Zusammenfassung
Mit der Planungsadaption wird ein neuer Freiheitsgrad zur Abstimmung von Fahrerassistenzsystemen (FAS) eingeführt. Dieser beschreibt die gezielte Berücksichtigung des Fahrerwunsches bei der Bahnplanung, um die Interaktion zu verbessern. Individualisierbare Aktivierungsschranken ermöglichen eine zusätzliche Anpassung an den Fahrer.
Abstract
A new degree of freedom for modifying the behaviour of Advanced Driver Assistance Systems (ADAS) is introduced: the Level of Planning Adaption. Incorporating the driver’s intention while planning the reference path yields a subjectively better interaction. To taylor the assistance even further, a method for defining driver specific activation thresholds is discussed.
About the authors
Samuel Schacher machte 2014 seinen Master in Informationstechnik im Maschinenwesen an der TU Berlin mit den Schwerpunkten Regelungstechnik und Robotik. In seiner Promotion in der Volkswagen Konzernforschung beschäftigt er sich mit Assistenzsystemen auf der Rennstrecke, die Fahrer mit unterschiedlichen Erfahrungen trainieren.
Jan Haneberg fertigte seine Bachelorarbeit zum Thema Trajektorienplanung mit variabler Rückführung in der Volkswagen Konzernforschung an. Zurzeit besucht er den Masterstudiengang Elektronische Systeme in Fahrzeugtechnik, Luft- und Raumfahrt an der TU Braunschweig. Neben dem Studium engagiert er sich im Carolo-Cup Team CDLC und beschäftigt sich dort mit maschinellem Lernen.
Dr.-Ing. Jens Hoedt promovierte 2013 am Fachgebiet Regelungstechnik und Mechatronik der TU Darmstadt mit dem Schwerpunkt Regelungstechnik. Momentan ist er in der Vorentwicklung der Volkswagen AG für die Bahnplanung beim assistierten und automatischen Fahren zuständig. Forschungsinteressen: nichtlineare Regelungsmethoden und künstliche Intelligenz.
Prof. Dr.-Ing. habil. Rudibert King ist Leiter des Fachgebietes Mess- und Regelungstechnik im Institut für Prozess- und Verfahrenstechnik der TU Berlin. Hauptarbeitsgebiete: Modellbildung, Überwachung und Regelung von verfahrenstechnischen und bioverfahrenstechnischen Prozessen, automatisierte Modellbildung, Regelung von Strömungsprozessen.
Literatur
1. S. Schacher und R. King, „Konzept für Mentorensysteme – Neuartige Fahrerassistenzsysteme am Beispiel RaceTrainer“, in 34. VDI/VW-Gemeinschaftstagung Fahrerassistenzsysteme und automatisiertes Fahren 2018, November 2018, pp. 283–298.10.51202/9783181023358-283Search in Google Scholar
2. D. A. Abbink, M. Mulder and E. R. Boer, „Haptic shared control: Smoothly shifting control authority?“, Cognition, Technology & Work, vol. 14, no. 1, pp. 19–28, 2012.10.1007/s10111-011-0192-5Search in Google Scholar
3. S. Schacher, J. Hoedt und R. King, „Fahrerspezifische Geschwindigkeitsprofile für die automatische oder die kooperative Fahrt“, at-Automatisierungstechnik, vol. 66, no. 1, pp. 53–65, 2018.10.1515/auto-2017-0093Search in Google Scholar
4. F. Flemisch, H. Winner, R. Bruder and K. Bengler, „Cooperative Guidance, Control, and Automation“, in Handbook of Driver Assistance Systems, Springer International Publishing, 2016, pp. 1471–1481.10.1007/978-3-319-12352-3_58Search in Google Scholar
5. E. Altendorf, R. Schütz, Y. Canpolat, G. Weßel and F. Flemisch, „A Study on the Human and the Automation in Automated Driving: Getting to Know Each Other“, in International Conference on Applied Human Factors and Ergonomics. Springer, 2017.10.1007/978-3-319-60441-1_65Search in Google Scholar
6. M. Baltzer, F. Flemisch, E. Altendorf and S. Meier, „Mediating the interaction between human and automation during the arbitration processes in cooperative guidance and control of highly automated vehicles“, in Proceedings of the 5th international conference on applied human factors and ergonomics AHFE, 2014, pp. 2107–2118.Search in Google Scholar
7. V. Nguyen, Volkswagen Race Trainer Self-Driving and Augmented Reality hands-on. YouTube LLC, url: https://youtu.be/5wPoGc8Z2q4 (Abrufdatum 21.05.2018), 2016. [Online]. Available: https://youtu.be/5wPoGc8Z2q4.Search in Google Scholar
8. P. Waldmann, Entwicklung eines Fahrzeugführungssystems zum Erlernen der Ideallinie auf Rennstrecken. Dissertation, Technische Universität Cottbus, Shaker Verlag, 2009.Search in Google Scholar
9. M. Werling, J. Ziegler, S. Kammel and S. Thrun, „Optimal trajectory generation for dynamic street scenarios in a frenet frame“, in Robotics and Automation (ICRA), 2010 IEEE International Conference on. IEEE, 2010, pp. 987–993.10.1109/ROBOT.2010.5509799Search in Google Scholar
10. Krisada Kritayakirana, Autonomous vehicle control at the limits of handling. Ph.D. Thesis, Stanford University, 2012.10.1504/IJVAS.2012.051270Search in Google Scholar
11. I. Gundlach und U. Konigorski, „Eine modellbasierte Rundenzeitoptimierung für seriennahe Fahrzeuge“, in 8. VDI/VDE-Fachtagung AUTOREG 2017: Automatisiertes Fahren und vernetzte Moblilität, July 2017. pp. 223–234, [Online]. Available: http://tubiblio.ulb.tu-darmstadt.de/88242/.10.51202/9783181022924-223Search in Google Scholar
12. C. Rathgeber, F. Winkler und S. Müller, „Kollisionsfreie Längs- und Quertrajektorienplanung unter Berücksichtigung fahrzeugspezifischer Potenziale“, at - Automatisierungstechnik, vol. 64, no. 1, 2016.10.1515/auto-2015-0052Search in Google Scholar
13. O. Föllinger, Optimale Regelung und Steuerung: Mit 7 Tabellen und 16 Übungsaufgaben mit genauer Darstellung des Lösungsweges, Oldenbourg, 1994.10.1515/9783486787306Search in Google Scholar
14. S. J. Anderson, S. C. Peters, T. E. Pilutti and K. Iagnemma, „An optimal-control-based framework for trajectory planning, threat assessment, and semi-autonomous control of passenger vehicles in hazard avoidance scenarios“, International Journal of Vehicle Autonomous Systems, vol. 8 no. 2–4 pp. 190–216, 2010.10.1504/IJVAS.2010.035796Search in Google Scholar
15. M. Wegscheider und G. Prokop, „Modellbasierte Komfortbewertung von Fahrerassistenzsystemen“, in Erprobung und Simulation in der Fahrzeugentwicklung, vol. 1900, VDI-Verlag, 2005, pp. 17–36.Search in Google Scholar
© 2019 Walter de Gruyter GmbH, Berlin/Boston