Aktuelle Fahrerassistenzsysteme der Längs- und Querführung bleiben immer noch hinter Ihren potentiellen Leistungen zurück. Die Regelung erfolgt derzeit nur über Zustandsgrößen des Fahrzeugs und Sensordaten der Umgebung, lässt den Zustand und die Intentionen des Fahrers aber unberücksichtigt. So zeigen beispielsweise Untersuchungen zur Wirksamkeit von Spurhalteassistenzsystemen, dass in einer Vielzahl der Fälle Warnungen unnötig sind, da der Fahrer ohnehin aufmerksam fährt. Nur durch die Berücksichtigung des Fahrers im Regelkreis Fahrer-Fahrzeug-Umwelt können Warnungen gezielt erfolgen und kann die Wirksamkeit von Assistenzsystemen erhöht werden. Der erste Teil der Dissertation beschäftigt sich generell mit verschiedenen Möglichkeiten einer Echtzeit-Erkennung des Fahrerzustands im Fahrzeug. Im zweiten Teil wird aufbauend darauf speziell das Potential der Adaption von Spurhalteassistenzsystemen an den Fahrerzustand analysiert. Die Fahrerzustandsschätzung wird über drei Ansätze näher betrachtet. Zunächst wird eine Schätzung der Aufmerksamkeitsausrichtung des Fahrers über die Erfassung seiner Augenbewegungen und der Kopforientierung untersucht. Dabei zeigt sich, dass Systeme zur Blickbewegungserfassung viel Potential bieten, dass diese aber noch nicht im automobilen Bereich nutzbar sind. Die Aussagekraft der Kopforientierung hinsichtlich einer Ablenkung des Fahrers wurde in einer eigenen experimentellen Studie im realen Verkehr über eigens entwickelte Algorithmen analysiert. Zwar ist eine solche Erfassung schon heute in Serienfahrzeugen möglich, die Aussagekraft der Daten ist jedoch begrenzt. Eine weitere Möglichkeit zur Erfassung des Fahrerzustands besteht darin, direkt Nebentätigkeiten des Fahrers zu detektieren. Eine eigene Probandenstudie verdeutlicht dabei, dass es schon heute möglich ist, die Ablenkung des Fahrers aufgrund von Bedienhandlungen am Infotainment-System eines Fahrzeugs zu erkennen. In einem letzten Schritt wird die Erfassbarkeit des Fahrerzustands aufgrund der schon heute in Fahrzeugen verfügbaren Sensorik untersucht. Verschiedene Studien aus der Literatur zeigen auffälliges Lenk- und Spurhalteverhalten abgelenkter Fahrer. Darauf basierend wird mit Hilfe maschinellen Lernens ein Algorithmus zur Fahrerzustandserkennung entwickelt, der eine prinzipielle Verwendbarkeit dieses Ansatzes aufzeigt. Die beschrieben Methoden zur Fahrerzustandserkennung werden im zweiten Teil der Arbeit hinsichtlich einer konkreten Anwendung im Bereich der Spurhalteassistenzsysteme untersucht. Fremde und eigene experimentelle Studien zur adaptiven Parametrierung von Spurhalteassistenzsystemen zeigen, dass diese Anpassungen im realen Straßenverkehr nicht nur zu einer objektiven Verbesserung der Spurhaltung und damit der Verkehrssicherheit führen, sondern dass diese von den Probanden auch positiv beurteilt werden. Für eine Fahrerzustands-adaptive Auslegung von Spurhalteassistenten eignen sich dabei vorrangig Blickbewegungsdaten und die Erfassung von Bedienhandlungen. Schätzungen des Fahrerzustands über Lenkverhalten und die Kopforientierung des Fahrers sind weniger geeignet. Zusammenfassend gibt diese Arbeit somit einen Einblick in Methoden einer Fahrerzustandserfassung im Fahrzeug und zeigt basierend darauf den Akzeptanz- und Sicherheitsgewinn einer Fahrerzustands-adaptiven Auslegung von Spurhalteassistenzsystemen.    «

Aktuelle Fahrerassistenzsysteme der Längs- und Querführung bleiben immer noch hinter Ihren potentiellen Leistungen zurück. Die Regelung erfolgt derzeit nur über Zustandsgrößen des Fahrzeugs und Sensordaten der Umgebung, lässt den Zustand und die Intentionen des Fahrers aber unberücksichtigt. So zeigen beispielsweise Untersuchungen zur Wirksamkeit von Spurhalteassistenzsystemen, dass in einer Vielzahl der Fälle Warnungen unnötig sind, da der Fahrer ohnehin aufmerksam fährt. Nur durch die Berücksi...    »