Connected and automated vebicles (CA Vs) will shape traffic patterns in the future and greatly influence urban mobility. A particular challenge for CAVs is to anticipate the movements of other road users. This applies especially to micromobility vehicles (bicycles, smaU electric vehicles), whose traffic behaviour is difficult to predict and shaped from individual behaviour. The increasing coexistence of CAVs and other, conventionally driven modes of transport thus has a growing impact as well as multiple consequences for urban structures and public space. The following fundamental trends will shape the way people live together in cities in the coming years: 1. increasing share of CAVs and micromobility, 2. renaissance ofthe mixed and liveable city, 3. changes in mobility behaviour and the appreciation of public space ( especially due to climate change and the Covid 19-pandemic), as weil as 4. technical upgrading of infrastructure. These parallel developments will lead to both conflicts and opportunities for cities.[from Introduction]

Mit der Einführung hochautomatisierter Assistenzfunktionen soll Fahrzeugführern in naher Zukunft eine Abwendung von der Fahraufgabe ermöglicht werden. Neben der Steigerung des individuellen Komforts besteht die Erwartung an eine gleichzeitig erhöhte oder zumindest vergleichbare Sicherheitsbilanz im weiterhin öffentlichen Straßenverkehr. Um eine langfristige, systemische Verantwortungsübernahme zur Verkehrsbeobachtung und Reaktion zu realisieren, muss die durchgängige Beherrschbarkeit erwartbarer Situationen ohne Fahrereingriff in der ausgewiesenen Betriebsdomäne sichergestellt werden. Für die Motor- und Bremsenansteuerung des Egofahrzeugs ist dabei die Erfassung und Auswahl relevanter Verkehrsteilnehmer eine entscheidende Herausforderung - insbesondere bei Einschermanövern in die eigene Spur. Sie kann je nach Kritikalität der eintretenden Situation und in Abhängigkeit von der Reaktionsfähigkeit zur Kollision führen. Den technisch-sicherheitsrelevanten Anforderungen zur Realisierung einer fahrerlosen Steuerung stehen den Automobilherstellern dabei u.a. die wirtschaftlichen und normativen Vorgaben gegenüber: Unter Verwendung zahlreicher Steuergeräte und Sensoren, die vorverarbeitete Informationen der erfassten Objekte liefern, muss eine hinreichende Erfüllung der gesetzlichen und marktspezifischen Anforderungen zum Serieneinsatz unter gleichzeitiger Berücksichtigung des Aufwands erfolgen. Ziel der vorliegenden Arbeit ist die Analyse der notwendigen sensorischen Leistungsfähigkeit zur rechtzeitigen Detektion von Spurwechseln anderer Verkehrsteilnehmer in der Betriebsdomäne einer hochautomatisierten Fahrfunktion zur Ermöglichung einer kollisionsvermeidenden Bremsreaktion. Neben der Darstellung der spezifischen Anforderungen dieser Assistenzstufe im Vergleich zu in Serie befindlichen Systemen wird im ersten Schritt die menschliche Leistungsfähigkeit aus zwei Simulatorstudien bestimmt, um eine Vergleichbarkeit der Risikobilanz für die nachfolgenden Modelle zu ermöglichen. Im nächsten Schritt werden aus den analysierten Eigenschaften der Spurwechselcharakteristik, den Normen zur Straßenanlage und den Bewegungen des sensortragenden Egofahrzeugs die Anforderungen an den sensorisch abzudeckenden Merkmalsraum formuliert. Unter Zuhilfenahme einer existierenden, algorithmischen Modellierung mittels Bayesschen Netzen können die sensorischen Daten zur Erkennung des Spurwechselvorgangs probabilistisch überführt werden. Die Parametrierung des Modells wird im Umfang dieser Arbeit unter Einbezug von Realdaten maschinell trainiert und eine Steigerung der Sensitivität ermöglicht. Für die individuellen, fehlerbehafteten sensorischen Eingangsgrößen wird folglich die Eignung im Gesamtkontext der Spurwechselerkennung simulativ untersucht und in Feldversuchen mit übergeordneter Genauigkeit bewertet. Dabei wird abschließend der für den Automobileinsatz bestimmte und einführend vorgestellte Laserscanner Ibeo ScaLa evaluiert. Die Bewertung der ermittelten Genauigkeiten der Objektdetektion sowie der bereitgestellten Fehlerschätzung erfolgen in Bezug zur erwarteten Risikobilanz des hochautomatisierten Fahrens. Als Ergebnis dieser Arbeit kann für die Spurwechseldetektion anderer Verkehrsteilnehmer neben der ermittelten Reaktionsleistung menschlicher Fahrer auch die damit verbundene, weitreichende Anforderungserfüllung für den betrachteten Laserscanner attestiert werden. Die in Extremfällen fehlende Abdeckung im Randbereich des Sichtfeldes lässt sich durch einfache Erweiterungen in der Fahrstrategie der hochautomatisierten Betriebsdomäne beherrschen. Die experimentell ermittelten Gütemaße erlauben eine Detektion der erwartbaren Spurwechsel bis zu einer durch das verbesserte Modell limitierten Dynamikgrenze. Kollisionen können bei kritischen Spurwechseln bis zu dieser Einschränkung vermieden werden.

