfe eines genetischen Optimierungsalgorithmus und objektiver Fahrdynamikmetriken. Mit Hilfe von Gewichtungsfaktoren werden Bias in den Stichproben entfernt und die Repräsentativität bezüglich der Grundgesamtheit hergestellt. Die Evaluation der prototypischen Umsetzung zeigt, wie Verzerrungen in den zugrundeliegenden Daten und regionale Unterschiede die Aussagekraft kleiner Stichproben beeinflussen und dadurch die Parametrierung im realen Straßenverkehr erschweren. Durch Interpretation und Gewichtung während der Datenanalyse wird eine global-optimale Parametrierung erreicht, die eine Verbesserung des Fahrkomforts und der Fahrdynamikeigenschaften der Systeme ermöglicht.

Driver assistance systems and highly automated driving functions offer great potential in the form of a significant reduction in traffic accidents and thus an increase in road safety, while at the same time relieving the driver and creating completely new mobility solutions with increasing automation. They also improve driving comfort and efficiency in traffic.

This phd thesis examines the parameter setting of such systems and identifies potential for improvement in the application process. The challenges in the application in real traffic are systematically researched. ... mehrIt is shown that economically feasible scopes of real world traffic tests always represent random samples with bias in the sense of the entire road traffic and are therefore not representative. In addition, the comparability of the functional quality of sequential road tests is not given. There is no systematic approach to parameter variation. Current application processes and scientific approaches do not sufficiently take these challenges into account.

In this phd thesis, a globally optimized, data-driven application process is developed, prototypically implemented and evaluated. For this purpose, test drives carried out in a virtual application framework are used and optimal parameter sets are automatically searched for using a modified cuckoo search. During the evaluation, the influence of bias and country-specific conditions on small samples of road tests is shown, thereby preventing an optimal application. By means of virtual data analysis and weighting of the samples against a population, a globally optimal application is ensured.