Zur Seitenansicht

Titelaufnahme

Zugriffsbeschränkung
  •  Das Dokument ist frei verfügbar
Links
Download
Klassifikation
Zusammenfassung
  • Die Erreichung auf politischer Ebene ausgerufener Verkehrssicherheitsziele verlangt eine kontinuierliche Weiterentwicklung fahrzeugtechnischer Vorschriften. Mit zunehmender Verbreitung von Fahrerassistenzsystemen und automatisierten Fahrfunktionen ab SAE-Level 3 reichen klassische Datenquellen wie Unfalldaten und Prüfgeländefahrten als Evidenzbasis für die Vorschriftenentwicklung oft nicht mehr aus. Insbesondere für kontinuierlich assistierende oder automatisierte Systeme fehlt es an Informationen über das Verkehrsverhalten im Vorfeld potenzieller Konfliktsituationen. Umgebungsverkehrsdaten – d. h. Trajektoriendaten des umgebenden Verkehrs, erfasst durch fahrzeug-, infrastruktur- oder drohnenbasierte Erhebungsmethoden – stellen eine vielversprechende Ergänzung dar. Die vorliegende Arbeit untersucht das Potenzial von Umgebungsverkehrsdaten für die Entwicklung typgenehmigungsrelevanter Vorschriften entlang der drei Prüfbereiche Anwendbarkeit, Genauigkeit und Repräsentativität. Als empirische Grundlage werden mit einem Messfahrzeug Umgebungsverkehrsdaten auf etwa 3.400 km Strecke innerhalb der Domäne Bundesautobahnen erhoben, aufbereitet und analysiert. Die Ergebnisse zeigen: Die Anwendbarkeit ist grundsätzlich gegeben, jedoch verlangt jeder Erfassungsansatz eine explizite Dokumentation sensor- und messprinzipspezifischer Limitationen. Hinsichtlich der Genauigkeit erweisen sich die erhobenen Daten für autobahntypische Interaktionen als hinreichend, um robuste regulatorische Schlussfolgerungen zu ermöglichen – sofern Messunsicherheiten transparent ausgewiesen werden. Die Repräsentativität konnte für die Verteilung von sicherheitsanalytischen Kennzahlen durch einen Vergleich mit dem Drohnendatensatz highD plausibilisiert werden; zu beachten sind jedoch sensorspezifische Limitationen und Zensierungseffekte. Die universelle Nullhypothese – wonach Umgebungsverkehrsdaten die Ableitung wirksamer Typgenehmigungs-vorschriften nicht beeinträchtigen – wird für den definierten Gültigkeitsbereich nicht verworfen. Als Datenklasse ist ihre regulatorische Eignung konditional: Sie entsteht durch ein nachvollziehbare sMessdesign, transparente Verarbeitung und angemessene Interpretation der Kenngrößen.
Abstract
  • The achievement of road safety policy objectives requires the continuous advancement of vehicle technical regulations. As advanced driver assistance systems and automated driving functions at SAE-Level 3 and above become increasingly prevalent, classical data sources such as accident records and proving ground tests are often no longer sufficient as an evidence base for regulatory development. In particular, data capturing traffic behaviour in the lead-up to potential conflict situations remain largely unavailable for continuously assisting or automated systems. Surrounding traffic data – that is, trajectory data of surrounding traffic participants, collected through vehicle-, infrastructure-, or drone-based data collection methods – represent a promising complementary source. This dissertation investigates the potential of surrounding traffic data for developing type approval regulations across three evaluation dimensions: applicability, accuracy, and representativeness. As an empirical basis, surrounding traffic data are collected, processed, and analysed using an instrumented measurement vehicle over approximately 3,400 km within the domain of German motorways. The results demonstrate that applicability is fundamentally given, yet each collection approach requires explicit documentation of sensor- and measurement-specific limitations. With respect to accuracy, the collected data prove sufficient for deriving robust regulatory conclusions from motorway-typical interactions, provided that measurement uncertainties are transparently reported. Representativeness of the safety-critical metric distributions was substantiated through comparison with the drone-based highD reference dataset; however, sensor-specific limitations and censoring effects must be taken into account. The universal null hypothesis – that surrounding traffic data do not impair the derivation of effective type approval regulations – is not rejected within the defined scope of validity. As a data class, their regulatory suitability is conditional: it emerges from a traceable measurement design, transparent data processing, and appropriate interpretation of the derived metrics.
Statistik
  • Das PDF-Dokument wurde 3 mal heruntergeladen.
Lizenz-/Rechtehinweis