TRIDENT - TRansnationale IDENTifizierung des Fahrerverhaltens für virtuelle Tests und Validierung des automatisierten FahrensTRIDENT

TRIDENT - TRansnationale IDENTifizierung des Fahrerverhaltens für virtuelle Tests und Validierung des automatisierten FahrensTRIDENT

Hintergrund und Motivation: Der Transport von Personen und Gütern ist eine Hauptquelle für Treibhausgasemissionen (GHG) und trägt zur globalen Erwärmung bei. Die Globalisierung hat den weltweiten Transportbedarf erhöht und es wird intensiv an Lösungen zur Erreichung der globalen GHG-Reduktionsziele gearbeitet. Durch die Urbanisierung konzentriert sich das Problem der Treibhausgasemissionen auf die Städte, weshalb Lösungen für urbane Gebiete ein großes Potenzial für eine grüne Zukunft bieten. Hochautomatisiertes Fahren wird ein Schlüsselelement für intelligente Mobilität in Smart Cities sein und völlig neue Verkehrskonzepte ermöglichen. Solche Lösungen umfassen multimodale und intermodale Transportsysteme, Robotertaxis und automatisierte Warenlieferungen. Ein Haupthindernis für die Markteinführung dieser disruptiven Technologie ist aber der Nachweis ihrer sicheren Funktion und Überlegenheit bei der Fahrzeugführung im Vergleich zu menschlichen Fahrern. In der Community, die an der Absicherung des automatisierten Fahrens arbeitet, besteht der Konsens, große Teile von Fahrzeugversuchen zu X-in-the-Loop-Testmethoden und kosten- und zeiteffizienten virtuellen Tests zu verlagern. ZIELE und INNOVATION: TRIDENT entwickelt ein virtuelles Test-Framework, in dem komplexe, aber auch realistische Testszenarien für die Absicherung durch mikroskopische Verkehrsflusssimulation (TFS) erstellt werden. Ein großer Nachteil dieser Methode ist jedoch die Kalibrierung der Fahrermodelle, die die Fahrzeuge in der TFS steuern. Während das Wissen über die Längs- (Geschwindigkeit) und einfache Quersteuerung (Spurhaltung) vorhanden ist, ist die Modellierung des menschlichen Fahrerverhaltens bei komplexen mehrspurigen Ein- und Ausfädelprozessen weitgehend unbekannt. Methoden aus dem Deep Learning sollen eingesetzt werden, um empirisch gemessene Fahrzeugtrajektorien automatisch zu analysieren. Darüber hinaus erfordern soziokulturelle Unterschiede eine unterschiedliche Kalibrierung der Fahrermodelle im TFS: Während ÖSTERREICH typisches menschliches Fahrerverhalten im westlichen Kulturkreis repräsentiert, zeigt ZHEJIANG menschliches Fahrerverhalten, das für asiatische Megastädte typisch ist. Die Einbeziehung dieser soziokulturellen Aspekte in die Modellierung des komplexen menschlichen Fahrverhaltens stellt die wesentliche Innovation dar. ERGEBNISSE: TRIDENT entwickelt eine Methode zur Kalibrierung des menschlichen Fahrverhaltens anhand des Anwendungsfalls der Ein- und Ausfädelprozesse von mehrspurigen Knotenpunkten auf Autobahnen und großen Stadtstraßen. Das virtuelle Simulationsframework in Österreich basiert auf einer Co-Simulation zwischen den Softwarepaketen IPG-CarMaker und PTV Vissim, das an zwei ausgewählten Verkehrsstandorten in Graz validiert wird. Das Gleiche wird für die Provinz Zhejiang mit der Software GaiA von PilotD Automotive und zwei Verkehrsstandorten in der Provinz Zhejiang durchgeführt.

Laufzeit: 01. Januar 2022 - 31. Dezember 2024