Systeme zum automatisierten Fahren erlauben es, die Fahrzeugführung in einem gewissen Maß vom Fahrer an das Fahrzeug zu übertragen. Da der Fahrer auf diese Weise unterstützt, entlastet oder sogar ersetzt werden kann, werden Systeme zum automatisierten Fahren mit einem großen Potential für Verbesserungen hinsichtlich Straßenverkehrssicherheit, Fahrkomfort und Effizienz verbunden - vorausgesetzt, dass diese Systeme angemessen benutzt werden. Systeme zum hochautomatisierten Fahren stellen in diesem Zusammenhang eine besondere Herausforderung für die Mensch-Maschine-Interaktion dar: So wird es dem Fahrer bei diesem Automatisierungsgrad zwar zum ersten mal ermöglicht, das System nicht mehr permanent überwachen zu müssen und somit die Fahrtzeit potentiell für fahrfremde Tätigkeiten zu nutzen. Es wird jedoch immer noch erwartet, dass der Fahrer nach einer vorherigen angemessenen Übernahmeaufforderung die Fahrzeugführung im Bedarfsfall gewährleisten kann. Angemessenes Automatisierungsvertrauen stellt daher eine zentrale Komponente für die erfolgreiche Kooperation zwischen Fahrern und Systemen zum hochautomatisierten Fahren dar und sollte bei der Gestaltung derartiger Systeme berücksichtigt werden. Frühere Befunde weisen beispielsweise bereits darauf hin, dass unterschiedliche Informationen über automatisierte Systeme ein möglicher Ansatz sein könnten um das Automatisierungsvertrauen des Fahrers aktiv zu gestalten. Automatisierungsvertrauen als Variable in der Gestaltung von Fahrzeugtechnologie zu berücksichtigen erfordert jedoch zunächst auch in der Lage zu sein, Automatisierungsvertrauen adäquat messen zu können. In diesem Sinne war die Zielsetzung dieser Arbeit einerseits die Untersuchung verschiedener Methoden zur Messung des Automatisierungsvertrauens des Fahrers sowie andererseits die Identifikation, prototypische Umsetzung und Bewertung potentieller Ansätze zur Gestaltung von Automatisierungsvertrauen im Kontext von Systemen zum hochautomatisierten Fahren. Zu diesem Zweck wurden drei Fahrsimulatorstudien mit insgesamt N = 280 Probanden durchgeführt. Die vorliegenden Ergebnisse weisen darauf hin, dass (i) sowohl Selbstberichtsverfahren als auch Verhaltensmaße prinzipiell dazu verwendet werden können um das Automatisierungsvertrauen des Fahrers in Systeme zum hochautomatisierten Fahren zu operationalisieren, (ii) eine vorherige Auseinandersetzung mit funktionalen Grenzen von Systemen zum hochautomatisierten Fahren einen nachhaltigen Effekt auf das Automatisierungsvertrauen des Fahrers in das System haben kann und (iii) insbesondere Informationen über die Funktionsweise von Systemen zum hochautomatisierten Fahren das Automatisierungsvertrauen des Fahrers in derartige Systeme verbessern können. Damit liefert die vorliegende Arbeit sowohl wertvolle Ansatze zur Messbarmachung als auch Hinweise für die Gestaltung von Automatisierungsvertrauen im Kontext des hochautomatisierten Fahrens. Darüber hinaus können die Befunde dieser Arbeit in gewissem Maße auch auf andere Arten von Fahrzeugautomatisierung sowie unterschiedliche Domänen und Anwendungen von Automatisierung übertragen werden. / Automated driving systems allow to transfer a certain degree of vehicle control from the driver to a vehicle. By assisting, augmenting or even supplementing the driver, automated driving systems have been associated with enormous potential for improving driving safety, comfort, and efficiency - provided that they are used appropriately. Among those systems, conditional automated driving systems are particularly challenging for human-automation interaction: While the driver is no longer required to permanently monitor conditional automated driving systems, he / she is still expected to provide fallback performance of the dynamic driving task after adequate prior notification. Therefore, facilitating appropriate automation trust is a key component for enabling successful cooperation between drivers and conditional automated driving systems. Earlier work indicates that providing drivers with proper information about conditional automated driving systems might be one promising approach to do this. Considering the role of automation trust as a variable in the design of vehicle technology, however, also requires that drivers` automation trust can be viably measured in the first place. Accordingly, the objectives of this thesis were to explore difffferent methods for measuring drivers` automation trust in the context of conditional automated driving as well as the identification, implementation and evaluation of possible approaches for designing drivers` automation trust in conditional automated driving systems. For these purposes, three driving simulator studies with N = 280 participants were conducted. The results indicate that (i) both self-report measures and behavioral measures can be used to assess drivers` automation trust in conditional automated driving systems, (ii) prior familiarization with system limitations can have a lasting effffect on drivers` automation trust in conditional automated driving systems and (iii) particularly information about the processes of conditional automated driving systems might promote drivers` automation trust in these systems. Thus, the present research contributes much needed approaches to both measuring and designing automation trust in the context of conditional automated driving. In addition, the current findings might also be transferred to higher levels of driving automation as well as other domains and applications of automation.

Autonomes Fahren könnte Autonutzung und -besitz grundlegend verändern – mit erheblichen Auswirkungen darauf, wie mit dem Automobil umgegangen wird, wie Mobilität und Verkehr künftig organisiert und städtebauliche und Verkehrsinfrastrukturen gestaltet werden. Ziel der Arbeit ist es, zu einer frühzeitigen und umfassenden Auseinandersetzung mit der Technik aus empirisch-sozialwissenschaftlicher Sicht beizutragen, sowie wesentliche Einflussfaktoren und Dynamiken der Technikentwicklung zu identifizieren, um diese gestaltend begleiten zu können. Bei technologiebasierter Entwicklung ist eine Vorhersage von möglichen Entwicklungspfaden schwierig, und Akzeptanz gilt als Schlüsselfaktor für die erfolgreiche Produkteinführung. Sie vollzieht sich mittels soziotechnischer Konstruktions- und Veränderungsprozesse und ist abhängig von Personen, deren Einstellungen, Erwartungen und Handlungen, ihrer Umwelt, ihrer Werte- und Normrahmungen sowie Veränderungen im Laufe der Zeit. Diese Parameter werden in der Debatte derzeit noch wenig beachtet. Verschiedene qualitative Methoden bilden die Grundlage für eine erste Exploration und Strukturierung des noch wenig bekannten Untersuchungsgegenstands. Die Ergebnisse zeigen, dass Akzeptanz des autonomen Fahrens wesentlich vom Zusammenspiel individueller und gesellschaftlicher Einflussfaktoren abhängt – die nicht alleine über Einstellungsparameter erfasst werden können. Sie lassen sich erst vor dem Hintergrund von handlungsleitenden, kollektiven Orientierungen zu aktuellen Autonutzungspraktiken verstehen. Gleichzeitig ist ein konsistenter, in sich geschlossener Entwicklungspfad zum autonomen Fahren derzeit noch nicht absehbar, und es sind einerseits Entwicklungen möglich, die das System der Mobilität grundlegend verändern könnten. Andererseits sind aber auch Veränderungen denkbar, die das bestehende System eher ergänzen, als es radikal zu transformieren. Vor diesem Hintergrund ergeben sich je spezifische Implikationen für die weitere Forschung. / Autonomous driving could fundamentally transform car use and ownership and considerably change the way how we interact with the automobile, how mobility and transport are organized in the future and how urban and transportation infrastructures are designed. The objective of this study is to engage empirical, social sciences in a timely and comprehensive debate on autonomous driving, so the key factors and dynamics of this technological development can be identified and shaped. Forecasting development trajectories of technology-based developments proves especially difficult, and acceptance is thought to be a key factor for a successful product implementation. Acceptance takes place in the context of sociotechnical construction and transformation processes; it is dependent on individuals, their attitudes, expectations and actions, their environment, their value- and norm-framing, and on changes over time. User perception, evaluation and contextualization in relation to autonomous driving have largely gone unheeded, even though they are deemed central to technology acceptance. A set of distinct qualitative methods served to explore and structure a research topic little known to date. In sum, the results indicate that acceptance of autonomous driving fundamentally relies on the interaction of individual and societal factors that cannot be determined through attitudinal parameters only. They are better understood against the background of implicit and habitual orientations towards current car use and ownership practices. At the same time, the studies have shown that a consistent and determined development path cannot be predicted yet. While there are chances for the mobility system to undergo a fundamental transformation with the implementation of autonomous vehicles – on both supply and demand sides – potential changes could also rather complement the existing system. Specific implications for future research will be discussed in the thesis.

No description available.

