Das Forschungsprojekt KISSaF hat erfolgreich gezeigt, wie Künstliche Intelligenz (KI) dazu beitragen kann, die Verkehrssicherheit zu verbessern. Durch das Training von KI-Algorithmen können unübersichtliche Verkehrssituationen vorhergesagt und automatisierte Fahrerassistenzsysteme, wie Abstandsregeltempomaten oder Spurwechselassistenten, präziser und sicherer gemacht werden. Die Ergebnisse des Projekts zeigen, dass die neue Methode effektiver ist als bisherige Ansätze und somit einen bedeutenden Fortschritt in Richtung einer sicheren Mobilität der Zukunft darstellt.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Mehr Verkehrssicherheit durch verbesserte KI bei autonomen Fahrzeugen
Auf mehr als 100.000 Kilometern Strecke erfasste ein Versuchsträger (Foto: ZF Group)
Die Vorhersage des Verhaltens menschlicher Verkehrsteilnehmer stellt automatisierte und autonome Systeme vor Herausforderungen. Derzeitige KI-Algorithmen stoßen bei dieser Aufgabe an ihre Grenzen. Eine Verbesserung dieser Algorithmen könnte jedoch die Verkehrssicherheit erheblich verbessern. Insbesondere in einer immer stärker vernetzten Verkehrsumgebung, in der eine Vielzahl von Fahrzeugen mit hochautomatisierten oder autonomen Assistenzsystemen ausgestattet sind, ist es von entscheidender Bedeutung, das Verhalten anderer Verkehrsteilnehmer präzise vorherzusagen, um potenzielle Unfälle zu vermeiden.
Das Forschungsprojekt KISSaF wurde ins Leben gerufen, um die Verkehrssicherheit durch den Einsatz von Künstlicher Intelligenz (KI) zu verbessern. In Zusammenarbeit zwischen ZF, der Technischen Universität Dortmund und INGgreen wurde eine innovative Methode zur Szenenprädiktion für den Straßenverkehr entwickelt. Diese Methode ermöglicht es automatisierten Fahrerassistenzsystemen, das Verhalten anderer Verkehrsteilnehmer vorherzusagen und entsprechend zu reagieren. Dadurch können potenziell gefährliche Situationen frühzeitig erkannt und vermieden werden, was zu einer erhöhten Sicherheit im Straßenverkehr beiträgt.
Szenenprädiktion hilft bei der Vermeidung von Unfällen im Straßenverkehr
Dank der KI-basierten Szenenprädiktion sind automatisierte Fahrzeuge nun in der Lage, das wahrscheinliche Verhalten anderer Verkehrsteilnehmer einige Sekunden im Voraus vorherzusagen und entsprechende Maßnahmen zu ergreifen. Zum Beispiel kann erkannt werden, ob ein Fußgänger, der offensichtlich durch sein Smartphone abgelenkt ist, möglicherweise unachtsam auf die Fahrbahn treten wird. Beim automatisierten Spurwechsel werden verschiedene Faktoren berücksichtigt, wie das Bremsverhalten des vorausfahrenden Fahrzeugs. Dadurch können automatisierte Fahrerassistenzsysteme präziser und sicherer agieren und somit die Verkehrssicherheit verbessern.
Die Ergebnisse im Projekt KISSaF können dabei helfen, dass (Foto: ZF Group)
Um Künstliche Intelligenz (KI) so zu trainieren, dass sie verlässliche Vorhersagen über das Verhalten von Verkehrsteilnehmern treffen kann, wurden im Rahmen des KISSaF-Projekts große Mengen an Daten aus dem echten Straßenverkehr gesammelt. Hierzu wurde ein spezielles Messfahrzeug entwickelt, das mit einer Vielzahl von Sensoren und Aktuatoren ausgestattet ist. Über eine Strecke von mehr als 100.000 Kilometern wurden dabei Daten wie Kamera-, Radar- und Lidar-Daten sowie relevante GPS- und Wetterinformationen erfasst. Die beeindruckenden Rohdaten des Projekts umfassen fast 800 Terrabyte.
Das Training der Künstlichen Intelligenz (KI) basierte auf der Umfeldmodellierung im AI-Lab von ZF in Saarbrücken. Anschließend wurde die Prädiktion der KI in Simulationsumgebungen und mit aufgezeichneten Realdaten in den bereits entwickelten Assistenzsystemen von ZF getestet. Dieser umfassende Testprozess ermöglichte es, die Leistungsfähigkeit und Genauigkeit der KI bei der Vorhersage des Verhaltens anderer Verkehrsteilnehmer zu evaluieren und sicherzustellen, dass sie zuverlässige Entscheidungen treffen kann.
