Intelligente Transportsysteme

Transkript

1 Intelligente Transportsysteme Michael Arnold 14. Juli 2004 Proseminar Künstliche Intelligenz - SS 2004 Fakultät für Informatik Universität Ulm Zusammenfassung Intelligente Transportsysteme stehen im allgemeinen für fahrerlose, autonome Fahrzeuge. Sie nehmen ihre Umwelt über Sensoren und Kommunikationsschnittstellen wahr und können so ohne Kollision durch ein Straÿennetz navigieren. Diese Arbeit beschreibt neben den autonomen Transportsystemen auch den Einsatz von Fahrer-Assistenz-Systemen, bei denen der Fahrer entweder vor Gefahren gewarnt wird oder das System sogar die Kontrolle übernimmt um einen Unfall abzuwenden. Weiter werden die wichtigsten Sensoren zur Navigation und zur Hinderniserkennung erklärt und zuletzt wird grob auf die Umsetzung einiger Fahrmanöver eingegangen. Inhaltsverzeichnis 1 Einleitung 2 2 Sensorik Sensoren für die Navigation GPS Wegmessung Sensoren zur Hinderniserkennung Ultraschall Laserscanner Radar Kamera Infrarotkamera Fahrmanöver Folgen der Fahrspur Kooperatives Verhalten Überholen anderer Fahrzeuge Überquerung von Kreuzungen ohne Vorfahrtsregelung Fazit 11 1

2 1 Einleitung Die Entwicklung autonomer 1 Transportsysteme stellt eine Herausforderung dar, der sich Forschungseinrichtungen auf der ganzen Welt schon seit der Mitte der 80er Jahre gewidmet haben. Eine Hauptmotivation bei der Entwicklung intelligenter Fahrzeuge ist der erwartete Sicherheitsgewinn auf den Straÿen, was sich in weniger Unfällen und damit weniger Unfalltoten widerspiegeln wird. Darüber hinaus werden autonome Fahrzeuge aufgrund kürzerer Reaktionszeiten des Steuersystems gegenüber einem menschlichen Fahrer dichter aufeinander auahren können, was einen höheren Straÿendurchsatz zur Folge hat. Nicht zu vergessen ist der niedrigere Kraftstoverbrauch durch konstantere Fahrweise, wodurch der Straÿenverkehr kostengünstiger und umweltschonender wird. Je nach Grad der Automatisierung kann man nach [2] unter den Anwendungsgebieten Fahrer-Assistenz-Systeme, eingreifende Fahrüberwachungssysteme und automatisierte Fahrsysteme unterscheiden. Fahrer-Assistenz-Systeme Das Fahrzeug unterstützt den menschlichen Fahrer, indem es ihn durch akustische und optische Signale auf potentielle Gefahrenquellen aufmerksam macht. Beispiele sind Warnsysteme vor Kollisionen mit Hindernissen auf der Straÿe, Kollisionen mit kreuzenden Fahrzeugen, Objekten im toten Winkel, Objekten hinter dem Auto bei Rückwärtsfahrt und vor Fuÿgängern auf und neben der Fahrbahn, insbesondere wenn diese schlecht zu sehen sind. Auÿerdem wird erkannt, ob das Auto droht von der Fahrbahn oder z. B. auf der Autobahn von einer Fahrspur ab zukommen. Ein Heckaufschlag, der durch ein sich von hinten schnell näherndes Fahrzeug verursacht werden könnte, kann ebenso vorausgesagt werden. Dies gibt dem Fahrer die Möglichkeit, ein Ausweichmanöver einzuleiten. Schwere Fahrzeuge laufen manchmal Gefahr, umzukippen. So z. B. Traktoren, die an Hängen fahren müssen oder Lkws, die einfach zu schnell um die Kurve fahren. Auch davor könnte ein Fahrer durch ein Assistenz-System gewarnt werden. Eine besondere Funktion stellt die Fahrer- Einschlaferkennung dar. Überwacht werden dabei Augenbewegungen, ob die Augen geschlossen werden, physiologische Merkmale, wie z. B. die Muskelaktivität (unter anderem wie fest der Fahrer das Lenkrad hält) und das Fahrverhalten (v. a. Geschwindigkeit und Halten der Fahrspur) [10]. Wird ein Aufmerksamkeitsdezit des Fahrers festgestellt, wird er durch akustische und optische Signale, sowie durch Vibration des Fahrersitzes geweckt. Eingreifende Fahrüberwachungssysteme Das System weist weiterhin mit akustischen und optischen Signalen auf Gefahren hin, kann aber auch in Gefahrensituationen oder auf Wunsch des Fahrers die Kontrolle über das Fahrzeug übernehmen. Beispiele sind Systeme zum Halten der Fahrspur, automatischen Einparken oder Rangieren. Ein eingreifendes Fahrüberwachungssystem könnte auch, im Falle dass der Fahrer einschläft (s.o.) und nicht auf Wecksignale reagiert, das Fahrzeug in einen sicheren Zustand manövrieren und anhalten. Das wohl bekannteste System von eingreifenden Fahrüberwachungssystemen verkauft Mercedes Benz unter dem Namen Distronic ( Es hält selbstständig eine voreingestellte Geschwindigkeit, bremst allerdings, falls 1 autonom (griech.): verwaltungsmäÿig selbständig, unabhängig 2