Bei der Entwicklung neuartiger und innovativer Fahrerassistenzsysteme kommt der Positions- und Ausrichtungsbestimmung von Fahrzeugen eine Schlüsselrolle zu. Dabei entscheidet die Güte der Positionsbestimmung über die Qualität, die Robustheit und den Einsatzbereich des Gesamtsystems. Verbesserungen in der Positionsbestimmung führen zu einer besseren Performanz bzw. sind die Grundvoraussetzung für die Realisierung dieser Fahrerassistenzsysteme. Ein Beispiel für solch ein neuartiges Fahrerassistenzsystem, welches auf eine hochgenaue Positionsbestimmung baut, ist der BMW TrackTrainer. Dieses Assistenzsystem soll den "normalgeübten" Autofahrer beim schnellen Erlernen der Ideallinie auf Rennstrecken unterstützen, indem das Fahrzeug die Rennstrecke völlig autonom auf einer vorher aufgezeichneten Ideallinie umrundet, während der Teilnehmer sich die Strecke aus Fahrerperspektive einprägt. Für die Realisierung eines derartigen Assistenzsystems ist eine hochgenaue Positionsbestimmung im cm-Bereich notwendig. Bisher wurde dafür eine GPS-gestützte Inertialplattform eingesetzt, welche unter guten GPS-Empfangsbedingungen die Anforderungen an die Positionierung erfüllt. Bei schlechten GPS-Empfangsbedingungen, wie sie beispielsweise auf der international bekannten Rennstrecke Nürburgring Nordschleife aufgrund von Verdeckung und Abschattung der Satellitensignale durch stark bebautes oder bewaldetes Gebiet auftreten, liefert das Positionierungssystem keine ausreichend genauen Werte, wodurch das autonome Fahren verhindert wird. Zwar gibt es neben GPS auch weitere Positionsbestimmungssysteme, die aber für den Einsatz auf Rennstrecken entweder zu ungenau sind, oder einen zu hohen Rüstaufwand erfordern würden. Um diese Lücke zu schließen, wurde im Rahmen dieser Arbeit ein hochgenaues Positionsbestimmungssystem entwickelt und evaluiert, welches auch unter schlechten GPS-Empfangsbedingungen den Anforderungen des autonomen Fahren auf Rennstrecken genügt und auf einer Fusion verschiedener Signalquellen in einem Positionsfilter beruht. Folgende Signalquellen wurden hinsichtlich Genauigkeit sowie Praxistauglichkeit für den Einsatz auf Rennstrecken experimentell untersucht: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Digitaler Kompass - Laser-Reflexlichtschranken - Servo-Tachymeter - LIDAR-basierte Randbebauungserkennung - Videobasierte Spurerkennung - Digitale Karte. Obwohl eine GPS-gestützte Inertialplattform (GPS/INS) unter schlechten GPS-Empfangsbedingungen keine ausreichend genauen Positionswerte im cm-Bereich liefert, besitzt dieses System dennoch eine hohe Robustheit und Langzeitstabilität und stellt damit eine sehr gute Grundlage für die Positionsbestimmung auf Rennstrecken dar. Fahrzeugsensoren, bestehend aus Raddrehzahl- und Gierratensensor, schreiben die Fahrzeugposition mit Hilfe der Koppelnavigationsgleichung relativ für ca. 10s ohne eine Messung absoluter Positionswerte fort. Um die bestehenden Genauigkeitsanforderungen zu erfüllen, muss jedoch ab einer Geschwindigkeit von 30km/h das Fahrzeugmodell um eine Schwimmwinkelschätzung erweitert werden. Ein digitaler Kompass eignet sich nachweislich nicht für die Positionsbestimmung auf Rennstrecken. Hier treten aufgrund von magnetischen Interferenzen zu große Messfehler der Fahrzeugausrichtung auf, die eine Positionsstützung ungeeignet machen. Bei Referenzmessungen mit einem Servo-Tachymeter konnte die geforderte Genauigkeit dieser Messeinrichtung bei Fahrzeuggeschwindigkeiten kleiner 30km/h nachgewiesen werden. Bei höheren Geschwindigkeiten liefert das System jedoch keine Ergebnisse, was den Einsatz auf Rennstrecken ausschließt. Auf den Boden gerichtete Laser-Reflexlichtschranken können sehr präzise die Überfahrt über eine Bodenmarkierung detektieren. Da diese Überfahrten beim autonomen Fahren auf Rennstrecken nur sehr selten auftreten, ist diese Positionierungsmethode nicht geeignet. Mit Hilfe einer LIDAR-basierten Randbebauungserkennung kann die Fahrzeugposition in Kombination mit einer hochgenauen digitalen Karte der Randbebauung auf ca. 20-30cm genau geschätzt werden. Schwierigkeiten bereiten hier jedoch Unregelmäßigkeiten in der Geometrie der Randbebauung. Während parallel verlaufende Leitplanken neben der Strecke sehr gut erfasst werden können, liefern Sträucher, Erdwälle, etc. ungenaue Messergebnisse. Somit ist die LIDAR-basierte Randbebauungserkennung ein bedingt geeignetes System zur Positionsstützung auf Rennstrecken. Als vielversprechendster Ansatz zur Verbesserung der Positions- und Ausrichtungsbestimmung auf Rennstrecken konnte der Einsatz einer visuellen Spurerkennung in Verbindung mit einer hochgenauen digitalen Karte der Spurmarkierungen identifiziert werden. Hierfür wurde eine sich in Vorserie befindliche Bildverarbeitungseinheit der Firma MobileEye mit einer eigens entwi-ckelten Spurerkennung verglichen. Letztere bietet den Vorteil, Systemwissen über den Verlauf der Fahrspurmarkierung sowie negative Effekte der Fahrzeugeigendynamik mit in den Signalver-arbeitungsprozess einfließen zu lassen. Bei Vergleichsfahrten auf dem BMW eigenem Testgelände in Aschheim konnte der Vorteil der Spurdatenrückführung nachgewiesen werden. Die erwei-terte Spurerkennung hatte nachweislich gegenüber der Vorserienbildverarbeitung eine höhere Verfügbarkeit von gültigen Messwerten. Bei Messfahrten auf der Nordschleife stellte sich jedoch das Vorseriensystem von MobileEye als das deutlich robustere Spurerkennungssystem heraus. Hier führten verschmutzte Fahrbahnmarkierungen, schnell wechselnde Lichtverhältnisse sowie sonstige Straßenbeschriftungen dazu, dass die erweiterte Spurerkennung weitaus weniger gültige Messwerte lieferte als das Vorseriensystem. Aus diesem Grund fiel für Fahrten mit schlechten visuellen Bedingungen die Wahl auf das Vorserienbildverarbeitungssystem. Für den Entwurf des Positionsfilters wurden letztlich folgende Signalquellen verwendet: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Videobasierte Spurerkennung in Kombination mit einer selbst aufgezeichneten hochge-nauen Karte der Spurmarkierungen der Teststrecke. Als Fusionsalgorithmus wurde ein erweiterter Kalman-Filter eingesetzt, da sich dieser besonders für die Zusammenführung unterschiedlicher Sensormessdaten eignet. Um eine optimale Zustandsschätzung der Fahrzeugposition und Ausrichtung zu erhalten, mussten die verwendeten Signalquellen zunächst zeitlich synchronisiert sowie auf Plausibilität geprüft werden. Als Synchronisationspunkt wurde der Messzeitpunkt der Signalquelle mit der größten Latenz verwendet. Dieser wurde mit 163ms durch für die videobasierte Spurerkennung bestimmt. Da jedoch eine verzögerte Positionsschätzung für eine stabile Reglung des Fahrzeugs für das autonome Fahren ungenügend ist, wurde die geschätzte Fahrzeugposition am Ausgang des Kalman-Filters mit Hilfe der Koppelnavigationsgleichung sowie der Fahrzeugsensoren auf den aktuellen Zeitpunkt (Latenz = 0s) prädiziert. Für die Detektion systematischer Fehler wie Radschlupf, falsch erkannte Spurmarkierung und GPS-Mehrwegeausbreitung kamen robuste Signalplausibilisierungsalgorithmen zum Einsatz. So erfolgte die Plausibilisierung der Spurerkennung unter anderem über die selbst aufgezeichnete hochgenaue Karte der Spurmarkierungen, da eine Spurerkennung nur da sinnvoll ist, wo Spurmarkierungsstützpunkte in hinterlegt sind. Für die Gültigkeitsüberprüfung der GPS-Messwerte wurde ein GPS-Offset-Beobachter entwickelt und angewendet. Die Evaluierung des entwickelten Positionsfilters wurde im Rahmen der Arbeit am Beispiel des BMW TrackTrainers auf drei ausgewählten Teststrecken mit steigendem Schwierigkeitsniveau (Verschlechterung der GPS-Empfangsbedingungen) durchgeführt. Hierfür wurde die in Echtzeit geschätzte Fahrzeugposition mit einer durch Post-Processing korrigierten Positionslösung referenziert. Die Auswertung der Ergebnisse bewies, dass der entwickelte Positionsfilter durch die Fusion einer GPS-gestützten Inertialplattform, den Fahrzeugsensoren zur Messung von Gierrate und Raddrehzahlen sowie einer visuellen Spurerkennung in Kombination mit einer hochgenauen Karte der Fahrspurmarkierungen die Anforderungen des autonomen Fahrens auch unter schlechten GPS-Empfangsbedingungen erfüllt. Mit diesem, im Rahmen der Arbeit entwickelten, hoch-genauen Positionsbestimmungssystem konnte erstmalig am 21.10.2009 das autonome Fahren auf der Nürburgring Nordschleife nachgewiesen werden.

