Mit KI dynamische Verkehrssituationen vorhersagen

Auf mehr als 100.000 Kilometern Strecke erfasste ein Versuchsträger neben Kamera-, Radar- und Lidar-Daten auch relevante GPS- und Wetterinformationen. (Bild: ZF)

Heute stoßen KI-Algorithmen noch an ihre Grenzen, wenn es darum geht, das wahrscheinliche Verhalten menschlicher Verkehrsteilnehmer vorherzusehen. Wird der offenbar von seinem Smartphone abgelenkte Fußgänger gleich unachtsam auf die Fahrbahn treten? Was ist bei einem automatisiert durchgeführten Spurwechsel zu beachten? Bremst der vorausfahrende Wagen noch ab? Wenn sich die KI hier verbessert, kann sich das positiv auf die Sicherheit im Straßenverkehr auswirken – insbesondere dann, wenn immer mehr Fahrzeuge mit hochautomatisierten oder autonomen Assistenzsystemen ausgestattet werden.  Genau das war die Motivation hinter dem Forschungsprojekt KISSaF. Konsortialführer ZF arbeitete gemeinsam mit dem Lehrstuhl für Regelungssystemtechnik (RST) der TU Dortmund und dem Entwicklungsdienstleister INGgreen an einer sogenannten Szenenprädiktion für den Straßenverkehr. Nach rund drei Jahren ist das Forschungsprojekt nun erfolgreich abgeschlossen worden. Die Ergebnisse bestätigen: Die neue Methode funktioniert besser als bislang verwendete Ansätze.

„Um eine KI so zu trainieren, dass sie sicher solche Vorhersagen treffen kann, braucht es große Mengen an Daten aus dem echten Straßenverkehr“, erklärt Dr. Till Nattermann, Leiter des KISSaF-Projekts und Engineering Manager bei ZF. Die Rohdaten des Projekts KISSaF umfassen fast 800 Terrabyte. Von der TU Dortmund entwickelte Algorithmen zur Umfeldbeschreibung bereiteten die Daten für die weitere Verwendung im Projekt auf.

Auf Basis dieser Umfeldmodellierung trainierten die KI-Spezialisten des ZF-eigenen AI-Labs, dem KI-Technologiezentrum in Saarbrücken, die künstliche Intelligenz. Die Prädiktion konnte dann in der Simulation und mit aufgezeichneten Realdaten in den von ZF bereits entwickelten Assistenzsystemen getestet werden.

Nach dem Training konnte die KI besser abwägen, wie sich andere Verkehrsteilnehmer verhalten. Zum Beispiel erkannte die KI möglicherweise kritische Spurwechsel und brach sie entweder ab oder leitete sie gar nicht erst ein. Entstehende Lücken für einen Spurwechsel konnte sie ebenfalls vorhersehen und das Fahrzeug sicher durch den Verkehr leiten. Auch die Fähigkeit der KI, bei Gegenverkehr an Kreuzungen rechtzeitig zu stoppen, hat sich mit dem im Laufe von KISSaF erarbeiteten Verfahren verbessert. (oe)

Link zur Projektseite