Trends Markt

iStock.com/Canetti

Straßenverkehr: KI für vorausschauendes Fahren

Wer Auto fährt, muss Verkehrssituationen oft sekundenschnell richtig einschätzen können. Vorausschauendes Fahren hilft im Straßenverkehr dabei, Unfälle zu vermeiden. Dies gilt auch für automatisierte Fahrzeuge. So braucht es für eine intelligente Manöverplanung Informationen über das Verhalten anderer Verkehrsteilnehmer. Dabei hilft die automatisierte Bewegungsvorhersage, zu der auch an der Universität Ulm geforscht wird. Die Wissenschaftler setzen dabei auch auf Künstliche Intelligenz. „Für die Planung eines ‚intelligenten‘ Fahrmanövers braucht der Bordcomputer nicht nur Informationen über das bauliche Umfeld des Fahrzeugs, also über die Verkehrsführung, Beschilderung und Signalgebung, sondern auch darüber, wie sich andere Verkehrsteilnehmer wie Fahrzeuge, Fußgänger oder Radfahrer im Verkehrsraum bewegen“, erklärte Jan Strohbeck, Doktorand am Institut für Mess-, Regel- und Mikrotechnik der Hochschule.

Wie die Uni weiter mitteilte, habe es der Mensch meist nicht schwer, vorherzusagen wohin ein vorausfahrendes Auto fährt, selbst wenn es nicht blinkt. Dafür genüge ihm die Beobachtung eines Schulterblicks oder eines bestimmten Fahrmanövers. Für das hochautomatisierte Fahrzeug sei es weitaus schwerer, eine zukünftige Bewegungsbahn zu prognostizieren. „Mit kurzen Vorhersagezeiträumen von einer Sekunde kommt der Computer zwar noch gut zurecht, indem er sich mit einfachen Bewegungsmodellen behilft. Doch bei größeren Vorhersagehorizonten werden solche Verfahren zunehmend ungenau“, so Strohbeck.  

Künstliche Bilder der Umgebung des Fahrzeugs
 
Der Wissenschaftler nutze deshalb ein KI-Verfahren, um die Bewegungsprognosen für andere Verkehrsteilnehmer zu verbessern. „Wir verfolgen dabei einen sogenannten Deep-Learning-Ansatz, bei dem Künstliche Neuronale Netze zum Einsatz kommen“, erläuterte Dr. Michael Buchholz, der das Forschungsprojekt leitet. Das Ziel: die Bewegungsbahn eines Fahrzeuges mindestens für die nächsten drei Sekunden möglichst korrekt vorherzusagen. Bei diesem Verfahren werden den Angaben zufolge künstliche Bilder von der Umgebung des Fahrzeugs erzeugt. Dazu gehörten die Fahrspuren sowie andere befahrbare Bereiche wie Seitenstreifen oder Parkbuchten, aber auch Informationen über andere Verkehrsteilnehmer.

„Ein Künstliches Neuronales Netz wird darauf trainiert, aus diesen Bildern relevante Informationen zu extrahieren und damit wahrscheinlichkeitsbasierte Aussagen über zukünftige Fahrzeugbewegungen abzuleiten. Diese dienen dann als Hypothesen zur Bewegungsvorhersage“, führte Strohbeck aus. Er forscht den Angaben zufolge an der Universität Ulm im Rahmen des EU-Verbund-Projektes ICT4CART. Dabei gehe es um die Unterstützung automatisierter Fahrzeuge im Straßenverkehr mithilfe von Informations- und Kommunikationstechnik in der Infrastruktur.

Unter anderem werde unter Nutzung externer Sensordaten ein detailliertes dynamisches Umfeldmodell einer schlecht einsehbaren Kreuzung in Ulm-Lehr erstellt und live an ein automatisiertes Fahrzeug übermittelt, um ihm das Abbiegen zu erleichtern. Der Fokus stehe auf der Entwicklung von Bewegungsprognoseverfahren für die automatische Manöverplanung. Ganz praktisch soll demnach das automatisierte Fahrzeug damit einschätzen lernen, ob Lücken im fließenden Verkehr groß genug sind, um sich beim Abbiegen unfallfrei einzufädeln, hieß es. (ud)

Stichworte

Verwandte Artikel

Anzeige

Lexikoneinträge