Dissertations / Theses on the topic 'Autonomes Fahrzeug'

Die Bedeutung innovativer Geschäftsmodelle als Bestimmungsfaktor für den Unternehmenserfolg steht weitestgehend außer Frage. Aufgrund der hohen Komplexität von Geschäftsmodellen hat sich jedoch bislang kein praktisch anwendbares Bewertungskonzept etablieren können, welches Geschäftsmodellinnovationen in Hinblick auf deren Erfolgsentwicklung untersucht. Zur Adressierung dieser Problemstellung wird unter Anwendung des systemdynamischen Ansatzes ein Simulationsmodell entwickelt, welches den Wertbeitrag einer Geschäftsmodellinnovation ausweist. Neben dem Kapitalwert als finanzielle Wertgröße des Geschäftsmodells werden ferner der Kundenwert sowie der Wert der unternehmerischen Fähigkeiten als wichtige Wertgrößen explizit gemacht, da sie die zukünftige Leistungs- und Wettbewerbsfähigkeit des Geschäftsmodells determinieren. Damit liefert das Bewertungsmodell einen Ansatz zur ganzheitlichen Geschäftsmodellbewertung, die die Anwendung finanzieller Standardkalkulationen mit der Messbarmachung nicht-finanzieller Erfolgsgrößen kombiniert.:1 Einführung 2 Geschäftsmodelle und Geschäftsmodellbewertung 3 Entwicklungsprozess des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 4 Aufbau des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 5 Simulation des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 6 Schlussbetrachtung
Business model innovations provide powerful levers for creating sustainable competitive advantage and thus have a positive impact on the value of an enterprise. However, due to the complexity of business models, no practically applicable framework, evaluating an innovative business model with regard to its effect on a company’s success, has been established. Hence, a simulation model assessing the value contribution of a business model innovation is developed. Using the mathematical modeling technique ‘System Dynamics’ to frame the value drivers of a business allows for simulation experiments that reveal the effect of the business model’s design on its profitability, therewith guiding policymakers towards better decisions. As a result, the simulation model reports the net present value of a business model. In addition, the success indicators customer lifetime value and the value of the enterprises’ capabilities are identified as important assets that have to be monitored closely as they determine the company’s prospective performance. In combining financial standard calculations with the operationalization of non-financial measures, the simulation model represents a comprehensive approach for business model evaluation.:1 Einführung 2 Geschäftsmodelle und Geschäftsmodellbewertung 3 Entwicklungsprozess des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 4 Aufbau des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 5 Simulation des systemdynamischen Geschäftsmodells bedarfsabhängiger Funktionserweiterungen 6 Schlussbetrachtung

Driving comfort is considered a key factor for broad public acceptance of automated driving. Based on continuous driver/passenger monitoring, potential discomfort could be avoided by adapting automation features such as the driving style. The EU-project MEDIATOR (mediatorproject.eu) aims at developing a mediating system in automated vehicles by constantly evaluating the performance of driver and automation. As facial expressions could be an indicator of discomfort, a driving simulator study has been carried out to investigate this relationship. A total of 41 participants experienced three potentially uncomfortable automated approach situations to a truck driving ahead. The face video of four cameras was analyzed with the Visage facial feature detection and face analysis software, extracting 23 Action Units (AUs). Situation-specific effects showed that the eyes were kept open and eye blinks were reduced (AU43). Inner brows (AU1) as well as upper lids (AU5) raised, indicating surprise. Lips were pressed (AU24) and stretched (AU20) as sign for tension. Overall, facial expression analysis could contribute to detect discomfort in automated driving.

