AHeAD

Autonomous Hybrid eco Assisted Drive

Team

Projektmitarbeiter

Projektzeitraum

01.08.2015 bis 31.07.2021

Projektbeschreibung und Zielsetzung

Die Automobilentwicklung und deren Nutzung können einen wichtigen Beitrag dazu leisten, den Verbrauch von Ressourcen und die Emissionen klimarelevanter Schadstoffe wie CO2 zu begrenzen. Verbesserte Sensorsysteme und die Möglichkeit zur Verarbeitung großer Datenmengen on-board, lassen die Implementierung von Fahrerassistenzsystemen zu, die zum einen mehr Sicherheit und Komfort bieten und zum anderen den Ressourcenverbrauch optimieren.

Durch die Einführung autonomer Assistenzfunktionen wird die klassische Verkehrsmodellierung nicht oder nur ungenügend abgebildet. Hieraus ergeben sich interessante Fragestellungen der Modellierung von Wechselwirkungen zwischen menschlichen und automatisierten Fahrweisen und der daraus resultierenden Implikationen auf die lokal zu optimierenden Assistenzfunktionsparameter.

Das Projekt verbindet die unterschiedlichen Fachgebiete der Projektleiter - Antriebstechnik des Kfz (Prof. Dr.-Ing. Hermann Koch-Gröber) und Informationsverarbeitung in Autonomen Systemen (Prof. Dr.-Ing. Raoul Daniel Zöllner). Ziel ist die Untersuchung von in Assistenzfunktionen eingebetteten ökonomischen Fahrstrategien. Dabei soll das Verkehrsumfeld möglichst vollständig erfasst werden, so dass sowohl die Wirkung des Assistenzsystems situativ analysiert und gleichzeitig auch dessen Wechselwirkung mit der Gesamtsituation berücksichtigt wird.

Das Projekt gliedert sich in zwei interdisziplinär zusammenwirkende Teilprojekte:

AHeAD-DOO (Drivetrain Operation Optimization)

Ziel dieses Teilprojektes ist es bei hybriden Antriebssystemen eines Pkws eine effizienzoptimierte Fahr- und Betriebsstrategie darzustellen, welche den über Sensorik und Modelle erfassbaren Verkehrskontext nutzt.

AHeAD-VCV (Vehicle Context Validation)

Ziel dieses Teilprojektes ist es die verschiedenen Bewegungsverhalten des eigenen Fahrzeugs und der anderen Verkehrsteilnehmer innerhalb von Bewegungsmodellen möglichst robust und ganzheitlich abzubilden. Die Modelle basieren auf einer präzisen Umfelderfassung und Situationsanalyse und sollen zur Vorhersage der aktuell vorliegenden Verkehrssituation genutzt werden. Dadurch sollen sie zur gesteigerten Energieeffizienz der Fahr- und Betriebsstrategien im realen Verkehrskontext beitragen.

Projektstruktur AHeAD

Struktur-AHeAD

Publikationen

J. Wang, H. Koch-Groeber, J. Buyer, R. D. Zoellner, “Recursive predictive Operation Strategy for Parallel Hybrid Electric Vehicles,” 13th Symposium Hybrid and Electric Vehicles, ITS automotive nord e. V., Braunschweig, 2016, pp. 189-209

J. Buyer, M. Vollert, A. Haas, M. Kocsis and R. D. Zöllner, “An adaptive multi-layer particle filter for tracking of traffic participants in a roundabout,” 2016 IEEE 19th International Conference on Intelligent Transportation Systems (ITSC), Rio de Janeiro, 2016, pp. 2625-2631

J. Buyer, M. Vollert, M. Kocsis, N. Sußmann and R. Zöllner, "Image-based multi-target tracking using a multi-layer particle filter and extended EM clustering," 2017 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), Daegu, 2017, pp. 620-625

J. Buyer, M. Vollert, M. Kocsis, N. Sußmann and R. Zöllner, "Multiobject Tracking Based on a Multi-layer Particle Filter for Unclustered Spatially Extended Measurements," In: Lee S., Ko H., Oh S. (eds) Multisensor Fusion and Integration in the Wake of Big Data, Deep Learning and Cyber Physical System. MFI 2017. Lecture Notes in Electrical Engineering, vol 501. Springer, Cham, 2018

J. Buyer, D. Waldenmayer, N. Sußmann, R. Zöllner and J. M. Zöllner, “Interaction-Aware Approach for Online Parameter Estimation of a Multi-lane Intelligent Driver Model,” 2019 IEEE 22th International Conference on Intelligent Transportation Systems (ITSC), Auckland, 2019, pp. 3967-3973

