Technology pervades our daily living, and is increasingly integrated into the vehicle – directly affecting driving. On the one hand technology such as cell phones provoke driver distraction and inattention, whereas, on the other hand, Advanced Driver Assistance Systems (ADAS) support the driver in the driving task. The question is, can a driver successfully adapt to the ever growing technological advancements? Thus, this thesis aimed at improving safe driver behaviour by understanding the underlying psychological mechanisms that influence behavioural change. Previous research on ADAS and human attention was reviewed in the context of driver behavioural adaptation. Empirical data from multiple data sources such as driving performance data, visual behaviour data, video footage, and subjective data were analyzed to evaluate two ADAS (a brake-capacity forward collision warning system, B-FCW, and a Visual Distraction Alert System, VDA-System). Results from a field operational test (EuroFOT) showed that brake-capacity forward collision warnings lead to immediate attention allocation toward the roadway and drivers hit the brake, yet change their initial response later on by directing their eyes toward the warning source in the instrument cluster. A similar phenomenon of drivers changing initial behaviour was found in a driving simulator study assessing a Visual Distraction Alert System. Analysis showed that a Visual Distraction Alert System successfully assists drivers in redirecting attention to the relevant aspects of the driving task and significantly improves driving performance. The effects are discussed with regard to behavioural adaptation, calibration and system acceptance. Based on these findings a novel assessment for human-machine-interaction (HMI) of ADAS was introduced. Based on the contribution of this thesis and previous best-practices, a holistic safety management model on accident prevention strategies (before, during and after driving) was developed. The DO-IT BEST Feedback Model is a comprehensive feedback strategy including driver feedback at various time scales and therefore is expected to provide an added benefit for distraction and inattention prevention. The central contributions of this work are to advance research in the field of traffic psychology in the context of attention allocation strategies, and to improve the ability to design future safety systems with the human factor in focus. The thesis consists of the introduction of the conducted research, six publications in full text and a comprehensive conclusion of the publications. In brief this thesis intends to improve safe driver behaviour by understanding the underlying psychological mechanisms that influence behavioral change, thereby resulting in more attention allocation to the forward roadway, and improved vehicle control. / Technologie durchdringt unser tägliches Leben und ist zunehmend integriert in Fahrzeuge – das Resultat sind veränderte Anforderungen an Fahrzeugführer. Einerseits besteht die Gefahr, dass er durch die Bedienung innovativer Technologien (z.B. Mobiltelefone) unachtsam wird und visuell abgelenkt ist, andererseits kann die Nutzung von Fahrerassistenzsystemen die den Fahrer bei der Fahraufgabe unterstützten einen wertvollen Beitrag zur Fahrsicherheit bieten. Die steigende Aktualität beider Problematiken wirft die Frage auf: "Kann der Fahrer sich erfolgreich dem ständig wachsenden technologischen Fortschritt anpassen?" Das Ziel der vorliegenden Arbeit ist der Erkenntnisgewinn zur Verbesserung des Fahrverhaltens indem der Verhaltensänderungen zugrunde liegende psychologische Mechanismen untersucht werden. Eine Vielzahl an Literatur zu Fahrerassistenzsystemen und Aufmerksamkeitsverteilung wurde vor dem Hintergrund von Verhaltensanpassung der Fahrer recherchiert. Daten mehrerer empirischer Quellen, z. B. Fahrverhalten, Blickbewegungen, Videomitschnitte und subjektive Daten dienten zur Datenauswertung zweier Fahrerassistenzsysteme. Im Rahmen einer Feldstudie zeigte sich, dass Bremskapazitäts-Kollisionswarnungen zur sofortigen visuellen Aufmerksamkeitsverteilung zur Fahrbahn und zum Bremsen führen, Fahrer allerdings ihre Reaktion anpassen indem sie zur Warnanzeige im Kombinationsinstrument schauen. Ein anderes Phänomen der Verhaltensanpassung wurde in einer Fahrsimulatorstudie zur Untersuchung eines Ablenkungswarnsystems, das dabei hilft die Blicke von Autofahrern stets auf die Straße zu lenken, gefunden. Diese Ergebnisse weisen nach, dass solch ein System unterstützt achtsamer zu sein und sicherer zu fahren. Die vorliegenden Befunde wurden im Zusammenhang zu Vorbefunden zur Verhaltensanpassung zu Fahrerassistenzsystemen, Fahrerkalibrierung und Akzeptanz von Technik diskutiert. Basierend auf den gewonnenen Erkenntnissen wurde ein neues Vorgehen zur Untersuchung von Mensch- Maschine-Interaktion eingeführt. Aufbauend auf den Resultaten der vorliegenden Arbeit wurde ein ganzheitliches Modell zur Fahrsicherheit und -management, das DO-IT BEST Feedback Modell, entwickelt. Das Modell bezieht sich auf multitemporale Fahrer-Feedbackstrategien und soll somit einen entscheidenen Beitrag zur Verkehrssicherheit und dem Umgang mit Fahrerunaufmerksamkeit leisten. Die zentralen Beiträge dieser Arbeit sind die Gewinnung neuer Erkenntnisse in den Bereichen der Angewandten Psychologie und der Verkehrspsychologie in den Kontexten der Aufmerksamkeitsverteilung und der Verbesserung der Gestaltung von Fahrerassistenzsystemen fokusierend auf den Bediener. Die Dissertation besteht aus einem Einleitungsteil, drei empirischen Beiträgen sowie drei Buchkapiteln und einer abschliessenden Zusammenfassung.

