Zugl.: Chemnitz, Techn. Univ., Diss., 2007

Zugl.: München, Techn. Univ., Diss., 2007

Zugl.: München, Techn. Univ., Diss., 2008

München, Techn. Univ., Diss., 2008

Zugl.: München, Techn. Universiẗat, Diss., 2008.

Universiẗat, Diss., 2002--Stuttgart.

Inspired by the idea of vision zero, there is a lot of work that needs to be done in the field of advance driver assistance systems to develop more safer systems. Driver intention detection with a prediction of upcoming behavior of the driver is one possible solution to reduce the fatalities in road traffic. Driver intention detection provides an early warning of the driver's behavior to an Advanced Driver Assistance Systems (ADAS) and at the same time reduces the risk of non-essential warnings. This will significantly reduce the problem of warning dilemma and the system will become more safer. A driving maneuver prediction can be regarded as an implementation of driver's behavior. So the aim of this thesis is to determine the driver's intention by early prediction of a driving maneuver using Controller Area Network (CAN) bus data. The focus of this thesis is to optimize and further develop an algorithm for driver intention detection with fuzzy logic and edit distance method. At first the basics concerning driver's intention detection are described as there exists different ways to determine it. This work basically uses CAN bus data to determine a driver's intention. The algorithm overview with the design parameters are described next to have an idea about the functioning of the algorithm. Then different implementation tasks are explained for optimization and further development of the algorithm. The main aim to execute these implementation tasks is to improve the overall performance of the algorithm concerning True Positive Rate (TPR), False Positive Rate (FPR) and earliness values. At the end, the results are validated to check the algorithm performance with different possibilities and a test drive is performed to evaluate the real time capability of the algorithm. Lastly the use of driver intention detection algorithm for an ADAS to make it more safer is described in details. The early warning information can be feed to an ADAS, for example, an automatic collision avoidance or a lane change assistance ADAS to further improve safety for these systems.

This work provides an in-depth-view of driver motivational aspects when driver assistance Systems (DAS) are considered. Thereby, the role of driver actual experience with DAS use was also identified and highlighted. A central outcome of this thesis is the STADIUM model describing the interplay of motivational factors that determine the engagement in secondary activities while taking actual DAS use experience into account. The role of motives in showing attentive behaviour depending on DAS (the navigation system) could also be underlined. The relevance, enrichment and need of combining qualitative and quantitative approaches when the effects of safety countermeasures on driver behaviour are investigated could also be shown. The results are discussed in terms of hierarchical driver behaviour models, the theory of planned behaviour and its extended versions and the strengths of the introduced studies and limitations. Implications for traffic safety are provided and future research issues are recommended. / Diese Arbeit liefert einen gründlichen Einblick, welche Rolle motivationale Aspekte spielen, wenn Fahrerassistenzsysteme (FAS) genutzt werden. Dabei wurde auch die Funktion der tatsächlichen Erfahrung mit FAS identifiziert und hervorgehoben. Ein zentrales Ergebnis dieser Arbeit ist das STADIUM Modell, welches das Zusammenspiel motivationaler Faktoren in Abhängigkeit von der tatsächlichen Erfahrung mit FAS erklärt, die wiederum bestimmen, inwieweit und ob andere Aktivitäten während des Fahrens ausgeführt werden. Außerdem konnte unterstrichen werden, welche Rolle Motive spielen, aufmerksames Verhalten in Abhängigkeit von der Nutzung von FAS (dem Navigationssystem) zu zeigen. Zusätzlich konnte dargestellt werden, wie relevant, bereichernd und nützlich es ist, qualitative und quantitative Methoden zu kombinieren, wenn die Effekte von FAS auf das FahrerInnenverhalten untersucht werden. Die Ergebnisse werden diskutiert indem auf hierarchische Fahrerverhaltensmodelle, auf die Theorie des geplanten Verhaltens und ihre erweiterten Versionen und auf die Stärken und Schwächen der Studien Bezug genommen wird. Es werden Implikationen dargestellt und zukünftige Forschungsfragen und Problemstellungen empfohlen.

Der vorliegende Band 6 des Schlussberichtes "Die flexible S-Bahn: Energiesparende und anschlussoptimierende Flexibilisierung der Fahrweisen und Fahrzeiten - das neuartige Fahrerassistenzsystem ENAflex-S" ordnet sich in das Teilprojekt AP 200 ein. Das Systemkonzept "Flexible S-Bahn" umfasst dabei vier Flexibilisierungsstufen: 1. Flexibilisierung von Haltezeiten zur Anschlussoptimierung zwischen S-Bahn und den straßengebundenen ÖPNV-Systemen (Bus, Straßenbahn) 2. Flexibilisierung der Fahrweisen zwischen zwei Halten mit dem Ziel der Traktionsenergieminimierung (Energieoptimale Zugsteuerung EOZ) 3. Flexibilisierung der Fahrzeiten in vorgegebenen Toleranzbereichen 4. Flexibilisierung der Zugfolgezeiten zur nachfrageorientierten Optimierung des Beförderungsangebotes, d.h. zur Verbesserung der Relation zwischen den Fahrgelderlösen und den Betriebskosten (gekürzt, entnommen Vorwort zum Schlussbericht Band 6)

Die Dissertation beschreibt Verfahren zur Fusion von Sensordaten am Beispiel eines PreCrash-Systems für Kraftfahrzeuge. Ein PreCrash-System erkennt mit Hilfe von Sensoren, die das Fahrzeugumfeld überwachen, (unvermeidliche) Unfälle wenige hundert Millisekunden vor Beginn des Zusammenstoßes und stellt verschiedene Informationen zur Verfügung, die bei der Aktivierung von Sicherheitseinrichtungen wie Gurtstraffer oder Airbags hilfreich sind. Neben guten Erkennungsleistungen spielt bei einem solchen System vor allem die Eignung für den Einsatz im automobilen Umfeld mit all seinen Anforderungen eine große Rolle. Dies bedeutet zum Beispiel Robustheit gegenüber schwierigen Wetterbedingungen, geringe Anforderungen an die Rechenleistung und auch die Erkennung eines Sensorausfalls. Ebenso stellt die Vielfalt möglicher Objekte mit ihren unterschiedlichen Reflexionseigenschaften und teilweise sehr hohen Relativgeschwindigkeiten eine besondere Herausforderung für ein umfelderkennendes System dar. Nach einführenden Betrachtungen zum Stand der Technik und der Zielstellung, unterschiedliche Sensorik zur Verbesserung der Detektionsleistungen und damit der Robustheit des Gesamtsystems zu fusionieren, beinhaltet die Arbeit eine Beschreibung der Funktionalität "PreCrash", Angaben zu Voraussetzungen und speziellen Umgebungsbedingungen im Fahrzeugbereich, die Einfluss auf die Verfahrensauswahl ausüben und eine Beschreibung der verwendeten Sensorik. Signalverarbeitungsverfahren zur Realisierung eines PreCrash-Systems sind sowohl auf Basis eines Einzelsensorsystems als auch auf Grundlage eines Multisensorsystems ausführlich dokumentiert. Ansätze zur Sensordatenfusion werden gesondert dargestellt und auch Nebenaspekte wie die Erkennung von Sensorausfällen berücksichtigt. Die Arbeit enthält Ergebnisse, die die Erkennungsleistungen mehrerer implementierter Verfahren aufzeigen und die auf realen, mit Hilfe eines Versuchsfahrzeuges aufgenommener Daten basieren.