Bildnachweis: Adobe Stock / scharfsinn86
Mit ihrer Umwelt vernetzte Fahrzeuge tragen wesentlich zur Verbesserung der Verkehrssicherheit, des Fahrkomforts und des Verkehrsflusses bei. Denn: Dank der Vernetzung sind sie in der Lage, sicherheitsrelevante Informationen über aktuelle Verkehrssituationen mit anderen Verkehrsteilnehmenden und Infrastrukturen zu teilen und so den Einsatz von Frühwarnsystemen zu ermöglichen. Gleichzeitig können sich vernetzte Fahrzeuge in Gefahrensituationen gezielt mit anderen Verkehrsteilnehmenden koordinieren.
Die Vernetzung des Straßenverkehrs ist zugleich die wichtigste Voraussetzung für autonomes Fahren. Erste Studien belegen, dass autonome Fahrzeuge besonders sichere Verkehrsteilnehmende sind und im gleichen Szenario weniger wahrscheinlich einen Unfall verursachen als menschengeführte Autos. Einzig in der Dämmerung oder beim Abbiegen schneiden sie bislang noch schlechter ab. Die im Rahmen der Innovationsinitiative mFUND des Bundesministeriums für Digitales und Verkehr (BMDV) geförderten Projektkonsortien erforschen daher, wie die Vernetzung des Straßenverkehrs optimiert und die Verkehrssicherheit autonomer Fahrzeuge weiter gesteigert werden kann.
V2X-Technologie vernetzt alle Verkehrsteilnehmenden
Gemeinsam mit dem Bundesministerium für Wirtschaft und Klimaschutz (BMWK) und weiteren Akteuren entwickelt das BMDV zurzeit harmonisierte Standards für die Interaktion von Fahrzeugen, Infrastrukturen und Nutzenden. Mit Blick auf die Vernetzung setzt die Bundesregierung große Hoffnungen in die Weiterentwicklung der sogenannten V2X-Technologie: „V2X“ steht für Vehicle-to-Everything und ermöglicht es Fahrzeugen, mit ihrer gesamten Umwelt zu kommunizieren – also nicht nur mit anderen Fahrzeugen und der Verkehrsinfrastruktur, sondern über mobile Endgeräte auch mit weiteren Verkehrsteilnehmenden wie Radfahrenden oder zu Fuß Gehenden.
Bildnachweis: Bundesministerium für Digitales und Verkehr (BMDV) / Quelle: Bitkom 2024
Wie die V2X-Technologie zu einem ökologischen und ökonomischen Management des Verkehrsflusses beitragen kann, erforscht zurzeit das Team des mFUND-Projekts SIMON. Es prüft, wie sich auf Basis der von V2X-Systemen bereitgestellten Daten sicherheitskritische Verkehrssituationen voraussagen und Verkehrsteilnehmende in der Folge zu umweltfreundlichem und sicherem Verhalten anregen lassen könnten.
KI ermittelt Risikopotenziale des Straßenverkehrs
Dazu erstellt das Team ein dynamisches Datenmodell des Verkehrskontexts in Form eines digitalen Zwillings. Dieser umfasst nicht nur Bewegungsdaten und Beschleunigungswerte von Autos und Fahrrädern, sondern auch statische und semistatische Infrastrukturinformationen wie Ampeln und Baustellen. Eine Künstliche Intelligenz (KI) analysiert die Verkehrsdaten des Modells und ermittelt in Echtzeit entsprechende Risikopotenziale.
Auf Basis der Risikobewertung formuliert die KI koordinierte Handlungsempfehlungen für autonome und konventionelle Fahrzeuge sowie Radfahrende und stellt diese über einen semantischen Streamingdienst in Form einer App bereit. Die Empfehlungen sollen nicht nur zu vorausschauendem Fahren anregen und so die Verkehrssicherheit erhöhen. Sie optimieren zudem den Verkehrsfluss, indem sie die Nutzung „grüner Wellen“ ermöglichen, ohne dass dazu im Vorfeld eine Route festgelegt werden müsste. Simulationen von V2X-Kommunikation in unterschiedlichen Verkehrsdichten sowie reale Daten aus Nutzendenstudien helfen dabei, die Risikobewertungen und Empfehlungen kontinuierlich zu verbessern.
„Wir nutzen KI und V2X-Kommunikation, um dynamisch einen digitalen Zwilling des Verkehrsknotens zu erzeugen und Risiken in Echtzeit zu erkennen. Die App »trafficpilot« liefert gezielte Empfehlungen für ein sicheres und umweltfreundliches Fahrverhalten.“
Dr.-Ing. Dipl.-Wi.-Ing. Thomas Freudenmann
Edi GmbH, mFUND-Projekt „SIMON“
Fahrverhalten in kritischen Situationen
Ein weiterer Fokus des BMDV zur Erhöhung der Verkehrssicherheit vernetzter und autonomer Fahrzeuge liegt auf der Sammlung und Untersuchung von Daten über kritische Verkehrssituationen. Hintergrund ist die nach heutiger Rechtsprechung bestehende Verpflichtung, autonome Fahrzeuge so zu programmieren, dass sie sich vollständig regelkonform verhalten. Zwar ist das eine grundsätzlich sinnvolle Regelung. Im realen Straßenverkehr kann sie jedoch problematisch werden, wenn das Auto beispielsweise eine durchgezogene Linie überfahren müsste, um ein Hindernis zu umfahren.
Dieses Dilemma erfordert zum einen die Harmonisierung des internationalen Rechtsrahmens für die Sicherheitsbewertung autonomer Fahrzeuge. Zum anderen muss in der Fahrzeugsoftware ein umfassender Katalog mit unzähligen Fällen und individuellen Reaktionsschemata hinterlegt werden. Der anspruchsvollen Erhebung solcher Daten widmet sich das Team des im Rahmen des mFUND geförderten Projekts SivaS.
Daten zu kritischen Verkehrssituationen können nur sinnvoll erhoben werden, wenn sie deren Kontext sowie Informationen über menschliches Fahrverhalten und Interaktionen zwischen Verkehrsteilnehmenden berücksichtigen. Da sich diese Informationen nicht allein mittels einer stationären, kamerabasierten Verkehrserfassung erheben lassen, hat das SivaS-Team die Methoden, mit denen sich Verkehrsdaten erheben und simulieren lassen, weiterentwickelt. Die daraus entstandene „offene Verkehrserfassung“ umfasst sogenannte naturalistische Fahrverhaltensbeobachtungen (Naturalistic Driving Studies, NDS). Bei dieser Methode erheben die Forschenden Daten während alltäglicher Fahrten verschiedener Probanden. Diese Beobachtungen helfen dabei, ein tiefgreifendes Verständnis für das Verhalten der Verkehrsteilnehmenden zu erhalten und liefern so wichtige Ansatzpunkte zur Optimierung von Assistenz- und Automationssystemen.