Bei der Entwicklung neuartiger und innovativer Fahrerassistenzsysteme kommt der Positions- und Ausrichtungsbestimmung von Fahrzeugen eine Schlüsselrolle zu. Dabei entscheidet die Güte der Positionsbestimmung über die Qualität, die Robustheit und den Einsatzbereich des Gesamtsystems. Verbesserungen in der Positionsbestimmung führen zu einer besseren Performanz bzw. sind die Grundvoraussetzung für die Realisierung dieser Fahrerassistenzsysteme. Ein Beispiel für solch ein neuartiges Fahrerassistenzsystem, welches auf eine hochgenaue Positionsbestimmung baut, ist der BMW TrackTrainer. Dieses Assistenzsystem soll den "normalgeübten" Autofahrer beim schnellen Erlernen der Ideallinie auf Rennstrecken unterstützen, indem das Fahrzeug die Rennstrecke völlig autonom auf einer vorher aufgezeichneten Ideallinie umrundet, während der Teilnehmer sich die Strecke aus Fahrerperspektive einprägt. Für die Realisierung eines derartigen Assistenzsystems ist eine hochgenaue Positionsbestimmung im cm-Bereich notwendig. Bisher wurde dafür eine GPS-gestützte Inertialplattform eingesetzt, welche unter guten GPS-Empfangsbedingungen die Anforderungen an die Positionierung erfüllt. Bei schlechten GPS-Empfangsbedingungen, wie sie beispielsweise auf der international bekannten Rennstrecke Nürburgring Nordschleife aufgrund von Verdeckung und Abschattung der Satellitensignale durch stark bebautes oder bewaldetes Gebiet auftreten, liefert das Positionierungssystem keine ausreichend genauen Werte, wodurch das autonome Fahren verhindert wird. Zwar gibt es neben GPS auch weitere Positionsbestimmungssysteme, die aber für den Einsatz auf Rennstrecken entweder zu ungenau sind, oder einen zu hohen Rüstaufwand erfordern würden. Um diese Lücke zu schließen, wurde im Rahmen dieser Arbeit ein hochgenaues Positionsbestimmungssystem entwickelt und evaluiert, welches auch unter schlechten GPS-Empfangsbedingungen den Anforderungen des autonomen Fahren auf Rennstrecken genügt und auf einer Fusion verschiedener Signalquellen in einem Positionsfilter beruht. Folgende Signalquellen wurden hinsichtlich Genauigkeit sowie Praxistauglichkeit für den Einsatz auf Rennstrecken experimentell untersucht: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Digitaler Kompass - Laser-Reflexlichtschranken - Servo-Tachymeter - LIDAR-basierte Randbebauungserkennung - Videobasierte Spurerkennung - Digitale Karte. Obwohl eine GPS-gestützte Inertialplattform (GPS/INS) unter schlechten GPS-Empfangsbedingungen keine ausreichend genauen Positionswerte im cm-Bereich liefert, besitzt dieses System dennoch eine hohe Robustheit und Langzeitstabilität und stellt damit eine sehr gute Grundlage für die Positionsbestimmung auf Rennstrecken dar. Fahrzeugsensoren, bestehend aus Raddrehzahl- und Gierratensensor, schreiben die Fahrzeugposition mit Hilfe der Koppelnavigationsgleichung relativ für ca. 10s ohne eine Messung absoluter Positionswerte fort. Um die bestehenden Genauigkeitsanforderungen zu erfüllen, muss jedoch ab einer Geschwindigkeit von 30km/h das Fahrzeugmodell um eine Schwimmwinkelschätzung erweitert werden. Ein digitaler Kompass eignet sich nachweislich nicht für die Positionsbestimmung auf Rennstrecken. Hier treten aufgrund von magnetischen Interferenzen zu große Messfehler der Fahrzeugausrichtung auf, die eine Positionsstützung ungeeignet machen. Bei Referenzmessungen mit einem Servo-Tachymeter konnte die geforderte Genauigkeit dieser Messeinrichtung bei Fahrzeuggeschwindigkeiten kleiner 30km/h nachgewiesen werden. Bei höheren Geschwindigkeiten liefert das System jedoch keine Ergebnisse, was den Einsatz auf Rennstrecken ausschließt. Auf den Boden gerichtete Laser-Reflexlichtschranken können sehr präzise die Überfahrt über eine Bodenmarkierung detektieren. Da diese Überfahrten beim autonomen Fahren auf Rennstrecken nur sehr selten auftreten, ist diese Positionierungsmethode nicht geeignet. Mit Hilfe einer LIDAR-basierten Randbebauungserkennung kann die Fahrzeugposition in Kombination mit einer hochgenauen digitalen Karte der Randbebauung auf ca. 20-30cm genau geschätzt werden. Schwierigkeiten bereiten hier jedoch Unregelmäßigkeiten in der Geometrie der Randbebauung. Während parallel verlaufende Leitplanken neben der Strecke sehr gut erfasst werden können, liefern Sträucher, Erdwälle, etc. ungenaue Messergebnisse. Somit ist die LIDAR-basierte Randbebauungserkennung ein bedingt geeignetes System zur Positionsstützung auf Rennstrecken. Als vielversprechendster Ansatz zur Verbesserung der Positions- und Ausrichtungsbestimmung auf Rennstrecken konnte der Einsatz einer visuellen Spurerkennung in Verbindung mit einer hochgenauen digitalen Karte der Spurmarkierungen identifiziert werden. Hierfür wurde eine sich in Vorserie befindliche Bildverarbeitungseinheit der Firma MobileEye mit einer eigens entwi-ckelten Spurerkennung verglichen. Letztere bietet den Vorteil, Systemwissen über den Verlauf der Fahrspurmarkierung sowie negative Effekte der Fahrzeugeigendynamik mit in den Signalver-arbeitungsprozess einfließen zu lassen. Bei Vergleichsfahrten auf dem BMW eigenem Testgelände in Aschheim konnte der Vorteil der Spurdatenrückführung nachgewiesen werden. Die erwei-terte Spurerkennung hatte nachweislich gegenüber der Vorserienbildverarbeitung eine höhere Verfügbarkeit von gültigen Messwerten. Bei Messfahrten auf der Nordschleife stellte sich jedoch das Vorseriensystem von MobileEye als das deutlich robustere Spurerkennungssystem heraus. Hier führten verschmutzte Fahrbahnmarkierungen, schnell wechselnde Lichtverhältnisse sowie sonstige Straßenbeschriftungen dazu, dass die erweiterte Spurerkennung weitaus weniger gültige Messwerte lieferte als das Vorseriensystem. Aus diesem Grund fiel für Fahrten mit schlechten visuellen Bedingungen die Wahl auf das Vorserienbildverarbeitungssystem. Für den Entwurf des Positionsfilters wurden letztlich folgende Signalquellen verwendet: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Videobasierte Spurerkennung in Kombination mit einer selbst aufgezeichneten hochge-nauen Karte der Spurmarkierungen der Teststrecke. Als Fusionsalgorithmus wurde ein erweiterter Kalman-Filter eingesetzt, da sich dieser besonders für die Zusammenführung unterschiedlicher Sensormessdaten eignet. Um eine optimale Zustandsschätzung der Fahrzeugposition und Ausrichtung zu erhalten, mussten die verwendeten Signalquellen zunächst zeitlich synchronisiert sowie auf Plausibilität geprüft werden. Als Synchronisationspunkt wurde der Messzeitpunkt der Signalquelle mit der größten Latenz verwendet. Dieser wurde mit 163ms durch für die videobasierte Spurerkennung bestimmt. Da jedoch eine verzögerte Positionsschätzung für eine stabile Reglung des Fahrzeugs für das autonome Fahren ungenügend ist, wurde die geschätzte Fahrzeugposition am Ausgang des Kalman-Filters mit Hilfe der Koppelnavigationsgleichung sowie der Fahrzeugsensoren auf den aktuellen Zeitpunkt (Latenz = 0s) prädiziert. Für die Detektion systematischer Fehler wie Radschlupf, falsch erkannte Spurmarkierung und GPS-Mehrwegeausbreitung kamen robuste Signalplausibilisierungsalgorithmen zum Einsatz. So erfolgte die Plausibilisierung der Spurerkennung unter anderem über die selbst aufgezeichnete hochgenaue Karte der Spurmarkierungen, da eine Spurerkennung nur da sinnvoll ist, wo Spurmarkierungsstützpunkte in hinterlegt sind. Für die Gültigkeitsüberprüfung der GPS-Messwerte wurde ein GPS-Offset-Beobachter entwickelt und angewendet. Die Evaluierung des entwickelten Positionsfilters wurde im Rahmen der Arbeit am Beispiel des BMW TrackTrainers auf drei ausgewählten Teststrecken mit steigendem Schwierigkeitsniveau (Verschlechterung der GPS-Empfangsbedingungen) durchgeführt. Hierfür wurde die in Echtzeit geschätzte Fahrzeugposition mit einer durch Post-Processing korrigierten Positionslösung referenziert. Die Auswertung der Ergebnisse bewies, dass der entwickelte Positionsfilter durch die Fusion einer GPS-gestützten Inertialplattform, den Fahrzeugsensoren zur Messung von Gierrate und Raddrehzahlen sowie einer visuellen Spurerkennung in Kombination mit einer hochgenauen Karte der Fahrspurmarkierungen die Anforderungen des autonomen Fahrens auch unter schlechten GPS-Empfangsbedingungen erfüllt. Mit diesem, im Rahmen der Arbeit entwickelten, hoch-genauen Positionsbestimmungssystem konnte erstmalig am 21.10.2009 das autonome Fahren auf der Nürburgring Nordschleife nachgewiesen werden.