[pt] O presente trabalho apresenta um conceito para um sistema de evasão de colisões, simulado usando modelos 3D de três veículos diferentes implementados em MATLAB. Dois destes veículos foram parametrizados com dados genéricos, caracterizando automóveis de médio e grande porte. Em seguida, utilizados para realização de simulações iniciais e demonstração de conceitos. O terceiro conjunto de dados foi construído com informações do Apollo N, um veículo super esportivo. Estes diferentes conjuntos de dados foram utilizados para avaliar a capacidade do controlador de trabalhar com veículos de diferentes portes e dinâmicas de direção. A abordagem para acionar o sistema baseia-se no cálculo do tempo para a colisão (TTC; timeto- collision). O conceito foi adotado para detectar situações onde o motorista não é capaz de evitar um acidente. Depois de ser acionado, o sistema deve decidir qual manobra é a mais apropriada, dadas as condições de aderência da pista e o risco associado. O primeiro objetivo deste trabalho é desenvolver um sistema autônomo de frenagem que deve ser capaz de avaliar o risco de uma possível colisão e decidir se o condutor é capaz de evitá-la. Uma vez que o motorista não tenha tempo suficiente para reagir, o sistema deve acionar os freios automaticamente a fim de evitar um possível acidente. Além disso, o veículo possui um sistema anti-travamento (ABS), desenvolvido usando controle Fuzzy. O desempenho do controlador ABS foi avaliado em simulações usando os conjuntos de dados e testado em um veículo em escala. Em casos mais críticos, quando há baixa aderência, o veículo não é capaz de frear em uma distância razoável. Levando-se em consideração tal situação, um controle autônomo de esterçamento também foi desenvolvido, visando a possibilidade de uma manobra alternativa de evasão. Este segundo sistema foi avaliado em simulações utilizando veículos com características subesterçantes e sobreesterçantes. Os resultados mostraram que o controle de esterçamento foi capaz de realizar manobras evasivas produzindo valores razoáveis de acelerações laterais, em veículos com diferentes dinâmicas de direção. / [en] This work presents a concept for a collision avoidance system simulated using 3D-models of three different vehicles implemented in MATLAB. Two of the vehicle data sets were built with generic information, used to characterize mid-size and full-size vehicles. These standard vehicles were used in initial simulations and for demonstration of some concepts. The third data set was built with information from the Apollo N, a super sportive car. These different data sets were used to evaluate the controller s capacity to work with a range of vehicles, with different sizes and driving characteristics. The approach for triggering the system is based on the time-to-colision (TTC) estimation. This concept was adopted to recognize when the driver is not able to avoid an accident. After being triggered, the system must decide which maneuver is the most appropriate for the given friction and risk conditions. The first goal of this work is to develop an autonomous braking system which evaluates the risk of a possible collision and decides if the driver is able to avoid it. Once the driver has not enough time to react, the system must trigger the brakes automatically in order to avoid the accident. The vehicle is equipped with an embedded Anti-lock Brake System (ABS) developed using Fuzzy control. The ABS controller s performance was evaluated in simulations using the data sets and tested in a scaled vehicle. In more critical cases, when there is low friction, the vehicle is not able to brake in a reasonable distance. Considering this situation, an autonomous steering control was implemented in order to make an alternative avoidance maneuver. This second system was evaluated in simulations using vehicles with understeering and oversteering characteristics. The results pointed out that the autonomous steering control was able to perform avoidance maneuvers in a reasonable range of lateral accelerations, in vehicles with different driving tendencies. / [de] Die vorliegende Arbeit prasentiert ein Konzept fur ein Kollisionsvermeidungssystem. Dieses wird anhand von drei verschiedenen 3DFahrzeugmodellen mit Hilfe von MATLAB simuliert. Zwei der FahrzeugDatensatze basieren auf generischen Informationen, die jeweils ein Automobil der Mittelklasse und der Oberklasse reprasentieren. Diese Standardfahrzeuge wurden fur anfangliche Simulationen und zur Demonstration einiger Konzepte verwendet. Das dritte Fahrzeugmodell wurde mit Hilfe der Daten des Sportwagens Apollo N aufgebaut. Durch die Verwendung der verschiedenen Datensatze soll die Funktionsfahigkeit der Regelung auch bei verschiedenen Fahrzeugtypen mit unterschiedlichen Dimensionen und Fahreigenschaften uberpruft werden.Die Grundlage zum Auslosen des Systems ist die Abschatzung der Zeit bis zur Kollision (TTC; time-to-collision). Dieses Konzept wurde aufgegriffen, um zu entscheiden, wann der Fahrer nicht mehr in der Lage ist einen Unfall zu vermeiden. Nachdem das System ausgelost wird muss dieses anhand der Traktionsverhaltnisse und Gefahrensituation entscheiden, welches Manover am besten geeignet ist. Das erste Teilziel ist die Entwicklung eines autonomen Bremssystems, welches eine bevorstehende Kollision erkennen muss und entscheidet ob der Fahrer die Kollision eigenstandig vermeiden kann. Sobald der Fahrer nicht mehr genug Zeit hat selbst zu reagieren, muss das System die Bremsen automatisch betatigen um den Unfall zu vermeiden. Hierzu ist das Fahrzeug mit einem Antiblockiersystem (ABS) ausgestattet. Dieses wurde mit Hilfe eines Fuzzy-Kontrollers realisiert. Die Funktionstuchtigkeit der ABS-Regelung wurde mit Simulationen und anhand eines realen, skalierten Fahrzeugmodells getestet. In kritischen Situationen, kann es aufgrund der Traktionsverhaltnisse vorkommen, dass das Fahrzeug nicht mehr in der Lage ist innerhalb einer ausreichenden Strecke zum Stehen zu kommen. Um fur solche Situationen ein alternatives Ausweichmanöver anwenden zu konnen, wurde ein automatischer Lenkeingriff implementiert. Dieses System wurde anhand von Simulationen an Fahrzeugmodellen mit Ubersteuernden und Untersteuernden Eigenschaften uberprüft. Die Ergebnisse zeigten, dass die automatische Lenkeingriff-Regelung in der Lage war auch bei Fahrzeugen mit unterschiedlichen Fahreigenschaften Ausweichmanöver unter Einhaltung angemessener Querbeschleunigungen durchzufuhren.