Les systèmes de vision artificielle sont de plus en plus présents en contexte routier. Ils sont installés sur l'infrastructure, pour la gestion du trafic, ou placés à l'intérieur du véhicule, pour proposer des aides à la conduite. Dans les deux cas, les systèmes de vision artificielle visent à augmenter la sécurité et à optimiser les déplacements. Une revue bibliographique retrace les origines et le développement des algorithmes de vision artificielle en contexte routier. Elle permet de démontrer l'importance des descripteurs d'images dans la chaîne de traitement des algorithmes. Elle se poursuit par une revue des descripteurs d'images avec une nouvelle approche source de nombreuses analyses, en les considérant en parallèle des applications finales. En conclusion, la revue bibliographique permet de déterminer quels sont les descripteurs d'images les plus représentatifs en contexte routier. Plusieurs bases de données contenant des images et les données météorologiques associées (ex : pluie, brouillard) sont ensuite présentées. Ces bases de données sont innovantes car l'acquisition des images et la mesure des conditions météorologiques sont effectuées en même temps et au même endroit. De plus, des capteurs météorologiques calibrés sont utilisés. Chaque base de données contient différentes scènes (ex: cible noir et blanc, piéton) et divers types de conditions météorologiques (ex: pluie, brouillard, jour, nuit). Les bases de données contiennent des conditions météorologiques naturelles, reproduites artificiellement et simulées numériquement. Sept descripteurs d'images parmi les plus représentatifs du contexte routier ont ensuite été sélectionnés et leur robustesse en conditions de pluie évaluée. Les descripteurs d'images basés sur l'intensité des pixels ou les contours verticaux sont sensibles à la pluie. A l'inverse, le descripteur de Harris et les descripteurs qui combinent différentes orientations sont robustes pour des intensités de pluie de 0 à 30 mm/h. La robustesse des descripteurs d'images en conditions de pluie diminue lorsque l'intensité de pluie augmente. Finalement, les descripteurs les plus sensibles à la pluie peuvent potentiellement être utilisés pour des applications de détection de la pluie par caméra.Le comportement d'un descripteur d'images en conditions météorologiques dégradées n'est pas forcément relié à celui de la fonction finale associée. Pour cela, deux détecteurs de piéton ont été évalués en conditions météorologiques dégradées (pluie, brouillard, jour, nuit). La nuit et le brouillard sont les conditions qui ont l'impact le plus important sur la détection des piétons. La méthodologie développée et la base de données associée peuvent être utilisées à nouveau pour évaluer d'autres fonctions finales (ex: détection de véhicule, détection de signalisation verticale).En contexte routier, connaitre les conditions météorologiques locales en temps réel est essentiel pour répondre aux deux enjeux que sont l'amélioration de la sécurité et l'optimisation des déplacements. Actuellement, le seul moyen de mesurer ces conditions le long des réseaux est l'installation de stations météorologiques. Ces stations sont coûteuses et nécessitent une maintenance particulière. Cependant, de nombreuses caméras sont déjà présentes sur le bord des routes. Une nouvelle méthode de détection des conditions météorologiques utilisant les caméras de surveillance du trafic est donc proposée. Cette méthode utilise des descripteurs d'images et un réseau de neurones. Elle répond à un ensemble de contraintes clairement établies afin de pouvoir détecter l'ensemble des conditions météorologiques en temps réel, mais aussi de pourvoir proposer plusieurs niveaux d'intensité. La méthode proposée permet de détecter les conditions normales de jour, de nuit, la pluie et le brouillard. Après plusieurs phases d'optimisation, la méthode proposée obtient de meilleurs résultats que ceux obtenus dans la littérature, pour des algorithmes comparables. / Computer vision systems are increasingly being used on roads. They can be installed along infrastructure for traffic monitoring purposes. When mounted in vehicles, they perform driver assistance functions. In both cases, computer vision systems enhance road safety and streamline travel.A literature review starts by retracing the introduction and rollout of computer vision algorithms in road environments, and goes on to demonstrate the importance of image descriptors in the processing chains implemented in such algorithms. It continues with a review of image descriptors from a novel approach, considering them in parallel with final applications, which opens up numerous analytical angles. Finally the literature review makes it possible to assess which descriptors are the most representative in road environments.Several databases containing images and associated meteorological data (e.g. rain, fog) are then presented. These databases are completely original because image acquisition and weather condition measurement are at the same location and the same time. Moreover, calibrated meteorological sensors are used. Each database contains different scenes (e.g. black and white target, pedestrian) and different kind of weather (i.e. rain, fog, daytime, night-time). Databases contain digitally simulated, artificial and natural weather conditions.Seven of the most representative image descriptors in road context are then selected and their robustness in rainy conditions is evaluated. Image descriptors based on pixel intensity and those that use vertical edges are sensitive to rainy conditions. Conversely, the Harris feature and features that combine different edge orientations remain robust for rainfall rates ranging in 0 – 30 mm/h. The robustness of image features in rainy conditions decreases as the rainfall