Kategorie: Connected Technik

12.10.2011
Vernetzte Vorausschau – mehr Wissen für mehr Sicherheit.
 

Was liegt hinter der nächsten Kurve? Erwartet mich ein Stau auf der Strecke?

Je mehr der Fahrer über den vor ihm liegenden Fahrtverlauf weiß, desto besser können er und sein Fahrzeug sich auf die kommenden Ereignisse vorbereiten und entsprechend reagieren. Deshalb beschäftigen sich die Entwickler der BMW Group bereits seit einiger Zeit damit, Informationen über die vorausliegende Strecke zu sammeln, den Fahrer zu informieren, was in gewisser Entfernung vor dem Fahrzeug passiert, und dadurch Handlungssicherheit zu fördern oder die Informationen für vorausschauende Fahrerassistenzsysteme, Navigation und Energiemanagement zu nutzen. Zwei aktuelle Forschungsprojekte der BMW Group, die hierzu ihren Beitrag leisten, sind die „Lokale Gefahrenwarnung“ und die „Vernetzte Vorausschau“.

Lokale Gefahrenwarnung.

Das Ziel der lokalen Gefahrenwarnung ist es, den Fahrer rechtzeitig vor schlecht vorherzusehenden Gefahren auf der Autobahn zu warnen, beispielsweise vor Stauenden hinter Kurven, Unfällen oder engen Wanderbaustellen. Die lokale Gefahrenwarnung zeigt Gefahrenpotenziale frühzeitig an, um sie damit zu entschärfen.

„Eine Gefahr, die ich im Vorfeld bereits kenne, ist nur noch halb so gefährlich, da ich mich darauf einstellen kann.“ (Georg Obert, Projektleiter „Lokale Gefahrenwarnung“ beim BMW Group Verkehrsmanagement)

Erste Szenarien der lokalen Gefahrenwarnung testen die Entwickler der BMW Group derzeit in Hessen. Hier wurden sämtliche mobilen Baustellenanhänger von den Autobahnbehörden mit einem Sender ausgestattet, der den exakten aktuellen Ort sowie weitere relevante Informationen übermittelt. So gibt der Sender außerdem an, ob eine Spur gesperrt wurde und welche dies ist, auf welche Spur auszuweichen ist und wie hoch die im Baustellenbereich erlaubte Höchstgeschwindigkeit ist. Diese Daten gelangen über einen Server im Backend in das Testfahrzeug der Verkehrsmanager – ein aktueller BMW 5er – und werden dort weiterverarbeitet und aufbereitet. Die Baustellenanhänger sind für Testreihen hervorragend geeignet, da sie aufgrund ihrer GPS-Positionierung und der Verbindung ins Backend sehr gut nachvollziehbare Referenzorte darstellen, an denen man das Fahrzeugsystem kalibrieren kann. So liefern sie die Basisinformationen für mögliche zukünftige Ausweitungen auf andere Situationen.

Erhält das Testfahrzeug die Information über einen vorausliegenden Anhänger, informiert es den Fahrer über das Navigationssystem rechtzeitig vor der Gefahr. Gleichzeitig gibt das System dem Fahrer konkrete Hinweise zur Höchstgeschwindigkeit und zu einem eventuell vorzunehmenden Spurwechsel. Da die Entwickler der BMW Group das System momentan auf Genauigkeit und Verlässlichkeit testen, ist es derart eingestellt, dass der Warnzeitpunkt bei einem Kilometer vor dem Ereignis liegt. Wissenschaftliche Studien haben ergeben, dass dies die optimale Warndistanz für den späteren Anwendungsfall im Fahrzeug darstellt.

Die lokale Gefahrenwarnung ist mit der nächsten Generation von Navigationssystemen umsetzbar. Durch deren Fähigkeit, hochpräzise Ortsinformationen auf fünf Meter genau zu verarbeiten, lassen sich Warnzeitpunkt sowie Gefahrenort optimal bestimmen und anzeigen. In weiteren Stufen ist denkbar, die lokale Gefahrenwarnung in Abhängigkeit von der Eigengeschwindigkeit und der umgebenden Verkehrsgeschwindigkeit auszugeben und beispielsweise Berechnungen zu Rückstaus mit einzubeziehen. Durch eine zuverlässige Eigenerkennung tragen BMW Fahrzeuge über Extended Floating Car Data bereits heute zu einer Verbesserung von Verkehrsmeldungen bei. So konnte die BMW Group im Sommer 2011 den schnellen und umfassenden Verkehrsinformationsdienst Real-Time Traffic Information (RTTI) in Serie bringen. Zukünftig können sie auch Daten erfassen, die zur Erzeugung von lokalen Gefahrenwarnungen herangezogen werden können, was RTTI optimal ergänzt.

