Interaktion von autonomen und manuell gesteuerten Fahrzeugen

Die frühe Koexistenz von hochgradig autonomen Fahrzeugen mit traditionellen Fahrzeugen könnten Verkehrssicherheitsrisiken beherbergen und unvorhersehbar Folgen haben, da andere Fahrer vom unterschiedlichen Verhalten autonomer Fahrzeugeüberraschtwerden könnten. Fahrer von manuell gesteuerten Fahrzeugen könnten erwarten, dass sich Fahrzeuge mit automatisierten Fähigkeiten in ähnlicher Weise verhalten. Zu diesem Zweck müssen die Algorithmen für autonome Fahrzeuge das menschliche Verhalten berücksichtigen und gegebenenfalls auch reproduzieren können. Das IAMCV Projekt wird die besten Strategien untersuchen, um sicherzustellen, dass manuell gesteuerte Fahrzeuge die von autonomen Fahrzeugen getroffenen Entscheidungen verstehen und umgekehrt. Zu diesem Zweck wird man sich auf die Untersuchung der Handlungen konzentrieren, die zwischen Fahrzeugen und Menschen stattfinden und die sich gegenseitig beeinflussen. Dieses Wissen wird es ermöglichen, Automatisierungsalgorithmen mit den notwendigen Datensätzen zu versorgen, um Entscheidungen zu treffen, die Aktionen, welche zwischen Fahrzeug und Mensch auftreten zu berücksichtigen. Die Hauptziele von IAMCV sind: 1. herauszufinden, wie die Informationen, die mit den vom automatisierten System durchgeführten Entscheidungen zusammenhängen, anderen Verkehrsteilnehmern auf effiziente Weise angezeigt werden können. 2. Anpassung der Automatisierung an das menschliche Verhalten durch die Untersuchung der intervehikulären Interaktion und die Fähigkeit, die Reaktion anderer Verkehrsteilnehmer vorherzusagen. 3. das Vertrauen in die Automatisierung zu fördern, indem man die Technologie als zuverlässig und sicher demonstriert. Diese Ziele werden erreicht, indem das Verhalten der Verkehrsteilnehmer mit Daten über den Zustand des Fahrens als auch Ortskoordinaten von mit Sensoren ausgestatteten Fahrzeugen analysiert wird. Es werden verschiedene Automatisierungsstufen in Betracht gezogen, wobei der Schwerpunkt auf der Wahrnehmung und Diagnose von zuvor definierten Straßensituationen liegt. Mehrere Szenarien werden unter realen und Laborbedingungen nachgebildet, um die entsprechenden Experimente durchzuführen und die Auswirkungen der Koexistenz von autonomen Fahrzeugen (AV) und anderen Verkehrsteilnehmern auf die allgemeine Verkehrssicherheit zu bestimmen. Situationsbezogene Informationen werden durch die Automatisierung an die Fahrer übermittelt, um festzustellen, ob dieses Wissen ein Maß an Vertrauen erzeugt bzw. das Misstrauen kompensieren kann. Das IAMCV-Projekt wird dazu beitragen, eine solide wissenschaftliche Grundlage für die Fortschritte in der Technologie der automatisierten Fahrzeuge zu schaffen und Wissen und Fachkenntnisse im Bereich der intelligenten Transportsysteme aufzubauen. Es wird dazu beitragen, die Normen und Vorschriften für die Gestaltung autonomer Fahrzeuge zu erweitern, wobei die Bedürfnisse der Verkehrsteilnehmer berücksichtigt werden, um das Vertrauen in autonome Fahrzeuge (AV) zu erhöhen.