3 der vorausfahrende Verkehr zu langsam wird und beschleunigt bei freier Fahrt wieder bis zur Wunschgeschwindigkeit. Sollte starkes Bremsen nötig sein, wird der Fahrer durch ein optisches und akustisches Signal dazu aufgefordert. Automatisierte Fahrsysteme Hierbei fährt das Fahrzeug teilweise oder vollständig autonom. Ersteres beispielsweise bei einem System, das im langsamen bzw. stockenden Verkehr die Kontrolle übernehmen kann. Vollständig autonome Fahrzeuge brauchen keinen menschlichen Fahrer mehr. Das bedeutet allerdings noch nicht, dass sie auch im normalen Straÿenverkehr bestehen können. In einer Vorstufe dazu gibt es die Fahrzeugführung in abgetrennten Bereichen, wie z. B. Busspuren. Nach [3] ist das Führen einer Kolonne autonomer Fahrzeuge durch einen menschlichen Lotsenfahrer machbar. Dabei könnten 2 bis 5 nichtmechanisch gekoppelte Fahrzeuge mit einem Abstand von wenigen Zentimetern auf öentlichen Straÿen fahren, wobei nur das erste Fahrzeug von einem Menschen gesteuert wird. Es ist oensichtlich, dass diese intelligenten Anhänger nur wenige Eigenschaften eines vollständig autonomen Fahrzeugs haben müssen, da weder die Navigation, noch das Erkennen und Umfahren von Hindernissen realisiert werden muss. Solche Anhänger müssen hauptsächlich zum vorausfahrenden Fahrzeug einen konstanten Abstand halten, in Kurven hinterher lenken und seitliches Abdriften vermeiden. Ziel der Entwikler ist aber ein wirklich autonomes Fahrzeug, welches sich im gemischten Straÿenverkehr mit normalen Verkehrsteilnehmern zurecht ndet. Autonome Transportsysteme können einerseits als vollständig autonom oder andererseits als kooperativ autonom fahrend implementiert werden. Kooperative Systeme nutzen nicht nur die fahrzeugeigenen Sensordaten, sondern per Funk auch Informationen von Sendern an der Straÿe und vor allem von anderen Fahrzeugen. Durch die Weitergabe von Sensorinformationen über eine ganze Fahrzeugkette hinweg können Fahrzeuge schon vor besonderen Verkehrssituationen, wie z. B. auftretende Hindernisse, gewarnt werden, bevor diese überhaupt in Reichweite der bordeigenen Sensoren liegen. So kann frühzeitig die Geschwindigkeit angepasst werden, was der Sicherheit und der Ezienz dient. Auch seitlich der Straÿe installierte Funkeinrichtungen können Informationen z. B. über die Verkehrssituation oder den Straÿenzustand geben. Die Kommunikation zwischen den Fahrzeugen ermöglicht diesen, über Ort, Geschwindigkeit und die Fahrtrichtung sowie die Fahrabsichten der anderen Verkehrsteilnehmer Bescheid zu wissen. So ist ein dichteres Aufeinanderfahren bei gröÿerer Sicherheit möglich, was einen höheren Straÿendurchsatz zur Folge hat. Allgemein gilt, dass intelligente Transportsysteme mit allen öentlichen Straÿen zurecht kommen müssen und durch Kooperation den Straÿenverkehr eektiver gestalten. 3

