Künstliche Intelligenz soll Verkehrssituationen vorhersagen

Der Name des Verbundprojekts steht für „KI-basierte Si­tuations­inter­pre­ta­tion für das automatisierte Fahren“. Das Bun­des­mi­nis­te­ri­um für Wirtschaft und Energie (BMWi) fördert es seit Anfang des Jahres mit 2,75 Mil­lio­nen Euro.
Automatisiertes vernetztes Fahren ist eine der Zukunftstechnologien der Au­to­mo­bil­bran­che. Damit voll­auto­ma­ti­sier­te Fahrzeuge auf der Straße unterwegs sein kön­nen, muss deren sichere Führung in jeder Situation gewährleistet sein. Das wird vor allem schwierig, wenn das Fahrzeug die Steuerung wieder an den Men­schen zurückgibt. Die so­ge­nannte Übernahmezeit, die eine Fahrerin oder ein Fahrer benötigt, um sich in einer kritischen oder komplexen Situation zu orien­tieren, wird dabei in der Regel mit zehn Se­kun­den kalkuliert. Das ist in vie­len Ver­kehrs­si­tu­a­ti­o­nen viel zu lang: Bei einer Geschwindigkeit von 50 km/h legt das Auto im Stadtverkehr in dieser Zeit noch fast 140 Meter zurück.

Hier setzt das neue Projekt an: Mit einer Vorhersage der wei­te­ren Ent­wick­lung der Verkehrssituation soll das Fahrzeug selbst eine vorausschauende Manöverplanung vornehmen kön­nen. Werden die In­for­ma­ti­onen der Um­ge­bung sinnvoll ausgewertet und interpretiert, so ist es mög­lich, die eigene Fahrplanung mit der Planung anderer Verkehrsteilnehmer abzustimmen. Allerdings kön­nen gegenwärtige Ansätze des au­to­ma­ti­sier­ten Fahrens, die mit klassischen re­gel­ba­sier­ten Algorithmen arbeiten, die Ent­wick­lung der Verkehrssituation nicht hin­rei­chend abbilden. Die möglichen Wechsel­wir­kungen aller Verkehrsteilnehmer sowie die Be­rück­sich­ti­gung der Straßeninfrastruktur und aller Kontextinformationen lassen sich nur unvollständig in ei­nem endlichen Regelsatz formulieren.

Moderne Technologien helfen bei der Umfeldrepräsentation

Die Projektbeteiligten er­ar­bei­ten daher zu­nächst eine Umfeldrepräsentation, die alle wichtigen Aspekte der Verkehrsszene beinhaltet: alle statischen und dy­na­misch­en Objekte und die Infrastruktur im Wahr­neh­mungs­bereich des Fahrzeugs. Schon jetzt stellen moderne Sensortechnologien immer mehr In­for­ma­ti­onen zur Ver­fü­gung, die dafür ver­wen­det wer­den kön­nen: Radar, Kamera und Sensoren für die optische Abstands- und Geschwindigkeitsmessung. Um abzubilden, dass sich die Verkehrssituation zeitlich verändert, wer­den die Be­obach­tung­en über einen gewissen Zeitraum akkumuliert. Darüber hinaus soll die Repräsentation ebenfalls bereits eine grund­le­gen­de Interpretation der Situation liefern, bei­spiels­weise Geschwindigkeitsbegrenzungen zuordnen.

Die Beschreibung des Umfelds ist Aus­gangs­punkt der Vorhersage: Aus den zeitlich akkumulierten Messungen des Be­ob­ach­tungs­zeit­raums wird mit Künstlicher In­tel­li­genz ein Modell trainiert, das in die Zukunft schaut. Die möglichen zukünftigen Situationsverläufe wer­den dann für die Entscheidungsalgorithmen ver­wen­det, um die Manöverplanung des Fahrzeugs zu un­ter­stüt­zen und zu verbessern. Zur Evaluierung der Vor­her­sagen unter realen Be­din­gun­gen wird im Projekt ein Testfahrzeug ent­wickelt und genutzt.

Über KISSaF:

Das Projekt „KISSaF – KI-basierte Si­tuations­inter­pre­ta­tion für das automatisierte Fahren“ läuft vom 1. Januar 2021 bis 30. Juni 2023. Das Projektvolumen liegt bei rund 4 Mil­lio­nen Euro und wird mit 68 Pro­zent vom Bun­des­mi­nis­te­ri­um für Wirtschaft und Energie ge­för­dert. Im Verbund arbeiten die Firmen ZF Automotive GmbH Germany aus Düsseldorf (Ver­bund­ko­or­di­na­tor), ZF AI Lab aus Saarbrücken und INGgreen GmbH aus Koblenz mit dem Institut für Ro­bo­ter­for­schung der TU Dort­mund zu­sam­men.