Im Rahmen dieser Arbeit wird gezeigt, dass sich aktiv geregelte Feder-Dämpfer-Systeme anbieten, um die steigenden Anforderungen an den Fahrkomfort beim autonomen Fahren zu erfüllen. Durch eine Entkopplung des Fahrgastraums von der Straßenanregung werden der Fahrkomfort gesteigert und das Auftreten von Kinetose verringert. Mit der aktiven Luftfeder der TU Darmstadt - einer Synthese aus Luftfeder und aktiver Federung - wird ein derartiges System konzipiert, entwickelt und ein Funktionsprototyp im Versuch validiert. Der Grundgedanke ist, die Vorteile einer konventionellen Luftfederung mit denen eines aktiven Systems zu kombinieren. Die aktive Luftfeder ist teiltragend und die Kraftstellung erfolgt durch eine Verstellung der tragenden (druckeffektiven) Fläche der Luftfeder im Betrieb mit hydraulischen Aktoren. Diese sind in die Abrollkolben der Luftfeder integriert und arbeiten mit einer Eckfrequenz von ca. 5 Hz. Ausgehend von der Frage nach der optimalen vertikaldynamischen Schwingungsminderung, wird zunächst ein Verfahren erarbeitet, um Vertikaldynamiksysteme bereits in einer frühen Phase der Entwicklung im Spannungsfeld zwischen Funktion und Aufwand bewerten zu können. Hierfür wird die Maximierung von Fahrkomfort und Fahrsicherheit als mathematisches Optimierungsproblem - der Minimierung der H2-Norm der Übertragungsfunktionen der Aufbaubeschleunigung und der Radlastschwankung - formuliert. Basierend auf den theoretischen Voruntersuchungen wird ein Prototyp der aktiven Luftfeder entwickelt. Um diesen unter möglichst realistischen Bedingungen im Experiment zu untersuchen, werden Hardware-in-the-Loop-Versuche durchgeführt. Es wird gezeigt, dass der Fahrkomfort bei der Fahrt auf einer Bundesstraße mit 100 km/h bei verbesserter Fahrsicherheit um ca. 35 % gesteigert wird.

Das automatische Erstellen einer Fahrbahn ist eine wichtige Voraussetzung für verschiedene Anwendungen der Robotik, wie z. B. autonome Fahrzeuge oder fahrerlose Transportsysteme. In dieser Arbeit werden verschiedene bekannte Verfahren der Bahnplanung vorgestellt und miteinander verglichen. Die Berücksichtigung mechanischer Zwangsbedingungen ist dabei ein Schwerpunkt der Betrachtungen. Anschließend wird die konkrete Implementierung eines abtastbasierten Verfahrens beschrieben und der Einfluss verschiedener Parameter auf dessen Funktionalität untersucht. Der Planungsalgorithmus wird außerdem um die Möglichkeit einer dynamischen Umplanung der aktuellen Bahn erweitert. Zahlreiche Simulationen belegen, dass das umgesetzte Verfahren auch komplexe Bahnplanungsprobleme unter verschiedenen Bedingungen in vergleichsweise kurzer Zeit lösen kann. Schwächen zeigen sich vor allem bei sehr engen Manövrierräumen und extrem dynamischen Umgebungen
Automatic path planning is an important prerequisite for various applications in robotics, such as autonomous vehicles or automatic guided vehicle systems. In this thesis, different approaches for path planning are presented. The methods are compared and evaluated, especially considering their ability to handle differential constraints. Then, the concrete implementation of a sampling-based approach using motion primitives is explained. This algorithm is finally expanded to allow dynamic replanning in reaction of unexpected environmental changes. In numerous simulations, the implemented method proves its ability to solve path planning problems under a variety of conditions in a relatively short amount of time. It is only in extremely narrow spaces and highly dynamic environments when the approach fails to generate a solution

Die Fahrzeuglokalisierung ist im Bereich der Fahrerassistenzsysteme von entscheidender Bedeutung und Voraussetzung fur verschiedene Anwendungen der Robotik, wie z.B. Navigation oder Kollisionsvermeidung fur fahrerlose Transportsysteme (FTS). In dieser Arbeit wird ein Verfahren zur Lokalisierung mittels Landmarken vorgestellt, die eine Orientierung bezuglich einer Karte ermoglichen. Dabei werden der Erweiterte- Kalman-Filter und der Partikel-Filter fur diese Aufgabe untersucht und verglichen. Ein Schwerpunkt dieser Betrachtungen stellt dabei der Partikel-Filter dar. Die besondere Problematik der Initialisierung wird ausfuhrlich fur beide Filter dargestellt. Simulationen und Versuche zeigen, dass sich der Partikel-Filter fur eine robuste Lokalisierung der Fahrzeugposition verwenden lasst. Im Vergleich dazu kann der Erweiterte-Kalman-Filter nur im begrenzten Maße eingesetzt werden
The localization of vehicles is of vital importance in the field of driver assistance systems and a requirement of different applications for robotics, i.e. navigation or collision avoidance for automatic guided vehicle systems. In this thesis an approach for localization by means of landmarks is introduced, which enables an orientation regarding a map. The extended Kalman filter and the particle filter are analyzed and compared. The main focus for this consideration is on the particle filter. The problematic for initialization is discussed in detail for both filters. Simulations and tests prove that the particle filter is suitable for robust localization of the vehicle position. Compared to this, the extended Kalman filter can only be used to a certain extend

The localization of autonomous ground vehicles in dense urban environments poses a challenge. Applications in classical outdoor robotics rely on the availability of GPS systems in order to estimate the position. However, the presence of complex building structures in dense urban environments hampers a reliable localization based on GPS. Alternative approaches have to be applied In order to tackle this problem. This thesis proposes an approach which combines observations of a single perspective camera and odometry in a probabilistic framework. In particular, the localization in the space of appearance is addressed. First, a topological map of reference places in the environment is built. Each reference place is associated with a set of visual features. A feature selection is carried out in order to obtain distinctive reference places. The topological map is extended to a hybrid representation by the use of metric information from Geographic Information Systems (GIS) and satellite images. The localization is solved in terms of the recognition of reference places. A particle lter implementation incorporating this and the vehicle's odometry is presented. The proposed system is evaluated based on multiple experiments in exemplary urban environments characterized by high building structures and a multitude of dynamic objects.

Cognitive Computing' has initiated a new era in computer science. Cognitive computers are not rigidly programmed computers anymore, but they learn from their interactions with humans, from the environment and from information. They are thus able to perform amazing tasks on their own, such as driving a car in dense traffic, piloting an aircraft in difficult conditions, taking complex financial investment decisions, analysing medical-imaging data, and assist medical doctors in diagnosis and therapy. Cognitive computing is based on artificial intelligence, image processing, pattern recognition, robotics, adaptive software, networks and other modern computer science areas, but also includes sensors and actuators to interact with the physical world. Cognitive computers – also called 'intelligent machines' – are emulating the human cognitive, mental and intellectual capabilities. They aim to do for human mental power (the ability to use our brain in understanding and influencing our physical and information environment) what the steam engine and combustion motor did for muscle power. We can expect a massive impact of cognitive computing on life and work. Many modern complex infrastructures, such as the electricity distribution grid, railway networks, the road traffic structure, information analysis (big data), the health care system, and many more will rely on intelligent decisions taken by cognitive computers. A drawback of cognitive computers will be a shift in employment opportunities: A raising number of tasks will be taken over by intelligent machines, thus erasing entire job categories (such as cashiers, mail clerks, call and customer assistance centres, taxi and bus drivers, pilots, grid operators, air traffic controllers, …). A possibly dangerous risk of cognitive computing is the threat by “super intelligent machines” to mankind. As soon as they are sufficiently intelligent, deeply networked and have access to the physical world they may endanger many areas of human supremacy, even possibly eliminate humans. Cognitive computing technology is based on new software architectures – the “cognitive computing architectures”. Cognitive architectures enable the development of systems that exhibit intelligent behaviour.:Introduction 5 1. Applying the Subsumption Architecture to the Genesis Story Understanding System – A Notion and Nexus of Cognition Hypotheses (Felix Mai) 9 2. Benefits and Drawbacks of Hardware Architectures Developed Specifically for Cognitive Computing (Philipp Schröppe)l 19 3. Language Workbench Technology For Cognitive Systems (Tobias Nett) 29 4. Networked Brain-based Architectures for more Efficient Learning (Tyler Butler) 41 5. Developing Better Pharmaceuticals – Using the Virtual Physiological Human (Ben Blau) 51 6. Management of existential Risks of Applications leveraged through Cognitive Computing (Robert Richter) 61

