Fahrermodell

Systemkomponente


Das Wissen über den aktuellen Fahrerzustand kann der Absicherung und Verbesserung des Nutzererlebnisses von automatisierten Fahrfunktionen dienen. So ist es für den Fahrer notwendig, bei teilautomatisierter Fahrt die Straße und Automatisierungsfunktion zu überwachen. Einschränkungen können durch Ablenkung bei der Beschäftigung mit Nebenaufgaben entstehen. Bei höheren Automatisierungsgraden besteht die Gefahr, dass Fahrer durch monotone Fahrten und aufkommende Müdigkeit schlechter in der Lage sind, die Fahraufgabe nach der Fahrt zu übernehmen. Ziel der Fahrermodellierung ist es, anhand verfügbarer fahrerbezogener Messgrößen, z.B. aus der Fahrerbeobachtung mit Innenraumkameras, solche Einschränkungen des Fahrerzustands zu erkennen und so eine bedarfsgerechte Assistenz zu ermöglichen.

Bild: Verarbeitungskette und Integration der Fahrermodellkomponente

Die Entwicklung von Algorithmen zur Fahrerzustandsschätzung erfolgt auf Grundlage der im Rahmen von TANGO erhobenen Versuchsdaten. In der Verarbeitungskette angefangen von den Basissignalen der Fahrerbeobachtung bis hin zur Klassifikation des Fahrerzustands finden sich mehrere Verarbeitungsschritte, beispielsweise zur fahrerindividuellen Signalnormalisierung (obere Abbildung). Neben klassischen Verfahren zur Fahrerzustandsklassifikation wie der prozentualen Verteilung der Blicke auf die Straße (PRC, Percentage Road Center, untere Abbildung) kommen auch statistische Klassifikationsverfahren zum Einsatz, beispielsweise Verfahren auf Basis von tiefen neuronalen Netzen zur Blickbereichsschätzung.

Bild: Blickverteilung bei Fahrten mit und ohne visueller Nebenaufgabe (Kreis: 15° Road Center)

 

<span>%d</span> Bloggern gefällt das: