Fahrzeug- und Verkehrssicherheit

Datenerhebung für Verkehrsszenarienmodellierung

Analysis and Investigation Method for All Traffic Scenarios  AIMATS

AIMATS ist eine in Zusammenarbeit mit Toyota Europe entwickelte Methode zur Erhebung von Verkehrsdaten, die benötigt werden, um Verkehrsszenarien zur Bewertung von Fahrzeugsicherheitsfunktionen zu modellieren. Bisher geschieht die Erhebung dieser Daten überwiegend durch fahrzeuggebundene Systeme in Naturalistic Driving Studies (NDS), für die jedes Jahr Millionen von Kilometern gefahren werden. AIMATS benutzt dagegen verschiedene stationäre Kamerasysteme an vorgegebenen Points of Interest, um das Verkehrsgeschehen zu beobachten. Die so erhobenen Daten werden anschließend ausgewertet und für die Bildung von Simulationsmodellen verwendbar gemacht. Damit liefert AIMATS eine kostengünstige Lösung zur infrastrukturbasierten Erhebung aller kritischen Verkehrsszenarien und aufgrund des umfangreichen Datenmaterials ist das System frei skalierbar und in weiten Teilen Deutschlands einsetzbar.

Praktisch erprobt wurde AIMATS 2016 in einem Erhebungstestprojekt, bei dem die Bewegungen von Fahrzeugen und Tieren bei Wildwechsel in normalen und kritischen Begegnungssituationen aufgenommen und ausgewertet wurden. 2017 erfolgte ein weiterer Einsatz bei der Beobachtung von Kreuzungsszenarien mit verschiedenen Teilnehmern, die als Basis für die Bewertung von Fahrzeugsicherheitsfunktionen diente.

Interaktive Verkehrserziehung

© Fraunhofer IVI

Fraunhofer Accident Prevention School – FAPS

Das Ziel von FAPS ist es, durch die intelligente Nutzung von Smart Data die Verkehrserziehung zu verbessern und gleichzeitig die Sicherheit im Straßenverkehr zu erhöhen. Im Projekt wurde eine neue Methode entwickelt, reale Unfalldaten für die Prävention nutzbar zu machen. Dazu werden Schüler mit realen Unfallszenarien in ihrem unmittelbaren Umfeld konfrontiert, damit sie ein gesteigertes Bewusstsein für Gefahrensituationen erlangen und Unfälle vermeiden können.

Die Fraunhofer Accident Prevention School ist einer der Preisträger des Deutschen Mobilitätspreises 2017.

Unfallsimulation

© Fraunhofer IVI

Szenarien-basierte Plattform zur Inspektion Automatisierter Fahrfunktionen – SePIA

Im Projekt SePIA wird eine komplexe Validierungsplattform für das hochautomatisierte Fahren, elektronische Teilsysteme sowie für das Gesamtfahrzeug entwickelt. Die Plattform bezieht sowohl Realfahrszenarien mit flächendeckenden Unfalldaten als auch Informationen aus Unfallrekonstruktions-Gutachten sowie Fahrzeug- und Videodaten mit ein. Abschließend wird die entwickelte Plattform in einer Hardware-/Software-Anwendungsumgebung exemplarisch getestet und Demonstriert.