Künstliche Intelligenz ermöglicht proaktives Reagieren auf Verkehrssituationen
Durch das Training kann die Künstliche Intelligenz (KI) nun das Verhalten anderer Verkehrsteilnehmer besser einschätzen. Die entwickelte Szenenprädiktion in KISSaF ermöglicht es automatisierten Assistenzsystemen, vorausschauender zu handeln und potenziell gefährliche Situationen besser vorherzusehen. Dies trägt dazu bei, dass sie proaktiv agieren und die Verkehrssicherheit erhöhen können.
Im Rahmen des Projekts KISSaF wurde eine Methode entwickelt, die es der Künstlichen Intelligenz (KI) ermöglicht, möglicherweise kritische Spurwechsel zu erkennen, die abgebrochen oder gar nicht erst eingeleitet wurden. Die entstehenden Lücken für einen Spurwechsel konnten ebenfalls vorhergesagt werden, sodass das Fahrzeug sicher durch den Verkehr geleitet wurde. Darüber hinaus wurde die Fähigkeit der KI verbessert, bei Gegenverkehr an Kreuzungen rechtzeitig zu stoppen, was die Sicherheit im Straßenverkehr erhöht.
Die Ergebnisse der Studie sollen dazu beitragen, die Effizienz und Sicherheit von hochautomatisierten Fahrerassistenzsystemen der Stufen 2+ und 3 nach SAE zu optimieren. Diese Systeme werden von zentralen Steuergeräten und leistungsstarken Computern wie dem ZF ProAI gesteuert und ermöglichen eine präzisere und zuverlässigere Fahrzeugführung.
Bei der Umsetzung des KISSaF-Projekts wurde bewusst auf ein praxisnahes Setup gesetzt, um die Funktionen möglichst nah an die Marktreife zu bringen. Sowohl die Sensorik zur Datenermittlung als auch der Automatisierungsgrad der KI-Systeme wurden dabei realitätsgetreu gestaltet. Die gewonnenen Rohdaten sind nicht nur für das aktuelle Projekt von großer Bedeutung, sondern können auch für zukünftige Entwicklungsvorhaben genutzt werden. Das Projekt KISSaF hat somit eine hohe Praxisrelevanz und leistet einen wichtigen Beitrag zur Weiterentwicklung von Fahrerassistenzsystemen.
Seit Januar 2021 wurde das Projekt KISSaF durch das Bundesministerium für Wirtschaft und Energie finanziell unterstützt. Die Ergebnisse des Projekts werden am 11. April 2024 während der Veranstaltungsreihe KoTAM in Düsseldorf präsentiert. Diese Präsentation bietet die Möglichkeit, die Fortschritte und Innovationen des Projekts im Bereich autonomer Mobilität einem breiten Publikum zugänglich zu machen und die Potenziale von Künstlicher Intelligenz für die Verkehrssicherheit aufzuzeigen.
Szenenprädiktion: Künstliche Intelligenz erhöht Sicherheit automatisierter Fahrerassistenzsysteme
Das Forschungsprojekt KISSaF hat gezeigt, dass Künstliche Intelligenz das Potenzial hat, die Verkehrssicherheit erheblich zu verbessern. Durch die Entwicklung einer Szenenprädiktion können automatisierte Fahrerassistenzsysteme das Verhalten anderer Verkehrsteilnehmer besser vorhersagen und entsprechend reagieren. Dies ermöglicht ein vorausschauendes und sicheres Fahren und trägt somit zu einer Reduzierung von Unfällen und einer Erhöhung der Verkehrssicherheit bei.
Das Projekt KISSaF hat gezeigt, dass durch die Vorhersage von kritischen Situationen potenzielle Unfälle vermieden werden können. Die Ergebnisse belegen, dass die neue Methode besser funktioniert als bisherige Ansätze. Dieser Fortschritt ist von großer Bedeutung für die zukünftige Mobilität, da er zu einer erhöhten Sicherheit und Effizienz führt. KISSaF ist somit ein wegweisendes Projekt, das einen positiven Beitrag zur Verkehrssicherheit leistet.
