Toyota & MIT für Autonomes Fahren an den Kreuzungen
Gemeinsam mit dem Massachusetts Institute of Technology (MIT) tüftelt Toyota an der Verbesserung des Autonomen Fahrens an der Kreuzung.
Gerade erst hat NoTraffic ein System für die intelligente Kreuzung vorgestellt. Nun hat das Massachusetts Institute of Technology (MIT) zusammen mit Toyota ein neues Modell für Autonomes Fahren an Kreuzungen entwickelt.
Kreuzungstest mit Modellautos. Quelle: MIT
Das Konzept des MIT und Toyota soll ebenfalls die Verkehrssicherheit erhöhen, denn hierbei ergeben sich viele Unfälle. Allein 2016 ereigneten sich an Kreuzungen nach Angaben des US-Verkehrsministeriums 23 Prozent der tödlichen und 32 Prozent der nicht-tödlichen Unfälle in den USA.
Das Autonome Fahren kann dabei ebenfalls auf Probleme stoßen, da Häuser und andere Installationen die Sicht auf den sich nähernden Verkehr verstellt. Das vom MIT und Toyota entwickelten Modell schätzt das Risiko eines Unfalls aufgrund von kritischen Faktoren, wie fehlende Sicht, Sensorgeräusche und Wahrscheinlichkeit. Außerdem werden die Geschwindigkeit anderer Autos und sogar die Aufmerksamkeit anderer Verkehrsteilnehmender impliziert.
Das gemessene Risiko in Form des Vorhersagesteuerungsmodells gibt Hinweise darauf, an Kreuzungen anzuhalten oder vorsichtig weiter zu fahren, um weitere Daten zu ermitteln. Das Konzept wurde in über 100 Szenerien mit ferngesteuerten Modell-Autos überprüft. Diese standen an einer verkehrsreichen und uneinsichtigen Kreuzung ohne Ampel und sollten links abbiegen, während der Querverkehr konstant hoch war.
Die Fahrzeuge waren teils selbstfahrend, teils von Menschen gesteuert und teils von Menschen gesteuert, aber von Assistenzsystemen unterstützt. Das Modell half bei der Vermeidung von Kollisionen in 70 bis 100 Prozent der Fälle. Ohne das Modell gab es fast immer einen Unfall.
Das Modell zerlegt die Straße in einzelne Segmente. Derart kann man abschätzen, ob dieses belegt ist und das hilft einen Unfall zu vermeiden. Denn Autonome Fahrzeuge können mit ihren Sensoren die Geschwindigkeit anderer Fahrzeuge messen. Diese Daten können gemessen werden, wenn ein Auto durch ein sichtbares Segment fährt. Mittels Geräuschen und Algorithmen lässt sich vorhersagen, wie hoch die Wahrscheinlichkeit ist.
Fehlt ein sichtbares Segment, steigt die Wahrscheinlichkeit für belegte Segmente. Dann darf das Auto die Kreuzung nicht befahren, solange keine Sichtachse besteht. Aber es kann immer noch zu menschlichem Versagen kommen, daher wird in die Gleichung auch die Aufmerksamkeit der anderen Fahrzeugführenden aufgenommen.
Damit bewertet das Modell die Anzahl der Segmente, die ein fahrendes Auto vor der Kreuzung durchfahren hat. Je mehr Segmente vor Erreichen der Kreuzung belegt waren, desto wahrscheinlicher ist es, dass das Autonome Fahrzeug entdeckt wurde, und desto geringer ist das Kollisionsrisiko.
Das Modell kombiniert alle Risikobewertungen, bestehend aus der Geschwindigkeit, Segmentbelegung, Geräuschen und der Aufmerksamkeit der Fahrzeugführenden. Dazu kommt die Dauer, die das Auto für den geplanten Weg braucht und die Haltepunkte bei der Überquerung der Kreuzung. Zusammen ergibt sich eine Gesamtrisikoschätzung. Diese Bewertung wird permanent aktualisiert.
Ist das Risiko hoch, hält das Auto an. Ist es gering, kann das Auto die Kreuzung passieren. Denn auch ein zu langes Verweilen in der Kreuzungsmitte erhöht das Unfallrisiko.
Das Modell kann in Echtzeit berechnet werden und braucht dabei nicht so viel Rechenkapazität, wie andere Modelle. Dennoch muss es noch zahlreiche Tests über sich ergehen lassen, bevor es in Fahrzeuge implementiert werden kann. So muss auch der Fußverkehr mit einberechnet werden. Sollte es weiterhin funktionieren, könnte es als zusätzliche Risikoeinschätzung für den Kreuzungsverkehr beim Autonomen Fahren und für Assistenzsysteme verwendet werden.