In the course of the current demographic change, the proportion of the population aged 65 and older is projected to steadily increase in many countries of the world (UN DESA Population Division, 2015). The ageing society is reflected in an increasing number of older road users (Koppel & Berecki-Gisolf, 2015), especially considering the growing need for older adults to maintain individual mobility (Eby & Molnar, 2012). This development raises new issues of transportation research, since age-related changes in mobility patterns as well as sensory, cognitive, and motor functions reduce older adults’ traffic safety (Polders, Vlahogianni, Leopold, & Durso, 2015). Accordingly, new strategies to aid older drivers and their mobility needs are required, which could potentially be provided by emerging in-vehicle technologies (Karthaus & Falkenstein, 2016). The overall aim of present dissertation project was to evaluate whether in-vehicle technologies that appear promising to support older drivers can actually contribute to their individual mobility, which requires an improvement in aspects related to driving performance as well as the acceptance of such systems in this age group. Therefore, contact-analogue head-up displays (also labelled as Augmented Reality Displays, ARDs) and highly automated driving were selected as two exemplary technologies, representing completely different levels of driving automation and accordingly different approaches to support drivers. The ARD-technology represents a technical implementation approach for IVIS and therefore an example for Automation Level 0 (no automation; SAE International, 2014) by helping the driver to execute the driving task manually through useful information. In contrast, the HAD-technology aims at supporting the driver by taking over the driving task, which corresponds to Automation Level 4 (high automation; SAE International, 2014). Despite these different approaches, both technologies were previously assumed to have a strong potential to support especially older drivers (Meyer & Deix, 2014; Polders et al., 2015; Rusch et al., 2013; Schall et al., 2013). Three empirical studies were conducted to examine performance- and acceptance-related aspects of both technologies. All studies were carried out with a group of older drivers (maximum age range: 65 85 years) and a younger comparison group (maximum age range: 25-45 years) representing the ‘average’ (i.e. young, but experienced) driver in order to identify age-specific results. Focusing on performance-related aspects of the ARD-technology, Study I represents a reaction time experiment conducted in a driving simulator. One age-specific beneficial function of such an ARD is to provide prior information about approaching complex traffic situations, which addresses older drivers’ tendency to process multiple information successively (serially) rather than simultaneously (parallel) (Davidse, Hagenzieker, van Wolffelaar, & Brouwer, 2009; Küting & Krüger, 2002). Therefore, the aim of this study was to examine the effects of an ARD providing prior information about approaching intersections on drivers’ speed and accuracy of perceiving these intersections, which is considered a necessary precondition for a safe driving performance (Crundall & Underwood, 2011). Based on concerns about the counterproductive effects of presenting information via an ARD, especially in cases of inaccurate information, system failures were included in this examination. The ARD-information aided drivers from both age groups in identifying more relevant aspects of the intersections without increasing response time, indicating the potential of the system to support both older and younger drivers in complex traffic situations. Experiencing system failures (i.e. inaccurate information) did offset this positive effect for the study’s duration, particularly for older drivers. This might be because it was difficult to ignore inaccurate prior information due to their presentation via an ARD. Study II represents a driving simulator study on acceptance-related aspects of an ARD providing prior information about approaching intersections. This study focused on the effects of system experience on drivers’ acceptance as well as on the identification of age-specific acceptance barriers that could prevent older drivers from using the technology. In summary, older and younger drivers’ evaluation of the ARD was positive, with a tendency to more positive evaluations with than without system experience in the driving simulator. Compared to the younger group, older drivers reported a more positive attitude towards using the ARD, even though they evaluated their self-efficacy in handling the system and environmental conditions facilitating its usage as less strong. Both performance- and acceptance-related aspects of HAD were addressed in Study III, a two-stage driving simulator study. The focus of the performance perspective shifted in parallel with the shift of the human role from driver to passenger due to the increasing driving automation. Accordingly, the examination of HAD was focused on the human evaluation of the automated system’s driving performance. In this context, affective components of human-automation interaction, such as comfort and enjoyment, are considered important for the acceptance and thus usage of automated vehicles (Tischler & Renner, 2007). It is assumed that the implemented driving style has an impact on such affective components in the context of HAD (Bellem, Schönenberg, Krems, & Schrauf, 2016). One theoretical approach to increase the comfort of HAD recommends the implementation of familiar, natural driving styles to mimic human control (Elbanhawi, Simic, & Jazar, 2015). Therefore, the effects of driving automation and the familiarity of the HAD-style on driving comfort and enjoyment were examined. Automation increased both age groups’ comfort, but decreased younger drivers’ enjoyment. For all dependent variables, driving style familiarity significantly interacted with drivers’ age the same way: while younger drivers preferred a familiar HAD-style, older drivers preferred an unfamiliar driving style in a highly automated context. Accordingly, the familiarity approach can be supported at least for younger drivers, but not for older drivers, whose manual driving styles are characterised by strategies to compensate for age-related impairments of sensory, cognitive, or motor functions. HAD-style preferences of this age group seem to be more influenced by the desire to regain a driving style free from these compensation strategies than by a need for familiar driving manoeuvres. In parallel with the evaluation of the ARD, acceptance-related issues in the context of HAD included the effects of system experience on drivers’ acceptance and potential age-specific acceptance barriers. Considering a system-specific design issue, it was additionally examined