Automatisiertes Fahren ist seit einigen Jahren im Fokus der Automobilingenieure. Erst kürzlich wurde einem großen deutschen Automobilhersteller die Zulassung für eine automatisierte Fahrfunktion „Level 3“ ab 2022 erteilt. Zum Vergleich: Ab „Level 2“ können automatisierte Systeme selbstständig Geschwindigkeit und Abstand regeln sowie die eigene Fahrspur einhalten. Wir als Fahrende müssen aber jederzeit das Geschehen auf der Straße im Auge behalten. Erst ab „Level 3“ dürfen wir andere Aufgaben übernehmen. Die zugelassene Fahrfunktion erlaubt es dem Fahrer, sich bei einer Geschwindigkeit von bis zu 60 km/h (z. B. im Stau) von der Straße abzuwenden und anderen Tätigkeiten wie dem Surfen im Internet nachzugehen. Neben diesem Gewinn an Handlungsfreiheit versprechen uns die automatisierten Fahrfunktionen weitere Vorteile:
- Vermeidung von Unfällen
- Ermöglichung der Verkehrsteilnahme für alle Personengruppen
- Erhöhung des Fahrkomforts
- Optimierung des Verkehrsflusses
Aus wissenschaftlicher Sicht interessiert mich vor allem der dritte Punkt – die Steigerung des Fahrkomforts. Hier spielt das Erleben des automatisierten Fahrens durch uns Menschen eine wichtige Rolle. Es stellt sich die Frage: Wie möchten wir automatisch gefahren werden? Soll das automatisierte Fahrzeug so fahren, wie wir selbst fahren würden, oder soll sich das Fahrzeug eher wie eine Maschine im klassischen Sinne verhalten, die sich zum Beispiel sehr genau an die Geschwindigkeitsbegrenzung hält. Für die Beantwortung dieser Frage gibt es verschiedene Wege. Neben den derzeit viel diskutierten Ansätzen des maschinellen Lernens (KI) gibt es auch die Idee, das menschliche Fahren zu beobachten und daraus Schlüsse abzuleiten, wie sich das automatisierte Fahrzeug in bestimmten Situationen verhalten sollte. Genau diese Richtung verfolge ich mit meiner Forschung, bei der ich dieses Jahr eine Naturalistic Driving Study mit 30 Probanden durchgeführt habe.
Bei solchen Studien geht es darum, das natürliche Fahrverhalten von Fahrer:innen im realen Straßenverkehr zu erfassen. Um die Fahrten möglichst natürlich zu beobachten, werden die Proband:innen von niemandem begleitet. Meine Versuchspersonen fuhren ihre eigenen Strecken mit ihren eigenen Fahrzeugen und zeichneten Situationen und sprachliche Kommentare auf, in denen sie das Fahrverhalten anderer Fahrzeuge vorhersagten. Dazu verwendeten meine Probanden ein Smartphone mit einer speziellen App, die für die Aufzeichnung von Fahrsituationen programmiert wurde. So wurden über 1300 Situationen und Sprachkommentare aufgezeichnet. Auf der Grundlage dieser Daten können Merkmale extrahiert werden, nach denen wir Menschen suchen, um die Absichten anderer Verkehrsteilnehmer vorherzusagen. Durch die Nutzung dieser Merkmale könnten später automatisierte Fahrzeuge lernen, auf zukünftige Fahrsituationen frühzeitig zu reagieren und sich natürlicher zu verhalten. Diese frühzeitige Reaktion kann Situationen mit abruptem Bremsen reduzieren. Dadurch wird die gesamte Fahrt für uns insgesamt entspannter und komfortabler. Positiver Effekt: Durch frühzeitiges Reagieren können kooperative Fahrstrategien entwickelt werden. Zum Beispiel kann das eigene automatisierte Fahrzeug einem anderen Fahrzeug eher signalisieren, dass ein Spurwechsel möglich ist. Dies kann durch Verlangsamung der eigenen Geschwindigkeit oder durch Vergrößerung des Abstands erreicht werden.
Video- und Sprachdaten auszuwerten, dauert vergleichsweise lange. Ich befinde mich daher noch mitten in der Evaluierung der Daten und freue mich darauf, die vorläufigen Ergebnisse auf Konferenzen im nächsten Jahr zu veröffentlichen.
Text und Bild: Konstantin Felbel (D02)