In der vorliegenden Arbeit wird eine prädiktive Fahrstrategie vorgestellt, die auf Basis von Ampel-Fahrzeug-Kommunikationsdaten generiert wird. Dazu wird ein aktueller Ansatz für eine prädiktive Fahrstrategie zur Annäherung an eine Lichtsignalanlage (LSA) untersucht. Es werden verschiedene Optimierungsansätze deutlich, von denen ein großer Teil bei der Systemerweiterung berücksichtigt wird. Bei der Analyse konnte gezeigt werden, dass die bisherige Strategieempfehlung durch den Einfluss vorausfahrender Verkehrsteilnehmer eingeschränkt wird. Es ergaben sich potentielle Problemsituationen, welche sich im realen Straßenverkehr negativ auf die Funktionalität des Fahrerassistenzsystems (FAS) auswirken. Für Anfragen des Öffentlichen Personen Nachverkehrs (ÖPNV) wurde ermittelt, dass keine allgemeingültigen Aussagen über die Eignung der Assistenzfunktion gegeben werden können. Die wesentliche Neuerung zu bisheriger Strategieansätze für die Annäherung an Knotenpunkte mit LSA ist die Berücksichtigung anderer Verkehrsteilnehmer. Dazu werden die neuen Größen effektive Freigabezeit und virtuelle Position der Haltelinie eingeführt, auf Basis derer die Strategieempfehlung des FAS an die Anzahl wartender Fahrzeug angepasst wird. Zur Untersuchung des möglichen Energieeinsparpotentials durch den Einsatz eines FAS wurde ein Simulationsmodell in MATLAB/SIMULINK entwickelt. Mit dessen Hilfe konnten verschiedene Situationen dargestellt werden, an denen der Einfluss der Funkreichweite sowie die Auswirkungen der Warteschlange auf das FAS verdeutlicht werden. Ferner kann der positive Effekt auf den Kraftstoffverbrauch und die Haltezeit an der LSA bestätigt werden. Das Simulationsmodell stellt eine gute Grundlage für weiterführende Untersuchung dar und kann an unterschiedliche Situationen angepasst werden. Um den Nutzen auch praktisch zu verifizieren wird eine Reihe von Fahrversuchen durchgeführt. Dem Fahrer wird dabei die Strategie in einem Display visualisiert. Für Situationen, in denen der Fahrzeugstillstand vermeidbar ist erhält dieser eine Geschwindigkeitsempfehlung. Ist ein Stillstand nicht vermeidbar, so erfolgt unmittelbar vor der Haltelinie, die Ausgabe der Restlaufzeit der Rotphase. Bei der Versuchsauswertung wird das Einsparpotential deutlich. Durch eine entwickelte GUI wird dem Fahrer eine Strategie auf dem Display visualisiert. Innerhalb mehrerer Versuchsfahrten konnten das FAS erprobt und in der anschließenden Versuchsauswertung klar die Verbesserungen aufgezeigt werden. / In this paper a predictive driving strategy is presented, which is generated based on car to infrastructure communication data. An actual approach for a driver assistance system has been analyzed to identify room for improvements. The additional benefit of the presented work is the consideration of other road users driving ahead of the ego-vehicle in the process of finding the optimal speed for approaching the traffic-light. A MATLAB/SIMULINK model has been developed, which allows the simulation of different traffic situations to investigate the fuel consumption benefit of a vehicle equipped with the considered system. It illustrates the influence of the radio range and the length of the queue in front of the stop line. Furthermore the positive effect to the fuel consumption of the developed system could be evaluated. The simulation model is a good basis for further tests and could be easily adapted to various situations and vehicles. In addition to the simulation, a human machine interface was developed for evaluating the advanced driver assistance system in test runs. The driver assistance system was tested in several situations to show the benefit of the system. It has been tested via multiple test runs. In the following test evaluation the improvement could clearly be shown.

