Im Rahmen der Entwicklungsarbeiten zum hochautomatisierten Fahren werden zahlreiche Systemarchitekturen entwickelt, um dieses Ziel zu erreichen. Die Aspekte Sicherheit und Modularität gewinnen dabei stetig an Bedeutung. Dies eröffnet neue Möglichkeiten bei der Systemgestaltung, schafft aber auch neue Herausforderungen. Davon sind alle Funktionen oder Dienste im Fahrzeug betroffen, auch die Schätzung des Fahrdynamikzustands. In Bezug auf die Fahrdynamikzustandsschätzung werden Integritätsmaße gefordert und hohe Anforderungen an die Zuverlässigkeit gestellt, die häufig nur durch redundante Strukturen erreicht werden können.

In dieser Arbeit wird eine föderierte Datenfusionsarchitektur mit Integritätsüberwachung vorgestellt, um die zuvor genannten Anforderungen an die Fahrdynamikzustandsschätzung im hochautomatisierten Fahren zu erfüllen. Mehrere redundante Multi-Sensor-Datenfusionsfilter werden in einer ersten Fusionsschicht angeordnet. Eine zweite Fusionsschicht empfängt deren Ergebnisse und prüft die Plausibilität. Anschließend werden Abstimmungsalgorithmen sowie eine weitere Datenfusion eingesetzt, die beide die Integritätsmaße aus der ersten Fusionsschicht nutzen.

Um diese Integritätsmaße zu berechnen, wurden drei Konzepte entwickelt, die sich hauptsächlich in Bezug auf ihr Fehlermodell sowie ihre Komplexität unterscheiden. Das erste Konzept entspricht dem traditionellen Ansatz, die im Fusionsfilter geschätzten Kovarianzen zu verwenden, wobei normal verteilte Fehler angenommen werden. Im zweiten Konzept werden die Fehler am Filterausgang als Summe der Fehler, die aus den Filtereingängen resultieren, modelliert. Die Fehler jedes Filtereingangs werden als mehrdimensionale Student-Verteilung modelliert und durch den Filter propagiert. Auf Basis der resultierenden Fehlerverteilung werden die Integritätsmaße berechnet. Im dritten Konzept werden Teilmengen der verfügbaren Filtereingänge gebildet und die Fusion wird für jede dieser Teilmengen berechnet. Die Integritätsmaße werden basierend auf einem Vergleich der Ergebnisse aus den Teilmengen ermittelt. Alle drei Konzepte geben eine obere Schranke für den Fehler als Integritätsmaß aus, die mit einer Warngrenze für die Integritätsüberwachung verglichen wird.

Außerdem wird einer der redundanten Fusionsfilter aus der ersten Fusionsschicht der föderierten Datenfusionsarchitektur vorgestellt. Es wird ein erweitertes Kalman Filter verwendet, das die Fehler des Zustandsvektors schätzt und die Beobachtungen von drei Sensortypen einbezieht: ein Navigationssatellitenempfänger mit zwei Antennen, eine inertiale Messeinheit und Odometrie-Sensorik, die Raddrehzahlen und Radlenkwinkel misst. Die Implementierung enthält eine geeignete Modellierung der Sensor-Fehler sowie Mechanismen zur Erkennung von Ausreißern, um die Robustheit des Filters zu erhöhen. Zusätzlich zu den Messupdates der genannten Sensoren werden sogenannte Null-Updates für die Geschwindigkeit und Drehrate durchgeführt, wenn ein Stillstand erkannt wird.

Zur Validierung des entwickelten Fusionsfilters, der Integritätsmaße und Fusionsarchitektur wird ein umfangreicher Datensatz von Messungen mit einer Gesamtdauer von mehr als 23 Stunden verwendet. Die Messungen sind anhand ihrer Umgebungs- und Satellitenempfangsbedingungen in vier Kategorien eingeteilt, da diese Bedingungen einen starken Einfluss auf die Leistungsfähigkeit des Fusionsfilters haben. Alle entwickelten Integritätsmaße erfüllen die Anforderungen in günstigen Satellitenempfangsbedingungen. Allerdings erfüllt nur das zweite Konzept mit der Fehlermodellierung basierend auf Student-Verteilungen in allen Kategorien, von idealen Bedingungen auf der Teststrecke bis zu herausfordernden Situationen im städtischem Umfeld, die Integritäts-Anforderungen. Die föderierte Datenfusionsarchitektur erfüllt diese Anforderungen ebenfalls mit nur einer geringfügigen Ausnahme, wobei das Integritätsrisiko – je nach Kategorie der Messung – gesenkt oder gehalten werden kann. Des Weiteren wird die Genauigkeit und Verfügbarkeit im Vergleich zu den Filterergebnissen aus der ersten Fusionsschicht in den meisten Fällen deutlich verbessert.

Abschließend werden die entwickelten Konzepte in den Prototypenfahrzeugen des Forschungsprojekts UNICARagil angewendet. Die Integration in die Systemarchitektur und die Interaktion mit anderen Diensten wird vorgestellt. Im Rahmen der Inbetriebnahme- Tests wird die Funktionsfähigkeit demonstriert.