4 2 Sensorik Eine der schwierigsten Aufgaben bei der Entwicklung autonomer Transportsysteme ist es, die Umwelt über Sensoren wahrnehmen und verstehen zu können. Die Sensoren werden in zwei Klassen unterteilt. Einmal gibt es die Sensoren für die Navigation und zum anderen die Sensoren zur Hinderniserkennung. Die hier beschriebenen Sensoren sind bis auf die Kamera und das Infrarot alle in [3] beschrieben und werden im Cybercar-Projekt ( verwendet. 2.1 Sensoren für die Navigation Damit autonome Fahrzeuge wirklich autonom sein können, müssen sie ständig ihren Standort im Straÿennetz kennen. Die angestrebte Genauigkeit liegt bei 10 cm in der Länge und 5 cm in der Breite. Um dies zu erreichen, brauchen sie möglichst präzise und zuverlässige Sensoren, die die Umwelt erfassen und die Fahrzeugposition in Relation dazu bestimmen. Theoretisch könnte man das ganze Straÿennetz verdrahten und an den Fahrzeugunterseiten Empfänger anbringen. Die Sender in der Straÿe könnten so die genaue Position sowie weitere Informationen über den Straÿenzustand oder die Verkehrssituation übertragen. Dies stellt aber hohe Anforderungen an die Infrastruktur, denn jede Straÿe, auf der ein so gesteuertes Auto fahren sollte, müsste mit diesem Drahtnetz ausgestattet werden. Andere Techniken wie Magnetführungen, Transpondersignale oder kartierte Reektoren für Laserscanner erfordern ebenso eine Anpassung des Straÿennetzes und sind daher nur für Fahrzeuge interessant, die nur auf bestimmten Trassen fahren oder als unterstützendes Element an Straÿenabschnitten, die mit anderen Sensoren schwer zu meistern sind. Im Gegensatz dazu funktionieren GPS und die Wegmessung schon ohne die Infrastruktur umrüsten zu müssen. Daher sollen diese Techniken im Folgenden näher beschrieben werden GPS Bei der Navigation per GPS wird mit einem geeigneten Empfänger der Abstand zu mindestens 4 der 27 GPS-Satelliten gemessen. Damit kann die genaue Position des Empfängers auf der Erde je nach Qualität des Empfängers und des Signals bis auf wenige Zentimeter genau bestimmt werden. Für die zentimetergenaue Messung sind mindestens 5 Satelliten nötig. Gerade aber in den Häuserschluchten der Groÿstädte und vor allem in Tunnels werden zu wenig bzw. gar keine Signale empfangen. Dies macht eine weitere Messung nötig: die Wegmessung Wegmessung Die Eigenbewegungsmessung basiert auf der Messung der zurückgelegten Strecke in einer bestimmten Richtung, was relativ zum Ausgangspunkt die aktuelle Position ergibt. Diese Messung erfordert sehr präzise Sensoren, allerdings ist ein gewisser Abweichungsgrad unvermeidbar. Da sich solche Abweichungen über längere Strecke zu weit aufsummieren würden, muss die aktuelle Position so oft wie möglich mit den GPS-Informationen kalibriert werden. 4

5 2.2 Sensoren zur Hinderniserkennung Da die Sicherheit im Straÿenverkehr und deren Verbesserung eines der Hauptanliegen bei der Entwicklung intelligenter Fahrzeuge ist, hat die zuverlässige Erkennung jeglicher Hindernisse oberste Priorität. Als Hindernisse werden dabei sowohl feste Hindernisse, wie z. B. Verkehrsinseln oder Baustellen, als auch andere Verkehrsteilnehmer, insbesondere Menschen angesehen. Die Sensorik eines intelligenten Fahrzeugs kann Vorteile gegenüber der des menschlichen Fahrers haben. Erstens kann das Auto in alle Richtungen gleichzeitig schauen, zweitens können schlechte Sichtverhältnisse wie Regen, Nebel oder Dunkelheit besser kompensiert werden. Jedoch bedarf es noch einiges an Entwicklung, um aus der theoretischen Wahrnehmungsfähigkeit Wert zu schöpfen, denn es hat noch kein Nutzen, wenn das Fahrzeug in 100 m Entfernung ein Hindernis erkennt aber nicht einordnen kann, ob es sich dabei um eine Leitplanke oder eine geschlossene Bahnschranke handelt. Grundsätzlich muss man davon ausgehen, dass ein Sensor auch falsche Daten liefern kann. Daher müssen immer mehrere Sensoren verschiedener Technik eingesetzt werden, um Fehler erkennen und korrigieren zu können. In diesem Abschnitt soll nun auf die Technik der in Betracht kommenden Sensoren, nämlich Ultraschall, Laser, Radar, Kamera und Infrarot eingegangen werden Ultraschall Schon heute ndet Ultraschall viel Verwendung bei der Erkennung von nahen Hindernissen. Bereits in Mittelklassefahrzeugen sind oft Abstandssensoren auf der Rückseite des Wagens eingebaut, die sich vor allem beim Parken als groÿe Helfer erweisen. Mit 40 KHz Ultraschall deckt der Sensor einen Bereich von 0 bis 3 m, 100 horizontal und 60 vertikal ab. Steht das Hindernis in einem ungünstigen Winkel zum Sensor kann es jedoch passieren, dass das Echo nicht zum Sensor zurückkehrt, sondern auf der Straÿe verhallt. Dieses Problem kann durch ständige Änderung der Strahlungsrichtung eingeschränkt werden. Durch den Einsatz mehrerer Sensoren und Schallbündelung kann sogar der relative Winkel zum Objekt bestimmt werden. Auÿerdem können so gröÿere Objekte wie Personen oder Autos schon in bis zu 10 m Entfernung wahrgenommen werden. Allerdings können stark schallabsorbierende Objekte auch gänzlich übersehen werden. Für langsames Fahren, wie z. B. Rangieren oder Parken ist Ultraschall ein gutes Mittel zur Hinderniserkennung. Um mit höheren Geschwindigkeiten fahren zu können sind jedoch weitere Sensoren mit gröÿerer Reichweite nötig. 5

6 Abbildung 1: Ultraschall In Abbildung 1 werden die unterschiedlichen Einsatzgebiete von Ultraschallsensoren aufgezeigt. Die farbigen Flächen sollen die Richtung und die Reichweite der einzelnen Sensoren andeuten. Die grünen (1) Sensoren dienen der Einparkhilfe sowie der Aufprallfrüherkennung, die dunkelblauen (2) warnen vor seitlichem Aufprall, die hellblauen (3) überwachen den toten Winkel und vermessen die Parklücken und die orangenen (4) messen bei langsamem Stop and Go - Verkehr den Abstand zum Vorderfahrzeug Laserscanner In den bisher entwickelten autonomen Fahrzeugen ist der Laserscanner erste Wahl zur Hinderniserkennung. Abb. 2 zeigt ein Modell der Firma IBEO. Der Laserscanner gibt einen horizontalen Laserstrahl aus und erkennt die Koordinaten, an denen der Strahl auftrit. Die Auösung liegt bei 0,25, die Genauigkeit bei +/-5 cm. Er hat eine Reichweite von 40 m bei dunklen, Abbildung 2: Laserscanner an einem Testwagen schlecht reektierenden Objekten bis hin zu 250 m bei reektierenden Gegenständen in einem Umkreis von 270. Da der Scanner nur auf einer Ebene scannt, kann er sowohl tief liegende Objekte übersehen als auch die Straÿe bei einem beginnenden Anstieg fälschlicherweise als Hindernis identizieren. Abhilfe schaffen hier mehrere Scanebenen, die durch Spiegelung erreicht werden oder einfach durch den Einsatz mehrerer Scanner. Schwächen hat der Laserscanner auÿerdem 6