whether drivers’ acceptance of HAD is modifiable by the familiarity of the implemented driving style. In this driving simulator study, members of both age groups showed slightly positive a priori acceptance ratings, which significantly increased after the initial experience and remained stable afterwards. Similar to drivers’ acceptance of the ARD, older drivers reported a more positive attitude towards using HAD despite their lower self-assessed self-efficacy and environmental conditions facilitating HAD-usage compared to younger drivers. Regarding HAD-style, acceptance was subject to the same interaction between drivers’ age and driving style familiarity as driving comfort and enjoyment. These findings demonstrate that effective approaches to support the independent mobility of older adults are provided by emerging in-vehicle technologies on different levels of driving automation. The majority of the performance-related improvements did apply to both older and younger drivers, confirming that automotive technologies suggested for older drivers have the potential to support drivers of other age groups as well. Regarding drivers’ acceptance, findings suggest that both systems would be accepted by different age groups, which correspondents to the results from the performance perspective. The comparable acceptance patterns identified for two systems at different stages of driving automation, such as ARDs and HAD, indicate underlying general aspects of older adults’ acceptance of in-vehicle technologies. This includes their strong need to preserve their individual mobility as well as their lower self-efficacy in handling relevant technologies and insufficient access to a support infrastructure. These insights can enrich both theories of older drivers’ acceptance of in-vehicle technologies and measures to ensure the successful development and introduction of systems aiding them in maintaining a safe individual mobility. Considering the importance of driving for older adults’ physiological and psychological well-being (e.g. Adler & Rottunda, 2006; Lutin, Kornhauser, & Lerner-Lam, 2013), these results emphasise the potential of emerging in-vehicle technologies to improve both older drivers’ traffic safety and quality of life. / Im Zuge des aktuellen demografischen Wandels wird für zahlreiche Länder der Welt eine stetige Zunahme des Bevölkerungsanteils von Personen im Alter von 65 Jahren und älter prognostiziert (UN DESA Population Division, 2015). Die daraus resultierende alternde Gesellschaft spiegelt sich auch in der steigenden Anzahl älterer Verkehrsteilnehmer wieder (Koppel & Berecki-Gisolf, 2015). Dieser Effekt wird durch das ebenfalls ansteigende Bedürfnis älterer Personen, ihre Individualmobilität auch bis ins hohe Alter hinein aufrecht zu erhalten, noch verstärkt (Eby & Molnar, 2012). Berücksichtigt man die Auswirkungen altersbedingter Veränderungen von Mobilitätsmustern und fahrrelevanten Fähigkeiten auf die Sicherheit älterer Verkehrsteilnehmer (Polders et al., 2015), stellt diese demographische Entwicklung neue Herausforderungen an die Verkehrsforschung. So bedarf es neuartiger Strategien zur Unterstützung älterer Fahrzeugführer und ihrer Mobilitätsbedürfnisse. Aufgrund aktueller technologischer Entwicklungen eröffnen vor allem durch neuartige Fahrzeugtechnologien zur Fahrerunterstützung innovative Möglichkeiten, diesem Bedarf gerecht zu werden (Karthaus & Falkenstein, 2016). An diesem Punkt setzt die vorliegende Dissertation an. Ziel des Dissertationsprojektes war es zu evaluieren, inwieweit aktuell in Entwicklung befindliche Fahrzeugtechnologien, die aus theoretischer Sicht als geeignete Mittel zur Unterstützung älterer Fahrer erscheinen, tatsächlich zu deren Individualmobilität beitragen können. Um das Potential derartiger Technologien abzuschätzen, wurde einerseits untersucht, inwieweit sie zur Verbesserung von Variablen, die in Beziehung zur Fahrleistung stehen, beitragen können. Anderseits wurde ihre Akzeptanz bei potentiellen zukünftigen Nutzern evaluiert. Für diese Untersuchungen wurden zwei exemplarische Technologien als Repräsentanten grundlegend unterschiedlicher Stufen der Fahrzeugautomatisierung ausgewählt: ein kontaktanaloge Head-up Display (auch Augmented Reality Display, ARD) und hochautomatisiertes Fahren. ARDs stellen einen technologischen Ansatz zur Implementierung von Fahrerinformationssystemen und dementsprechend ein Beispiel für Automatisierungsstufe 0 (no automation; SAE International, 2014) dar, indem sie den Fahrer durch die Bereitstellung verkehrsrelevanter Informationen bei der manuellen Ausführung der Fahraufgabe unterstützen. Im Gegensatz dazu zielt die Technologie des hochautomatisierten Fahrens auf eine Unterstützung des Fahrers durch die vollständige Übernahme der Fahraufgabe ab, was Automatisierungsstufe 4 (high automation; SAE International, 2014) entspricht. Trotz dieser grundlegend unterschiedlichen Ansätze wird beiden Technologien ein hohes Potential zur Unterstützung insbesondere älterer Fahrer zugesprochen (Meyer & Deix, 2014; Polders et al., 2015; Rusch et al., 2013; Schall et al., 2013). Die Untersuchung Performanz- und Akzeptanz-bezogener Aspekte beider Technologien erfolgte im Rahmen von drei empirische Studien. Um altersspezifische Befunde identifizieren zu können, wurden allen Studien mit Vertretern der Zielgruppe von älteren Fahrern (65-85 Jahre alt) sowie einer jüngeren Vergleichsgruppe ‚durchschnittlicher‘ (d.h. junger, erfahrener) Fahrer (25-45 Jahre alt) durchgeführt. Bei Studie I handelte es sich um eine im Fahrsimulator durchgeführte Reaktionszeitstudie, in deren Rahmen Leistungs-bezogene Aspekte von ARDs untersucht wurden. Unter den vielfältigen Möglichkeiten zur Anwendung dieser Technologie wird vor allem die Präsentation von Vorinformationen über bevorstehende komplexe Fahrsituationen während der Fahrt als gewinnbringend für ältere Fahrer eingestuft. Diese Strategie adressiert die Tendenz älterer Fahrer zu einer eher seriellen als parallelen Verarbeitung gleichzeitig verfügbarer Informationen während der Fahrt (Davidse et al., 2009; Küting & Krüger, 2002). Vor diesem Hintergrund lag der Fokus von Studie I auf den Effekten einer kontaktanalogen Präsentation von Vorinformationen über bevorstehende Kreuzungen auf die Geschwindigkeit und Genauigkeit der Wahrnehmung dieser Kreuzungen durch den Fahrer, was eine Grundvoraussetzung für eine sichere Fahrleistung darstellt (Crundall & Underwood, 2011). Basierend auf bestehenden Befürchtungen über kontraproduktive Effekte einer kontaktanalogen Informationsdarstellung während der Fahrt, insbesondere im Falle inkorrekter Informationen, wurden zudem die Auswirkungen von Systemfehlern untersucht. Mit Hilfe der kontaktanalogen Vorinformationen gelang es sowohl älteren als auch jüngeren Fahrern, ohne erhöhten Zeitbedarf einen höheren Anteil relevanter Aspekte in Kreuzungssituationen wahrzunehmen. Allerdings wurde die positive