Wie automatisierte Fahrzeuge und Infrastruktur zusammenarbeiten
MEC-View Ergebnisse werden vorgestellt

Universität Ulm

Von Fahrzeugen verdeckte Fußgänger, kreuzende Radfahrer und plötzlich anfahrende Linienbusse: Im Stadtverkehr kann es schnell unübersichtlich werden. Wie ausgerechnet Straßenlaternen den Verkehr in Innenstädten sicherer machen und automatisiert fahrenden Fahrzeugen einen Überblick über das Verkehrsgeschehen verschaffen können, erforscht das Projekt „MEC-View“. Voraussetzung sind an den Leuchten verbaute Video- und Lidar-Sensoren. Sie liefern den Fahrzeugen dank moderner Mobilfunktechnologie in Echtzeit wichtige Informationen, um Hindernisse – egal ob andere Autos, Fahrräder oder Fußgänger – schnell und sicher zu erkennen.

Nach mehr als dreijähriger Entwicklungszeit stellt das Projekt nun seine Ergebnisse vor. Partner des mit 5,5 Millionen Euro vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Projekts sind neben Konsortialführer Bosch auch Mercedes-Benz, Nokia, Osram, TomTom, die Firma IT Designers sowie die Universitäten Duisburg-Essen und Ulm. Assoziierter Partner ist die Stadt Ulm, in der die Sensoren an den Straßenleuchten sowie die Vernetzungstechnik in den vergangenen mehr als drei Jahren getestet wurde. Die im Projekt gewonnenen Erkenntnisse dienen nun der Weiterentwicklung der Fahrzeugtechnik, des automatisierten Fahrens sowie der Mobilfunktechnologie. Zudem kann die aufgebaute Infrastruktur von nun an in weiteren Forschungsvorhaben genutzt werden.

Vogelperspektive für mehr Überblick

Mit ihren bis zu sechs Metern Höhe überragen Straßenleuchten das Verkehrsgeschehen. Sie haben genau den Überblick über das, was beispielsweise auf belebten Kreuzungen passiert, den automatisiert fahrende Fahrzeuge künftig brauchen. Zwar ermöglichen die im Fahrzeug verbauten Sensorsysteme mit Kameras, Radar- und Lidarsensoren eine präzise 360-Grad-Rundumsicht. Ob jedoch ein Fußgänger gerade von einem Lastwagen verdeckt wird, ein Fahrzeug aus einer schlecht einsehbaren Straße kommt oder ein Radfahrer sich von hinten nähert und flink die Fahrspur wechselt, ist aus Fahrzeugperspektive nicht immer erkennbar. „Weil das Fahrzeug selbst nicht um die Ecke oder durch Hauswände schauen kann, nutzen wir die Sensoren der Straßenleuchten, um den Erfassungsbereich der Fahrzeug-Sensoren zu erweitern“, erklärt Dr. Rüdiger Walter Henn, Leiter des „MEC-View“-Projekts beim Konsortialführer Bosch. Die Projektpartner haben dafür die entsprechende Hardware und Software entwickelt, die die Bilder und Signale der Infrastruktursensoren aufbereitet, mit hochauflösenden digitalen Karten (HD-Karten) kombiniert und per Mobilfunk an das Fahrzeug überträgt. Dort werden die Daten mit den Sensorinformationen des Fahrzeugs zusammengeführt, sodass ein genaues Bild der Situation mit allen relevanten Verkehrsteilnehmern entsteht.

Datenübertragung per Mobilfunk

Moderner Mobilfunk ermöglicht die Übertragung der Sensorinformationen mit äußerst geringen Latenzen. Während hierfür im Projekt „MEC-View“ die Mobilfunktechnologie LTE mit einer optimierten Konfiguration eingesetzt wurde, ist die Echtzeit-Datenübertragung beim neuen Kommunikationsstandard 5G eine Basisfunktion. Kernaufgabe des latenzoptimierten Mobilfunks ist neben der nahezu verzögerungsfreien Übertragung der Daten via Funk zudem ihre Verarbeitung möglichst nah an der Quelle. Diese Aufgabe übernehmen spezielle Computer, sogenannte Mobile Edge Computing Server oder kurz MEC-Server, die direkt in das Mobilfunknetz integriert sind. Sie kombinieren die Sensordaten der Straßenleuchten mit denen der Umfeldsensorik des Fahrzeugs sowie hochgenauen digitalen Karten. Daraus erzeugen sie ein lokales Umfeldmodell mit allen verfügbaren Informationen über die aktuelle Verkehrssituation und stellen es den Fahrzeugen mittels Mobilfunk zur Verfügung. In Zukunft könnten beispielsweise die Verkehrsleitzentralen der Städte mit solchen Servern ausgestattet sein, um die Daten herstellerübergreifend mit allen Verkehrsteilnehmern zu teilen.