7 bei schlechten Sichtverhältnissen wie bei dichtem Nebel, Regen oder Schneefall; zusätzlich kann die Funktion durch Verschmutzung der Optik eingeschränkt werden Radar Ein Radar 2 (siehe Abbildung 3) strahlt hochfrequente Wellen ab, welche von ziemlich allen Gegenständen reektiert werden. Anhand des Doppler-Eektes kann die Geschwindigkeit von Objekten bis auf 0,2 km/h genau bestimmt werden. Die Winkelgenauigkeit beträgt 0,3, die Reichweite 1 bis 150 m in einem Bereich von 12. Neben dem normalen Radar soll auch ein Kurzstreckenradar integriert werden, welches für Fahrunterstützungssysteme wie Einparkhilfen, Geschwindigkeitsregelung im stockenden Verkehr, Blick in den toten Winkel oder automatisches Einparken verwendet werden soll. Abbildung 3: Radar Kamera Zur Erfassung der Umwelt kann selbstverständlich auch eine CCD-Kamera 3 eingesetzt werden. Bei solch einer Digitalkamera wird das Bild einer Umgebung über ein Objektiv eingefangen und auf ein Raster von lichtempndlichen Sensoren (CCD-Chip) projiziert. Pro Bildpunkt gibt es drei Sensoren, die jeweils auf die Lichtwellenlänge einer der drei Grundfarben ansprechen. Die Anzahl der Bildpunkte, die die Kamera pro Einzelbild liefert, nennt man die Bildauflösung. Obwohl eine hohe Auösung die Umwelt detaillierter beschreibt, sollte die Auösung des Kamerabildes in unserem Anwendungsfall nicht zu groÿ sein, da die Bildverarbeitung in Echtzeit abgewickelt werden muss. Schwächen zeigt die Kamera bei schlechten Sichtverhältnissen. Dunkelheit allein lässt sich noch durch Scheinwerfer ausgleichen, während Nebel oder starker Niederschlag die Bildinformationen unbrauchbar machen könnten. Wie beim Laserscanner kann auch hier das optische System verschmutzen Infrarotkamera Als Infrarotlicht wird das elektromagnetische Spektrum ab rotem Licht bis hin zu nicht sichtbarem langwelligen Licht bezeichnet. Infrarotbilder unterscheiden sich deutlich von Bildern des normalen Farbspektrums, weil das Bild von der Temperatur und Hitzeausstrahlung der Bildelemente und nicht von ihrer Beleuchtungssituation abhängt. Durch diese Eigenschaft ist die Infrarotkamera prädestiniert um Fuÿgänger auf und neben der Fahrbahn, selbst bei widrigen Sichtverhältnissen, zu erkennen [5]. 2 Radar = Radio [Aircraft] Detecting And Ranging 3 CCD: (engl.) charge-coupled device = landungsgekoppelter Baustein 7

8 Abbildung 4: Ausgabe der Fuÿgängererkennungssoftware Abbildung 4 zeigt die Ausgabe einer Fuÿgängererkennungssoftware in einfachen wie komplexen Szenarios mit mehr oder weniger Personen. Nicht mehr zu erkennen ist der Abstand in Meter, der unter den Rahmen vermerkt wird. 3 Fahrmanöver Damit ein autonomes Fahrzeug den Straÿenverkehr meistern kann, muss es gewisse Fahrmanöver beherrschen. Dazu gehört z. B. das Folgen der Fahrspur, Hindernisumfahrung, Folgen eines vorausfahrenden Fahrzeugs mit sicherer Entfernung, Überholen und Kreuzungen überqueren. 3.1 Folgen der Fahrspur 8