rate increases. Finally, the image descriptors most sensitive to rain have potential for use in a camera-based rain classification application.The image descriptor behaviour in adverse weather conditions is not necessarily related to the associated final function one. Thus, two pedestrian detectors were assessed in degraded weather conditions (rain, fog, daytime, night-time). Night-time and fog are the conditions that have the greatest impact on pedestrian detection. The methodology developed and associated database could be reused to assess others final functions (e.g. vehicle detection, traffic sign detection).In road environments, real-time knowledge of local weather conditions is an essential prerequisite for addressing the twin challenges of enhancing road safety and streamlining travel. Currently, the only mean of quantifying weather conditions along a road network requires the installation of meteorological stations. Such stations are costly and must be maintained; however, large numbers of cameras are already installed on the roadside. A new method that uses road traffic cameras to detect weather conditions has therefore been proposed. This method uses a combination of a neural network and image descriptors applied to image patches. It addresses a clearly defined set of constraints relating to the ability to operate in real-time and to classify the full spectrum of meteorological conditions and grades them according to their intensity. The method differentiates between normal daytime, rain, fog and normal night-time weather conditions. After several optimisation steps, the proposed method obtains better results than the ones reported in the literature for comparable algorithms.

For several years, there has been a remarkable increase in efforts to develop an autonomous car. Autonomous car systems combine various techniques of recognizing the environment with the help of the sensors and could drastically bring down the number of accidents on road by removing human conduct errors related to driver inattention and poor driving choices. In this research thesis, an algorithm for jointly ego-vehicle motion and road geometry estimation for Advanced Driver Assistance Systems (ADAS) is developed. The measurements are obtained from the inertial sensors, wheel speed sensors, steering wheel angle sensors, and camera. An Unscented Kalman Filter (UKF) is used for estimating the states of the non-linear system because UKF estimates the state in a simplified way without using complex computations. The proposed algorithm has been tested on a winding and straight road. The robustness and functioning of our algorithm have been demonstrated by conducting experiments involving the addition of noise to the measurements, reducing the process noise covariance matrix, and increasing the measurement noise covariance matrix and through these tests, we gained more trust in the working of our tracker. For evaluation, each estimated parameter has been compared with the reference signal which shows that the estimated signal matches the reference signal very well in both scenarios. We also compared our joint algorithm with individual ego-vehicle and road geometry algorithms. The results clearly show that better estimates are obtained from our algorithm when estimated jointly instead of estimating separately.

Um die Fahrzeugsicherheit auch weiterhin zu verbessern, können Systeme der Aktiven Sicherheit ihren Beitrag leisten. Zu diesem Zweck werden u. a. Unfalldatenbanken mit precrash relevanten Parametern herangezogen, mit welchen der Systemnutzen frühzeitig auf das Unfallgeschehen analysiert wird. Aufgrund von Informationsdefiziten in der bisherigen Unfallrekonstruktion stellt das Treffen von fundierten Aussagen zur precrash Phase eine Schwierigkeit dar, wie z. B. die genaue Ausgangsgeschwindigkeit. Deshalb sind zum Teil ungesicherte Annahmen notwendig, um eine precrash Phase rekonstruieren zu können. Bisher ist in Unfalldatenbanken zu jeweils einem analysierten Unfall eine einzelne mögliche precrash Phase dokumentiert, so wie der Unfall möglicherweise ablief. Weitere mögliche Varianten der precrash Phasen, die ebenso zu selben Unfall geführt hätten bleiben unberücksichtigt. Um detaillierte Aussagen zum tatsächlichen Nutzungsgrad eines Systems in einem realen Unfall abzuleiten, wird ein automatisiertes Simulationstool vorgestellt, welches mit Hilfe stochastischer Methoden auf mögliche Varianten an precrash Phasen schließt, die zum selben realen Unfall führen. Für das Tool dienen als Eingangsgröße rekonstruierte Unfälle, die in den precrash Phasen zum Teil Informationsdefizite aufweisen. Hierbei variiert die Monte Carlo Methode, ein Zufallszahlengenerator, die unterschiedlichen Ausprägungen von ausgewählten Einflussparametern entsprechend deren Häufigkeit. Dieses Tool kompensiert somit die Informationsdefizite in precrash Phasen und baut zugleich eine synthetische Unfalldatenbank mit Varianten an precrash Phasen auf, mit dem Ziel, die Vorunfallphase statistisch repräsentativ und unabhängig von einer konkreten Rekonstruktionsvariante abzubilden. In anschließenden Simulationen jeweils mit den soeben variierten precrash Phasen werden die unterschiedlichen Auswirkungen eines vorausschauenden Systems ermittelt. Die verschiedenen Einflüsse eines Systems werden auch hier mit der Monte Carlo Methode berücksichtigt, wie z. B. die Reaktionszeit des Fahrers auf eine Warnung. Im Falle eines Systemeingriffes ist eine mögliche Veränderung der Unfallschwere bzw. wahrscheinlichen Verletzungsschwere zu betrachten. Mit dieser vorgestellten Methodik ist der tatsächliche Nutzen eines vorausschauenden Systems für die Unfallbeteiligten noch genauer feststellbar, da das Simulationstool ein breites mögliches Spektrum an precrash Phasen und Systemauswirkungen betrachtet.

Fahrerassistenzsysteme (FAS), wie zum Beispiel die „Aktive Gefahrenbremsung“, sollen dazu beitragen, das Fahren sicherer zu machen und die Anzahl an Unfällen und Verunglückten im Straßenverkehr weiter zu senken. Bei der Entwicklung von FAS muss neben der funktionalen Zuverlässigkeit des FAS sichergestellt werden, dass der Fahrer die Assistenzfunktion versteht und fehlerfrei benutzen kann. Zur Bestimmung geeigneter Systemauslegungen kommen in der Entwicklung Probandenversuche zum Einsatz, bei denen die zukünftigen Nutzer das FAS erleben und anschließend beurteilen. In dieser Arbeit wird die Eignung eines statischen Fahrsimulators für die Durchführung von Probandenversuchen zur Bewertung aktiv eingreifender FAS untersucht. Hierzu wurde ein Fahrversuch auf der Teststrecke und im statischen Fahrsimulator konzipiert, mit jeweils ca. 80 Probanden durchgeführt und die Ergebnisse bezüglich der Auswirkung des FAS „Aktive Gefahrenbremsung“ auf ausgewählte objektive und subjektive Kennwerte in der jeweiligen Versuchsumgebung vergleichend gegenübergestellt. Es zeigt sich, dass der statische Fahrsimulator prinzipiell für die Durchführung von Studien zur Bewertung aktiv eingreifender FAS geeignet ist. Als Ergebnis der Arbeit werden Erkenntnisse zur Aussagekraft der betrachteten Kennwerte sowie Empfehlungen zur Versuchsdurchführung im statischen Fahrsimulator gegeben.

Technology pervades our daily living, and is increasingly integrated into the vehicle – directly affecting driving. On the one hand technology such as cell phones provoke driver distraction and inattention, whereas, on the other hand, Advanced Driver Assistance Systems (ADAS) support the driver in the driving task. The question is, can a driver successfully adapt to the ever growing technological advancements? Thus, this thesis aimed at improving safe driver behaviour by understanding the underlying psychological mechanisms that influence behavioural change. Previous research on ADAS and human attention was reviewed in the context of driver behavioural adaptation. Empirical data from multiple data sources such as driving performance data, visual behaviour data, video footage, and subjective data were analyzed to evaluate two ADAS (a brake-capacity forward collision warning system, B-FCW, and a Visual Distraction Alert System, VDA-System). Results from a field operational test (EuroFOT) showed that brake-capacity forward collision warnings lead to immediate attention allocation toward the roadway and drivers hit the brake, yet change their initial response later on by directing their eyes toward the warning source in the instrument cluster. A similar phenomenon of drivers changing initial behaviour was found in a driving simulator study assessing a Visual Distraction Alert System. Analysis showed that a Visual Distraction Alert System successfully assists drivers in redirecting attention to the relevant aspects of the driving task and significantly improves driving performance. The effects are discussed with regard to behavioural adaptation, calibration and system acceptance. Based on these findings a novel assessment for human-machine-interaction (HMI) of ADAS was introduced. Based on the contribution of this thesis and previous best-practices, a holistic safety management model on accident prevention strategies (before, during and after driving) was developed. The DO-IT BEST Feedback Model is a comprehensive feedback strategy including driver feedback at various time scales and therefore is expected to provide an added benefit for distraction and inattention prevention. The central contributions of this work are to advance research in the field of traffic psychology in the context of attention allocation strategies, and to improve the ability to design future safety systems with the human factor in focus. The thesis consists of the introduction of the conducted research, six publications in full text and a comprehensive conclusion of the publications. In brief this thesis intends to improve safe driver behaviour by understanding the underlying psychological mechanisms that influence behavioral change, thereby resulting in more attention allocation to the forward roadway, and improved vehicle control.:Abstract i Zusammenfassung iii List of included publications v Acknowledgements vii Previously published work ix Table of contents xi Preface xii 1 Chapter 1 Introduction 1 1.1 Outline 1 1.2 Objectives 2 1.3 Background 8 1.3.1 Behavioural adaption to ADAS 8 1.3.2 Driver distraction and inattention 9 2 Chapter 2 Paper I 23 3 Chapter 3 Paper II 47 4 Chapter 4 Paper III 61 5 Chapter 5 Paper IV 91 6 Chapter 6 Paper V 117 7 Chapter 7 Paper VI 143 8 Chapter 8 Conclusions and discussion 161 8.1. Contributions 161 8.2. Implications 171 8.3. Limitations and research needs 173 9 References 177 Curriculum Vitae 199 Eidesstattliche Erklärung 201 / Technologie durchdringt unser tägliches Leben und ist zunehmend integriert in Fahrzeuge – das Resultat sind veränderte Anforderungen an Fahrzeugführer. Einerseits besteht die Gefahr, dass er durch die Bedienung innovativer Technologien (z.B. Mobiltelefone) unachtsam