Subscribe Find out first about new and important news
  • Share via email
  • Subscribe to blog alert

Move_UK: Entscheidende Schritte hin zum automatisieren Fahren

Ein neuer Ansatz zur Validierung automatisierter Fahrsysteme.

Problem

Autonome Fahrzeuge generieren riesige Datenmengen. Wie lassen sich diese effizient auswerten? Das Move_UK-Projekt untersuchte neue Herangehensweisen, um Systeme fürs autonome Fahren zu validieren.

Lösung

Anstelle Daten kontinuierlich während der Fahrt aufzuzeichnen und auszuwerten, wurden im Move_UK-Projekt nur bestimmte Ereignisse erfasst. Die Bosch IoT Suite diente dazu, die Daten der Fahrzeuge entgegen zu nehmen, sie aufzubereiten und zu visualisieren.

Vorteile

Der effiziente Ansatz, nur bestimmte Ereignisse während der Fahrt aufzuzeichnen, bewährte sich: Move_UK stellte unter Beweis, dass in bestimmten Fällen keine durchgängige Datenaufzeichnung benötigt wird, um Systeme für automatisiertes Fahren zu validieren.

"Im Move_UK-Projekt kamen das Thema Connectivity und Big-Data-Analysen zusammen. Wir wollten herausfinden, ob man eine Validierung auch betreiben kann, wenn man Ereignis-basiert aufzeichnet. Das haben wir belegt."
Kia Hafezi Technischer Projektleiter von Move_UK

Worum ging es bei Move_UK?

Fast 200.000 gefahrene Kilometer und ein halbes Terabyte gesammelter Daten – im Rahmen des Move_UK-Projekts waren in den letzten Jahren Autos in Greenwich, London unterwegs, die sich ein wenig vom Rest abhoben. Das Ziel: Neue Wege zu finden, um vernetzte Systeme für das autonome Fahren zeit- und kosteneffizient zu validieren. Nach drei Jahren ist das Projekt nun zu Ende gegangen; Zeit für einen Rückblick.

„Im Move_UK-Projekt kamen das Thema Connectivity und Big-Data-Analysen zusammen“, sagt Kia Hafezi, technischer Projektleiter von Move_UK. Wie jedes andere Auto, wurden auch die Move_UK-Fahrzeuge von einer Fahrerin oder einem Fahrer gesteuert. Die Besonderheit: eine Stereo-Kamera, ein Radar-Sensor und Corner-Radar-Sensoren – die unter anderem Querverkehr erfassten – zeichneten während der Fahrt Ereignisse auf. Diese wurden in einem Backend aufbereitet und zur Validierung in einer Benutzeroberfläche (UI) dargestellt.

Praktisch kann man sich das so vorstellen: Ein Auto schert plötzlich vor dem Testfahrzeug ein und zwingt den Fahrer stark zu bremsen. Das Ereignis wird von der verbauten Kamera und den Sensoren aufgezeichnet. Die Daten der Kamera und der Sensoren werden ins Backend geschickt, wo sie ausgewertet werden. Dies liefert dann Anhaltspunkte dafür, wie ein autonomes Fahrzeug künftig auf ähnliche Situationen reagieren muss.

Wie geht man mit den Daten um?

Eine große Herausforderung beim autonomen Fahren ist, dass eine Vielzahl von Daten generiert wird, die analysiert werden müssen. Hafezi führt aus: „Da Sensoren immer größere Datenmengen liefern, muss man sich intelligente Herangehensweisen überlegen: Wie wird man Herr dieser Daten und wie kann man sie effizient für die Validierung von Systemen nutzen?“

Dementsprechend wurden im Move_UK-Projekt nicht durchgängig Daten während der Fahrt aufgezeichnet. Es wurde eine andere Herangehensweise gewählt: „Wir haben das Konzept getestet, Aufzeichnungen zu ‚triggern‘“, sagt Hafezi. „Lediglich wenn ein besonderes Ereignis eingetreten ist, wurde eine Aufzeichnung angefertigt und ins Backend geschickt.“

Ein Beispiel für ein besonderes Ereignis: Eine Notbremsung, bei der der Notbremsassistent des Fahrzeugs aktiviert wird. „Wir sind davon ausgegangen, dass Notbremsungen relativ selten innerhalb der drei Jahre auftreten werden. Wir waren der Meinung, dass es wenig bringt, wenn wir lediglich solche kritischen Situationen als Auslöser nutzen“, erklärt Hafezi. „Deshalb haben wir uns dazu entschieden, auch subkritische Situationen als Trigger zu verwenden. Außerdem haben wir Parameter definiert, die eine Fahrerinteraktion als Trigger verwendet: Wenn der Fahrer zum Beispiel ‚nur‘ stark auf die Bremse getreten ist, wurde auch eine Aufzeichnung angefertigt.“

Move UK Tour Map Dashboard
Dank seines modularen Aufbaus wurden verschiedene Datenströme in Bosch IoT Insights synchronisiert. Es wurden zum Beispiel Videodaten mit Radardaten kombiniert

Der technische Aufbau von Move_UK

Die Daten, die die Sensoren generierten, wurden per W-LAN und Mobilfunk an einen Server gesendet und ins Software-Backend eingespeist. Dort kam Bosch IoT Insights – der Datenmanagement-Service der Bosch IoT Suite – ins Spiel. Dieser wurde verwendet, um die Daten entgegen zu nehmen, aufzubereiten und in einer UI zu visualisieren. „Man konnte sich die Daten schon wenige Sekunden nachdem sie bei uns eingetroffen waren, online ansehen“, sagt Tobias Keller, gesamtverantwortlich für die Projekte des Bosch-IoT-Insights-Teams.

Eine Besonderheit des Move-UK-Projekts war, dass Daten von unterschiedlichen Sensoren zusammenkamen. „Wir haben verschiedene Datenströme in Bosch IoT Insights synchronisiert. Es wurden zum Beispiel Videodaten mit Radardaten kombiniert“, erklärt Keller. „Man konnte auf einer Karte in der UI sehen, wo sich das Fahrzeug befindet. Dank der Videokamera konnte man sehen, was der Fahrer sieht. Zusätzlich wusste man, was der Radar in dem Moment erkennt. So war es beispielsweise möglich zu überprüfen, was wirklich zu sehen war, wenn der Radar ein Ereignis gemeldet hat.“

Kia Hafezi ergänzt, dass ein modularer Aufbau von Bosch IoT Insights eine zentrale Rolle spielte. „Es gab Module, die allgemeine Information bereitgehalten haben – zum Beispiel wo sich das Fahrzeug befindet. Andere Module haben Daten für tiefgehende Analysen bereitgehalten. So konnte man individuell auswählen, wofür man sich interessiert. Durch den modularen Aufbau war Bosch IoT Insights bestens dafür geeignet.“

Die zentralen Erkenntnisse nach drei Jahren

Was wurde aus dem Move_UK-Projekt mitgenommen? Neben den Beobachtungen mit Blick auf spezifische Fahrsituationen sind laut Hafezi vor allem zwei zentrale Erkenntnisse zutage getreten. Zum einen wurde aufgezeigt, dass es möglich ist, Daten unmittelbar aufzubereiten, nachdem sie erhoben wurden „So war es uns möglich, Daten schon kurz nach der Aufzeichnung zu analysieren.“

Zum anderen wurde deutlich, dass in bestimmten Fällen keine durchgängige Datenaufzeichnung benötigt wird, um Systeme für automatisiertes Fahren zu validieren. „Wir wollten herausfinden, ob man eine Validierung auch betreiben kann, wenn man Ereignis-basiert aufzeichnet. Das haben wir belegt.“