9 Abbildung 5: Fahrspurerkennung Bei der Fahrspurerkennung wird das Bild der CCD-Kamera auf typische Schlüsselpunkte einer Straÿe wie Kanten, Markierungen oder konsistente Farben untersucht. Berücksichtigt wird dabei die Plausibilität der Verläufe und der Standardverlauf einer Straÿe hin zu einem Fluchtpunkt 4. Mit diesen Hinweisen wird eine stimmige Hypothese der Fahrzeugposition in Relation zur Straÿe und des weiteren Straÿenverlaufes gewonnen. Abbildung 5 zeigt die Ausgabe der Erkennungssoftware in unterschiedlichen Situationen. Die Linien mit den Punkten an den Enden grenzen die Spur ab, welche die Software erkannt hat. Es wird deutlich, dass das System gegen Schatten (z. B. Mitte unten), Hindernisse (z. B. Mitte links) und irreführende Linien (z. B. oben Mitte oder unten rechts) auf der Straÿe unempndlich ist [7]. 3.2 Kooperatives Verhalten Abbildung 6: Formationen nach Fahrspurzahl Durch kooperatives Verhalten kann eine Fahrzeugkolonne seine Formation je nach Zahl der Fahrspuren dynamisch anpassen. In [4] wird eine erfolgreiche Demonstration beschrieben, bei der 5 Fahrzeuge auf einer Teststrecke mit wechselnder Fahrpurzahl und Hindernissen in einer Kolonne fuhren. Bei hinzukommenden bzw. wegfallenden Fahrspuren passt die Kolonne ihre Formation und die Abstände zwischen den Fahrzeugen gemäÿ Abbildung 6 an. Die Bildung einer so dynamischen Kolonne fordert den Einsatz von Kommunikation zwischen den Fahrzeugen. Dazu wurde ein 5,8-GHz Kurzstrecken-Funkmodem eingesetzt. Die 32-Byte-Datenpakete enthalten folgende Informationen: Identikation des sen- 4 Fluchtpunkt: Der Punkt im Unendlichen an dem parallele Linien scheinbar zusammenlaufen 9

10 denden Fahrzeugs, dessen Position, Geschwindigkeit, Fahrtrichtung und den Ort eines georteten Hindernisses. Diese Informationen werden alle 20 ms versandt. Auf diese Weise können sich alle Fahrzeuge des Verbundes ein viel exakteres Bild ihrer Umgebung machen, als wenn nur die fahrzeugeigenen Sensoren zur Informationsbeschaung eingesetzt werden würden. Auÿerdem können benachbarte Fahrzeuge über Hindernisse und dadurch nötige Ausweichmanöver informiert werden. So ist es den anderen Fahrzeugen möglich sich frühzeitig auf das Manöver einstellen. 3.3 Überholen anderer Fahrzeuge Zunächst erkennt das Fahrzeug ein Hindernis in einiger Entfernung. Mit der Kamera ndet es heraus, ob es sich bei dem Hindernis um ein anderes Fahrzeug handelt. Mit dem Radar kann dessen Geschwindigkeit gemessen werden. So kann das Fahrzeug abwägen, ob sich ein Überholvorgang lohnt. Wenn dem so ist, fährt es an ihm unter Berücksichtigung der Verkehrsregeln vorbei [ 1]. Eine Möglichkeit, den Überholvorgang zu optimieren, bietet die Kommunikationsfähigkeit von kooperativen autonomen Systemen. So kann das schnellere Fahrzeug dem langsameren den Überholwunsch übermitteln. Das Langsamere kann nun den Überholvorgang erleichtern, indem es Platz macht, langsamer fährt oder auf Hindernisse oder Gegenverkehr aufmerksam macht. 3.4 Überquerung von Kreuzungen ohne Vorfahrtsregelung Abbildung 7: Cybercars an einer Kreuzung Auch um Kreuzungen ohne Vorfahrtsregelung zu überqueren, können sich autonome Transportsysteme die Kommunikation zu Nutze machen [ 1]. Dem rstcome, rst-served-prinzip folgend, fährt das erste Fahrzeug, das die Kreuzung erreicht, in diese ein. Nähert sich nun ein weiteres Fahrzeug, fragt es mit dem Funkmodem nach, ob die Kreuzung gerade belegt ist. Wenn dem so ist, wartet es, bis sie wieder freigegeben wird. Einige Kreuzungen könnten selbst mit einer Funkzentrale ausgestattet werden, die Informationen über den Kreuzungszustand an die Fahrzeuge versendet. Abbildung 7 zeigt Prototypen aus dem 10