wird und visuell abgelenkt ist, andererseits kann die Nutzung von Fahrerassistenzsystemen die den Fahrer bei der Fahraufgabe unterstützten einen wertvollen Beitrag zur Fahrsicherheit bieten. Die steigende Aktualität beider Problematiken wirft die Frage auf: "Kann der Fahrer sich erfolgreich dem ständig wachsenden technologischen Fortschritt anpassen?" Das Ziel der vorliegenden Arbeit ist der Erkenntnisgewinn zur Verbesserung des Fahrverhaltens indem der Verhaltensänderungen zugrunde liegende psychologische Mechanismen untersucht werden. Eine Vielzahl an Literatur zu Fahrerassistenzsystemen und Aufmerksamkeitsverteilung wurde vor dem Hintergrund von Verhaltensanpassung der Fahrer recherchiert. Daten mehrerer empirischer Quellen, z. B. Fahrverhalten, Blickbewegungen, Videomitschnitte und subjektive Daten dienten zur Datenauswertung zweier Fahrerassistenzsysteme. Im Rahmen einer Feldstudie zeigte sich, dass Bremskapazitäts-Kollisionswarnungen zur sofortigen visuellen Aufmerksamkeitsverteilung zur Fahrbahn und zum Bremsen führen, Fahrer allerdings ihre Reaktion anpassen indem sie zur Warnanzeige im Kombinationsinstrument schauen. Ein anderes Phänomen der Verhaltensanpassung wurde in einer Fahrsimulatorstudie zur Untersuchung eines Ablenkungswarnsystems, das dabei hilft die Blicke von Autofahrern stets auf die Straße zu lenken, gefunden. Diese Ergebnisse weisen nach, dass solch ein System unterstützt achtsamer zu sein und sicherer zu fahren. Die vorliegenden Befunde wurden im Zusammenhang zu Vorbefunden zur Verhaltensanpassung zu Fahrerassistenzsystemen, Fahrerkalibrierung und Akzeptanz von Technik diskutiert. Basierend auf den gewonnenen Erkenntnissen wurde ein neues Vorgehen zur Untersuchung von Mensch- Maschine-Interaktion eingeführt. Aufbauend auf den Resultaten der vorliegenden Arbeit wurde ein ganzheitliches Modell zur Fahrsicherheit und -management, das DO-IT BEST Feedback Modell, entwickelt. Das Modell bezieht sich auf multitemporale Fahrer-Feedbackstrategien und soll somit einen entscheidenen Beitrag zur Verkehrssicherheit und dem Umgang mit Fahrerunaufmerksamkeit leisten. Die zentralen Beiträge dieser Arbeit sind die Gewinnung neuer Erkenntnisse in den Bereichen der Angewandten Psychologie und der Verkehrspsychologie in den Kontexten der Aufmerksamkeitsverteilung und der Verbesserung der Gestaltung von Fahrerassistenzsystemen fokusierend auf den Bediener. Die Dissertation besteht aus einem Einleitungsteil, drei empirischen Beiträgen sowie drei Buchkapiteln und einer abschliessenden Zusammenfassung.:Abstract i Zusammenfassung iii List of included publications v Acknowledgements vii Previously published work ix Table of contents xi Preface xii 1 Chapter 1 Introduction 1 1.1 Outline 1 1.2 Objectives 2 1.3 Background 8 1.3.1 Behavioural adaption to ADAS 8 1.3.2 Driver distraction and inattention 9 2 Chapter 2 Paper I 23 3 Chapter 3 Paper II 47 4 Chapter 4 Paper III 61 5 Chapter 5 Paper IV 91 6 Chapter 6 Paper V 117 7 Chapter 7 Paper VI 143 8 Chapter 8 Conclusions and discussion 161 8.1. Contributions 161 8.2. Implications 171 8.3. Limitations and research needs 173 9 References 177 Curriculum Vitae 199 Eidesstattliche Erklärung 201

The development of driver assistance and automated vehicle control is in process and finds its way more and more into urban traffic environments. Here, the complexity of traffic situations is highly challenging and requires system approaches to comprehend such situations. The key element is the process of situation assessment to identify critical situations in advance and derive adequate warning and intervention strategies. This thesis introduces a system approach to establish a situation assessment process with the focus on the prediction of the driver intention. The system design is based on the Situation Awareness model by Endsley. Further, a prediction algorithm is created using Hidden Markov Models. To define the parameters of the models, an existing database is used and previously analyzed to identify reasonable variables that indicate an intended driving direction while approaching the intersection. Here, vehicle dynamics are used instead of driver inputs to enable a further extension of the prediction, i.e.\\ to predict the driving intention of other vehicles detected by sensors. High prediction rates at temporal distances of several seconds before entering the intersection are accomplished. The prediction is integrated in a system for situation assessment including an intersection model. A Matlab tool is created with an interface to the vehicle CAN bus and the intersection modeling which uses digital map data to establish a representation of the intersection. To identify differences and similarities in the process of approaching an intersection dependent on the intersection shape and regulation, a naturalistic driving study is conducted. Here, the distance to the intersection and velocity is observed on driver inputs related to the upcoming intersection (leaving the gas pedal, pushing the brake, using the turn signal). The findings are used to determine separate prediction models dependent on shape and