Internationales Verkehrswesen (69) 1 | 2017 64 TECHNOLOGIE Wissenschaft Verkehrsinfrastruktur und hochautomatisiertes Fahren Digitale Straßendaten als Vorwissen für hochautomatisierte Fahrzeuge Vorwissen, hochautomatisiertes Fahren, digitale Verkehrsinfrastrukturdaten Für die Einführung des hochautomatisierten Fahrens ist zunehmend eine intelligente Verkehrsinfrastruktur erforderlich. Maßgebliche Infrastrukturdaten müssen den Fahrzeugen in einem geeigneten Detailliertheitsgrad mit zugehöriger Genauigkeit und einem anerkannten Datenformat digital zur Verfügung gestellt werden. Durch das sogenannte Vorwissen von einer geplanten Route und einem zugehörigen Online-Abgleich in Echtzeit während der Fahrt ist eine einfachere und genaue Verortung des Fahrzeuges im digitalen Straßenraum möglich. Wolfgang Kühn W esentliche Grundlage für das hochautomatisierte Fahren sind künftig dreidimensionale Daten von Straßenkörpern und den zugehörigen fahrraumprägenden Elementen im umgebenden Straßenraum. Hochautomatisierte Fahrzeuge erfassen die digitalen Daten in Echtzeit mit geeigneter Sensorik, berechnen ein 3D- Modell und verorten sich in dem „freien“ dreidimensionalen Raum. Aufgrund der zu erfassenden Datenmenge ist im Rahmen der Routerwahl ein digitales Vorwissen abrufbar, das während der Fahrt mit den real erfassten Daten abgeglichen wird. Hochautomatisiertes Fahren Die Längs- und Querregelung des Fahrzeuges (Beschleunigung, Bremsen, Überholen, Abbiegen) wird zunehmend vom Fahrer auf Fahrzeugregelungssysteme übertragen. In Abhängigkeit vom Automationsgrad kann dabei die Einteilung in 5 grundlegende Entwicklungsstufen (Bild 1) vorgenommen werden. Während das Fahrzeugführen ohne Eingreifen der Fahrzeugregelungssysteme der Vergangenheit angehört, unterstützen Assistenzsysteme zunehmend den Fahrer in den drei- Ebenen: Stabilisierung (ABS, ESP), Führen (ACC, LCA) und Navigation (Routing - Systeme). Durch die Normales Fahren Assistiertes Fahren Teilautomatisiertes Fahren Vollautomatisiertes Fahren Hochautomatisiertes Fahren Fahrer führt dauerhafte Längs- und Querregelung aus Keine eingreifenden Fahrzeugsysteme aktiv Fahrer führt dauerhafte Längs- oder Querregelung aus Fahrer muss System dauerhaft überwachen Fahrer muss System nicht dauerhaft überwachen Fahrzeug übernimmt jeweils andere Funktion Fahrzeug übernimmt Längs- und Querregelung für gewisse Zeit (spezielle Situationen) Fahrzeug übernimmt Längs- und Querregelung für gewisse Zeit Fahrzeug übernimmt Längs- und Querregelung vollständig in einem speziellen Anwendungsfall (Fahrer muss dabei nicht übernehmen) Ausreichende Zeit zur Fahrerübernahme GRAD FAHRER FAHRZEUG gesetzlich geregelt gesetzlich nicht geregelt Bild 1: Automatisationsgrade für Fahrszenarien Internationales Verkehrswesen (69) 1 | 2017 65 Wissenschaft TECHNOLOGIE Einführung neuartiger Sensorik kann das Fahrzeug die Längs- oder Querneigung für eine gewisse Zeit übernehmen und der Fahrer überwacht dann den Fahrprozess. Zielstellung wird es sein, durch Fahrzeugregelungssysteme mit hoher Zuverlässigkeit ein vollautomatisiertes Fahren zu gewährleisten, bei dem der Fahrer nur noch in Ausnahmesituationen übernehmen muss. Vorwissen Im Rahmen des Planungsprozesses einer Straßenverkehrsanlage werden vom Straßenkörper 3D-Modelle berechnet, d. h. von einer Straße liegen im Abstand von ca. 10 m dreidimensionale Daten vor, nach denen die Baurealisierung erfolgt. Die Fahrbahnmarkierungen, Verkehrsschilder sowie die horizontale und vertikale Leiteinrichtung (Leitpfosten, Schutzplanken) liegen mit dem Markierungs- und Beschilderungsplan vor und können mit den Daten des Straßenkörpers zu einem einheitlichen 3D-Modell verknüpft werden. Bei