D. Waldenmayer, J. Buyer, K. Bause, N. Andriessen and H. Koch-Gröber, „Fuel-saving potential of hybrid electric vehicles using surroundings system sensor information,“ 18th International CTI Symposium, Berlin, 2019

D. Waldenmayer, J. Buyer, K. Bause, F. Fuchs, H. Weiß, S. Chen, H. Koch-Groeber: „Multikriterielle Fahrstrategieplanung für Hybridelektrofahrzeuge mittels Verkehrsflussmodellierung“, Kolloquium Future Mobility, Technische Akademie Esslingen e.V., Ostfildern, 2021

Auszug abgeschlossener studentischer Arbeiten

  • Realisierung eines Kamerasystems im Versuchsfahrzeug für eine teilautomatisierte Fahrstrategie (Bachelor-Studienarbeit)
  • Recherche und Vergleich von Zukaufkomponenten für den Einsatz beim automatisierten Fahren (Bachelor-Studienarbeit)
  • Flexibler Nachweis des Streckenverbrauchs (Bachelor-Studienarbeit)
  • Modellbasierte Schätzung von Fahrwiderstandskräften (Bachelor-Studienarbeit)
  • Implementierung eines Force-Feedback-Fahrpedals mit variabler Kraft-Weg-Charakteristik (Bachelor-Thesis)
  • Spurgenaue Straßen-Modellierung mittels GPS- und OpenStreetMap-Daten (Bachelor-Studienarbeit)
  • Aufbereitung, Fusion und Visualisierung von Laserscanner- und Kamerasensordaten für ein kognitives Fahrzeug (Bachelor-Studienarbeit)
  • Detektion und Klassifikation von Verkehrsschildern in der Fahrzeugumgebung (Bachelor-Studienarbeit)
  • 360°-Fahrzeugumfelderfassung (Bachelor-Studienarbeit)
  • Navigation für autonome Fahrzeuge (Master-Projektarbeit)
  • Studienarbeit zur Implementierung eines Fahrzeugfolgemodells in die Gesamtfahrzeugsimulation von GT-Suite (Bachelor-Studienarbeit)
  • Erfassung und Verarbeitung von relevanten Einflussgrößen zur Schätzung eines Fahrzeug Geschwindigkeitsprofils (Bachelor-Studienarbeit)
  • Entwicklung effizienter Verzögerungsstrategien mittels Fahrzeugfolgemodellen (Master-Thesis)
  • Entwicklung einer Methode zur Ermittlung energieeffizienter Überholmanöver (Master-Projektarbeit)
  • Analyse des Kraftstoffeinsparpotentials von Hybridfahrzeugen mit Umfeldsensorik (Master-Thesis)
  • Konzeptauslegung der Umfeldsensorik für ein energieeffizientes Fahrerassistenzsystem auf Basis von Fahrzeugfolgemodellen (Bachelor-Studienarbeit)
  • Konzeption einer Validierungsmethode für die lokale Manöverplanung eines energieeffizienten Fahrerassistenzsystems auf Basis des IPEK X-in-the-Loop-Ansatzes (Bachelor-Thesis)
  • Generierung einer prädiktiven Karte für mehrspurige Schnellstraßen (Bachelor-Studienarbeit)
  • Navigation für autonomes Fahren (Master-Projektarbeit)
  • Entwicklung einer Schnittstelle zwischen MATLAB und CarMaker für Validierungsaktivitäten von Fahrmanövern (Bachelor-Studienarbeit)
  • Prädiktion von Fahrzeuggeschwindigkeitsprofilen auf Landstraßenrouten mit Hilfe eines Regressionsmodells in MATLAB (Bachelor-Studienarbeit)
  • Effiziente Fahrstrategieplanung auf einspurigen Straßen mittels Verkehrflussmodellierung (Master-Thesis)
Testfahrzeug AHeAD

Testfahrzeug AHeAD

Sensorik Testfahrzeug AHeAD

Sensorik Testfahrzeug AHeAD

Das Projekt wird gefördert durch

Logo_BMBF
Logo des Audits familiengerechte Hochschule. Die HHN ist seit 2005 zertifiziert.
Logo der weltoffenen Hochschulen gegen Fremdenfeindlichkeit
Logo der Charta der Vielfalt mit Stempel unterzeichnet
Logo der Hochschulföderation Süd-West (HfSW)