11 Cybercar-Projekt, die gerade nacheinander eine Kreuzung ohne Vorfahrtsregelung passieren. Die weiÿen Linien dienen den Fahrzeugen als Orientierung, wo die Kreuzung anfängt und wo sie aufhört. Später sollten die Fahrzeuge in der Lage sein, dies selbst zu erkennen. 4 Fazit Das einzige, was am Automobil seit seiner Erndung vor 119 Jahren nicht weiterentwickelt wurde, ist, oder besser gesagt, war der Fahrer. Mit der Entwicklung autonomer Transportsysteme gelingt nun auch dies. Tatsächlich ist die Technik für fahrerlose Fahrzeuge verfügbar, sie ist aber noch nicht reif für den öentlichen Straÿenverkehr. Die Entwicklung autonomer Fahrzeuge sieht eine Roadmap vor, nach der sich die Fahrzeuge von den privaten Geländen der Entwickler zunächst auf vom restlichen Verkehr abgetrennte Fahrbahnen, später auf Fuÿgängerzonen, bestimmte Stadtgebiete und später in den normalen Straÿenverkehr ausbreiten sollen [8]. Es ist auch denkbar, dass sich neben dem Straÿennetz mit gemischtem Verkehr ein weiteres nur für autonome Fahrzeuge entwickeln wird, da diese dort mit sehr hoher Geschwindigkeit und hoher Fahrzeugdichte einen enormen Straÿendurchsatz leisten könnten. Möglicherweise werden in Industrieländern bis zum Jahr 2050 über 90% des Personen- und Güterverkehrs über fahrerlose Transportsysteme abgewickelt [9]. Literatur [1] Julian Kolodko, Ljubo Vlacic: Cooperative Autonomous Driving at the Intelligent Control Systems Laboratory, IEEE Intelligent Systems, 04/2003 [2] Richard Bishop: A Survey of Intelligent Vehicle Applications Worldwide: Overview, [3] Michael Parent: User Needs Analysis and Analysis of Key Technologies, D1-Part 2: Report on Existing Technologies, [4] S. Kato, S. Tsugawa, K. Tokuda, T. Matsui, H. Fujii: Vehicle control algorithms for cooperative driving with automated vehicles and intervehicle communications, S , IEEE Transactions on Intelligent Transportation Systems, Sep 2002, Vol.3, Issue 3 [5] M. Bertozzi, A. Broggi, M. Carletti, A. Fascioli, T. Graf, P. Grisleri, M. Meinecke: IR Pedestrian Detection for Advanced Driver Assistance Systems, in Procs. 25th Pattern Recognition Symposium, Magdeburg, September 2003 [6] M. A. Sotelo, F. J. Rodriguez, L. Magdalena, L. M. Bergasa, L. Boquete: A Color Vision-Based Lane Tracking System for Autonomous Driving on Unmarked Roads, Autonomous Robots 16, S , 2004 Kluwer Academic Publishers [7] Luke Fletcher, Nicholas Apostolo, Lars Petersson, Alexander Zelinsky (Australian National University): Vision in and out of Vehicles, IEEE Intelligent Systems, 03/

12 [8] G. Alessandretti: New Technologies For Vehicles, [9] Michael Parent: Roadmap towards full driving automation, NETMO- BIL Deliverable D1 State of the Art: Related Projects, S , [10] Dr. Evangelos Bekiaris, Advanced Driver Monitoring: The AWAKE Project, Centre for Research and Technology Hellas / Hellenic Institute of Transport, Thessaloniki, Greece, 09/