Auswahl einer Fahrtroute könnten diese digitalen Daten als sogenanntes Vorwissen von den hochautomatisierten Fahrzeugen genutzt werden. Es lassen sich somit Richtgeschwindigkeiten und erforderliche Abstände in Abhängigkeit von Streckenabschnitt ermitteln. Folgende grundsätzliche Verfahrensweise ist möglich (Bild 2): • mittels Sensorik wird Straße und Umgebung abgetastet und ein 360° Grad-3D-Model generiert • Abgleichung des generierten 3D-Modells mit dem Bestandsmodell aus vorhandenem Vorwissen • 3D-Modell wird mit hochauflösenden Videoaufnahmen verschmolzen und somit entsteht eine hochauflösende digitale 3D-Darstellung. Das Bild 3 zeigt eine generiertes 3D-Modell mit überlagerten Videoaufnahmen. Das Google-Fahrzeug sammelt dabei etwa ein Gigabyte Daten pro Sekunde. Problematik Beim hochautomatisierten Fahrprozess muss das Fahrzeug mit Hilfe der vorhandenen Sensorik (Stereokameras, Radar, Lidar, Laserscanner u. a.) die maßgeblichen Straßen- und Fahrraumelemente erkennen, aufnehmen und in ein digitales 3D-Modell in Echtzeit umwandeln. In dem sogenannten „hindernisfreien begrenzten 3D- Raum“ kann sich dann das verortete Fahrzeug selbstständig orientieren und bewegen. Eine genaue Verortung des Fahrzeuges in der Umgebung ist auf Grund der in Echtzeit zu verarbeitenden Datenmenge, der Genauigkeit der Objekterkennung sowie der vielfältigen Störgrößen wie z. B. Witterung, Tag und Nacht, Straßenverkehrssituation u. a. oft schwierig. Um die Objekterkennungsprobleme in Abhängigkeit von der verfügbaren Sensorik und den Störgrößen schrittweise lösen zu können, sollte das Fahrzeug mit Hilfe erweiterter digitaler Karten im Navigationssystem über ein detailliertes Vorwissen von der Verkehrsinfrastruktur auf der geplanten Route verfügen. Mit Hilfe des Abgleichs zwischen Vorwissen und erfasstem Wissen ist eine schnellere und genauere Verortung in der Umgebung möglich. Im Rahmen eines Forschungsprojektes [1] wurden die speziellen Anforderungen an die Straßendaten aus der Sicht des hochautomatisierten Fahrens analysiert und eine Methodik zur Erfassung, Verarbeitung und Aufbereitung von Straßendaten zur weiteren Entwicklung vorgeschlagen. Durch die Einführung von speziellen Merkmalen für unterschiedliche Detailliertheitsgrade zum Straßenkörper mit den zugehörigen fahrraumprägenden Elementen ist eine einheitliche Datenstruktur mit den zugehörigen Datenformaten zwecks Übernahme in die digitalen Straßenkarten möglich. Wenn sich künftig die zuständigen Baulastträger bei der Planung, dem Bau und der abschließenden Bestandsaufnahme von Straßenverkehrsanlagen an die zu entwickelnde Methodik halten, könnten die Kartenhersteller alle notwendigen 3D-Daten aus dem Gesamtprozess direkt in die Navigationssysteme übernehmen. Bei Auswahl einer Route wäre dann das Vorwissen aus den vorliegenden Straßendaten direkt abrufbar und könnte somit den Verortungsprozess in der Umgebung erheblich beschleunigen und speziell bei auftretenden Störungen sicherer machen. Zielstellung Ziel des Forschungsprojektes war die Entwicklung einer Methodik zur Vereinheitlichung von Straßendaten und einer zugehörigen nutzerbezogenen Datenbank. Kern- Radar Stereokameras Lidar Infrarotkameras Ultraschall Wissensaneignung online mit geeigneter Sensorik in Echtzeit VORWISSEN von der Route im Fahrzeug Straßengeometrie mit Straßenraumelementen GESCHWINDIGKEITSVORGABE in Abhängigkeit von geometrischen Elementen sowie der Beschilderung = ∗ ( + 1− ∗ ) (Kurve) Fahrzeug mit Sensorik Bild 2: Sensorik zur Aufnahme digitaler Straßendaten Quelle: Google Bild 3: Bill Gross via Twitter: Generiertes 3D-Modell aus Sicht eines hochautomatisierten Google-Fahrzeugs Internationales Verkehrswesen (69) 1 | 2017 66 TECHNOLOGIE Wissenschaft aufgabe war dabei die Bereitstellung von Straßendaten für verschiedene Nutzergruppen. Dafür wurden die Anforderungen der verschiedenen Akteure beachtet und ein Informationssystem entwickelt, das nutzerspezifische Datenbestände in Bezug auf die geforderte Informationstiefen und die Austauschformate liefert. Im Ergebnis können der Informationsbedarf der Baulastträger und Straßenplaner besser befriedigt und weiteren Straßendatennutzern ein Zugriff auf die Datenbasis ermöglicht werden. Für diese Zwecke muss ein zentrales Datenbanksystem entwickelt werden, in dem alle Straßendaten vorgehalten sind. Entwicklungsschwerpunkt ist dabei die Strukturierung der Datenbank, sodass alle Nutzer Daten im gewünschtem Format und der geforderten Qualität erhalten können. Für den Datenimport aller Quellen sowie den gezielten Export sind geeignete Werkzeuge erforderlich. Die Umsetzung dieser Methodik fordert gleichermaßen die Entwicklung einer neuen Objekthierarchie und einer damit verbundenen speziellen Datenstrukturierung. Dabei muss die Datenmodellierung grundlegend auf die geometrischen Informationen des Straßenkörpers und die Objektdaten von Fahrraum- und Umfeldelementen der Straßenverkehrsanlage begrenzt werden. Dynamische Daten zum Verkehrsfluss oder der Umwelt sind gegenwärtig noch nicht Bestandteil der Methodik. Es werden jedoch die strukturellen Voraussetzungen zur späteren Implementierung geschaffen. Letztendlich muss die Fortschreibung der stetig veränderlichen Daten durch einen geeigneten Aktualisierungsprozess gewährleistet sein und damit wird der Pflegeaufwand des Gesamtsystems minimiert. Straßendatensituation Die Straßendaten der Bundes- und Landesstraßen werden in getrennter Verantwortung des Bundes und der Länder verwaltet. Beispielsweise ist für die Datenverwaltung in Sachsen die zentrale Straßeninformationsbank TT-SIB der Straßenbauverwaltung des Freistaates [2] zuständig. Daten von ca. 13 000 km Staatsstraßen sind dort in speziell definierten Objektklassen gespeichert. Der Bund vergibt besondere Aufgaben an private Dienstleister. Die Zustandserfassung und -bewertung (ZEB-Portal) [3] stellt eine solche Sonderaufgabe für Daten des Straßenoberflächenzustandes dar. Dabei werden Oberflächen in sogenannten Zustandskennzahlen eingeordnet und bewertet. Daten des Kreisstraßennetzes obliegen der Verantwortung der Landkreise. Die Straßeninformationsbanken der Landkreise enthalten ebenfalls ausschließlich Daten von Verkehrsanlagen im eigenen Verwaltungsgebiet. Digitale Straßendaten liegen dabei nur begrenzt und oft in schlechter Qualität vor. Auf der untersten Ebene verwalten Kommunen die Straßendaten des kommunalen Straßennetzes. Gemeindestraßen sind datenseitig oft nur sehr schlecht dokumentiert und digitale Datenbestände kaum vorhanden. Außerdem ist die Diskrepanz zwischen verschiedenen kommunalen Datenbeständen besonders groß. Als Ergebnis existieren vielfältige analoge und digitale Quellen für Straßendaten, die einen einheitlichen Nutzung nicht zulassen. In der Automobilindustrie werden gegenwärtig eigene Standards für Straßendaten im Zusammenhang mit dem automatisierten Fahren entwickelt und eingeführt. Durchgesetzt hat sich dabei das OpenDRIVE-Dateiformat [4]. Die Datenstruktur mit Gliederung in logische und grafische Datenbestandteile ist nicht vergleichbar mit der vorhandenen Straßendatenstruktur der Straßenbauverwaltungen und somit schafft die Industrie momentan eigene Straßendatenstrukturen. Gesamtprozess Straßendaten Für alle Neubaumaßnahmen sowie Um- und Ausbaumaßnahmen, die nach 1990 geplant und realisiert wurden, liegen im Ergebnis der Ausführungsplanung in der Regel 