KI selektiert Datenmengen für automatisiertes Fahren
Bei der Erprobung des automatisierten Fahrens entstehen riesige Datenmengen. Zukünftig sollen auf KI basierende Algorithmen diese im Fahrbetrieb selektieren, in Szenarienkataloge einsortieren und folglich minimieren.
Mit KI basierten Algorithmen soll die enorme Menge an Daten, die beim Erproben von automatisierten Fahrzeugen entsteht, gebändigt werden.
(Bild: gemeinfrei / Pexels )
Die Vorteile des hochautomatisierten Fahrens liegen auf der Hand: es bietet mehr Komfort für den Fahrenden, es verursacht weniger Unfälle und ermöglicht einen flüssigeren und damit umweltfreundlicheren Straßenverkehr. Um die Entwicklungen in diesem Bereich weiter voranzutreiben, fördert das Bundeswirtschaftsministerium ein neues Verbundvorhaben namens KIsSME, was für Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen steht und sich auf automatisiertes Fahren der Stufen vier bis fünf (vollautomatisiert bis autonom) bezieht. Das Projekt hat zum Ziel, die Datenmengen, die beim Erproben von hochautomatisierten Fahrzeugen anfallen, zu reduzieren und gleichzeitig die Informationen zu verdichten, damit die Fahrzeuge sicherer werden.
Datenmengen sind schwer zu handhaben
Die hochautomatisierten Fahrzeuge verfügen über Sensoren, mit deren Hilfe verschiedenste Informationen aus der Umgebung und über ihren eigenen Status gesammelt werden. Auf Basis dieser Daten müssen in Sekundenschnelle verlässliche Fahrentscheidungen getroffen werden. Deshalb muss jede Fahrzeugvariante bei der Erprobung Millionen von Kilometern zurücklegen und viele unterschiedliche Szenarien meistern, in denen nicht nur die Infrastruktur, sondern auch die Witterung und andere Verkehrsteilnehmerinnen und -teilnehmer eine Rolle spielen. Während des Erprobens fallen jedoch große Datenmengen an, die bis zu acht Terabyte pro Fahrzeug und Tag betragen können.
Algorithmen für intelligente Datenauswahl
Um diese enormen Datenmengen zu reduzieren, entwickeln Wissenschaftlerinnen und Wissenschaftler Algorithmen, die auf Künstlicher Intelligenz basieren. Diese können bereits während des Fahrbetriebs Daten selektieren und in Szenarienkataloge einordnen. Somit werden lediglich solche Werte aufgezeichnet, die tatsächlich einen Mehrwert bringen. „Dies spart Speicherplatz und Strom und verringert den Aufwand für Auswertung und Datenschutz“, erklärt der stellvertretende Institutsleiter am Institut für Fahrzeugsystemtechnik Dr. Michael Frey.
Die Forscherinnen und Forscher des Karlsruher Instituts für Technologie steuern für das Projekt Daten bei, die sie sowohl bei Messfahrten im öffentlichen urbanen Verkehr als auch auf einem Testfeld erheben, und liefern zudem Closed-Vehicle-in-the-Loop Simulationen. Außerdem überprüfen sie die von den Verbundpartnern entwickelten KI-Modelle und KI-Selektoren, indem sie die Algorithmen auf die Daten der Fahrversuche und Simulationen übertragen.