Systemwirkung durch das Erleben von Systemfehlern (in diesem Fall inkorrekten Vorinformationen) zumindest für die Dauer der Untersuchung aufgehoben. Dieser Effekt war besonders ausgeprägt für ältere Fahrer und könnte auf die Schwierigkeit, inkorrekte Informationen auf Grund ihrer Darstellung im ARD zu ignorieren, zurückzuführen sein. Studie II stellte eine Fahrsimulatorstudie zu Akzeptanz-bezogenen Aspekten eines ARDs, welches dem Fahrer Vorinformationen über bevorstehende Kreuzungen zur Verfügung stellt, dar. Inhalt dieser Studie waren zum einen die Effekte von Systemerfahrung auf die Nutzerakzeptanz des Systems, zum anderen altersspezifische Akzeptanzbarrieren, welche ältere Fahrer potentiell von der Nutzung der Technologie abhalten könnten. Insgesamt bewerteten sowohl ältere als auch jüngere Fahrer das ARD positiv. Dabei fielen Bewertungen auf Basis von Systemerfahrung im Fahrsimulator tendenziell besser aus als Bewertungen ohne vorherige Systemerfahrung. Obwohl ältere Fahrer im Vergleich zu jüngeren Fahrern ihre Selbstwirksamkeit im Umgang mit dem ARD sowie Umgebungsfaktoren, welche dessen Nutzung unterstützen könnten, als geringer ausgeprägt wahrnahmen, war die positive Einstellung gegenüber der Nutzung des Systems bei ihnen im Durchschnitt stärker ausgeprägt. Leistungs- und Akzeptanz-bezogene Aspekte des hochautomatisierten Fahrens wurden in Studie III, einer zweistufigen Fahrsimulatorstudie, untersucht. Parallel zur Veränderung der Rolle des Menschen vom Fahrzeugführer zum Passagier im Zuge der zunehmenden Fahrzeugautomatisierung veränderte sich dabei auch der Fokus der Leistungsperspektive. Dem entsprechend stand die Bewertung der Fahrleistung des automatisierten Systems durch den mitfahrenden Menschen im Mittelpunkt dieser Untersuchung. Affektive Komponenten der Mensch-Automatisierungs-Interaktion wie Fahrkomfort und Fahrspaß werden in diesem Kontext als bedeutsam zur Gewährleistung der Nutzerakzeptanz und damit auch Nutzung automatisierter Fahrzeuge betrachtet (Tischler & Renner, 2007). Es wird angenommen, dass derartige affektive Komponenten im Kontext des hochautomatisierten Fahrens vor allem vom implementierten Fahrstil abhängen (Bellem et al., 2016). In einem theoretischen Ansatz zur Verbesserung des Fahrkomforts wird die Implementierung vertrauter (d.h. dem eigenen manuellen Fahrstil ähnlicher) Fahrstile empfohlen, um einen menschlichen Fahrzeugführer nachzuahmen und so Bedenken gegenüber einer automatisierten Fahrzeugführung abzubauen (Elbanhawi et al., 2015). Diesem Ansatz folgend wurden in Studie III die Effekte der Fahrzeugautomatisierung sowie der Ähnlichkeit des implementierten Fahrstils zum individuellen manuellen Fahrstil des jeweiligen Fahrers auf Fahrkomfort und Fahrspaß untersucht. Es konnte gezeigt werden, dass mit höherer Automatisierung der Fahrkomfort älterer und jüngerer Fahrer anstieg, der Fahrspaß jüngerer Fahrer sich jedoch verringerte. Alle abhängigen Variablen wurden von einer vergleichbaren Interaktion zwischen Fahreralter und Fahrstilähnlichkeit beeinflusst: Während jüngere Fahrer hochautomatisierte Fahrstile bevorzugten, die ihren jeweiligen manuellen Fahrstilen ähnelten, präferierten ältere Fahrer im hochautomatisierten Kontext eher unähnliche Fahrstile. Dem entsprechend kann der Vertrautheitsansatz basierend auf den Ergebnissen von Studie III zumindest für jüngere Fahrer unterstützt werden, nicht aber für die Zielgruppe älterer Fahrer, deren manuelle Fahrstile durch Kompensationsstrategien zum Ausgleich altersbedingter Einschränkungen ihrer sensorischen, kognitiven und motorischen Fähigkeiten geprägt sind. Fahrstilpräferenzen im hochautomatisierten Kontext scheinen in dieser Altersgruppe mehr von dem Wunsch, einen von diesen Kompensationsstrategien unbeeinträchtigten Fahrstil wiederzuerlangen, geprägt zu sein als von dem Bedürfnis nach vertraut gestalteten Fahrmanövern. Analog zur Evaluation des ARDs beinhaltete die Untersuchung Akzeptanz-bezogener Aspekte des hochautomatisierten Fahrens die Effekte von Systemerfahrung auf die Nutzerakzeptanz sowie potentielle altersspezifische Akzeptanzbarrieren. Einen systemspezifischen Designaspekt aufgreifend wurde zudem untersucht, ob die Nutzerakzeptanz des hochautomatisierten Fahrens ebenfalls durch den implementierten Fahrstil modifizierbar ist. Fahrer beider Altersgruppen berichteten tendenziell positive a priori Akzeptanzwerte, welche sich nach der Ersterfahrung mit dem System signifikant erhöhten und sich anschließend stabilisierten. Vergleichbar mit den Ergebnissen zum ARD war die positive Einstellung gegenüber der Nutzung eines hochautomatisierten Fahrzeuges bei älteren Fahrern im Durchschnitt stärker ausgeprägt als bei jüngeren, obwohl sie ihre Selbstwirksamkeit im Umgang mit dem System sowie unterstützende Umgebungsfaktoren als geringer ausgeprägt bewerteten. Bezüglich des hochautomatisierten Fahrstils unterlag die Systemakzeptanz derselben Interaktion zwischen Fahreralter und Fahrstilähnlichkeit wie Fahrkomfort und Fahrspaß. Diese Ergebnisse demonstrieren, dass Fahrzeugtechnologien auf verschiedenen Automatisierungsstufen effektive Ansätze zur Unterstützung der Individualmobilität älterer Personen liefern können. Die Mehrzahl der identifizierten Leistungs-bezogenen Verbesserungen zeigte sich sowohl für ältere als auch jüngere Fahrer. Diese Befunde weißen auf das Potential von Systemen, welche den Bedürfnissen älterer Fahrer entsprechen, zur Unterstützung verschiedener Altersgruppen hin. Die Ergebnisse der Akzeptanzperspektive deuten an, dass die evaluierten Systeme von Fahrern verschiedener Altersgruppen akzeptiert werden würden, was die Ergebnisse der Leistungsebene widerspiegelt. Die Vergleichbarkeit der Muster verschiedener Akzeptanzprädiktoren, welche für zwei Systeme auf grundlegend unterschiedlichen Automatisierungsstufen identifiziert werden konnten, legt die Existenz zugrundeliegender genereller Aspekte der Fahrzeugtechnologie-Akzeptanz älterer Fahrer nahe. Diese beinhalten deren stark ausgeprägtes Bedürfnis zur Erhaltung ihrer Individualmobilität sowie deren geringere Selbstwirksamkeit im Umgang mit relevanten Technologien und den unzureichenden Zugang zu unterstützenden Infrastrukturen. Diese Erkenntnisse liefern Implikationen für theoretische Modelle der Akzeptanz von Fahrzeugtechnologien durch ältere Fahrer sowie für Maßnahmen zur Absicherung einer erfolgreichen Entwicklung und Markteinführung von Systemen, die darauf abzielen, ältere Menschen beim Erhalt ihrer Individualmobilität zu unterstützen. Berücksichtigt man die Bedeutsamkeit des Fahrens eines eigenen Automobils für das physiologische und psychologische Wohlbefinden im Alter (Adler & Rottunda, 2006; Lutin et al., 2013; Whelan, Langford, Oxley, Koppel, & Charlton, 2006), unterstreichen diese Ergebnisse das Potential neu entstehender Fahrerunterstützungstechnologien für die Verbesserung der Verkehrssicherheit, aber auch Lebensqualität älterer Menschen.

