Eine Vielzahl von Wissenschaftlern und Wissenschaftlerinnen befassen sich mit der Unfalltheorie und den darauf einflussnehmenden Faktoren, mit dem Ziel die Straßenverkehrssicherheit für alle Verkehrsteilnehmende zu verbessern. So wird auch in der vorliegenden Arbeit der Einfluss der Regionen (Unterschied zwischen Ost- und Westdeutschland) und des Verkehrskontextes (Bundesautobahnen, außerhalb und innerhalb von Ortschaften) auf die Häufigkeit von Straßenverkehrsunfällen, differenziert nach der Unfallschwere, untersucht. Nach einer eigenständigen Recherche der auf die jeweiligen Bundesländer und Straßentypen differenzierten Fahrleistungen, welche für das Jahr 2015 in Deutschland, erbracht worden sind, werden mit Hilfe von Regressionsmodellen Risikokennziffern für die differenzierten Häufigkeiten von Verunglückten (Getöteten, Schwerverletzten, Leichtverletzten) ermittelt. Diese wurden mit der Statistiksoftware R durchgeführt. Abschließend ist zu sagen, dass die Aussagen für Unfälle mit getöteten Personen nicht für Unfälle mit schweroder leichtverletzten Personen gelten und die Bundesautobahn nach den Risikokennziffern der sicherste Straßentyp ist. Schlussendlich werden die erhaltenen Kennziffern diskutiert.

Eine Vielzahl von Wissenschaftlern und Wissenschaftlerinnen befassen sich mit der Unfalltheorie und den darauf einflussnehmenden Faktoren, mit dem Ziel die Straßenverkehrssicherheit für alle Verkehrsteilnehmende zu verbessern. So wird auch in der vorliegenden Arbeit der Einfluss der Regionen (Unterschied zwischen Ost- und Westdeutschland) und des Verkehrskontextes (Bundesautobahnen, außerhalb und innerhalb von Ortschaften) auf die Häufigkeit von Straßenverkehrsunfällen, differenziert nach der Unfallschwere, untersucht. Nach einer eigenständigen Recherche der auf die jeweiligen Bundesländer und Straßentypen differenzierten Fahrleistungen, welche für das Jahr 2015 in Deutschland, erbracht worden sind, werden mit Hilfe von Regressionsmodellen Risikokennziffern für die differenzierten Häufigkeiten von Verunglückten (Getöteten, Schwerverletzten, Leichtverletzten) ermittelt. Diese wurden mit der Statistiksoftware R durchgeführt. Abschließend ist zu sagen, dass die Aussagen für Unfälle mit getöteten Personen nicht für Unfälle mit schweroder leichtverletzten Personen gelten und die Bundesautobahn nach den Risikokennziffern der sicherste Straßentyp ist. Schlussendlich werden die erhaltenen Kennziffern diskutiert.:INHALTSVERZEICHNIS I ABBILDUNGSVERZEICHNIS III TABELLENVERZEICHNIS IV FORMELVERZEICHNIS V ABKÜRZUNGSVERZEICHNIS VI ABSTRACT VIII 1 EINLEITUNG 1 2 DESKRIPTIVE ANALYSE DES DATENSATZES 3 2.1 RECHTSGRUNDLAGE 4 2.2 BEGRIFFSERKLÄRUNG 5 2.2.1 Unfälle 5 2.2.2 Beteiligte 6 2.2.3 Verunglückte 7 2.2.4 Unfallursachen 7 2.2.5 Unfallarten und Unfalltypen 8 2.2.5.1 Unfallarten 8 2.2.5.2 Unfalltypen 8 3. LITERATURÜBERBLICK 10 3.1 PALMERA-SUAREZ, LOPEZ-CUADRADO ET AL. 10 3.2 WANG, QUDDUS AND ISON 12 3.3 TAYLOR, LYNAM AND BARUYA14 4. VORGEHENSWEISE 17 4.1 ERMITTLUNG DER DIFFERENZIERTEN FAHRLEISTUNGEN 19 4.1.1 DTV-tägliche Verkehrsstärken 20 4.1.2 Hochrechnung auf das Jahr 2015 21 4.2 VERWENDETE PROGRAMME 24 5. DURCHFÜHRUNG 25 5.1 VORBETRACHTUNG 25 5.1.1 Erstellen der Datenmatrizen 25 5.1.2 Streudiagramm 27 5.1.3 Bestimmtheitsmaß 31 5.1.4 F-Test 31 II 5.2 REGRESSION: GETÖTETE AUF BUNDESAUTOBAHNEN 32 5.3 REGRESSION: GETÖTETE AUßERHALB VON ORTSCHAFTEN 38 5.4 REGRESSION: GETÖTETE INNERHALB VON ORTSCHAFTEN 40 5.5 REGRESSION: SCHWERVERLETZTE AUF BUNDESAUTOBAHNEN 42 5.6 REGRESSION: SCHWERVERLETZTE AUßERHALB VON ORTSCHAFTEN 45 5.7 REGRESSION: SCHWERVERLETZTE INNERHALB VON ORTSCHAFTEN 46 5.8 REGRESSION: LEICHTVERLETZTE AUF BUNDESAUTOBAHNEN 49 5.9 REGRESSION: LEICHTVERLETZTE AUßERHALB VON ORTSCHAFTEN 51 5.10 REGRESSION: LEICHTVERLETZTE INNERHALB VON ORTSCHAFTEN 54 6. ERGEBNISSE 56 7. DISKUSSION 58 7.1 GETÖTETE 59 7.2 SCHWERVERLETZTE 60 7.3 LEICHTVERLETZTE 61 8. SCHLUSSBETRACHTUNG 62 LITERATURVERZEICHNIS 65 ERKLÄRUNG ZUR URHEBERSCHAFT 68