Fahrerassistenzsysteme (FAS), wie zum Beispiel die „Aktive Gefahrenbremsung“, sollen dazu beitragen, das Fahren sicherer zu machen und die Anzahl an Unfällen und Verunglückten im Straßenverkehr weiter zu senken. Bei der Entwicklung von FAS muss neben der funktionalen Zuverlässigkeit des FAS sichergestellt werden, dass der Fahrer die Assistenzfunktion versteht und fehlerfrei benutzen kann. Zur Bestimmung geeigneter Systemauslegungen kommen in der Entwicklung Probandenversuche zum Einsatz, bei denen die zukünftigen Nutzer das FAS erleben und anschließend beurteilen. In dieser Arbeit wird die Eignung eines statischen Fahrsimulators für die Durchführung von Probandenversuchen zur Bewertung aktiv eingreifender FAS untersucht. Hierzu wurde ein Fahrversuch auf der Teststrecke und im statischen Fahrsimulator konzipiert, mit jeweils ca. 80 Probanden durchgeführt und die Ergebnisse bezüglich der Auswirkung des FAS „Aktive Gefahrenbremsung“ auf ausgewählte objektive und subjektive Kennwerte in der jeweiligen Versuchsumgebung vergleichend gegenübergestellt. Es zeigt sich, dass der statische Fahrsimulator prinzipiell für die Durchführung von Studien zur Bewertung aktiv eingreifender FAS geeignet ist. Als Ergebnis der Arbeit werden Erkenntnisse zur Aussagekraft der betrachteten Kennwerte sowie Empfehlungen zur Versuchsdurchführung im statischen Fahrsimulator gegeben.

The rise of automated driving will fundamentally change our mobility in the near future. This thesis specifically considers the stage of so called highly automated driving (Level 3, SAE International, 2014). At this level, a system carries out vehicle guidance in specific application areas, e.g. on highway roads. The driver can temporarily suspend from monitoring the driving task and might use the time by engaging in so called non-driving related tasks (NDR-tasks). However, the driver is still in charge to resume vehicle control when prompted by the system. This new role of the driver has to be critically examined from a human factors perspective. The main aim of this thesis was to systematically investigate the impact of different NDR-tasks on driver behavior and take-over performance. Wickens’ (2008) architecture of multiple resource theory was chosen as theoretical framework, with the building blocks of multiplicity (task interference due to resource overlap), mental workload (task demands), and aspects of executive control or self-regulation. Specific adaptations and extensions of the theory were discussed to account for the context of NDR-task interactions in highly automated driving. Overall four driving simulator studies were carried out to investigate the role of these theoretical components. Study 1 showed that drivers focused NDR-task engagement on sections of highly automated compared to manual driving. In addition, drivers avoided task engagement prior to predictable take-over situations. These results indicate that self-regulatory behavior, as reported for manual driving, also takes place in the context of highly automated driving. Study 2 specifically addressed the impact of NDR-tasks’ stimulus and response modalities on take-over performance. Results showed that particularly visual-manual tasks with high motoric load (including the need to get rid of a handheld object) had detrimental effects. However, drivers seemed to be aware of task specific distraction in take-over situations and strictly canceled visual-manual tasks compared to a low impairing auditory-vocal task. Study 3 revealed that also the mental demand of NDR-tasks should be considered for drivers’ take-over performance. Finally, different human-machine-interfaces were developed and evaluated in Simulator Study 4. Concepts including an explicit pre-alert (“notification”) clearly supported drivers’ self-regulation and achieved high usability and acceptance ratings. Overall, this thesis indicates that the architecture of multiple resource theory provides a useful framework for research in this field. Practical implications arise regarding the potential legal regulation of NDR-tasks as well as the design of elaborated human-machine-interfaces
In den nächsten Jahren wird die Fahrzeugautomatisierung stufenweise immer weiter zunehmen. Im Fokus dieser Arbeit steht das Hochautomatisierte Fahren (HAF), bei dem ein System in definierten Anwendungsbereichen, z.B. auf Autobahnen, die Fahraufgabe vollständig übernehmen kann (Level 3; SAE International, 2014). Der Fahrer muss das Verkehrsgeschehen nicht mehr überwachen, jedoch bereit sein, nach Aufforderung durch das System die Fahraufgabe wieder zu übernehmen. Bisherige Forschung legt nahe, dass Fahrer die freigewordene Zeit oftmals zur Beschäftigung mit sog. fahrfremden Tätigkeiten (FFTs) nutzen werden. Die vorliegende Arbeit beschäftigt sich mit den Herausforderungen, die diese neue Rolle des Fahrers mit sich bringt. Der Fokus liegt auf dem Einfluss unterschiedlicher FFTs auf die Übernahmeleistung und der Frage, inwieweit Fahrer den Umgang mit FFTs an die situativen Bedingungen anpassen. Die Theorie der multiplen Ressourcen (Wickens, 2008) wurde dabei als Rahmenmodell gewählt und für den spezifischen Anwendungsfall von HAF-Systemen ausgelegt. In vier Fahrsimulatorstudien wurden die unterschiedlichen Komponenten der Theorie untersucht. Studie 1 beschäftigte sich mit dem Aspekt der Ressourcenallokation (Selbstregulation). Die Ergebnisse zeigten, dass Fahrer die Beschäftigung mit einer prototypischen FFT an die Verfügbarkeit des HAF-Systems anpassten. Die Tätigkeit wurde bevorzugt im HAF und nicht im manuellen Fahrbetrieb durchgeführt und vor Übernahmesituationen wurden weniger Aufgaben neu begonnen. Studie 2 betrachtete den Aspekt der Interferenz zwischen FFT und Fahraufgabe. Die Modalitäten einer FFT wurden dazu systematisch variiert. Dabei zeigte sich, dass insbesondere visuell-manuelle Tätigkeiten mit hoher motorischer Beanspruchung (z.B. ein in der Hand gehaltenes Tablet) die Übernahme erschwerten. Fahrer schienen sich der Ablenkung bewusst zu sein und brachen diese Art von Aufgaben bei der Übernahme eher ab. Studie 3 ergab Hinweise, dass neben den Aufgabenmodalitäten auch kognitive Beanspruchung die Übernahmeleistung beeinträchtigen kann. Studie 4 beschäftigte sich mit der Mensch-Maschine-Schnittstelle (HMI) für HAF-Systeme. Die Ergebnisse ergaben, dass eine explizite Vorankündigung von Übernahmesituationen die Selbstregulation des Fahrers unterstützen kann. Die Arbeit zeigt die Eignung der multiplen Ressourcentheorie als Rahmenmodell für Forschung im Bereich HAF. Praktische Implikationen ergeben sich für mögliche gesetzliche Regelungen über erlaubte Tätigkeiten beim HAF, genauso wie konkrete HMI-Gestaltungsempfehlungen

With the advent of autonomous driving, concepts like road trains or platoons are becoming more popular. In these arrangements, vehicles travel at separations of only 5 to 10m between them. These short inter-vehicle distances allow compacting vehicle flows resulting in increased throughput on highways. In addition, there are also fuel/energy savings as the magnitude of aerodynamic resistance acting on vehicles is reduced. These benefits increase when reducing inter-vehicle separations to below 5m. However, it becomes extremely difficult to guarantee safety, especially, when braking in an emergency. The longitudinal and lateral control systems developed so far aim to achieve string stability in the cruise scenario, i.e., to prevent that small variations at the lead magnify towards the trail. Unfortunately, this has no relevance during emergency braking, since control systems incur saturation, i.e., the condition where computed output brake forces exceed those that can be applied by actuators. This is because all vehicles have to apply their maximum brake forces in order to minimize the stopping distance of the platoon and reach a complete standstill. As a result, emergency braking requires special attention and needs to be designed and verified independent of the cruise scenario. Braking in an emergency is mainly characterized by the problem of heterogeneous deceleration capabilities of vehicles, e.g., due to their type and/or loading conditions. As a result, a deceleration rate possible by one vehicle may not be achievable by its immediately leading or following vehicles. Not addressing this heterogeneity leads to inter-vehicle collisions. Moreover, transitions in the road profile increase the complexity of such brake maneuvers. Particularly, when there is a transition from a flat road to a steep downhill, an already saturated brake controller cannot counteract the effect of the downhill slope. Hence, its deceleration magnitude will be reduced, potentially leading to intra-platoon crashes that would otherwise not occur on a flat road. In this work, we first analyze the problem of emergency braking in platoons operating at inter-vehicle separations below 5m and under idealized conditions (i.e., flat road, instantaneous deceleration, etc.). For this case, we propose a cyber-physical approach based on exploiting space buffers that are present in the separations between vehicles, and compare it with straightforward schemes (such as Least Platoon Length and Least Stopping Distance) in terms of achieved aerodynamic benefits, overall platoon length, and stopping distance. We then consider realistic conditions (in particular, changing road profiles as mentioned before) and investigate how to design a brake-by-wire controller present at each vehicle that accounts for this. We further extend our proposed cyber-physical approach by adding cooperative behavior. In particular, if an individual vehicle is unable to track its assigned deceleration, it coordinates with all others to avoid inter-vehicle collisions, for which we propose a vehicle-to-vehicle (V2V) communication strategy. Finally, we present a detailed evaluation of the proposed cyber-physical approach based on high-fidelity vehicle models in Matlab/Simulink. Even though more work is needed towards a real-life implementation, our simulation results demonstrate benefits by the proposed approach and, especially, its feasibility.