regulation of the upcoming intersection. The system runs in real-time and is tested in a real traffic environment.:Contents List of Figures Acronyms 1 Introduction 1.1 Motivation 1.2 Outline 2 Fundamentals 2.1 Traffic Intersections 2.2 Situation Assessment 2.3 Prediction of Driver Intention 2.3.1 Methods Overview 2.3.2 Hidden Markov Models 2.4 Localization 3 Driving Behavior 3.1 Data Analysis 3.1.1 Data selection and processing 3.1.2 Results 3.1.3 Conclusion 3.2 Naturalistic Driving Study 3.2.1 Background 3.2.2 Methods 3.2.3 Results 3.2.4 Discussion and Conclusion 4 Prediction Algorithm 4.1 Framework 4.2 Input data 4.3 Evaluation 4.4 Validation 4.5 Conclusion 5 System Approach 5.1 Sensing 5.2 Situation analysis 5.3 Prediction 5.3.1 Implementation 5.3.2 Graphical User Interface (GUI) 5.3.3 Testing and Outlook 6 Conclusion and Outlook Bibliography / Die Entwicklung von Fahrerassistenz und automatisiertem Fahren ist in vollem Gange und entwickelt sich zunehmend in Richtung urbanen Verkehrsraum. Hier stellen besonders komplexe Verkehrssituationen sowohl für den Fahrer als auch für Assistenzsysteme eine Herausforderung dar. Zur Bewältigung dieser Situationen sind neue Systemansätze notwendig, die eine Situationsanalyse und -bewertung beinhalten. Dieser Prozess der Situationseinschätzung ist der Schlüssel zum Erkennen von kritischen Situationen und daraus abgeleiteten Warnungs- und Eingriffsstrategien. Diese Arbeit stellt einen Systemansatz vor, welcher den Prozess der Situationseinschätzung abbildet mit einem Fokus auf die Prädiktion der Fahrerintention. Das Systemdesign basiert dabei auf dem Situation Awareness Model von Endsley. Der Prädiktionsalgorithmus ist mit Hilfe von Hidden Markov Modellen umgesetzt. Zur Bestimmung der Modellparameter wurde eine existierende Datenbasis genutzt und zur Bestimmung von relevanten Variablen für die Prädiktion der Fahrtrichtung während der Kreuzungsannäherung analysiert. Dabei wurden Daten zur Fahrdynamik ausgewählt anstelle von Fahrereingaben um die Prädiktion später auf externe Fahrzeuge mittels Sensorinformationen zu erweitern. Es wurden hohe Prädiktionsraten bei zeitlichen Abständen von mehreren Sekunden bis zum Kreuzungseintritt erzielt. Die Prädiktion wurde in das System zur Situationseinschätzung integriert. Weiterhin beinhaltet das System eine statische Kreuzungsmodellierung. Dabei werden digitale Kartendaten genutzt um eine Repräsentation der Kreuzung und ihrer statischen Attribute zu erzeugen und die der Kreuzungsform entsprechenden Prädiktionsmodelle auszuwählen. Das Gesamtsystem ist als Matlab Tool mit einer Schnittstelle zum CAN Bus implementiert. Weiterhin wurde eine Fahrstudie zum natürlichen Fahrverhalten durchgeführt um mögliche Unterschiede und Gemeinsamkeiten bei der Annäherung an Kreuzungen in Abhängigkeit der Form und Regulierung zu identifizieren. Hierbei wurde die Distanz zur Kreuzung und die Geschwindigkeit bei Fahrereingaben im Bezug zur folgenden Kreuzung gemessen (Gaspedalverlassen, Bremspedalbetätigung, Blinkeraktivierung). Die Ergebnisse der Studie wurden genutzt um die Notwendigkeit verschiedener Prädiktionsmodelle in Abhängigkeit von Form der Kreuzung zu bestimmen. Das System läuft in Echtzeit und wurde im realen Straßenverkehr getestet.:Contents List of Figures Acronyms 1 Introduction 1.1 Motivation 1.2 Outline 2 Fundamentals 2.1 Traffic Intersections 2.2 Situation Assessment 2.3 Prediction of Driver Intention 2.3.1 Methods Overview 2.3.2 Hidden Markov Models 2.4 Localization 3 Driving Behavior 3.1 Data Analysis 3.1.1 Data selection and processing 3.1.2 Results 3.1.3 Conclusion 3.2 Naturalistic Driving Study 3.2.1 Background 3.2.2 Methods 3.2.3 Results 3.2.4 Discussion and Conclusion 4 Prediction Algorithm 4.1 Framework 4.2 Input data 4.3 Evaluation 4.4 Validation 4.5 Conclusion 5 System Approach 5.1 Sensing 5.2 Situation analysis 5.3 Prediction 5.3.1 Implementation 5.3.2 Graphical User Interface (GUI) 5.3.3 Testing and Outlook 6 Conclusion and Outlook Bibliography

Bei der Anwendung von Radarsensoren zur Fahrzeug-Umfelderfassung müssen verwendete Blenden (Radome), welche den Sensor vor externen Einflüssen schützen und das Fahrzeugdesign unterstützen, die hochfrequente elektromagnetische Welle ohne Beeinflussung transmittieren. Allerdings werden beim Durchstrahlen eines Bauteils unterschiedliche Anteile der Welle absorbiert, reflektiert oder transmittiert. Mit dem Ziel die Transmission von Materialien zu erhöhen, werden im Rahmen dieser Arbeit die Einflüsse auf den Materialparameter Permittivität von Kunststoffen und Lacken untersucht. Dadurch kann auch die praktische Umsetzbarkeit der theoretisch hergeleiteten Kompensationsmethoden für hochreflektierende Lacke nachgewiesen werden. Zur Absicherung der Radarfunktion müssen darüber hinaus auch Einflussfaktoren aus Design, Fertigungsprozess und Umgebung bekannt sein.:1 Einleitung 2 Problemstellung und Zielsetzung 3 Stand der Wissenschaft 4 Elektromagnetische Eigenschaften von Kunststoffen 5 Einfluss elektromagnetischer Eigenschaften von Lacken 6 Radome im Gesamtaufbau 7 Zusammenfassung und Ausblick Anhang / When radar sensors are used for