Gegenstand dieser Arbeit ist die Bewertung und Durchführung der Fusion von zwei Datensätzen, die auf Basis der Statistik der Straßenverkehrsunfälle des statistischen Bundesamtes konstruiert werden. Für die Fusionierung wird die Methode der statistischen Datenfusion angewendet. Die zu fusionierenden Datensätze werden auf die Ausgangslage der Datenfusion und Unfalldatenbanken angepasst. Anhand der Zusammenhangsstärke und Verteilung werden die passenden Variablen, die für die Datenfusion verwendet werden können, identifiziert und ausgewählt. Für die Datenfusion werden verschiedene nichtparametrische Verfahren unter der bedingten Unabhängigkeitsannahme (Distanz-Hot-Deck, Random-Hot-Deck) und unter der Beibehaltung der Unsicherheit (Imprecise Imputation) durchgeführt. Zusätzlich werden Qualitätsstufen mit einbezogen, um die Auswirkung von veränderten Variablen auszuwerten. Dabei zeigt sich, dass die Datenfusion unter der bedingten Unabhängigkeit allgemein eine unsichere Methode ist, die jedoch unter Umständen für bivariate Analysen vielversprechende Ergebnisse erzielen kann.:1. Einleitung 2. Grundlagen 3. Aufbau der simulierten Datensätze 4. Datenfusion 5. Ergebnisse 6. Zusammenfassung und Ausblick

Das automatisierte Fahren hat bereits den Weg auf den kommerziellen Markt geschafft und weiterer Fortschritt kann in naher Zukunft erwartet werden. Das Level 3 des automatisierten Fahrens verspricht steigende Sicherheit, Komfort und Verkehrseffizienz. Für den menschlichen Fahrer sind diese Funktionen und damit einhergehende Nutzerschnittstellen eine neuartige Technologie. Im Bereich Human Factors stehen Forschung und Entwicklung vor zwei Herausforderungen, welche (1) der Entwurf von intuitiven und einfach bedienbaren Nutzerschnittstellen und (2) die Entwicklung von Methoden zur Bewertung ebendieser sind. Bei der Bewertung von Technologie wurde bereits häufig auf die sogenannte Preference-Performance Dissoziation aufmerksam gemacht. Diese beschreibt das Ergebnis von Nutzerstudien, in denen die Präferenz (Selbstbericht) der Nutzer nicht mit deren Leistung (beobachtbares Verhalten) übereinstimmt. Dieses Phänomen stellt eine Gefährdung für die Bewertung von Nutzerschnittstellen beim automatisierten Fahren dar. Aufgrund dessen berichtet die vorliegende Dissertation zunächst Untersuchungen zur Messbarmachung von Präferenz und Leistung. Zudem wurde das Verständnis von automatisierten Systemen (mentales Modell) als ein wichtiger Einflussfaktor zur Entstehung des beobachtbaren Verhaltens angenommen und mit in die Arbeiten eingeschlossen. Mithilfe der gewonnenen Erkenntnisse der Messbarmachung widmete sich der zweite Teil der Dissertation den Faktoren, die einen Einfluss auf das Entstehen von Präferenz und/oder Leistung ausüben. Untersuchte Faktoren waren die Anzahl an Wiederholungen von Anwendungsfällen, Rückmeldung zur Bedienleistung, Nutzerschulung und eine statistische post-hoc Analyse. Um die Ziele der Messbarmachung und Einflussnahme zu erreichen wurden drei Fahrsimulatorstudien mit insgesamt N=225 Probanden durchgeführt. Die Haupterkenntnisse waren (1) die Entwicklung einer differenzierten Empfehlung von Fragebögen zur Erfassung der Nutzerpräferenz. Außerdem (2) wurden Erkenntnisse der Entwicklung von Verhaltensmaßen über die Zeit sowie deren Zusammenhang zu Präferenzmaßen gewonnen. Betreffend der mentalen Modelle (3) zeigte die vorliegende Arbeit, dass es wiederholter Interaktion bedarf, damit diese sich korrekt entwickeln. Außerdem kann das Verständnis durch Blickverhaltensmaße erfasst werden. Zusätzlich (4) zeigte sich, dass Leistungsrückmeldung Präferenz, nicht aber Leistung selbst beeinflussen kann. Im Gegensatz dazu (5) wirkt sich Nutzerschulung positiv auf die Korrektheit mentaler Modelle und nachfolgend der Nutzerleistung selbst aus, lässt aber Präferenzmaße unbeeinflusst. Abschließend zeigte sich, dass (6) Nutzer verschiedener Leistungsstufen ähnliche Präferenzurteile fällen. Der theoretische Beitrag der vorliegenden Arbeit liegt in den Einblicken in die Entstehung der beiden Datenquellen der Preference-Performance Dissoziation wodurch diese erklärt und vorhergesagt werden kann. Der praktische Beitrag liegt in der Anwendung der Arbeit zur Messbarmachung von Variablen und Empfehlung zum Studiendesign hinsichtlich Anzahl an Messwiederholungen und Nutzerschulung. Abschließend betreffen die hier gewonnenen Erkenntnisse nicht nur die Bewertung von Nutzerschnittstellen beim automatisierten Fahren, sondern können auch auf andere Automationsbereiche der Mensch-Maschine Interaktion wie beispielsweise Luftfahrt, Robotik oder Medizintechnik übertragen werden. / Driving automation systems have already entered the commercial market and further advancements will be introduced in the near future. Level 3 automated driving systems are expected to increase safety, comfort and traffic efficiency. For the human driver, these functions and according human-machine interfaces are a novel technology. In the human factors domain, research and development faces two challenges which are (1) the conceptualization of intuitive and easy to use interfaces and (2) the development of a methodological framework to evaluate these interfaces. In technology evaluation, a methodological phenomenon has frequently been reported which is called the preference-performance dissociation. It describes the outcome of studies where users' preference (i.e., self-report) does not match their performance (i.e., interaction behavior). This phenomenon poses a threat to the evaluation of automated vehicle HMIs. Therefore, the present thesis first reports investigations on how to operationalize both performance and preference. Moreover, the understanding (i.e., mental model) of automated vehicle HMIs was hypothesized as an influential precursor of performance and included in the present work. Using the insights of the operationalization part, the second part of the thesis aimed at finding out about factors that exert influence on preference and/or performance. Investigated factors were the number of use case repetitions, feedback on operator performance, user education and a post-hoc statistical analysis. To reach the operationalization and variation aims, three driving simulator studies with a total of N=225 participants were conducted. The main outcomes were that (1) a sophisticated recommendation regarding preference questionnaire application could be given. Furthermore, (2) insights into the development of behavioral measures over time and their relation to a satisfaction measure could be given. Concerning mental models, (3) the present work showed that it takes repeated interaction to evolve accurately and gaze measures could also be used for capturing these processes. In addition, (4) feedback on operator performance was found to influence preference but not performance while (5) user education increased understanding and subsequent performance but did not affect preference. Eventually it showed that (6) users of different performance levels report similar preference. The theoretical contribution of this work lies in insights into the formation of the two sources of data and its potential to both explain and predict the preference-performance dissociation. The practical contribution lies in the recommendation for research methodology regarding how to operationalize measures and how to design user studies concerning the number of use cases and user education approaches. Finally, the results gained herein do not only apply to automated vehicle HMIs but might also be generalized to related domains such as aviation, robotics or health care.