Ein Beispiel aus der Rushhour in einer deutschen Großstadt: Auf der Zufahrt zum Hauptbahnhof herrscht dichter Verkehr, als ein Zustellfahrzeug unvermittelt in zweiter Reihe hält und den rechten Fahrstreifen blockiert. Also Schulterblick, Lücke finden, blinken, einfädeln, wieder zurück auf die rechte Spur – und noch rechtzeitig vor der Schülergruppe zum Stehen kommen, die in diesem Moment auf den vom Lieferwagen halb verdeckten Zebrastreifen zu rennt. Schon in naher Zukunft könnten automatisierte Fahrzeuge diese Multitasking-Aufgaben für uns übernehmen: Indem sie selbst komplexe Situationen erfassen, Intentionen anderer Akteure erkennen, richtig (re-)agieren und die Menschen an Bord sicher zum Ziel navigieren.

Den Weg in diese mobile Zukunft möchte das Projekt STADT:up ebnen. Dabei entwickeln, unterstützt durch das Bundesministerium für Wirtschaft und Klimaschutz, 22 Akteure – von Automobilfirmen über Zulieferer bis hin zu Technologieprovidern und Forschungseinrichtungen – Konzepte und Pilotapplikationen für durchgängiges automatisiertes Fahren in urbanen Räumen.

Um dem ambitionierten Aufgabenspektrum bestmöglich gerecht zu werden, erfolgt die Projektarbeit in fünf Teilprojekten.

Perspektiven urbaner Mobilität

Die Suche nach zukunftstauglichen Verkehrskonzepten läuft in vielen Städten auf Hochtouren – ein Prozess, an dem unterschiedlichste Stakeholder beteiligt sind: von Städten und Kommunen sowie deren Bürgerinnen und Bürger über Forschungseinrichtungen bis hin zur Automobilindustrie. Deren Vorstellungen und Bedürfnisse fließen im Rahmen von Dialogforen in das Projekt mit ein. Auf Basis der gewonnenen Erkenntnisse erarbeiten die Forschenden einen Digitalen Zwilling urbaner Mobilität – also eine hochrealistische Verkehrssimulation. Sie wird die enorme Vielfalt an Akteuren (Menschen zu Fuß, auf dem Rad oder im eigenen Pkw, aber auch Robo-Taxis, Linienbusse etc.) abbilden.

Human Factors

Im zweiten Teilprojekt erarbeitet STADT:up Methoden, wie Menschen und automatisierte Fahrzeuge miteinander interagieren und kommunizieren können. Der ganzheitliche Arbeitsansatz berücksichtigt dabei mehrere Perspektiven. Neben der Informationsvermittlung an die Passagiere wird der Frage nachgegangen, auf welche Weise das Fahrzeug seine Absichten nach außen kommunizieren und spezielle Situationen managen kann – vor allem, wenn schwächere Verkehrsteilnehmer im Spiel sind.

Umgebung und Kontext

Was bei Menschen Augen und Gehirn sind, übernehmen im Falle von automatisierten Fahrzeugen Sensoren wie Kamerasysteme, Lidar oder Radar sowie spezielle Algorithmen. Wie sie darauf getrimmt werden können, anspruchsvollste urbane Szenarien – auch unter erschwerten Bedingungen – zuverlässig zu erfassen und zu interpretieren, ist Gegenstand dieses Teilprojekts. Hierbei spielen Methoden aus den Bereichen Künstliche Intelligenz und Machine Learning eine Schlüsselrolle.

Situationsanalyse und Planung

Die durch Datenfusion optimierte Umfeldwahrnehmung ermöglicht es den Projektbeteiligten, sich intensiv den Fragen der Interaktion und Kooperation zwischen Verkehrsteilnehmern zu widmen. Hier geht es darum, dass automatisierte Fahrzeuge in verschiedensten Verkehrssituationen jeweils die richtige Entscheidung treffen. Zugleich sollen die prädiktiven, also vorausschauenden Fähigkeiten automatisierter Fahrzeuge geschärft werden. Hierfür nutzen die Forschenden in hohem Maße datengetriebene Modelle – die ebenfalls zur Anwendung kommen, wenn es um die Planung der Fahrmanöver geht.

Automatisiertes Fahren

In diesem finalen Teilprojekt schließt sich der Kreis: Die beteiligten Projektpartner werden durchgängiges automatisiertes Fahren in urbanen Räumen konkret erlebbar machen – sowohl im Simulator als auch anhand von Versuchsträgern in einer realistischen Testumgebung. Ein besonderes Augenmerk legen die Entwickler einerseits auf die Interaktion mit schwächeren Verkehrsteilnehmenden. Parallel dazu werden die Fähigkeiten der automatisierten Fahrzeuge aber auch in anderen herausfordernden Verkehrssituationen, wie z.B. an Kreuzungen und Kreisverkehren, beim Einfädeln oder beim Umfahren von Hindernissen, evaluiert und verbessert.

____________________________________________________________________________________________

"Automatisierte Mobilität in das dynamische System Stadt einzupassen, ist eine extrem anspruchsvolle Aufgabe. Zum einen, weil sich die Citys in ihren Verkehrsphilosophien teils eklatant unterscheiden; zum anderen, weil wir den Faktor Mensch in allen Facetten seines Handelns  berücksichtigen müssen. Im Rahmen von STADT:up bedienen wir uns deshalb datengetriebener Modelle und neuester KI-basierter Methoden – mit dem Ziel, erlebbare Fahrfunktionen für komplexeste Verkehrsszenarien zu erarbeiten und
zu demonstrieren."  _{Dr. Lutz Bürkle, Projektkoordinator von STADT:up}

____________________________________________________________________________________________