Universität Ulm setzt KI ein Automatisierte Bewegungsvorhersage für Manöverplanung

Nicht nur für automatisierte Fahrzeuge eine Herausforderung: der Kreuzungsverkehr im Innenstadtbereich.
Nicht nur für automatisierte Fahrzeuge eine Herausforderung: der Kreuzungsverkehr im Innenstadtbereich.

Vorausschauendes Fahren hilft im Straßenverkehr dabei, Unfälle zu vermeiden. Das gilt künftig für automatisierte Fahrzeuge. So braucht es für eine intelligente Manöverplanung Informationen über das Verhalten anderer Verkehrsteilnehmer. Dabei hilft die automatisierte Bewegungsvorhersage.

Der Mensch hat es meist nicht schwer, vorherzusagen wohin ein vorausfahrendes Auto fährt, selbst wenn es nicht blinkt. Dafür genügt ihm die Beobachtung eines Schulterblickes oder eines bestimmten Fahrmanövers. Für das hochautomatisierte Fahrzeug ist 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«, erklärt Jan Strohbeck, Doktorand am Institut für Mess-, Regel- und Mikrotechnik der Universität Ulm.

Aus diesem Grund nutzt die Universität Ulm Deep Learning, um die Bewegungsprognosen für andere Verkehrsteilnehmer zu verbessern. Das Ziel: die Bewegungsbahn eines Fahrzeuges mindestens für die nächsten 3 Sekunden möglichst korrekt vorherzusagen. Bei diesem Verfahren werden künstliche Bilder von der Umgebung des Fahrzeuges erzeugt. Dazu gehören 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«, erläutert Strohbeck.

Dem automatisierten Fahrzeug das Abbiegen erleichtern

An der Universität Ulm wird im Rahmen des EU-Verbund-Projektes ICT4CART geforscht. Dabei geht es um die Unterstützung automatisierter Fahrzeuge im Straßenverkehr mithilfe von Informations- und Kommunikationstechnik in der Infrastruktur. Unter anderem wird 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. Dabei  geht es hauptsächlich um die Entwicklung von Bewegungsprognoseverfahren für die automatische Manöverplanung. Ganz praktisch soll das automatisierte Fahrzeug damit einschätzen lernen, ob Lücken im fließenden Verkehr groß genug sind, um sich beim Abbiegen unfallfrei einzufädeln.