FAT-SCHRIFTENREIHE 390
Die Entwicklung automatisierter Fahrfunktionen zielt primär auf eine Erhöhung der Verkehrssicherheit ab. Mit der zunehmenden Einführung von Level-3-Automatisierung und darüber hinaus stellt sich die zentrale Frage: Wie sicher ist sicher genug? In diesem Bericht werden Fahrermodelle als Referenz zur Bewertung der Qualität automatisierter Fahrfunktionen untersucht. Fahrermodelle bieten eine menschenzentrierte Benchmarking-Methode, um automatisierte Systeme hinsichtlich ihrer Fahrsicherheit zu bewerten.
Zunächst wird ein Überblick über die menschliche Fahrleistung gegeben, einschließlich der relevanten Einflussfaktoren wie visuelle Wahrnehmung, Reaktionszeiten und fahrerische Zustände. Anschließend werden existierende Fahrermodelle kategorisiert und analysiert – von regelbasierten und reaktionszeitabhängigen Modellen bis hin zu datengetriebenen und kognitiven Modellen. Dabei wird aufgezeigt, dass viele dieser Modelle zwar weit verbreitet sind, aber oft nicht ausreichend validiert wurden.
Ein zentrales Problem bleibt die Verfügbarkeit geeigneter Datenquellen zur Modellparametrisierung und -validierung. Verschiedene Methoden zur Datenerfassung, wie naturalistische Fahrstudien, Drohnenaufnahmen und Fahrsimulationen, werden diskutiert. Abschließend werden Forschungsbedarfe identifiziert, insbesondere die Notwendigkeit eines systematischen Vergleichs verschiedener Referenzmodelle in relevanten Fahrszenarien sowie eine verbesserte Plausibilitätsprüfung anhand diverser Datensätze.