vehicle environment scanning, the cover (radome) used to protect the sensor from external influences and support the vehicle design must transmit the high-frequency electromagnetic wave without interference. However, when the wave passes through a component it is absorbed, reflected or transmitted. The range of the radar sensor can be reduced, the sensor can be blinded by reflections and inhomogeneous reflection distributions can lead to angular errors. To increase the transmission of materials, the influences on the material parameter permittivity of plastics and paints are investigated. Furthermore, the practical feasibility of the theoretically derived compensation methods for highly reflective paints can be demonstrated. To ensure the radar function, influencing factors, including the design, the manufacturing process and environment, must also be known.:1 Einleitung 2 Problemstellung und Zielsetzung 3 Stand der Wissenschaft 4 Elektromagnetische Eigenschaften von Kunststoffen 5 Einfluss elektromagnetischer Eigenschaften von Lacken 6 Radome im Gesamtaufbau 7 Zusammenfassung und Ausblick Anhang

[EN] Nowadays, there are many electronic products that incorporate elements and features coming from the research in the field of mobile robotics. For instance, the well-known vacuum cleaning robot Roomba by iRobot, which belongs to the field of service robotics, one of the most active within the sector. There are also numerous autonomous robotic systems in industrial warehouses and plants. It is the case of Autonomous Guided Vehicles (AGVs), which are able to drive completely autonomously in very structured environments. Apart from industry and consumer electronics, within the automotive field there are some devices that give intelligence to the vehicle, derived in most cases from advances in mobile robotics. In fact, more and more often vehicles incorporate Advanced Driver Assistance Systems (ADAS), such as navigation control with automatic speed regulation, lane change and overtaking assistant, automatic parking or collision warning, among other features. However, despite all the advances there are some problems that remain unresolved and can be improved. Collisions and rollovers stand out among the most common accidents of vehicles with manual or autonomous driving. In fact, it is almost impossible to guarantee driving without accidents in unstructured environments where vehicles share the space with other moving agents, such as other vehicles and pedestrians. That is why searching for techniques to improve safety in intelligent vehicles, either autonomous or manual-assisted driving, is still a trending topic within the robotics community. This thesis focuses on the design of tools and techniques for planning and control of intelligent vehicles in order to improve safety and comfort. The dissertation is divided into two parts, the first one on autonomous driving and the second one on manual-assisted driving. The main link between them is the use of clothoids as mathematical formulation for both trajectory generation and collision detection. Among the problems solved the following stand out: obstacle avoidance, rollover avoidance and advanced driver assistance to avoid collisions with pedestrians. / [ES] En la actualidad se comercializan infinidad de productos de electrónica de consumo que incorporan elementos y características procedentes de avances en el sector de la robótica móvil. Por ejemplo, el conocido robot aspirador Roomba de la empresa iRobot, el cual pertenece al campo de la robótica de servicio, uno de los más activos en el sector. También hay numerosos sistemas robóticos autónomos en almacenes y plantas industriales. Es el caso de los vehículos autoguiados (AGVs), capaces de conducir de forma totalmente autónoma en entornos muy estructurados. Además de en la industria y en electrónica de consumo, dentro del campo de la automoción también existen dispositivos que dotan de cierta inteligencia al vehículo, derivados la mayoría de las veces de avances en robótica móvil. De hecho, cada vez con mayor frecuencia los vehículos incorporan sistemas avanzados de asistencia al conductor (ADAS por sus siglas en inglés), tales como control de navegación con regulación automática de velocidad, asistente de cambio de carril y adelantamiento, aparcamiento automático o aviso de colisión, entre otras prestaciones. No obstante, pese a todos los avances siguen existiendo problemas sin resolver y que pueden mejorarse. La colisión y el vuelco destacan entre los accidentes más comunes en vehículos con conducción tanto manual como autónoma. De hecho, la dificultad de conducir en entornos desestructurados compartiendo el espacio con otros agentes móviles, tales como coches o personas, hace casi imposible garantizar la conducción sin accidentes. Es por ello que la búsqueda de técnicas para mejorar la seguridad en vehículos inteligentes, ya sean de conducción autónoma o manual asistida, es un tema que siempre está en auge en la comunidad robótica. La presente tesis se centra en el diseño de herramientas y técnicas de planificación y control de vehículos