Untersuchung und Klassifikation der Fahreraufmerksamkeit bei längerer partiell automatisierter Fahrt

Author:

Hugenroth AlexanderORCID,Warnecke Alexander,Bertram Torsten

Abstract

ZusammenfassungUm die Unfallzahlen weiter zu senken, schreibt die Europäische Union ab 2030 eine höhere Fahrerüberwachung für neue Fahrzeuge vor. Bislang liegt der Fokus in einem manuell gefahrenen Fahrzeug auf einer Müdigkeitserkennung als Komfortsystem. Jedoch ändern sich die Anforderungen an den Fahrer und dessen Aufgaben bei steigender Automatisierung der Fahraufgabe, sodass auch die Fahrerbeobachtung/-überwachung weiter entwickelt werden sollte. Die vorliegende Arbeit beschäftigt sich mit der Auslegung von Aufmerksamkeitsaufgaben in Simulator-Fahrversuchen und einem ersten Versuch die aufgenommenen Daten von wenigen Probanden automatisch auszuwerten, um die Machbarkeit zu zeigen. Durch die partielle Automatisierung (nach SAE Level 2) der Fahraufgabe bleiben dem Fahrer bei der hier vorgestellten längeren Aufmerksamkeitsaufgabe nur noch schwache und seltene Reize, sodass von einer Vigilanzaufgabe gesprochen werden kann. Zur Messung des Fahrerzustands wird in dieser Machbarkeitsstudie eine Kombination aus verschieden Körperfunktionen durch unterschiedliche Sensoren erfasst, mit einem künstlichen neuronalen Netzwerk fusioniert und verarbeitet. Es werden verschiedene Kombinationen von Sensoren getestet, um herauszufinden, welche Signale für eine Klassifikation des Fahrerzustands ausreichend oder notwendig sind. Dabei wird darauf geachtet, ob diese Signale in Zukunft durch neue Sensortechnologien auch kontaktlos erfasst werden könnten, um eine Entwicklung dieser zu motivieren. Am Ende wird eine Klassifizierung vorgenommen, die zwischen den hier so genannten Zuständen Vigilant (aufmerksam) und Hypovigilant (nicht mehr aufmerksam) unterscheiden kann, sodass eine anschließende Regelung ein solches Signal verwenden kann, um den Fahrer in einen besseren Zustand zu bringen. Zudem kann der Fahrer gewarnt werden, wenn die Aufmerksamkeit nicht zu den Aufgaben passt, die er in der Automatisierungsstufe zu erledigen hat beziehungsweise für die er verantwortlich ist. Dazu könnten Aufgaben zwischen dem Fahrzeug und dem Fahrer dynamisch verteilt werden, also beispielsweise die Führung in Längs- oder Querrichtung wieder als Fahraufgabe dem Fahrer übergeben werden, um ihn aufmerksam zu halten. Durch eine kontaktlose Erfassung der Aufmerksamkeit gibt es zudem einen Komfortgewinn, da zum Beispiel die Hände nicht mehr das Lenkrad festhalten müssen, um dem Fahrzeug seine Aufmerksamkeit zu bestätigen, wie es heute in einigen Fahrzeugen üblich ist.

Funder

Technische Universität Dortmund

Publisher

Springer Science and Business Media LLC

Subject

General Engineering

Reference34 articles.

1. Åkerstedt T, Gillberg M (1990) Subjective and objective sleepiness in the active individual. Int J Neurosci 52(1–2):29–37. https://doi.org/10.3109/00207459008994241

2. Coetzer RC, Hancke GP (2009) Driver fatigue detection: a survey. In: IEEE (Hrsg) AFRICON 2009, S 1–6 https://doi.org/10.1109/AFRCON.2009.5308101

3. Daimler AG ATTENTION ASSIST: Müdigkeitserkennung warnt rechtzeitig vor dem gefährlichen Sekundenschlaf. https://web.archive.org/web/20160304111653/ (Erstellt: 12. Nov. 2008). Zugegriffen: 3. Nov. 2020 (http://media.daimler.com/dcmedia/0-921-658892-49-1147698-1-0-0-1147922-0-1-11694-0-0-1-0-0-0-0-0.html?TS=1361030865949)

4. Europäische Kommission Sicherheit im Straßenverkehr: Kommission begrüßt Einigung auf neue EU-Vorschriften, die zur Rettung von Menschenleben beitragen. https://ec.europa.eu/commission/presscorner/detail/de/IP_19_1793 (Erstellt: 26. März 2019). Zugegriffen: 28. Okt. 2020

5. Feldhütter A, Feierle A, Kalb L, Bengler K (2018) A new approach for a real-time non-invasive fatigue assessment system for automated driving. Proc Hum Factors Ergon Soc Annu Meet 62:1669–1673. https://doi.org/10.1177/1541931218621379

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3