Menschliche Verhaltensmodelle für realistische Verkehrsprognosen

Die Sicherheit des Straßenverkehrs wird durch fortschreitende Automatisierung und multimodale Verkehrskonzepte maßgeblich beeinflusst. Das Fraunhofer EMI entwickelt Algorithmen, um kritische Verkehrssituationen der Zukunft präzise zu analysieren.

Automatisierung und multimodale Konzepte revolutionieren den Straßenverkehr. Das macht die Entwicklung und Erprobung neuer Funktionen zunehmend anspruchsvoller.

Deshalb setzt das Fraunhofer EMI auf agentenbasierte Simulationen, die realistische Verkehrssituationen nachbilden. Der Schwerpunkt liegt dabei auf der detaillierten Simulation kritischer Verkehrsszenarien.

Wie lassen sich realitätsnähere Verkehrssimulationen erzeugen? Für die mikroskopische Verkehrsflusssimulation werden häufig agentenbasierte Modelle verwendet, bei denen Fahrzeuge in Agentenklassen wie PKW oder LKW eingeteilt werden. Jedem Fahrzeug werden Verhaltensparameter zugewiesen, die aus statistischen Verteilungen der jeweiligen Agentenklasse gezogen werden. Die Parameterwerte dieser Verteilungen sind vor der Simulation festzulegen. Das EMI hat eine Methode entwickelt, um optimale Parameterwerte der Verhaltensmodelle durch numerische Optimierung auf Basis von Verkehrsdaten zu bestimmen. Ziel ist eine realistische Simulation, die statistische Verkehrsgrößen abbildet.

Wie erkennt man sicherheitskritische Situationen im Straßenverkehr? Ein entscheidendes Merkmal realistischer Verkehrsflusssimulation ist die Abbildbarkeit kritischer Situationen durch die integrierten Verhaltensmodelle – von potenziellen Gefahrensituationen bis hin zu tatsächlichen Unfällen – in statistisch vergleichbarer Weise zu real aufgenommenem Verkehr. Um diese Aspekte in der Simulation zu berücksichtigen, müssen die verwendeten Verhaltensmodelle in der Lage sein, kritische Situationen abzubilden. Zudem ist es erforderlich, dass ausreichend Daten zu kritischen Situationen im Straßenverkehr vorliegen. Die Analyse und Bewertung der Kritikalität von Fahrszenarien in vorhandenen sowie zukünftig aufgenommenen Daten stellen daher zentrale Herausforderungen bei der Umsetzung realistischer Simulationen dar. Das Fraunhofer EMI stellt sich diesen und entwickelt Bewertungsalgorithmen zur automatisierten Identifikation kritischer Fahrszenarien in unterschiedlich komplexen Verkehrsumgebungen.

Wie können Verhaltensmodelle die Sicherheit von Fußgängern und Radfahrern in Verkehrssimulationen verbessern? Fußgänger und Radfahrer zählen zu den gefährdeten Verkehrsteilnehmern, die in aktuellen Verkehrssimulationen nur unzureichend berücksichtigt werden. Das Fraunhofer EMI entwickelt Verhaltensmodelle für diese Gruppe, basierend auf Personenstromsimulationen bei Großveranstaltungen. Dabei kommen KI-Methoden wie Reinforcement Learning zum Einsatz, um virtuellen Fußgängern das sichere Überqueren von Straßen beizubringen.

Wie lassen sich Besucherströme bei Großveranstaltungen besser analysieren und steuern? Das Fraunhofer EMI hat das diesjährige Juicy Beats Festival begleitet. Gemeinsam mit dem Fraunhofer IOSB erstellten sie eine 3D-Rekonstruktion des Geländes. Darauf basierend führten sie Sichtbarkeitsberechnungen durch. Mithilfe von Videoaufzeichnungen der Besucher und Zustromdaten des Veranstalters simulierten sie den Personenstrom.