3D-Modelle zum Straßenkörper vor. Leider wur- Detailliertheitsgrad 1: Geometriedaten des Straßenkörpers Detailliertheitsgrad 3: Geometriedaten plus Daten für fahrraumprägende Elemente und Umfeldelemente Detailliertheitsgrad 2: Geometriedaten plus Daten für fahrraumprägende Elemente Detailliertheitsgrad 4: Geometriedaten plus Daten für fahrraumprägende Elemente, Umfeldelemente und Fahrbahnoberflächeneigenschaften Bild 4: Detailliertheitsgrade von Straßenkörper mit Straßenraum Bild 5: Komponenten des Mess- und Testfahrzeuges Internationales Verkehrswesen (69) 1 | 2017 67 Wissenschaft TECHNOLOGIE den die 3D-Modelle im Rahmen der Bestandsplanerstellung nach Abschluss der Baumaßnahme in der Regel nicht aktualisiert, d. h. die Bestandspläne im Ergebnis der Bestandsvermessung verfügen in der Regel nicht über die aktualisierten 3D-Straßenkörpermodelle. Nur für ausgewählte Punkte der Bestandsstraßen wurden Lage- und Höhendaten aufgenommen. Für ältere Straßen existieren nur Lagepläne mit Höhenkoordinaten mit und ohne Informationen zu den Entwurfsparametern. Detailliertheitsgrade Um die Straßendaten vereinheitlichen zu können, ist die Einführung von Straßenkörpermodellen mit unterschiedlichen Detailliertheitsgraden in Abhängigkeit von der speziellen Anwendung erforderlich. Folgende verschiedene Detailliertheitsgrade wurden im Ergebnis des Forschungsprojektes abgeleitet (Bild 4): In Abhängigkeit von dem Anwendungsfall (virtuelle oder reale Fahrten) muss der geeignete Detailliertheitsgrad des Straßenanschnittes hergestellt werden, d. h. neben der Verwendung von 3D-Modellen aus der Ausführungsplanung und der Aufarbeitung von Bestandsplänen ist eine zusätzliche Aufnahme der fehlenden Dateninformation mit Meßfahrzeugen erforderlich. Datenerfassung und -aufbereitung Die Datenerfassung und -aufbereitung erfolgt in drei separaten Schritten: 1. Sichtung bzw. Auswertung der vorhandenen Ausführungsplanung nach den vorhandenen 3D-Geometriemodellen mit verschiedenen Detailliertheitsgraden, 2. Ergänzung von 3D-Geometriemodellen durch Nachtrassierung von Bestandsplänen, 3. Aufnahme und Berechnung der 3D-Geometriemodelle mit zugehöriger Fahrrauminformationen mittels Messfahrzeug. Aus diesen Daten wird ein 3D-Gesamtmodell durch Überlagerung mit angepasstem Detailliertheitsgrad entwickelt. Messfahrzeug für Datenaufnahme Im Rahmen eines weiteren Forschungsprojektes [5] wird gegenwärtig ein neuartiges Mess-und Testfahrzeug entwickelt. Basisfahrzeug ist ein Porsche Panamera (Bild 5 und 6). Ein identisches Fahrzeug befindet sich bereits im Fahrsimulationslabor der WHZ, das für vergleichende Untersuchungen zwischen realen und virtuellen Fahrten genutzt wird. Neben der Aufnahme von Straßenquerschnittsdaten kann das Fahrzeug auch für Realfahrten zur Beurteilung des Fahrverhaltens genutzt werden. Vergleichende Untersuchungen zum Fahrverhalten wurden bereits bei der Planung und dem Bau der Infield-Strecke der Porsche AG Leipzig durchgeführt [6]. Wandlung der Straßendaten in das OpenDRIVE-Format Die Automobilindustrie und die Zulieferfirmen arbeiten sowohl in der Simulation als auch bei dem Testen hochautomatisierter Fahrszenarien mit Software-Tools, die grundsätzlich eine Datenaufbereitung im OpenDRIVE- Format erfordern. Für die Übertragung der vorhandenen und erfassten Straßendaten ist somit prinzipiell eine Wandlung der Daten über einen Konverter erforderlich. Die grundsätzliche Vorgehensweise veranschaulicht das Bild 7. Ein Pilot zum Software-Tool wurde bereits an einem praktischen Beispiel erfolgreich getestet [7]. Methodik In Zusammenarbeit mit einer Firma, die sich speziell mit Straßendaten intensiv beschäftigt, ist der Aufbau einer