New automated vehicles have the chance of high improvements to road safety. Nevertheless, from today's perspective, accidents will always be a part of future mobility. Following the “Vision Zero”, this thesis proposes the quantification of the driving situation's criticality as the basis to intervene by newly integrated safety systems. In the example application of trajectory planning, a continuous, real-time, risk-based criticality measure is used to consider uncertainties by collision probabilities as well as technical accident severities. As result, a smooth transition between preventative driving, collision avoidance, and collision mitigation including impact point localization is enabled and shown in fleet data analyses, simulations, and real test drives. The feasibility in automated driving is shown with currently available test equipment on the testing ground. Systematic analyses show an improvement of 20-30 % technical accident severity with respect to the underlying scenarios. That means up to one-third less injury probability for the vehicle occupants. In conclusion, predicting the risk preventively has a high chance to increase the road safety and thus to take the “Vision Zero” one step further.:Abstract Acknowledgements Contents Nomenclature 1.1 Background 1.2 Problem statement and research question 1.3 Contribution 2 Fundamentals and relatedWork 2.1 Integral safety 2.1.1 Integral applications 2.1.2 Accident Severity 2.1.2.1 Severity measures 2.1.2.2 Severity data bases 2.1.2.3 Severity estimation 2.1.3 Risk assessment in the driving process 2.1.3.1 Uncertainty consideration 2.1.3.2 Risk as a measure 2.1.3.3 Criticality measures in automated driving functions 2.2 Operational motion planning 2.2.1 Performance of a driving function 2.2.1.1 Terms related to scenarios 2.2.1.2 Evaluation and approval of an automated driving function 2.2.2 Driving function architecture 2.2.2.1 Architecture 2.2.2.2 Planner 2.2.2.3 Reference planner 2.2.3 Ethical issues 3 Risk assessment 3.1 Environment model 3.2 Risk as expected value 3.3 Collision probability and most probable collision configuration 4 Accident severity prediction 4.1 Mathematical preliminaries 4.1.1 Methodical approach 4.1.2 Output definition for pedestrian collisions 4.1.3 Output definition for vehicle collisions 4.2 Prediction models 4.2.1 Eccentric impact model 4.2.2 Centric impact model 4.2.3 Multi-body system 4.2.4 Feedforward neural network 4.2.5 Random forest regression 4.3 Parameterisation 4.3.1 Reference database 4.3.2 Training strategy 4.3.3 Model evaluation 5 Risk based motion planning 5.1 Ego vehicle dynamic 5.2 Reward function 5.3 Tuning of the driving function 5.3.1 Tuning strategy 5.3.2 Tuning scenarios 5.3.3 Tuning results 6 Evaluation of the risk based driving function 6.1 Evaluation strategy 6.2 Evaluation scenarios 6.3 Test setup and simulation environment 6.4 Subsequent risk assessment of fleet data 6.4.1 GIDAS accident database 6.4.2 Fleet data Hamburg 6.5 Uncertainty-adaptive driving 6.6 Mitigation application 6.6.1 Real test drives on proving ground 6.6.2 Driving performance in simulation 7 Conclusion and Prospects References List of Tables List of Figures A Extension to the tuning process