Das Projekt Interaction of Autonomous and Manually-Controlled Vehicles (IAMCV) konzentrierte sich auf die Untersuchung der Kommunikation und Koordination zwischen zwei verschieden betriebenen Fahrzeugtypen. Dabei wurden Möglichkeiten zur Verbesserung der Sicherheit, der Effizienz und des gesamten Verkehrsflusses untersucht, indem Interaktionen und Übergänge zwischen automatisierten und manuellen Fahrmodi sichergestellt wurden. Das Ziel war, diese Informationen zu nutzen, um Automatisierungsalgorithmen und -systeme zu entwickeln, die selbstständig Entscheidungen treffen könnten. Die Ergebnisse sollten auf zugängliche und strukturierte Weise verbreitet werden, um die Akzeptanzbarriere zwischen den manuellen Verkehrsteilnehmern und der Automatisierung zu minimieren. Das Fahrzeugverhalten wurde anhand von Entscheidungsprozessen untersucht, die sich aus dem Bewusstsein der Diagnose von Straßensituationen und dem Vertrauen in die Automatisierung ergeben. Die Hauptziele des IAMCV waren: - O1) Herauszufinden, wie die Informationen über die vom automatisierten System getroffenen Entscheidungen den anderen Verkehrsteilnehmern auf effiziente Weise angezeigt werden können. - O2) Entwicklung von Automatisierungssystemen, die das menschliche Verhalten vorhersehen und sich daran anpassen, basierend auf der Untersuchung der Fahrzeuginteraktion und der Kommunikation der Verkehrsteilnehmer. - O3) Förderung des Vertrauens in die Automatisierung, indem ihre Zuverlässigkeit und Sicherheit durch Demonstration der Automatisierung gezeigt wurde. Das Ziel O1 wurde durch die Entwicklung intuitiver visueller Anzeigen und Kommunikationsmethoden erreicht, die den anderen Verkehrsteilnehmern die vom automatischen System getroffenen Entscheidungen wirksam vermitteln und für Klarheit und Sicherheit sorgen. Das Ziel O2 wurde durch die Entwicklung von Entscheidungsalgorithmen erreicht, die auf der Grundlage der Analyse von Interaktionen zwischen Fahrzeugen das menschliche Verhalten vorhersehen und sich an dieses anpassen. Durch das Verständnis der Kommunikation von Verkehrsteilnehmern und die Vorhersage von Reaktionen anderer Fahrzeuge und Fußgängern, wurden die Systeme so konzipiert, dass sie in Verkehrsszenarien intelligenter und vorhersehbarer interagieren als . In Bezug auf Ziel O3 wurde das Vertrauen in die Automatisierung durch Demonstrationen gefördert, die die Zuverlässigkeit und die Sicherheitsmerkmale des Systems hervorhoben. Tests und Simulationen unter realen Bedingungen zeigten die Leistung des Systems und die Einhaltung von Sicherheitsprotokollen, was das Vertrauen der Nutzer und Beteiligten stärkte. Die repräsentativsten Ergebnisse waren: - Entwicklung und Analyse des IAMCV-Datensatzes zur Analyse von Interaktionen zwischen Fahrzeugen und zur Weiterentwicklung von Algorithmen für das autonome Fahren unter Verwendung verschiedener Sensoren zur Erfassung verschiedener realer Fahrszenarien. - Erforschung komplexer Fahrszenarien und Interaktionen zwischen autonomen und von Menschen gesteuerten Fahrzeugen, die menschliche Verhaltensmuster und deren Bedeutung für automatisierte Fahrsysteme aufzeigen. - Methodische Fortschritte bei der Datenanalyse, Modellierung und Simulation, wie z. B. Überlebensanalyse und robuste Werkzeuge für Algorithmen zum Clustering von Trajektorien, Datenanalyse, Modellierung und Simulation beim automatisierten Fahren. - Abgleich des subjektiven Sicherheitsempfindens mit objektiven Sicherheitsmetriken zur Entwicklung von Algorithmen und Systemen, die besser auf die Wahrnehmung und das Verhalten der Fahrer abgestimmt sind. - Bereitstellung von praktischen Erkenntnissen und Werkzeugen für die Verbesserung autonomer Fahrzeuge zur Erhöhung der Verkehrssicherheit, Effizienz und Effektivität.