MACHEN WIR UNS DOCH NICHTS VOR; AUTO FAHREN IST GEFÄHRLICH

Täglich sterben Menschen bei Autounfällen – genau so viele, wie wenn an jedem Tag im Jahr ein voll besetztes Flugzeug abstürzen würde. Wohl oder übel steigen trotzdem 220 Millionen Menschen täglich in ihr Auto, das in der Nähe ihrer Haustüre geparkt ist. Sie benutzen lediglich die Augen um sich auf manchmal nur teilweise einsehbaren Straßen, zwischen anderen Fahrzeugen und in übermenschlicher Geschwindigkeit fort zu bewegen. Jennifer Healey, eine Forscherin bei Intel, stellt sich eine sichere Zukunft vor. Setzt man die Sensoren eines Autos in Kombination mit Gossip-basierende Protokolle ein, können sich Autos in Zukunft sehen, sich austauschen, den Fahrer bei Gefahren warnen und sogar eingreifen, wenn ein Unfall bevorsteht.

"Die kommunizierten Informationen werden über den einfachen Austausch der Geschwindigkeit, des Standorts oder der Trajektorie hinaus gehen und das Fahren so sozialer und sicherer machen."

Die Vision

Als Forscherin in Intels User Experience Forschungslabor ist es Healeys Aufgabe, die Zukunft vorher zu sehen. „Meine Arbeit besteht darin, heraus zu finden, wie Computer in der Zukunft genutzt werden.“, erzählte Healey gegenüber EEWeb. „Hauptsächlich arbeite ich im Embedded Bereich sowie mit kabelloser Kommunikation. Dies ist ein wachsender Markt, der einen Anteil an der Zukunft von Computern haben wird“, so Healy weiter. Ihr Hauptaugenmerk liegt darauf, wie Autos miteinander, mit der Infrastruktur, der Cloud sowie mit dem aufkommenden Internet der Dinge kommunizieren.

Jennifer Healey von Intel

Der dynamische Austausch von Daten zwischen Fahrzeugen sowie der Infrastruktur bietet eine große Möglichkeit, die Sicherheit zu verbessern und das Fahrerlebnis aufzuwerten. Alle Fahrzeuge in eine solche Kommunikation einzubinden ist jedoch leichter gesagt als getan. Healey erklärte hierzu: „In diesem Straßennetzwerk gibt es Verkehrsteilnehmer, die mit ca. 100 km/h unterwegs sind und miteinander sprechen möchten.  Sie gehören Privatpersonen, bewegen sich schnell und besitzen eine unbekannte autointerne Infrastruktur.“ Jedoch stellt sich die Frage, wie man ein Ziel in einer kabellosen Kommunikation identifizieren soll, wenn es keinen Standard für eine solche Infrastruktur gibt.

Verbreiten der Informationen

Es wurde bereits viel im Bereich der Fahrzeug-zu-Fahrzeug Kommunikation geforscht. Um die verbleibenden Hürden im technischen Bereich und bei Standardisierungsfragen zu klären, arbeitet Intel mit der Nationaluniversität Taiwan (NTU) zusammen und hat das Connected Context Computing Center gegründet. Dieses Zentrum sponsert ein Forschungsteam, das von Professor Bob Wang geleitet wird, und einen Prototyp entwickelt hat, der es ermöglicht, "Getratsche“ zwischen Autos auszutauschen. Die Idee der Kommunikation zwischen Autos ist es, dem eigenen Auto einen kurzen Blick in andere Autos zu gewähren, die um einen herum fahren. Die kommunizierten Informationen werden über den einfachen Austausch der Geschwindigkeit, des Standorts oder der Trajektorie hinaus gehen, und das Fahren so sozialer und sicherer zu machen. 

