Damit zukünftige Fahrerassistenzsysteme zunehmend in komplexe Fahrsituationen eingreifen können, wird die Prädiktion von Verkehrssituationen benötigt. Beispielhaft sei hierzu eine Situation angenommen, in der ein Fahrzeug plözlich vor dem eigenen Fahrzeug auftaucht. Eine Prädiktion des Verhaltens der Verkehrsteilnehmer, die sich in der Nähe befinden, unterstützt dabei die Entscheidung, ob es besser ist die Spur zu wechseln oder eine Vollbremsung durchzuführen.

Bei der Prädiktion von Verkehrsszenarien ergeben sich zwei Herausforderungen: Zum Einen sind die Messwerte (Positionen, Geschwindigkeiten) anderer Verkehrsteilnehmer unsicher und zum Anderen ist nicht bekannt, wie sich die Verkehrsteilnehmer in der Zukunft exakt verhalten werden. Daher ist es nicht ausreichend nur einzelne Verhaltensmöglichkeiten anderer Verkehrsteilnehmer zu betrachten. Ein möglicher Ansatz ist hierbei die Monte-Carlo-Simulation, bei der eine Vielzahl unterschiedlicher Verhaltensweisen der Verkehrsteilnehmer simuliert wird, siehe obere Abbildung. Ein alternativer Ansatz, der im Rahmen des Sonderforschungsbereiches "Kognitive Automobile" (www.kognimobil.org) am LSR entwickelt wurde, bestimmt die Menge und Wahrscheinlichkeitsverteilung der Verhaltensmöglichkeiten anderer Verkehrsteilnehmer mittels Markov-Ketten, siehe untere Abbildung.

Ziel dieser Arbeit ist der Vergleich beider Methoden. Dies geschieht in Zusammenarbeit mit der Firma Andata (www.andata.at), die Monte-Carlo-Simulationen für die deutsche Automobilindustrie entwickelt.

Ausschreibung als PDF Dokument