Philipp Ring Libri

Automobilhersteller bereiten die Gesellschaft durch medienwirksame Ankündigungen auf die Einführung automatisierter Fahrfunktionen vor, die schrittweise die Fahraufgabe übernehmen sollen. Diese Funktionen versprechen eine Entlastung des Fahrers und einen erhöhten Fahrkomfort. Gleichzeitig entsteht der Anspruch, dass Hersteller durch geeignete Methoden eine positive Sicherheitsbilanz vor der Serieneinführung nachweisen. Multiagentenbasierte Verkehrssimulationen bieten einen etablierten Ansatz zur Analyse der Wirksamkeit automatisierten Fahrens im Vergleich zum manuellen Fahren. Ein zentraler Bestandteil dieser Simulationen sind Fahrerverhaltensmodelle, die das menschliche Fahrverhalten abbilden sollen. Diese Modelle vernachlässigen jedoch oft höhere kognitive Prozesse, die für die Bewältigung der Fahraufgabe entscheidend sind. Die Doktorarbeit zielt darauf ab, ein Teilmodell höherer Kognition zu entwickeln, das bestehende Fahrerverhaltensmodelle um diese kognitiven Prozesse erweitert. Konkret werden komplexe Informationsverarbeitungs- und Denkprozesse wie Situationsmustererkennung, Situationsverständnis, Antizipation und Prädiktion modelliert und in die bestehenden Modelle integriert. Hierbei kommen Methoden der probabilistischen Modellierung und des maschinellen Lernens zum Einsatz, um ein vorausschauenderes und realitätsnäheres Modellverhalten zu erzeugen.