Semantische Netze als Wissensbasis automatisierter Fahrzeuge

Abstract

Situationsverständnis ist eine Grundvoraussetzung, um im Straßenverkehr kollisionsfreie, komfortable und regelkonforme Fahrmanöver durchführen zu können. Ein Fahrer interpretiert permanent, wie die wahrgenommenen Objekte im aktuellen Geschehen zusammenwirken, welche Eigenschaften und Handlungsspielräume diese haben und in naher Zukunft haben werden. Die Interpretation ist dabei maßgeblich vom Vorwissen des Fahrers abhängig. Auf Basis der Situationsinterpretation und seinen aktuellen Zielen trifft der Fahrer Entscheidungen über das folgende Fahrmanöver. Um das Fahren in höheren Automatisierungsgraden ermöglichen zu können, müssen Automationssysteme ebenfalls, analog dem menschlichen Vorbild, vorrausschauend fahren können und situationsabhängig relevantes Vorwissen in die Entscheidungsfindung einbeziehen. In dieser Arbeit wird ein Konzept vorgestellt, in dem das nötige Vorwissen zur Interpretation einer Situation, zur Manöverplanung und der Ansteuerung des Mensch-Maschine Interface in einer Wissensbasis in Form einer Ontologie modelliert und das Funktionsverhalten über prädikatenlogische Regeln gesteuert wird. Zur Abbildung von unsicherem Wissen werden die Konzepte der Ontologie mit Markov Logic Networks verknüpft. Die Umsetzung des Konzepts wurde in einer Simulation einer urbanen Verkehrssituation, in der Vorwissen über das Verhalten von Passanten notwendig ist, evaluiert.