Adaptive Cruise Control: Regulierung per Driver Model

Adaptive Cruise Control: Regulierung per Driver Model
© Fraunhofer IAO

In diesem Projekt prüfen Fraunhofer IAO und INVENSITY GmbH, ob sich mittels Adaptive Cruise Control (ACC) die Geschwindigkeit des Fahrzeugs und der Abstand zum vorausfahrenden Fahrzeug auch (als zusätzliche Stellgröße) an den Fahrerzustand anpassen lassen.

KI reguliert Fahrerzustand und Geschwindigkeit

In einem KI-Ansatz sollen Daten aus dem Innenraum genutzt werden, um Fahrerzustände zu erkennen und in Fahrermodellen abzubilden. Dies bezieht sich bspw. auf Stress, Workload, Flow, Aufmerksamkeit, Intentionen, Emotionen. Die KI erkennt Muster in den verfügbaren Innenraumdaten sowie anderen multidimensionalen Daten und klassifiziert diese zu Fahrermodellen. Adaptive Cruise Control (ACC), d.h. ein Abstandsregeltempomat, passt dabei die Geschwindigkeit oder den Abstand zum vorausfahrenden Fahrzeug in vorgegebenen Grenzen an die Fahrerzustände an. Dadurch entsteht ein Regelkreis in dem eine KI lernt, welche Geschwindigkeit, welcher Abstand, ggf. auch welche Musik, Lichtszenarien und Fahrdynamiken, die Fahrerzustände in den optimalen Zielgrößen einregeln. Über Reinforcement Learning regelt die KI die fahrerzustandsadaptive Geschwindigkeit.

Projektablauf

Genutzt werden folgende Verfahren:

  • Erkennungstechnologien des Affective Computing
  • Signalverarbeitung und Machine Learning (subervised und ggf. unsupervised) zur Erkennung und Monitoring von Arousal, mit z.B. Support Vector Machines, Logistic Regression und Random-Forest Classification
  • Reinforcement Learning für die Kalibrierung des fahrerzustandsadaptiven KI ACC

Projektnutzen

  • Eine fahrerzustandsadaptive Geschwindigkeitsregelung erhöht den Komfort und die Sicherheit im manuellen Fahren, da sowohl Stress also auch Hypovigilanz (verminderte Aufmerksamkeit durch mangelnde Stimulation) vermindert werden.
  • Die Entwicklung ist zudem übertragbar auf das automatisierte Fahren und die Anpassung der Fahrparameter auf die Insassenmodelle.
  • Eine erfolgreiche Erkennung der Fahrerzustände und deren Abbildung in Fahrermodellen ist weiterhin übertragbar auf viele weitere Anwendungsfälle, z.B. Lernen, Arbeiten, Sport, etc.

Beteiligte Industriepartner

  • Invensity GmbH
  • Kooperationspartner: Cyber Valley

Gefördert durch

BW_Ministerium_MWAW

Unsere Partner

Logo des Stuttgarter Technologie- und Innovationscampus
Fraunhofer IPA Logo
Logo Fraunhofer IAO
Fraunhofer IBP Logo