Der gerade beschriebene Prototyp benutzt 2D LIDAR, Stereo Kameras und speziell für Messungen zwischen Fahrzeugen vorgesehene, mit DSRC (Dedicated Short Range Communication) standardisierte Übertragungsgeräte. Laut Healey bietet diese Kombination die Möglichkeit, das autonome Fahren mit minimalen Kosten umzusetzen und trotzdem alle derzeit verfügbaren Funktionen nutzen zu können. „Der Vorteil des 2D LIDAR ist, dass er im Wesentlichen ein Laserradar ist und somit Tiefeninformationen liefert.“, so Healy zu EEWeb, „Wir kombinieren diese Informationen mit einem Computer Vision System, welches Objekte anhand von Farben unterscheidet.“ Es gibt jedoch viele Situationen in denen LIDAR aufgrund von Reflektionen an anderen Objekten falsche Ergebnisse liefert. Läuft beispielsweise eine Gruppe von Leuten am Straßenrand erkennt das LIDAR nur ein einziges Objekt, obwohl jede Person Kleidung in unterschiedlicher Farbe trägt. Als Ziel hat sich Healeys Team gesetzt, Objekte mit Hilfe der beiden gegensätzlichen Messmethoden zu trennen.

Um das autonome Fahren zu ermöglichen, wurden vom Intel-NTU Team zwei verschiedene Algorithmen entwickelt, die die Hauptaufgaben übernehmen.  Diese arbeiten zusammen um die relative Position des eigenen Fahrzeugs zu anderen Verkehrsteilnehmern zu berechnen. Der SLAM (Simultaneous Location And Mapping) Algorithmus wird verwendet, um die Position des Autos zu bestimmen. Das MOT (Motion Object Tracking) ist dazu da, andere Objekte relativ zum eigenen Auto zu verfolgen. "Wenn das Auto die GPS Position übermittelt, kann das Computer Vision System die Position anderer Verkehrsteilnehmer abschätzen.“ erklärte Healy, „Diese Schätzung kann verbessert werden, indem die anderen Teilnehmer ihre GPS Daten zurück schicken.“ In diesem Modell schätzt Ihr Auto die gefahrene Geschwindigkeit sowie die Beschleunigung und sagt so Ihre zukünftige Position vorher. Wenn Sie Ihre Position zurück senden, können Sie herausfinden ob sich die Person mittlerweile an einem anderen Ort befindet – grundsätzlich ist dies eine Live-Korrektur des Algorithmus,  welche dem Ballistik-Tracking ähnelt.

Ein skalierbares Vehicle-to-Vehicle Netzwerk

Obwohl das komplette Intel-NTU System perfekt dafür angepasst wurde, um die Vehicle-to-Vehicle Kommunikation zu ermöglichen, ist es nicht notwendig, dass alle Fahrzeuge mit diesem System ausgestattet sind. Das System ist skalierbar, dies bedeutet, dass jedes Fahrzeug, das mit einen einfachen Empfänger ausgestattet ist, an den Unterhaltungen der Fahrzeuge teilnehmen kann. Ein solches Kommunikationsprotokoll kann auf zwei Arten funktionieren. Eines ist das „Auto vor und hinter einem“ Szenario, bei dem das vorausfahrende Auto eine Broadcast Nachricht sendet, in der es dem Fahrzeug dahinter mitteilt, dass es sehr stark bremst. Ein Funksender ist alles, was von dem vorausfahrenden Fahrzeug benötigt wird, um den Broadcast zu verschicken. Das dahinter fahrende Auto benötigt lediglich einen Funkempfänger, sowie einen Algorithmus, der den Geschwindigkeitsunterschied der Fahrzeuge berechnet und den Fahrer informiert, dass das vorausfahrende Auto stark bremst und dieses Fahrzeug deshalb auch abgebremst werden muss.

"Das System ist skalierbar, dies bedeutet, dass jedes Fahrzeug, das mit einen einfachen Empfänger ausgestattet ist, an den Unterhaltungen der Fahrzeuge teilnehmen kann. Ein solches Kommunikationsprotokoll kann auf zwei Arten funktionieren."

