On the requirements and advantages of cooperative collision avoidance systems for vulnerable road users
| dc.date.accessioned | 2022-05-10T06:07:10Z | |
| dc.date.available | 2022-05-10T06:07:10Z | |
| dc.date.issued | 2021-10 | |
| dc.identifier | doi:10.17170/kobra-202204126006 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/13819 | |
| dc.language.iso | eng | |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject.ddc | 004 | |
| dc.subject.ddc | 380 | |
| dc.title | On the requirements and advantages of cooperative collision avoidance systems for vulnerable road users | eng |
| dc.type | Dissertation | |
| dcterms.abstract | Jedes Jahr sterben etwa 350.000 ungeschützte Verkehrsteilnehmer (engl. vulnerable road users (VRUs)), wie Fußgänger und Fahrradfahrer, durch Kollisionen mit Fahrzeugen. Ein Ansatz zur Verringerung dieser Zahl von Todesopfern ist der Einsatz von Kollisionsvermeidungssystemen für VRUs in Fahrzeugen. Diese fahrzeugbasierten VRU-Kollisionsvermeidungssysteme verwenden in den Fahrzeugen installierte Sensoren. Fahrzeugbasierte Kollisionsvermeidungssysteme sind bereits hilfreich, um Kollisionen zu vermeiden, funktionieren aber nur dann zuverlässig, wenn eine Sichtverbindung zwischen dem Fahrzeug und dem VRU besteht. Kooperative VRUKollisionsvermeidungssysteme können eine Lösung für diese Einschränkung zu sein. Bei kooperativen VRU-Kollisionsschutzsystemen ist der VRU mit einem tragbaren Gerät wie einem Smartphone ausgestattet. Dies ermöglicht den Austausch von Bewegungsinformationen zwischen dem Fahrzeug und dem VRU über eine Funkverbindung wie WLAN oder 5G. Im Vergleich zu fahrzeugbasierten VRU-Kollisionsvermeidungssystemen, haben Smartphones derzeit noch keine ausreichende Positionierungsgenauigkeit um Kollisionen zuverlässig zu erkennen. Der genaue Zusammenhang zwischen der Genauigkeit, mit der mobile Geräte die Bewegung der VRUs erkennen, und der Kollisionserkennungsleistung eines kooperativen VRUKollisionsvermeidungssystems ist unbekannt. Diese Dissertation widmet sich daher der folgenden Forschungsfrage: "Was ist die erforderliche Mindestgenauigkeit der VRU-Bewegungserkennung auf mobilen Geräten für eine bestimmte Kollisionserkennungsleistung eines kooperativen VRU-Kollisionsvermeidungssystemes?" Zur Beantwortung der Forschungsfrage liefert diese Dissertation die folgenden Beiträge: Erstens wird zur Erkennung von Kollisionen ein Algorithmus zur präzisen “time-to-collision” basierten Kollisionserkennung vorgeschlagen. Anschließend wird zur Quantifizierung der Kollisionserkennungsleistung eine Leistungskennzahl für VRU-Kollisionsvermeidungssysteme eingeführt. Diese Leistungsmetrik besteht aus zwei Key Performance Indicators (KPIs), die die Wahrscheinlichkeit eines Systems quantifizieren, drohende und nicht drohende Kollisionen korrekt anzuzeigen. Unter Verwendung der beiden KPIs wird dann untersucht, welche Genauigkeit für die Erkennung der Bewegung von VRUs erforderlich ist, um einen bestimmten KPI-Wert zu erreichen. Damit die Untersuchung repräsentativ ist, stützt sie sich auf Szenarien aus dem European New Car Assessment Programme (Euro NCAP). Schließlich bietet diese Arbeit einen imulationsbasierten Vergleich zwischen einem fahrzeugbasierten und einem kooperativen VRU-Kollisionsvermeidungssystem. | ger |
| dcterms.abstract | Every year, approximately 350,000 vulnerable road users (VRU), like pedestrians and bicyclists, die due to collisions with vehicles. One approach to reduce this number of fatalities is to use of VRU collision avoidance systems in vehicles. Those car-based VRU collision avoidance systems use sensors mounted in the vehicles. Car-based collision avoidance systems are already helpful to prevent collisions but only work reliable in scenarios where there is a line-of-sight between the vehicle and the VRU. Cooperative VRU collision avoidance systems promise to be a solution for the line-of-sight limitation. In cooperative VRU collision systems, the VRU is equipped with a portable device like a smartphone or a smartwatch. This allows to exchange the movement information between the vehicle and the VRU over a wireless network, like WiFi or 5G. Compared to car-based VRU collision avoidance systems, which can determine the position of a VRU relative to the vehicle with millimetre accuracy, e.g. using LIDAR but only in line-of-sight conditions, currently smartphones do not yet achieve a positioning accuracy for detecting collisions reliable. The exact relation between how accurate mobile devices recognize the movement of the VRU and the collision detection performance of a cooperative VRU collision avoidance system is unknown. This dissertation is therefore dedicated to answer the following research question: “What is the minimum required accuracy for VRU movement recognition on mobiles devices for a certain collision detection performance of a cooperative VRU collision avoidance system?” To answer the research question, this dissertation provides the following contributions: First, to precisely detect collisions, an algorithm for precise time-to-collision based collision detection is proposed. Next, for quantifying the collision detection performance, a performance metric for VRU collision avoidance systems is proposed. This performance metric consists of two Key Performance Indicators (KPIs) which represent a system’s probability to correctly indicate impending and non impending collisions. Using the two KPIs it is then investigated which accuracy is required for the recognition of VRU’s movement, i.e., which sensor accuracy is necessary to achieve specific KPI values of a cooperative VRU collision avoidance system. For the investigation to be representative, it is based on scenarios from the European New Car Assessment Programme (Euro NCAP). Finally, this dissertation provides a simulation based comparison between a car-based VRU collision avoidance system and a cooperative VRU collision avoidance system. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Bachmann, Marek Benjamin | |
| dcterms.dateAccepted | 2021-12-21 | |
| dcterms.extent | viii, 134 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik | |
| dc.contributor.referee | David, Klaus (Prof. Dr.) | |
| dc.contributor.referee | Reinhardt, Delphine (Prof. Dr.) | |
| dc.contributor.referee | Börcsök, Josef (Prof. Dr.) | |
| dc.contributor.referee | Zündorf, Albert (Prof. Dr.) | |
| dc.subject.swd | Kollisionsschutz | ger |
| dc.subject.swd | Anpassung | ger |
| dc.subject.swd | Smartphone | ger |
| dc.subject.swd | Verkehrsteilnehmer | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
Dissertationen [10]
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Attribution-NonCommercial-NoDerivatives 4.0 International