Assistenzssteme zum Erkennen von Verhaltensabsichten Anderer

Die Erkennung von Fahrerabsichten und die Berücksichtigung der Wünsche und Absichten der Nutzer stellt ein schwieriges, aber wichtiges Kriterium bei der nutzergerechten Auslegung von Systemen dar. Ausrufe wie „Was macht er denn jetzt schon wieder“, die wir von der Mensch-Computer-, der Mensch-Roboter- und der Mensch-Fahrzeuginteraktion kennen, sind ein Indiz dafür, dass sich die Systeme nicht so verhalten, wie es der Nutzer erwartet.

FAS Verhaltensprädiktion

Video „Fahrer-Fahrzeug-Interaktion“ (Beispiel)
Wenn ein Fahrer überholen will und daher den Abstand zum Vorausfahrenden verringert, sollte sein abstandsgeregelter Tempomat dies erkennen und nicht abbremsen.

Nur wenn ein Fahrer an einer Kreuzung abbiegen will, ist es sinnvoll, ihn vor einem Radfahrer oder Fußgänger zu warnen, der sich parallel zu ihm bewegt und seine Fahrspur beim Abbiegen kreuzen würde. Eine Warnung vor jedem Radfahrer oder Fußgänger, der sich in der Nähe des Fahrzeugs aufhält, würde die Akzeptanz des Systems zerstören und zur Suche nach dem Ausschalter führen. Eine besondere Herausforderung stellt in dieser Situation die Prädiktion des Verhaltens von Fußgängern dar, da sie ihre Bewegungsrichtung und Geschwindigkeit sehr schnell ändern können.

Ziel der Entwicklung von Systemen zur Verhaltensprädiktion ist, möglichst mit „Standardsensorik“ auszukommen, eine hohe Trefferrate und wenige Fehlalarme zu gewährleisten sowie echtzeitfähig zu sein.

FAS Verhaltensprädiktion

Video „Verhaltensprädiktion Intentionserkennung (VIE)“
Das Projekt UR:BAN hat dem Thema ein eigenes Teilprojekt gewidmet.

Verhalten_1.jpg   Verhalten_2.jpg

Verkehr nicht sichtbar                                      Füße nicht sichtbar

Verhalten_3.jpg   Verhalten_4.jpg

Köpfe nicht sichtbar                                          nur Position sichtbar


Ergebnisse:

Verhalten_5.jpg

 

Literatur:

Graichen, Matthias: Analyse des Fahrverhaltens bei der Annäherung an Knotenpunkte und personenspezifische Vorhersage von Abbiegemanövern. Dissertation Universität der Bundeswehr München, 2019. 

Graichen, Matthias; Nitsch, Verena: Effects of driver characteristics and driver state on predicting turning maneuvers in urban areas. Is there a need for individualized parametrization? In: Stanton, Nevilla A.; Landry, Steven; Di Bucchianico, Giuseppe; Vallicelli, Andrea (Eds.) Advances in Human Aspects of Transportation, 2017. p 15-29. Proceedings of the AHFE 2016 International Conference on Human Factors in Transportation, July 27–31, 2016.

Graichen, Matthias; Nitsch, Verena; Färber, Berthold: A Meta-perspective on Research Activities in UR:BAN Human Factors in Traffic. In: Bengler, Klaus; Drüke, Julia; Hoffmann, Silja; Manstetten, Dietrich; Neukum, Alexandra (Eds.): UR:BAN Human Factors in Traffic – Approaches for Safe, Efficient and Stress-free Urban Traffic. ATZ-MTZ-Fachbuch. Springer Vieweg Wiesbaden, 2018, Pp.29-46.

Färber, Berthold: Kommunikationsprobleme zwischen autonomen Fahrzeugen und menschlichen Fahrern. In: Maurer, Markus; Gerdes, J. Christian; Lenz, Barbara; Winner, Hermann (Hrsg.): Autonomes Fahren – Technische, rechtliche und gesellschaftliche Aspekte. Springer Vieweg Berlin, 2015, S.127-146. (kostenlos abrufbar unter: https://link.springer.com/content/pdf/10.1007%2F978-3-662-45854-9_7.pdf)

Schmidt, Sabrina; Färber, Berthold: Pedestrians at the kerb – Recognising the action intentions of humans. In: Transportation Research, Part F, Traffic, Psychology and Behaviour, 12(4), pp. 300-310, July 2009. https://www.researchgate.net/publication/238300147