Vernetzte Vorausschau.

In einem weiteren Forschungsprojekt, der vernetzten Vorausschau, haben die Entwickler der BMW Group Forschung und Technik GmbH ein besonderes Ziel:

„Mit der vernetzten Vorausschau versuchen wir in die Zukunft zu schauen und vorherzusehen, was in zwei Minuten auf unserer Route passieren wird.“ (Dr. Ilse Kulp, Projektleiterin „Vernetzte Vorausschau“ bei der BMW Group Forschung und Technik)

Sie arbeiten daran, den Geschwindigkeitsverlauf und damit den Verkehrsfluss auf der eigenen Route für die nächsten zwei Minuten verlässlich vorauszusagen. Je nach Fahrszenario bedeutet dies einen Blick von wenigen Hundert Metern in der Stadt bis hin zu mehreren Kilometern auf der Autobahn. Die Vorhersage der vorausliegenden Verkehrssituation soll dem Fahrer frühzeitig verkehrsrelevante Informationen zur Verfügung stellen, um ihn damit sowie durch Empfehlungen zu Geschwindigkeit und Routenführung zu unterstützen, sein Ziel sicher und effizient zu erreichen.

Mehrere Datenquellen für höchste Zuverlässigkeit.

Die vernetzte Vorausschau beruht auf einer Simulation des umgebenden Verkehrs für den nächsten Routenabschnitt. Um die Voraussage von vornherein so zuverlässig wie möglich zu machen, nutzt die vernetzte Vorausschau unterschiedliche Datenquellen. Darunter sind zum einen historische Verkehrsdaten: Sie basieren auf der Beobachtung eines definierten Verkehrsabschnitts über einen längeren Zeitraum und erlauben so Prognosen darüber, wie hoch zu einem gewissen Zeitpunkt an einer bestimmten Stelle das Verkehrsaufkommen und die durchschnittlich gefahrene Geschwindigkeit sein werden. Daraus lassen sich erste Rückschlüsse auf die wahrscheinliche Verkehrsdichte und damit beispielsweise auch auf eine eventuelle Staugefahr ableiten.

Hinzu kommen Daten aus der Car-2-Car- sowie der Car-2-Backend-2-Car-Kommunikation. Die Car-2-Car-Kommunikation erlaubt die direkte Kommunikation zwischen Fahrzeugen über eine Distanz von bis zu 500 Metern. So „sieht“ das eigene Fahrzeug auch, was das vorausfahrende Fahrzeug „sieht“, und kann eine Prognose über die Zeit aufstellen, die ihm bleibt, bis es an der Position des vorausfahrenden Fahrzeugs ist. Dieser Prognosehorizont wird durch die Car-2-Backend-2-Car-Kommunikation nochmals deutlich erweitert, da aufgrund der Verbindung zu einem Server keine direkte Verbindung zwischen den Fahrzeugen mehr gegeben sein muss. Wichtig sind hier beispielsweise Informationen über die Anzahl und Geschwindigkeit der sich in der näheren Umgebung des jeweiligen Fahrzeugs befindenden anderen Autos. Komplettiert werden die Daten zur Berechnung der Verkehrsflusssimulation mit den eigenen Fahrzeugdaten wie aktuellem Ort und aktueller Geschwindigkeit, dem bisherigen Fahrtverlauf sowie dem Ziel der Route.

Ein Algorithmus berechnet die Zukunft.

Auf Basis der intelligenten Zusammenführung dieser Daten (Datenfusion) berechnet ein Algorithmus, wie sich der Verkehr in den nächsten zwei Minuten entwickelt. Daraus leitet der Algorithmus dann Empfehlungen ab, wie sich der Fahrer am besten verhalten soll. Dies können Warnhinweise sein, aber auch Geschwindigkeitsempfehlungen, beispielsweise für ein effizientes Mitschwimmen auf der grünen Welle. Ebenso denkbar ist der frühzeitige Hinweis, dass die vorausliegende Ampel bald auf Rot schaltet und der Fahrer daher energiesparend ausrollen kann – unter Einbeziehung des erwarteten Rückstaus durch die umgebenden Fahrzeuge.