Fahrer, die mit dem kompletten Intel-NTU System ausgestattet sind, können alarmiert werden, sobald ein vorausfahrendes Auto stark bremst, ohne dass eine Kommunikation mit dem bremsenden Fahrzeug statt findet. Dies ermöglichen die eingebauten Tracking Technologien. "Nehmen wir an, dass das Auto vor Ihnen die eigene Geschwindigkeit nicht übermittelt,“ erklärt Healey, „da das verfolgende Auto jedoch Stereo Kameras und LIDAR benutzt, können die Stereo Kameras zum Entdecken von Objekten eingesetzt werden. Dies würde es ermöglichen, dass das Objekt vor dem Fahrzeug ebenfalls als Fahrzeug identifiziert wird. Das 2D LIDAR könnte die Tiefeninformationen messen und so auf die Geschwindigkeit des vorausfahrenden Fahrzeugs schließen.“ Mit den Daten dieser Sensoren kann das Auto den Fahrer auf die eine mögliche Kollision aufmerksam machen.

Die nächsten Schritte

Die aktuelle Generation des Intel-NTU Systems beruht darauf, dass der Fahrer auf die Warnungen des Systems reagiert. Allerdings kann es zu lange dauern, bis der Mensch diese Informationen richtig interpretiert hat und darauf reagiert, was wiederum fatale Konsequenzen nach sich ziehen kann. Deshalb arbeitet das Intel-NTU Team eigentlich auf ein Kollisionsvermeidungs-System hin, das die Stärken der Stereo Kameras, des LIDAR und den Entscheidungen der Algorithmen nutzt, so dass das Auto schlau genug ist um zu reagieren, falls der Fahrer es nicht tut.

"Der Algorithmus kann robust genug gestaltet werden, dass das Auto bessere Entscheidungen treffen kann, als es Ihnen mit zwei Augen möglich ist.“ erklärte Healey. Diese Kameras ermöglichen dem Menschen eine viel weitere parallaxe Sicht auf die Dinge, die vor einem passieren, wie sie die Augen bieten können. Menschen können nur die Informationen von zwei visuellen Sensoren verarbeiten – den Augen.

"Das Problem an der Sache ist, dass ich keine Augen im Hinterkopf habe und ich so nicht wahrnehmen kann, was hinter mir passiert. Computer kennen dieses Limit nicht. In meiner Vision antwortet das Auto automatisch – es bremst, sobald ein anderes Fahrzeug zu nahe kommt, und so weiter..,“  so Healey.

Während Kollisionsvermeidungs-Systeme weiterentwickelt wurden, werden spürbare Vorteile erst zu sehen sein, wenn eine kritische Masse an Fahrzeugen solche Systeme einsetzt. Es kann jedoch viele Jahre dauern, bis alle Fahrzeuge eines Landes solche Systeme an Board haben. Dieser Prozess könnte jedoch durch Druck der Regierung beschleunigt werden. Die US Regierung voröffentliche kürzlich Pläne, in denen vorgesehen ist, dass Autohersteller alle Fahrzeuge, die nach 2017 ausgeliefert werden, mit einem Kollisionsvermeidungs-System ausgestattet sein müssen. In der Zwischenzeit arbeitet die Intel-NTU Gruppe an der Weiterentwicklung ihrer Technologie und machen das Fahren für jeden Fahrer sicherer indem Sie "die Stärken von Menschen mit denen von Computern verbinden.“

"Deshalb arbeitet das Intel-NTU Team eigentlich auf ein Kollisionsvermeidungs-System hin, das die Stärken der Stereo Kameras, des LIDAR und den Entscheidungen der Algorithmen nutzt, so dass das Auto schlau genug ist um zu reagieren, falls der Fahrer es nicht tut.“

Artikel Quellen:

avatar

Sie müssen sich anmelden um einen Kommentar zu veröffentlichen

avatar

Sie müssen sich anmelden um einen Kommentar zu veröffentlichen