In der vorliegenden Arbeit wird eine prädiktive Fahrstrategie vorgestellt, die auf Basis von Ampel-Fahrzeug-Kommunikationsdaten generiert wird. Dazu wird ein aktueller Ansatz für eine prädiktive Fahrstrategie zur Annäherung an eine Lichtsignalanlage (LSA) untersucht. Es werden verschiedene Optimierungsansätze deutlich, von denen ein großer Teil bei der Systemerweiterung berücksichtigt wird. Bei der Analyse konnte gezeigt werden, dass die bisherige Strategieempfehlung durch den Einfluss vorausfahrender Verkehrsteilnehmer eingeschränkt wird. Es ergaben sich potentielle Problemsituationen, welche sich im realen Straßenverkehr negativ auf die Funktionalität des Fahrerassistenzsystems (FAS) auswirken. Für Anfragen des Öffentlichen Personen Nachverkehrs (ÖPNV) wurde ermittelt, dass keine allgemeingültigen Aussagen über die Eignung der Assistenzfunktion gegeben werden können. Die wesentliche Neuerung zu bisheriger Strategieansätze für die Annäherung an Knotenpunkte mit LSA ist die Berücksichtigung anderer Verkehrsteilnehmer. Dazu werden die neuen Größen effektive Freigabezeit und virtuelle Position der Haltelinie eingeführt, auf Basis derer die Strategieempfehlung des FAS an die Anzahl wartender Fahrzeug angepasst wird. Zur Untersuchung des möglichen Energieeinsparpotentials durch den Einsatz eines FAS wurde ein Simulationsmodell in MATLAB/SIMULINK entwickelt. Mit dessen Hilfe konnten verschiedene Situationen dargestellt werden, an denen der Einfluss der Funkreichweite sowie die Auswirkungen der Warteschlange auf das FAS verdeutlicht werden. Ferner kann der positive Effekt auf den Kraftstoffverbrauch und die Haltezeit an der LSA bestätigt werden. Das Simulationsmodell stellt eine gute Grundlage für weiterführende Untersuchung dar und kann an unterschiedliche Situationen angepasst werden. Um den Nutzen auch praktisch zu verifizieren wird eine Reihe von Fahrversuchen durchgeführt. Dem Fahrer wird dabei die Strategie in einem Display visualisiert. Für Situationen, in denen der Fahrzeugstillstand vermeidbar ist erhält dieser eine Geschwindigkeitsempfehlung. Ist ein Stillstand nicht vermeidbar, so erfolgt unmittelbar vor der Haltelinie, die Ausgabe der Restlaufzeit der Rotphase. Bei der Versuchsauswertung wird das Einsparpotential deutlich. Durch eine entwickelte GUI wird dem Fahrer eine Strategie auf dem Display visualisiert. Innerhalb mehrerer Versuchsfahrten konnten das FAS erprobt und in der anschließenden Versuchsauswertung klar die Verbesserungen aufgezeigt werden.:Abkürzungsverzeichnis Symbolverzeichnis 1 Einleitung 1.1 Motivation 1.2 Zielsetzung der Arbeit 1.3 Aufbau der Arbeit 2 Stand der Technik 2.1 System Fahrer-Fahrzeug-Verkehr 2.2 Fahrerassistenzsysteme 2.2.1 Klassifizierung nach Art der Fahrerunterstützung 2.2.2 Klassifizierung nach Fahraufgabenebene 2.2.3 Prädiktive Fahrerassistenzsysteme 2.2.4 Kreuzungsassistenz 2.3 Kooperative Systeme 2.3.1 Forschungsaktivitäten in Europa 2.3.2 Fahrerassistenzsysteme zur Reduktion der Fahrzeugemissionen 2.4 Berechnung des Kraftstoffverbrauches 2.5 Positionsbestimmung im Strassenverkehr 2.5.1 Aufbau eines Satellitennavigationssystems 2.5.2 Ablauf einer Positionsbestimmung 2.5.3 Fehlerquellen und Ursachen bei der Positionsbestimmung 2.5.4 Genauigkeit der Positionsbestimmung 2.5.5 Verarbeitung der Positionsdaten 2.6 Lichtsignalanlagen (LSA) 2.6.1 Definition wichtiger Begriffe 2.6.2 Überblick über Steuerungsverfahren 2.6.3 Umschaltung zwischen Signalprogrammen 2.6.4 Bevorrechtigungsarten für den ÖPNV 3 Analyse des bestehenden Systems 3.1 Fahrprofile zur Annäherung an LSA 3.2 Nutzen des Assistenzsystems 3.3 Ausgangslage des bisherigen Fahrerassistenzsystems 3.3.1 Phasenzyklus 3.3.2 Fahrzeugortung 3.3.3 Kommunikationsdaten des Ampelmoduls 3.3.4 Strategieansatz 3.4 Analyse der Strategieempfehlung 3.5 Optimierungsansätze 4 Erweiterter Systementwurf 4.1 Rahmenbedingungen und Vorgaben 4.2 Entscheidungssystem 4.3 Einfluss von Fahrzeugkolonnen 4.4 Effektive Freigabezeit und Rückstaulänge 4.5 Untersuchung der Geschwindigkeitsregelgrenzen 4.6 ÖPNV - Umgang mit dynamischen Signallaufzeiten 4.7 Ermittlung einer Fahrstrategie 4.8 Zusammenfassung der