Die große Herausforderung bei der vernetzten Vorausschau liegt in der möglichst exakten Prädiktion dessen, was passieren wird – also darin, aus all den verfügbaren Daten wahrscheinliche Szenarien und zuverlässige Hinweise abzuleiten.

„Wir haben sehr viele Daten zum Istzustand, beispielsweise dazu, wie schnell vorausfahrende Fahrzeuge fahren, Ampelsignaldaten und eigene Daten. Daraus gilt es eine verlässliche Vorhersage abzuleiten, wie sich das Verkehrsgeschehen in den nächsten zwei Minuten entwickeln wird. Das klingt zunächst ein wenig wie Glaskugellesen.“ (Benno Schweiger, arbeitet bei der BMW Group Forschung und Technik an dem Algorithmus der vernetzten Vorausschau)

Die komplexe Zusammenführung in eine verlässliche Vorhersage leistet der Algorithmus über eine Mikroverkehrsflusssimulation. Hierzu wird das vorausliegende Straßenstück eindimensional erfasst und alle verfügbaren Daten aus dem Umfeld, wie beispielsweise von Fahrzeugen, die ihre Position senden, hinzugefügt. Aus den historischen Daten und der aktuellen Eigengeschwindigkeit extrahiert der Algorithmus zudem eine angenommene Verkehrsdichte und füllt die Lücken zu den bereits erfassten Fahrzeugen zufallsverteilt mit virtuellen Fahrzeugen auf. Dabei passen die virtuellen Fahrzeuge in der Simulation ihre Geschwindigkeit, basierend auf Sollgeschwindigkeit und Abstandsmodellen, automatisch an die Geschwindigkeit der umgebenden Fahrzeuge an.

100 Szenarien pro Sekunde.

Diese Simulation führt der Algorithmus ungefähr 100-mal pro Sekunde durch. Dabei sind die Verteilung der Fahrzeuge und das Verhalten ihrer virtuellen Fahrer zufallsverteilt stets ein bisschen anders, sodass sich pro Sekunde 100 verschiedene Varianten für die nächsten zwei Minuten ergeben. Aus dieser Menge lassen sich dann anhand der Häufigkeit bestimmter Ereignisse verlässliche Vorhersagen über die nächsten zwei Minuten in der Realität ableiten. Erkennt der Algorithmus hochwahrscheinliche Szenarien, gibt er entsprechende Warnungen oder Hinweise aus.

Mit dieser Prognose lassen sich nicht nur Staus, sondern auch die „Bewegung“ von Stauenden genau vorhersagen, da auch wachsender Rückstau mit einberechnet wird. So werden Empfehlungen zur Umfahrung besser, der Fahrer kann bei zäh fließendem Verkehr frühzeitig die Geschwindigkeit anpassen oder weiß, wo sich der Stau wieder auflöst. Was zukünftige Usecases auf Basis des Algorithmus zur vernetzten Vorausschau sein können, erarbeiten die Entwickler der BMW Group Forschung und Technik derzeit in Zusammenarbeit mit anderen Fachabteilungen.

Fahrzeug oder Backend?

Im aktuellen Forschungsprototyp sorgt ein großer Computer im Kofferraum für die erforderliche Rechenleistung, die theoretisch auch im Backend zur Verfügung stehen könnte. Deshalb prüfen die Entwickler momentan Mittel und Wege sowohl zur Skalierung und zur Integration der Recheneinheit ins Fahrzeug als auch zur Verlagerung der Rechenarbeit ins Backend, um die zukünftig sinnvollste Lösung zur Verfügung stellen zu können.

Die Besonderheit und damit auch der große Vorteil der vernetzten Vorausschau liegen in der Kombination der zugrunde liegenden Daten. Informationen über unmittelbar Vorausliegendes erhält das Fahrzeug über Car-2-Car-Kommunikation sofort, weiter Vorausliegendes deckt die Car-2-Backend-2-Car-Kommunikation ab. Dazu kommen als Berechnungsgrundlage die historischen Verkehrsdaten. Um noch genauere Vorhersagen treffen zu können, sollen zukünftig auch echtzeitbasierte Verkehrsdaten wie RTTI, Ampelinformationen, Daten von Wechselverkehrszeichen oder Wetterinformationen die Datengrundlage für die Verkehrsflusssimulation erweitern.

Quelle: BMW Presse Mappe zu den BMW Innovationstagen ConnectedDrive 2011 vom 05.10.2011

Bitte empfehlen Sie diesen Artikel weiter: