Realisierung eines Fahrtrichtungsprädiktors für Kreuzungen

Abstract:
Zur Unterstützung des Fahrers an Kreuzungen insbesondere bei kritischen Situationen ist eine frühzeitige Erkennung einer möglichen Gefahr notwendig. Für die Vorhersage von Konfliktsituationen ist die beabsichtige Fahrtrichtung des Fahrers im Egofahrzeug von großer Bedeutung. In dieser Arbeit stellen wir ein System vor, welches Anhand von Fahrdaten (Geschwindigkeit, Beschleunigung, Gierrate) diese beabsichtigte Fahrtrichtung unter Verwendung stochastischer Methoden prädiziert. Dabei wurden Hidden Markov Models (HMMs) in Verbindung mit Gaussian Mixture Models (GMMs) verwendet. Der Prädiktionsalgorithmus ist mit Matlab umgesetzt und in ein selbst erstelltes Tool mit einer GUI (General User Interface) integriert. Dieses Tool läuft auf einem Laptop und kann über eine Schnittstelle zu Vector CANape und einer entsprechenden CAN Box die notwendigen Fahrdaten vom CAN Bus auslesen und verarbeiten. Die Prädiktion läuft kontinuierlich und in Echtzeit bei Annäherung an eine Kreuzung. Neben der Richtung wird auch eine Kenngröße zur Validität der Prädiktion ausgegeben. Das Tool läuft stabil und hat in ersten Tests gute Ergebnisse gezeigt.