Bei der Entwicklung neuartiger und innovativer Fahrerassistenzsysteme kommt der Positions- und Ausrichtungsbestimmung von Fahrzeugen eine Schlüsselrolle zu. Dabei entscheidet die Güte der Positionsbestimmung über die Qualität, die Robustheit und den Einsatzbereich des Gesamtsystems. Verbesserungen in der Positionsbestimmung führen zu einer besseren Performanz bzw. sind die Grundvoraussetzung für die Realisierung dieser Fahrerassistenzsysteme. Ein Beispiel für solch ein neuartiges Fahrerassistenzsystem, welches auf eine hochgenaue Positionsbestimmung baut, ist der BMW TrackTrainer. Dieses Assistenzsystem soll den "normalgeübten" Autofahrer beim schnellen Erlernen der Ideallinie auf Rennstrecken unterstützen, indem das Fahrzeug die Rennstrecke völlig autonom auf einer vorher aufgezeichneten Ideallinie umrundet, während der Teilnehmer sich die Strecke aus Fahrerperspektive einprägt. Für die Realisierung eines derartigen Assistenzsystems ist eine hochgenaue Positionsbestimmung im cm-Bereich notwendig. Bisher wurde dafür eine GPS-gestützte Inertialplattform eingesetzt, welche unter guten GPS-Empfangsbedingungen die Anforderungen an die Positionierung erfüllt. Bei schlechten GPS-Empfangsbedingungen, wie sie beispielsweise auf der international bekannten Rennstrecke Nürburgring Nordschleife aufgrund von Verdeckung und Abschattung der Satellitensignale durch stark bebautes oder bewaldetes Gebiet auftreten, liefert das Positionierungssystem keine ausreichend genauen Werte, wodurch das autonome Fahren verhindert wird. Zwar gibt es neben GPS auch weitere Positionsbestimmungssysteme, die aber für den Einsatz auf Rennstrecken entweder zu ungenau sind, oder einen zu hohen Rüstaufwand erfordern würden. Um diese Lücke zu schließen, wurde im Rahmen dieser Arbeit ein hochgenaues Positionsbestimmungssystem entwickelt und evaluiert, welches auch unter schlechten GPS-Empfangsbedingungen den Anforderungen des autonomen Fahren auf Rennstrecken genügt und auf einer Fusion verschiedener Signalquellen in einem Positionsfilter beruht. Folgende Signalquellen wurden hinsichtlich Genauigkeit sowie Praxistauglichkeit für den Einsatz auf Rennstrecken experimentell untersucht: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Digitaler Kompass - Laser-Reflexlichtschranken - Servo-Tachymeter - LIDAR-basierte Randbebauungserkennung - Videobasierte Spurerkennung - Digitale Karte. Obwohl eine GPS-gestützte Inertialplattform (GPS/INS) unter schlechten GPS-Empfangsbedingungen keine ausreichend genauen Positionswerte im cm-Bereich liefert, besitzt dieses System dennoch eine hohe Robustheit und Langzeitstabilität und stellt damit eine sehr gute Grundlage für die Positionsbestimmung auf Rennstrecken dar. Fahrzeugsensoren, bestehend aus Raddrehzahl- und Gierratensensor, schreiben die Fahrzeugposition mit Hilfe der Koppelnavigationsgleichung relativ für ca. 10s ohne eine Messung absoluter Positionswerte fort. Um die bestehenden Genauigkeitsanforderungen zu erfüllen, muss jedoch ab einer Geschwindigkeit von 30km/h das Fahrzeugmodell um eine Schwimmwinkelschätzung erweitert werden. Ein digitaler Kompass eignet sich nachweislich nicht für die Positionsbestimmung auf Rennstrecken. Hier treten aufgrund von magnetischen Interferenzen zu große Messfehler der Fahrzeugausrichtung auf, die eine Positionsstützung ungeeignet machen. Bei Referenzmessungen mit einem Servo-Tachymeter konnte die geforderte Genauigkeit dieser Messeinrichtung bei Fahrzeuggeschwindigkeiten kleiner 30km/h nachgewiesen werden. Bei höheren Geschwindigkeiten liefert das System jedoch keine Ergebnisse, was den Einsatz auf Rennstrecken ausschließt. Auf den Boden gerichtete Laser-Reflexlichtschranken können sehr präzise die Überfahrt über eine Bodenmarkierung detektieren. Da diese Überfahrten beim autonomen Fahren auf Rennstrecken nur sehr selten auftreten, ist diese Positionierungsmethode nicht geeignet. Mit Hilfe einer LIDAR-basierten Randbebauungserkennung kann die Fahrzeugposition in Kombination mit einer hochgenauen digitalen Karte der Randbebauung auf ca. 20-30cm genau geschätzt werden. Schwierigkeiten bereiten hier jedoch Unregelmäßigkeiten in der Geometrie der Randbebauung. Während parallel verlaufende Leitplanken neben der Strecke sehr gut erfasst werden können, liefern Sträucher, Erdwälle, etc. ungenaue Messergebnisse. Somit ist die LIDAR-basierte Randbebauungserkennung ein bedingt geeignetes System zur Positionsstützung auf Rennstrecken. Als vielversprechendster Ansatz zur Verbesserung der Positions- und Ausrichtungsbestimmung auf Rennstrecken konnte der Einsatz einer visuellen Spurerkennung in Verbindung mit einer hochgenauen digitalen Karte der Spurmarkierungen identifiziert werden. Hierfür wurde eine sich in Vorserie befindliche Bildverarbeitungseinheit der Firma MobileEye mit einer eigens entwi-ckelten Spurerkennung verglichen. Letztere bietet den Vorteil, Systemwissen über den Verlauf der Fahrspurmarkierung sowie negative Effekte der Fahrzeugeigendynamik mit in den Signalver-arbeitungsprozess einfließen zu lassen. Bei Vergleichsfahrten auf dem BMW eigenem Testgelände in Aschheim konnte der Vorteil der Spurdatenrückführung nachgewiesen werden. Die erwei-terte Spurerkennung hatte nachweislich gegenüber der Vorserienbildverarbeitung eine höhere Verfügbarkeit von gültigen Messwerten. Bei Messfahrten auf der Nordschleife stellte sich jedoch das Vorseriensystem von MobileEye als das deutlich robustere Spurerkennungssystem heraus. Hier führten verschmutzte Fahrbahnmarkierungen, schnell wechselnde Lichtverhältnisse sowie sonstige Straßenbeschriftungen dazu, dass die erweiterte Spurerkennung weitaus weniger gültige Messwerte lieferte als das Vorseriensystem. Aus diesem Grund fiel für Fahrten mit schlechten visuellen Bedingungen die Wahl auf das Vorserienbildverarbeitungssystem. Für den Entwurf des Positionsfilters wurden letztlich folgende Signalquellen verwendet: - GPS-gestützte Inertialplattform (GPS/INS) - Fahrzeugsensoren mit erweitertem Fahrzeugmodell - Videobasierte Spurerkennung in Kombination mit einer selbst aufgezeichneten hochge-nauen Karte der Spurmarkierungen der Teststrecke. Als Fusionsalgorithmus wurde ein erweiterter Kalman-Filter eingesetzt, da sich dieser besonders für die Zusammenführung unterschiedlicher Sensormessdaten eignet. Um eine optimale Zustandsschätzung der Fahrzeugposition und Ausrichtung zu erhalten, mussten die verwendeten Signalquellen zunächst zeitlich synchronisiert sowie auf Plausibilität geprüft werden. Als Synchronisationspunkt wurde der Messzeitpunkt der Signalquelle mit der größten Latenz verwendet. Dieser wurde mit 163ms durch für die videobasierte Spurerkennung bestimmt. Da jedoch eine verzögerte Positionsschätzung für eine stabile Reglung des Fahrzeugs für das autonome Fahren ungenügend ist, wurde die geschätzte Fahrzeugposition am Ausgang des Kalman-Filters mit Hilfe der Koppelnavigationsgleichung sowie der Fahrzeugsensoren auf den aktuellen Zeitpunkt (Latenz = 0s) prädiziert. Für die Detektion systematischer Fehler wie Radschlupf, falsch erkannte Spurmarkierung und GPS-Mehrwegeausbreitung kamen robuste Signalplausibilisierungsalgorithmen zum Einsatz. So erfolgte die Plausibilisierung der Spurerkennung unter anderem über die selbst aufgezeichnete hochgenaue Karte der Spurmarkierungen, da eine Spurerkennung nur da sinnvoll ist, wo Spurmarkierungsstützpunkte in hinterlegt sind. Für die Gültigkeitsüberprüfung der GPS-Messwerte wurde ein GPS-Offset-Beobachter entwickelt und angewendet. Die Evaluierung des entwickelten Positionsfilters wurde im Rahmen der Arbeit am Beispiel des BMW TrackTrainers auf drei ausgewählten Teststrecken mit steigendem Schwierigkeitsniveau (Verschlechterung der GPS-Empfangsbedingungen) durchgeführt. Hierfür wurde die in Echtzeit geschätzte Fahrzeugposition mit einer durch Post-Processing korrigierten Positionslösung referenziert. Die Auswertung der Ergebnisse bewies, dass der entwickelte Positionsfilter durch die Fusion einer GPS-gestützten Inertialplattform, den Fahrzeugsensoren zur Messung von Gierrate und Raddrehzahlen sowie einer visuellen Spurerkennung in Kombination mit einer hochgenauen Karte der Fahrspurmarkierungen die Anforderungen des autonomen Fahrens auch unter schlechten GPS-Empfangsbedingungen erfüllt. Mit diesem, im Rahmen der Arbeit entwickelten, hoch-genauen Positionsbestimmungssystem konnte erstmalig am 21.10.2009 das autonome Fahren auf der Nürburgring Nordschleife nachgewiesen werden.:1. Einleitung 1 1.1. Bedeutung der Positionsbestimmung für moderne Fahrerassistenzsysteme 1 1.2. Kernaufgaben des autonomen Fahrens 3 1.3. Hochgenaue Positionsbestimmung für das autonome Fahren auf Rennstrecken 5 1.4. Zielsetzung der Arbeit und gewählter Lösungsweg 8 2. Grundlagen zur Positionsbestimmung 9 2.1. Allgemeines 9 2.1.1. Definitionen 9 2.1.2. Klassifikationen 9 2.1.3. Koordinatensysteme 11 2.1.4. Transformationen 13 2.2. Ortungsprinzipien 15 2.2.1. Koppelnavigation 16 2.2.2. Inertialnavigation 19 2.2.3. Trilateration/Pseudorange 23 2.2.4. Hyperbelnavigation 24 2.2.5. Triangulation 25 2.2.6. Zellortung 26 2.2.7. Map-Matching 26 2.2.8. Sensordatenfusion mit Erweitertem Kalman-Filter 27 2.3. Existierende Positionsbestimmungssysteme 29 2.3.1. GPS/Glonass/Galileo 29 2.3.2. GPS-gestützte Inertialplattform 33 2.3.3. Mobilfunkortung 34 2.3.4. WLAN-Ortung 34 2.3.5. Tachymeter 35 2.3.6. CAIROS 36 2.4. Sensorik im Fahrzeug 37 2.4.1. RADAR 38 2.4.2. LIDAR 38 2.4.3. Videokamera 39 2.4.4. Raddrehzahlsensor 39 2.4.5. Sensorcluster aus Beschleunigungs- und Gierratensensoren 39 2.4.6. Gierratensensor 40 2.4.7. Beschleunigungssensor 40 2.4.8. Kompass 41 2.5. Positionsbestimmung autonom fahrender Systeme 41 2.5.1. Transportwesen 42 2.5.2. Landwirtschaft 42 2.5.3. Öffentlicher Personennahverkehr 42 2.5.4. Militär 43 2.5.5. Automobilindustrie 43 2.6. Schlussfolgerung und Konkretisierung der Aufgabestellung 45 3. Ausgangssituation 46 3.1. Bewertung einer GPS-gestützten Inertialplattform auf ausgewählten Teststrecken 46 3.2. Rahmenbedingungen der Rennstrecke 49 3.3. Präzisierung der Genauigkeitsanforderungen 50 3.4. Vorauswahl potenzieller Signalquellen 51 3.5. Schlussfolgerung 54 4. Experimentelle Untersuchung und Bewertung potenzieller Signalquellen 56 4.1. GPS/INS 56 4.2. Fahrzeugsensoren und erweitertes Fahrzeugmodell 63 4.3. Digitale Karte 68 4.4. Digitaler Kompass 69 4.5. Videokamera mit Spurerkennung 72 4.6. Laser-Reflexlichtschranke 75 4.7. Servotachymeter 77 4.8. LIDAR-basierte Randbebauungserkennung 81 4.9. Schlussfolgerung und Auswahl geeigneter Signalquellen für die Fusion 84 5. Optimierung eines Ortungsverfahrens mittels visueller Spurerkennung 86 5.1. Hochgenaue digitale Karte für Spurmarkierungen 86 5.1.1. Straßenmodellierung 86 5.1.2. Vermessung der Spurmarkierungen 87 5.1.3. Aufbereitung der Spurmarkierungen 89 5.1.4. Map-Matching 98 5.2. Erweiterte Spurerkennung 99 5.2.1. Prädiktion des Spurverlaufs im Videobild 99 5.2.2. Kantendetektion im Videobild 101 5.2.3. Berechnung der Parameter des Spurmodells 105 5.2.4. Rollwinkelschätzung und Korrektur der erweiterten Bildverarbeitung 107 5.2.5. Vergleich zweier Spurerkennungssysteme 108 5.3. Schlussfolgerung 111 6. Fusion der Signalquellen 112 6.1. Messdatensynchronisierung 112 6.2. Signalplausibilisierung 114 6.3. Sensordatenfusion 117 6.4. Schnittstelle für das Autonome Fahren 120 6.5. Zusammenfassung 124 7. Validierung des Gesamtsystems 125 7.1. Referenzsystem 125 7.2. Experimentelle Ergebnisse auf ausgewählten Teststrecken 126 7.3. Schlussfolgerung 133 8. Zusammenfassung und Ausblick 134 Literaturverzeichnis 136 Abkürzungsverzeichnis 142 Liste der Formelzeichen 143

