Diese Dissertation behandelt das Problem der Verhaltensevaluierung und -planung für zukünftige, intelligente Fahrerassistenzsysteme (FAS). Hierzu wird ein neues Framework für die situationsbezogene Risikobewertung und Verhaltensplanung im Bereich des hochautomatisierten Fahrens vorgestellt.

Nach der sensorischen Erfassung der aktuellen Szene, einschließlich der Straßentopologie sowie weiterer Verkehrsteilnehmer, schätzt das vorgestellte Framework zunächst das zukünftige Verhalten aller involvierten Teilnehmer in einem Situationsklassifikations- und Trajektorienprädiktionsschritt. Basierend darauf wird eine Risikoauswertung von möglichen Verhaltensalternativen des Ego-Fahrzeugs durchgeführt, um dann durch eine Verhaltensanpassung einen Kompromiss aus Risiko und Nutzen zu finden.

Vor allem innerstädtische Verkehrsszenarien sind in der Regel komplex und mit hoher Unsicherheit behaftet. Zur Reduzierung der Komplexität werden ähnliche Verhaltensweisen zusammengefasst und durch prototypische Verhaltensmuster in so genannten Situationen dargestellt. Um abzuschätzen, wie gut eine Situation dem tatsächlichen Verhalten entspricht, werden prototypische Verhaltensprädiktionen der berücksichtigten Situationen mit dem tatsächlich gemessenen Verhalten verglichen. Hierbei wird ein neu entwickeltes Ähnlichkeitsmaß für raumzeitliche Trajektorien angewandt, das auf der getrennten Auswertung des lateralen und longitudinalen raumzeitlichen Abstands basiert. Unter Verwendung des neuartigen Systems zur Situationsklassifikation werden riskante Situationen zu- verlässig erkannt, welche sich durch "fehlende Interaktion" zwischen Verkehrsteilnehmern auszeichnen.

Für die prototypische Vorhersage situationsbezogener Trajektorien wird das interaktionsbewusste Fahrermodell Foresighted Driver Model (FDM) in einer Vorwärtssimulation der sensorisch erfassten Szene unter situationsbezogenen Verhaltensannahmen angewandt. Das in dieser Arbeit vorgeschlagene Fahrermodell FDM ist ein neuartiges, zeitkontinuierliches Fahrermodell für die Simulation und Vorhersage von Autobahn- und innerstädtischen Verkehrssituationen. Hierbei wird davon ausgegangen, dass ein Fahrer durch sein Verhalten versucht, einen Kompromiss zwischen zukünftigem Risiko (auf Grund möglicher Kollisionen entlang eines Pfades) und Effizienz (bezüglich Reisezeit und Komfort) zu finden. Basierend auf dem allgemeinen Framework zur Verhaltensplanung und einem angenäherten Risikomodell, werden die Fahrermodellgleichungen durch die Annahme begründet, dass ein Fahrer in erster Linie versucht, Risikomaxima sowohl räumlich als auch zeitlich zu vermeiden. In dieser Arbeit konnte gezeigt werden, dass ein solches Fahrermodell in Simulations- und Prädiktionsanwendungen eine Leistung ähnlich der einer vollen Verhaltensplanung erreicht. Das FDM ist auf ein breites Spektrum an unterschiedlichen Szenarien, wie z.B. Kreuzungs- oder Autobahnszenarien, unter Berücksichtigung beliebig vieler Verkehrsteilnehmer anwendbar. Daher werden die dem Stand der Technik entsprechenden Fahrermodelle durch das FDM verallgemeinert und eine Anwendung auf weiterführenden Szenarien wird ermöglicht.

Komplexe Verkehrssituationen erfordern die Auswertung von Verhaltensmöglichkeiten hinsichtlich des zukünftigen Risikos. Die Risikobewertung des eigenen zukünftigen Verhaltens ist getrieben von verhaltensbezogenen Bedürfnissen des agierenden Verkehrsteilnehmers. Im vorge- schlagenen Ansatz wird basierend auf der vorhergesagten Dynamik der Verkehrsteilnehmer ein zeitlich kontinuierliches Wahrscheinlichkeitsmodell für künftige Risiken verwendet, um sogenannte prädiktive Risikokarten zu erzeugen. Diese Risikokarten beschreiben, wie riskant ein bestimmtes Ego-Verhalten zu verschiedenen zukünftigen Zeitpunkten sein wird. Somit können sie direkt dazu verwendet werden, das bestmögliche zukünftige Verhalten zu planen.

Verhalten in komplexen Szenarien unterscheiden sich stark in Abhängigkeit der tatsächlich auftretenden Situationen. Im Allgemeinen kann die aktuelle Situation oft nur mit hoher Unsicherheit anhand gegenwärtiger und vergangener sensorischer Messungen des Ego-Fahrzeugs und anderer beteiligter Fahrzeuge bestimmt werden. Zusätzlich kann sich eine vorherrschende Verkehrssituation schnell ändern, z.B. wenn ein Verkehrsteilnehmer sein Verhalten plötzlich ändert. In dieser Arbeit wird daher ein Ansatz vorgestellt, der es ermöglicht das zukünftige Verhalten unter Berücksichtigung von mehreren möglichen Situationen mit unterschiedlichen Eintrittswahrscheinlichkeiten sicher und trotzdem effektiv zu planen. Dieser Ansatz generiert speziell für Situationen mit hoher Wahrscheinlichkeit sehr effizientes Verhalten. Für unwahrscheinliche, aber riskante Situationen wird ein Plan B bereit gestellt, der lediglich auf die Minimierung des Risikos abzielt, falls eine dieser Situationen unerwartet eintritt.