Zusammenfassung
Um dem Konflikt zwischen Unterstützung und Bevormundung von Fahrer-assistenzsystemen zu beheben, muss der Fahrer selbst stärker in der Systemregelung berücksichtigt werden. Am Institut für Arbeitswissenschaft der Universität der Bundeswehr München wird daher an der Vorhersage von Fahrerabsichten geforscht, durch die deutlich gezieltere Fahrer-assistenz möglich ist. Der Beitrag beschreibt die Entwicklung eines Algorithmus, der basierend auf aktueller Seriensensorik, überholmanöver mit hoher Zuverlässigkeit vorhersagen kann.
This is a preview of subscription content, log in via an institution to check access.
Literaturhinweise
Moetsch, M.: Blink mal wieder. AutoBild, 2005, 19, S. 18–20
LeBlanc, D., Sayer, J., Winkler, C., Ervin, R., Bogard, S., Devonshire, J., Mefford, M., Hagan, M., Bareket, Z., Goodsell, R. & Gordon, T.: Road departure crash warning system field operational test: Methodology and results. Technical report, The University of Michigan Transportation Research Institute, 2006. http://www-nrd.nhtsa.dot.gov/pdf/nrd-12/RDCW-Final-Report-Vol.1_JUNUNE.pdf
Alkim, T.P., Bootsma, G. & Hoogendoorn, S.P.: Field Operational Test „The Assisted Driver“. Intelligent Vehicles Symposium, S.1198–1203, 13-15 June 2007, Istanbul, Turkey
Zabyshny, A.A. & Ragland, D.R.: False Alarms and Human-Machine Warning Systems. UCUC Berkeley Traffic Safety Center, 2003. Paper UCUCB-TSCSC-RRRR-2003-07. http://repositories.cdlib.org/its/tsc/UCUCB-TSCSC-RRRR-2003-07
Kompass, K. & Huber, W.: Advanced Driver Assistance: Chances and Limitations on the Way to Improved Active Safety. SAE Technical Paper, No. 2007-01-1738, 2007
Blaschke, C., Färber, B. & Limbacher, R.: Online-detection of driver distraction. Proceedings of the 4th International Conference on Traffic and Transport Psychology, Washington D.C., USUSA, 1.- 4. September 2008
Schmitt, J. & Färber, B.: Verbesserung von FAS durch Fahrerabsichtserkennung mit Fuzzy Logic. In: Fahrer im 21. Jahrhundert, VDI-Bericht 1919, Düsseldorf: VDI-Verlag 2005
Oliver, N. & Pentland, A.P.: Graphical models for driver behavior recognition in a SmartCar. Proceedings of lEEE Conference on Intelligent Vehicles, Dearborn (MI), USUSA, 2000, S. 7–12
Kuge, N., Yamamura, T., Shimoyama, O., & Liu, A.: A driver behaviour recognition method based on a driver model framework. Proceedings of the 2000 SAE World Congress, Detroit (MI), USUSA, 2000, S. 469–476
Ohasi, K., Yamaguchi, T. & Tamai, I.: Humane automotive system using driver intention recognition. Proceedings of the SICE Annual Conference in Sapporo, Japan, 2004, S. 1164–1167.
Salvucci, D.D.: Inferring driver intent: A case study in lane-change detection. Proceedings of the Human Factors Ergonomics Society 48th Annual Meeting. Santa Monica, USUSA, 2004, S. 2228–2231
Dagli, I., Brost, M. und Breuel, G.: Action recognition and prediction for driver assistance systems using dynamic belief networks. Proceedings of the Conference on Agent Technologies, Infrastructures, Tools and Applications for E-Services, Erfurt, Deutschland, 2002, S. 179–194
Heckhausen, H., Gollwitzer, P.M., Weinert, F.E.: Jenseits des Rubikon: Der Wille in den Humanwissenschaften. Berlin: Springer Verlag 1987
Zadeh, L.A.: Fuzzy Sets. Information and Control, 8(3), 1965, S. 338–353
Author information
Authors and Affiliations
Rights and permissions
About this article
Cite this article
Blaschke, C., Schmitt, J. & Färber, B. Überholmanöver-Prädiktion über CAN-Bus-Daten. ATZ Automobiltech Z 110, 1022–1028 (2008). https://doi.org/10.1007/BF03222033
Issue Date:
DOI: https://doi.org/10.1007/BF03222033