Datengetriebene Szenarioanalyse für die Validierung automatisierter Fahrfunktionen

Die Validierung automatisierter Fahrfunktionen basiert zunehmend auf szenariobasiertem Testen. Dabei ist es entscheidend, Verkehrsszenarien systematisch zu identifizieren, zu strukturieren und zu analysieren. Ziel dieses Projekts ist die Entwicklung datengetriebener Methoden zur automatischen Extraktion, Clusterung und Bewertung von Verkehrsszenarien aus realen Verkehrsdaten.

Im Fokus steht ein neuartiger Ansatz, bei dem Szenarien über das beobachtbare Verhalten eines Fahrzeugs definiert werden. Änderungen im Fahrverhalten markieren dabei den Beginn und das Ende einzelner Szenarien. Diese werden anschließend mithilfe moderner Machine-Learning-Methoden geclustert, um strukturelle Ähnlichkeiten zu erkennen und repräsentative Szenarien abzuleiten.

Ein weiterer Schwerpunkt liegt auf der Bewertung der Abdeckung von Szenarien. Dabei wird untersucht, inwieweit die identifizierten Szenarien(-cluster) die real auftretenden Verkehrssituationen repräsentieren und welche Unsicherheiten durch bislang unbekannte Szenarien entstehen.