Die Fahrzeuglokalisierung ist im Bereich der Fahrerassistenzsysteme von entscheidender Bedeutung und Voraussetzung fur verschiedene Anwendungen der Robotik, wie z.B. Navigation oder Kollisionsvermeidung fur fahrerlose Transportsysteme (FTS). In dieser Arbeit wird ein Verfahren zur Lokalisierung mittels Landmarken vorgestellt, die eine Orientierung bezuglich einer Karte ermoglichen. Dabei werden der Erweiterte- Kalman-Filter und der Partikel-Filter fur diese Aufgabe untersucht und verglichen. Ein Schwerpunkt dieser Betrachtungen stellt dabei der Partikel-Filter dar. Die besondere Problematik der Initialisierung wird ausfuhrlich fur beide Filter dargestellt. Simulationen und Versuche zeigen, dass sich der Partikel-Filter fur eine robuste Lokalisierung der Fahrzeugposition verwenden lasst. Im Vergleich dazu kann der Erweiterte-Kalman-Filter nur im begrenzten Maße eingesetzt werden.
The localization of vehicles is of vital importance in the field of driver assistance systems and a requirement of different applications for robotics, i.e. navigation or collision avoidance for automatic guided vehicle systems. In this thesis an approach for localization by means of landmarks is introduced, which enables an orientation regarding a map. The extended Kalman filter and the particle filter are analyzed and compared. The main focus for this consideration is on the particle filter. The problematic for initialization is discussed in detail for both filters. Simulations and tests prove that the particle filter is suitable for robust localization of the vehicle position. Compared to this, the extended Kalman filter can only be used to a certain extend.

For the navigation of mobile robots cheap procedures for the position and direction determination of the robot vehicle, with an accuracy from one up to some few cm - are necessary. Two novel and unique solutions with active landmarks are described. The first procedure use grid net lines, e.g. realized with some lasers placed in the room. The second procedure works with microwave transmitters as landmarks. should thereby
Für die Navigation von autonomen Fahrzeugen - z.B. eingesetzt im Bereich der Lagerlogistik - sind kostengünstige Verfahren für die Positions- und Richtungsbestimmung mit einer Genauigkeit von einem bis zu wenigen cm notwendig. Es werden 2 neuartige Verfahren hierfür vorgestellt, welche beide aktive Landmarken einsetzen. Das erste Verfahren arbeitet mit mehreren Netzlinien, welche z.B. mit Lasern im Raum aufgebaut werden. Beim zweiten Verfahren wird mit Mikrowellenlandmarken durch eine Laufzeitmessung die Positionsbestimmung ermöglicht.