inteligentes, para la mejora de la seguridad y el confort. La disertación se ha dividido en dos partes, la primera sobre conducción autónoma y la segunda sobre conducción manual asistida. El principal nexo de unión es el uso de clotoides como elemento de generación de trayectorias y detección de colisiones. Entre los problemas que se resuelven destacan la evitación de obstáculos, la evitación de vuelcos y la asistencia avanzada al conductor para evitar colisiones con peatones. / [CA] En l'actualitat es comercialitzen infinitat de productes d'electrònica de consum que incorporen elements i característiques procedents d'avanços en el sector de la robòtica mòbil. Per exemple, el conegut robot aspirador Roomba de l'empresa iRobot, el qual pertany al camp de la robòtica de servici, un dels més actius en el sector. També hi ha nombrosos sistemes robòtics autònoms en magatzems i plantes industrials. És el cas dels vehicles autoguiats (AGVs), els quals són capaços de conduir de forma totalment autònoma en entorns molt estructurats. A més de en la indústria i en l'electrònica de consum, dins el camp de l'automoció també existeixen dispositius que doten al vehicle de certa intel·ligència, la majoria de les vegades derivats d'avanços en robòtica mòbil. De fet, cada vegada amb més freqüència els vehicles incorporen sistemes avançats d'assistència al conductor (ADAS per les sigles en anglés), com ara control de navegació amb regulació automàtica de velocitat, assistent de canvi de carril i avançament, aparcament automàtic o avís de col·lisió, entre altres prestacions. No obstant això, malgrat tots els avanços segueixen existint problemes sense resoldre i que poden millorar-se. La col·lisió i la bolcada destaquen entre els accidents més comuns en vehicles amb conducció tant manual com autònoma. De fet, la dificultat de conduir en entorns desestructurats compartint l'espai amb altres agents mòbils, tals com cotxes o persones, fa quasi impossible garantitzar la conducció sense accidents. És per això que la recerca de tècniques per millorar la seguretat en vehicles intel·ligents, ja siguen de conducció autònoma o manual assistida, és un tema que sempre està en auge a la comunitat robòtica. La present tesi es centra en el disseny d'eines i tècniques de planificació i control de vehicles intel·ligents, per a la millora de la seguretat i el confort. La dissertació s'ha dividit en dues parts, la primera sobre conducció autònoma i la segona sobre conducció manual assistida. El principal nexe d'unió és l'ús de clotoides com a element de generació de trajectòries i detecció de col·lisions. Entre els problemes que es resolen destaquen l'evitació d'obstacles, l'evitació de bolcades i l'assistència avançada al conductor per evitar col·lisions amb vianants. / Girbés Juan, V. (2016). Clothoid-based Planning and Control in Intelligent Vehicles (Autonomous and Manual-Assisted Driving) [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/65072

Vision based active safety systems have become more frequently occurring in modern vehicles to estimate depth of the objects ahead and for autonomous driving (AD) and advanced driver-assistance systems (ADAS). In this thesis a lightweight deep convolutional neural network performing real-time depth estimation on single monocular images is implemented and evaluated. Many of the vision based automatic brake systems in modern vehicles only detect pre-trained object types such as pedestrians and vehicles. These systems fail to detect general objects such as road debris and roadside obstacles. In stereo vision systems the problem is resolved by calculating a disparity image from the stereo image pair to extract depth information. The distance to an object can also be determined using radar and LiDAR systems. By using this depth information the system performs necessary actions to avoid collisions with objects that are determined to be too close. However, these systems are also more expensive than a regular mono camera system and are therefore not very common in the average consumer car. By implementing robust depth estimation in mono vision systems the benefits from active safety systems could be utilized by a larger segment of the vehicle fleet. This could drastically reduce human error related traffic accidents and possibly save many lives. The network architecture evaluated in this thesis is more lightweight than other CNN architectures previously used for monocular depth estimation. The proposed architecture is therefore preferable to use on computationally lightweight systems. The network solves a supervised regression problem during the training procedure in order to produce a pixel-wise depth estimation map. The network was trained using a sparse ground truth image with spatially incoherent and discontinuous data and output a dense spatially coherent and continuous depth map prediction. The spatially incoherent ground truth posed a problem of discontinuity that was addressed by a masked loss function with regularization. The network was able to predict a dense depth estimation on the KITTI dataset with close to state-of-the-art performance.