Optimierung 5 Simulative Untersuchung 5.1 Longitudinalmodell - Intelligent Driver Model – IDM 5.2 Modell zur Schätzung des Kraftstoffverbrauches 5.3 Aufbau des SIMULINK-Modells 5.4 Parametervariation und Ergebnisse 5.4.1 Rahmenbedingungen und Vorgaben 5.4.2 Einfluss der Funkreichweite 5.4.3 Einfluss der Pulklänge 5.5 Zusammenfassung 6 Experimentelle Untersuchung 6.1 Versuchsaufbau 6.2 Mensch Maschine Schnittstelle 6.3 Programmstruktur 6.4 Versuchsdurchführung 6.5 Ergebnis und Zusammenfassung 7 Zusammenfassung und Ausblick A Abbildungsverzeichnis B Tabellenverzeichnis C Literaturverzeichnis D Anhang / In this paper a predictive driving strategy is presented, which is generated based on car to infrastructure communication data. An actual approach for a driver assistance system has been analyzed to identify room for improvements. The additional benefit of the presented work is the consideration of other road users driving ahead of the ego-vehicle in the process of finding the optimal speed for approaching the traffic-light. A MATLAB/SIMULINK model has been developed, which allows the simulation of different traffic situations to investigate the fuel consumption benefit of a vehicle equipped with the considered system. It illustrates the influence of the radio range and the length of the queue in front of the stop line. Furthermore the positive effect to the fuel consumption of the developed system could be evaluated. The simulation model is a good basis for further tests and could be easily adapted to various situations and vehicles. In addition to the simulation, a human machine interface was developed for evaluating the advanced driver assistance system in test runs. The driver assistance system was tested in several situations to show the benefit of the system. It has been tested via multiple test runs. In the following test evaluation the improvement could clearly be shown.:Abkürzungsverzeichnis Symbolverzeichnis 1 Einleitung 1.1 Motivation 1.2 Zielsetzung der Arbeit 1.3 Aufbau der Arbeit 2 Stand der Technik 2.1 System Fahrer-Fahrzeug-Verkehr 2.2 Fahrerassistenzsysteme 2.2.1 Klassifizierung nach Art der Fahrerunterstützung 2.2.2 Klassifizierung nach Fahraufgabenebene 2.2.3 Prädiktive Fahrerassistenzsysteme 2.2.4 Kreuzungsassistenz 2.3 Kooperative Systeme 2.3.1 Forschungsaktivitäten in Europa 2.3.2 Fahrerassistenzsysteme zur Reduktion der Fahrzeugemissionen 2.4 Berechnung des Kraftstoffverbrauches 2.5 Positionsbestimmung im Strassenverkehr 2.5.1 Aufbau eines Satellitennavigationssystems 2.5.2 Ablauf einer Positionsbestimmung 2.5.3 Fehlerquellen und Ursachen bei der Positionsbestimmung 2.5.4 Genauigkeit der Positionsbestimmung 2.5.5 Verarbeitung der Positionsdaten 2.6 Lichtsignalanlagen (LSA) 2.6.1 Definition wichtiger Begriffe 2.6.2 Überblick über Steuerungsverfahren 2.6.3 Umschaltung zwischen Signalprogrammen 2.6.4 Bevorrechtigungsarten für den ÖPNV 3 Analyse des bestehenden Systems 3.1 Fahrprofile zur Annäherung an LSA 3.2 Nutzen des Assistenzsystems 3.3 Ausgangslage des bisherigen Fahrerassistenzsystems 3.3.1 Phasenzyklus 3.3.2 Fahrzeugortung 3.3.3 Kommunikationsdaten des Ampelmoduls 3.3.4 Strategieansatz 3.4 Analyse der Strategieempfehlung 3.5 Optimierungsansätze 4 Erweiterter Systementwurf 4.1 Rahmenbedingungen und Vorgaben 4.2 Entscheidungssystem 4.3 Einfluss von Fahrzeugkolonnen 4.4 Effektive Freigabezeit und Rückstaulänge 4.5 Untersuchung der Geschwindigkeitsregelgrenzen 4.6 ÖPNV - Umgang mit dynamischen Signallaufzeiten 4.7 Ermittlung einer Fahrstrategie 4.8 Zusammenfassung der Optimierung 5 Simulative Untersuchung 5.1 Longitudinalmodell - Intelligent Driver Model – IDM 5.2 Modell zur Schätzung des Kraftstoffverbrauches 5.3 Aufbau des SIMULINK-Modells 5.4 Parametervariation und Ergebnisse 5.4.1 Rahmenbedingungen und Vorgaben 5.4.2 Einfluss der Funkreichweite 5.4.3 Einfluss der Pulklänge 5.5 Zusammenfassung 6 Experimentelle Untersuchung 6.1 Versuchsaufbau 6.2 Mensch Maschine Schnittstelle 6.3 Programmstruktur 6.4 Versuchsdurchführung 6.5 Ergebnis und Zusammenfassung 7 Zusammenfassung und Ausblick A Abbildungsverzeichnis B Tabellenverzeichnis C Literaturverzeichnis D Anhang