Straßendateninformationsbank geplant, über die verschiedene Akteure in Abhängigkeit vom Detailliertheitsgrad die Daten im geforderten Datenformat abrufen und weiterverarbeiten können. Das Bild 8 veranschaulicht den geplanten Gesamtprozess. Testbeispiel Für eine Teststrecke (Bild 9) die sich aus 3 Abschnitten mit unterschiedlicher Datenstruktur zusammengesetzt hat, wurde eine beispielhafte Bearbeitung bereits vorgenommen • Testbereich 1: Ausführungsplanung mit 3D-Geländeprofilen (Detailliertheitsgrad 1) stand zur Verfügung, (1) Videodetektion mit Stereokameras (fahrraumprägende Elemente) (3) Abstandsmessung mittels Echolot (Querneigungsermittlung) (2) Ermittlung der Breitenabmessung mittels Linienlaser (Querschnittselemente) Bild 6: Erfassung digitaler Straßenquerschnittsdaten mittels Linienlaser und Ultraschall Bild 7: Übertragung der Straßendaten in OpenDRIVE - Format Internationales Verkehrswesen (69) 1 | 2017 68 TECHNOLOGIE Wissenschaft • Testbereich 2: Bestandsplan mit Punkten (x, y-Koordinate) im Lageplan und ausgewählten Höhenkoordinaten standen zu Verfügung • Testbereich 3: Datenaufnahme mit Testfahrzeug für Abschnitt ohne Auswertung stand zur Verfügung Ergebnisse und Ausblick Die bisher geführten Untersuchungen haben anschaulich gezeigt, dass für eine sichere Verortung von Fahrzeugen bei hochautomatisierten Fahrszenarien ein Vorwissen zur geplanten Route sinnvoll ist. Dafür sind eine klare Datenstruktur, ein geeigneter Detailliertheitsgrad und ein einheitliches Übergabeformat für die Weiterverarbeitung im Fahrzeug erforderlich. Die Baulastträger müssen zwingend mit den Automobilherstellern ins Gespräch kommen, um die Datenstruktur im Planungsprozess der Verkehrsinfrastrukturanlagen auf die Anforderungen der Automobilindustrie anzupassen. Eine digitale Verkehrsinfrastrukturanlage kann somit hochautomatisierte Fahrszenarien mit einem geeigneten Vorwissen alltagstauglicher machen. ■ LITERATURANGABEN [1] Kühn, Wolfgang et.al.: Untersuchungen zum Detailliertheitsgrad und zur Aktualität von Straßendaten aus der Sicht der Audi AG, Schlussbericht zum Forschungsprojekt, Zwickau 2013 (unveröffentlicht) [2] Vgl.: http: / / www.list.smwa.sachsen.de/ 204.htm [3] Vgl.: http: / / itzeb.heller-ig.de/ [4] Vgl.: http: / / www.opendrive.org/ [5] Kühn, Wolfgang et.al.: Aufbau eines Mess- und Testfahrzeuges für die Aufnahme von Straßendaten und von Fahrdynamikdaten für Trainingsstrecken, Schlussbericht zum SMWK-Forschungsprojekt, Zwickau 2015/ 17 (unveröffentlicht) [6] Müller, Michael: Untersuchungen zur Visualisierung und Fahrverhaltensbewertung von Teststrecken am Beispiel der Porsche AG Leipzig, Diplomarbeit 2013 (unveröffentlicht) [7] Kühn, Wolfgang et.al.: Untersuchungen zur Einigung vorhandener Editorprogramme für den Erstellungsprozess virtueller Modellberechnungen, Schlussbericht zum Forschungsprojekt, Zwickau 2014 (unveröffentlicht) Bild 9: Testbeispiel aus [5] Wolfgang Kühn, Prof. Dr.-Ing. habil. Professur Kraftfahrzeugvernetzung/ Verkehrssteuerung, Institut für Energie und Verkehr, Westsächsische Hochschule Zwickau wolfgang.kuehn@fh-zwickau.de Werkzeuge Werkzeuge Werkzeuge Werkzeuge Ausführungsunterlagen (3D) Datenbank Zusatzvermessung (3D) Straßendaten (2D) Um- und Ausbauplanung Verwaltung/ Fortschreibung der örtl. Situation Automobilindustrie Forschungseinrichtungen Ingenieurbüros für Straßenplanung Baulastträger (Kommunen, Länder, Bund) Importprozesse Importprozesse Importprozesse Exportprozesse Exportprozesse Exportprozesse Aktualisierungsprozess Methodik Datengrundlage Nutzer Vorwissen für automatische Fahrzeuge Fahr- und Fahrzeugsimulation Struktur Qualität Aktualität Schnittstellen Anwendung Bild 8: Geplanter Gesamtprozess