Die vorliegende Dissertation beschäftigt sich mit einer Potenzialabschätzung für den Einsatz von Sammelverkehren mit autonomen Fahrzeugen im ländlichen Raum. Die Ergebnisse bieten einen guten Einblick in die Machbarkeit sowie das Bündelungspotenzial für die Planung und die Umsetzung von flexiblen, kleinteiligen Sammelverkehren. Aktuelle demografische und gesellschaftliche Entwicklungen stellen den liniengebundenen ÖPNV vor allem im ländlichen Raum vor große Herausforderungen. Die Auswirkungen des demografischen Wandels zeigen sich inzwischen jedoch nicht mehr nur in ländlichen Räumen, sondern zunehmend auch in Randbereichen von Ballungsräumen. Besonders sinkende Schülerzahlen haben dort Auswirkungen auf den ÖPNV, da Schüler derzeit die Hauptnutzergruppe darstellen. Hinzu kommt ein Rückgang der Fahrgäste durch sinkende Bevölkerungszahlen. Für die Verkehrsbetriebe wird damit die wirtschaftliche Basis für das Vorhalten öffentlicher Verkehre immer weiter geschwächt. Damit es auch in Zukunft möglich ist, im ländlichen Raum ohne eigenen Pkw mobil zu sein, können neue Lösungswege beschritten werden, die sich durch die Weiterentwicklung der Kommunikationstechnik und die Automatisierung eröffnen. In dieser Arbeit wird das Beförderungspotenzial von Sammelverkehren im ländlichen Raum als Ersatz des klassischen ÖPNVs untersucht. Dabei liegt das Hauptaugenmerk auf dem Einsatz autonomer Fahrzeuge. Der Fokus der Arbeit liegt auf der Frage der Umsetzbarkeit und des Potenzials, Fahrten im ländlichen Raum zu bündeln. Dabei möchte die Arbeit nicht nur herausstellen, ob Bündelungspotenzial vorhanden ist, sondern vor allem auch, wie sich verschiedene Parameter der Bedienung auf das Bündelungspotenzial auswirken. Die Untersuchung wird mit Hilfe eines für diesen Zweck neu erstellten, agentenbasierten Modells durchgeführt. Die Daten für das Modell basieren auf einer Befragung der Bewohner eines realen ländlichen Raums zu ihrem Mobilitätsverhalten. Unter Berücksichtigung des demografischen Wandels und verschiedener Trends, die zukünftig das Leben und das Mobilitätsverhalten im ländlichen Raum beeinflussen, wird zusätzlich zum Status Quo als Prognosehorizont das Jahr 2030 gewählt. Die Grundlage der Prognose bildet eine Betrachtung des ländlichen Raums. Fünf gesellschaftliche Megatrends, die für die Verkehrsentwicklung und -planung von Bedeutung sind, werden herausgearbeitet. Die Auswirkungen dieser Trends auf den Mobilitätsbedarf und das Mobilitätsangebot werden daraus abgeleitet und differenziert betrachtet. So können auf Basis aktueller, bereits sichtbarer Megatrends, Rückschlüsse auf Veränderungen im zukünftigen Mobilitätsbedarf und -angebot gezogen werden. Aus den fünf Megatrends werden deshalb jeweils sechs Trends erarbeitet, um aufzuzeigen, wie sich sowohl Bedarf als auch Angebot entwickeln. Die Erkenntnisse dieser Trendanalysen fließen in die Entwicklung des Modells ein. Die Szenarien, unterteilt in Grundszenarien (Fokus auf Zeithorizont, Nachfrageniveau und Flottengröße) und Ergänzungsszenarien (Betrachtung einzelner Parameter und deren Auswirkungen auf die Ergebnisse), werden im erstellten Modell simuliert und anschließend ausgewertet. Die Ergebnisse der Simulationsläufe sind übersichtlich zusammengefasst und mit weiteren Analysen zu den Fahrzeugflottenkosten ergänzt. Als grundlegendes und wichtigstes Ergebnis kann festgehalten werden, dass Sammelverkehr mit autonomen Fahrzeugen im ländlichen Raum als Ersatz des klassischen ÖPNV wirtschaftlich sinnvoll umsetzbar sein kann. In einem Landkreis mit knapp 70.000 Einwohnern und etwa 43.000 zugelassenen Fahrzeugen in 2012 würden heute schon 2.100 autonome Fahrzeuge ausreichen, um einen zuverlässigen Sammelverkehr umzusetzen, der alle Wege außerhalb der eigenen Kommune abdeckt. Jedes Fahrzeug könnte eine durchschnittliche Jahresfahrleistung von 108.000 km bis 150.000 km pro Jahr erreichen, wobei es etwa 40 Passagiere pro Tag transportieren würde. Durch die Bündelung von Fahrten könnten bei den Fahrgästen, in einem kilometerbasierten Tarif, je nach Nachfrageniveau zwischen 130 % und knapp 200 % der real gefahrenen Kilometerleistung abgerechnet werden. Zusätzlich erscheint es sinnvoll, verschiedene Fahrzeuggrößen in einer Fahrzeugflotte zu vereinen. Allerdings sollten größere Fahrzeuge (hier 8-Sitzer) nur auf stark frequentierten Verbindungen eingesetzt werden und maximal 20 % der Fahrzeuge ausmachen. Der Mittlere Besetzungsgrad beim Einsatz von 4-sitzigen Fahrzeugen liegt bei 2 Personen pro Fahrzeug. In den Spitzenzeiten kann der Besetzungsgrad beim Einsatz von 8-sitzigen Fahrzeugen im Durchschnitt bis über 3,5 Personen pro Fahrzeug ansteigen. Als zusammenfassendes Ergebnis ist festzuhalten: ÖPNV im ländlichen Raum kann mittel- bis langfristig ersetzt werden durch autonome alternative Angebote zu einem wirtschaftlich vertretbaren Aufwand.

The localization of autonomous ground vehicles in dense urban environments poses a challenge. Applications in classical outdoor robotics rely on the availability of GPS systems in order to estimate the position. However, the presence of complex building structures in dense urban environments hampers a reliable localization based on GPS. Alternative approaches have to be applied In order to tackle this problem. This thesis proposes an approach which combines observations of a single perspective camera and odometry in a probabilistic framework. In particular, the localization in the space of appearance is addressed. First, a topological map of reference places in the environment is built. Each reference place is associated with a set of visual features. A feature selection is carried out in order to obtain distinctive reference places. The topological map is extended to a hybrid representation by the use of metric information from Geographic Information Systems (GIS) and satellite images. The localization is solved in terms of the recognition of reference places. A particle lter implementation incorporating this and the vehicle's odometry is presented. The proposed system is evaluated based on multiple experiments in exemplary urban environments characterized by high building structures and a multitude of dynamic objects.

"Cognitive Computing" has initiated a new era in computer science. Cognitive computers are not rigidly programmed computers anymore, but they learn from their interactions with humans, from the environment and from information. They are thus able to perform amazing tasks on their own, such as driving a car in dense traffic, piloting an aircraft in difficult conditions, taking complex financial investment decisions, analysing medical-imaging data, and assist medical doctors in diagnosis and therapy. Cognitive computing is based on artificial intelligence, image processing, pattern recognition, robotics, adaptive software, networks and other modern computer science areas, but also includes sensors and actuators to interact with the physical world. Cognitive computers – also called "intelligent machines" – are emulating the human cognitive, mental and intellectual capabilities. They aim to do for human mental power (the ability to use our brain in understanding and influencing our physical and information environment) what the steam engine and combustion motor did for muscle power. We can expect a massive impact of cognitive computing on life and work. Many modern complex infrastructures, such as the electricity distribution grid, railway networks, the road traffic structure, information analysis (big data), the health care system, and many more will rely on intelligent decisions taken by cognitive computers. A drawback of cognitive computers will be a shift in employment opportunities: A raising number of tasks will be taken over by intelligent machines, thus erasing entire job categories (such as cashiers, mail clerks, call and customer assistance centres, taxi and bus drivers, pilots, grid operators, air traffic controllers, …). A possibly dangerous risk of cognitive computing is the threat by “super intelligent machines” to mankind. As soon as they are sufficiently intelligent, deeply networked and have access to the physical world they may endanger many areas of human supremacy, even possibly eliminate humans. Cognitive computing technology is based on new software architectures – the “cognitive computing architectures”. Cognitive architectures enable the development of systems that exhibit intelligent behaviour.