Nahtloses Auffahren auf eine Vorfahrtstraße

In Ulm erproben die Projektpartner bereits seit 2018 das Zusammenspiel von automatisiert fahrenden Prototypen und Infrastruktursensoren im realen Verkehr. An einer Kreuzung im Stadtgebiet Ulm-Lehr wurden dafür die Straßenleuchten mit den entsprechenden Sensoren ausgestattet. Die Fahrzeuge nähern sich dem schwer einsehbaren Kreuzungsbereich beispielsweise auf einer Nebenstraße, um dann auf die Vorfahrtstraße einzuscheren. Der automatisiert fahrende Prototyp erkennt dank der neu entwickelten Technik nun die Verkehrsteilnehmer bereits frühzeitig und kann seine Fahrstrategie entsprechend anpassen. Somit erfasst das Fahrzeug gezielt Lücken im Verkehr auf der Vorfahrtsstraße und fädelt sich nahtlos ein, ohne anzuhalten. Damit wird der Stadtverkehr nicht nur sicherer, sondern auch flüssiger. Die während des Projekts aufgebaute Infrastruktur bleibt in Ulm und steht nachfolgenden Forschungsprojekten zur Verfügung.

Erst durch die Übertragung des Umfeldmodells  auf die automatisierten Fahrzeuge wird das Verborgene sichtbar

Das Institut für Mess-, Regel- und Mikrotechnik (MRM) der Universität Ulm hat sich vor allem im Bereich Infrastruktur und mit einem automatisierten Versuchsfahrzeug in das Projekt MEC-View eingebracht. Konkret haben die Ingenieure und Informatiker einen Teil der Sensoren betrieben, die an der Ulmer Testkreuzung verbaut sind. Weiterhin entwickelten sie den Algorithmus zum Zusammenführen der Sensordaten (Fusion) zu einem Umfeldmodell der Kreuzung auf dem MEC-Server. „Die latenzarme, also mit möglichst geringem Zeitverzug durchgeführte Fusion der Daten verschiedener Sensoren zu einem genauen Gesamtabbild des Verkehrs an der Kreuzung, stellt eine Kernkomponente des System dar", erläutert Dr. Michael Buchholz, der die Arbeiten am MRM koordiniert hat. Erst durch die Übertragung dieses Umfeldmodells an die vernetzten und automatisierten Fahrzeuge werden für die Autos Bereiche „sichtbar“, die für ihre eigene Sensorik verdeckt sind.

Zudem hat das Ulmer Institut unter Leitung von Prof. Klaus Dietmayer eines der automatisierten Versuchsfahrzeuge gestellt. Diese Fahrzeuge konnten im Projekt MEC-View den komplexen Vorgang des Einfädelns automatisiert umsetzen. Dazu haben die Ingenieure und Informatiker der Universität Ulm einen Planungsalgorithmus entwickelt und angewandt. Dieser Algorithmus nutzt die eigenen Sensorinformationen und das übermittelte Umfeldmodell, damit sich das Testfahrzeug vor oder nach einem weiteren Auto oder sogar in eine Lücke auf der Hauptstraße einfädeln kann – sofern die Situation dies zulässt. „Das Verfahren prüft die Zuverlässigkeit der Informationen, die von der Infrastruktur zur Verfügung gestellt werden. Darüber hinaus berücksichtigt es die Unsicherheiten der Daten bei der Planung", ergänzt Dr. Buchholz. Getestet und ausgewertet haben die Forscher die entwickelten Verfahren an einer Pilotanlage, der Testkreuzung in Ulm-Lehr.

Vorgestellt werden die Ergebnisse im Internet auf der Seite www.mec-view.de. Dort finden sich Präsentationen, Filme, Bilder und Erklärtexte rund um das Forschungsprojekt.

Text: Caroline Schulke (Bosch) / Dr. Michael Buchholz & Annika Bingmann (Uni Ulm)

LiDAR- und Kamerasensoren an der Pilotanlage
LiDAR- und Kamerasensoren an der Pilotanlage (Bildquelle Uni Ulm MRM)
Sensoren an der Pilotanlage
Sensoren an der Pilotanlage in Ulm Lehr (Bildquelle Uni Ulm MRM)
Trajektionsplanung und Umgebungsmodell
Links: Planung (bunter Pfeil) des automatisierten Fahrzeugs zum Einfädeln; Rechts: Modell der Umgebung im automatisierten Fahrzeug mit Karte, Lidar-Daten des Fahrzeugs (Punkte) und Objekte aus dem Infrastruktur-Umgebungsmodells (Boxen) - Bildquelle: Uni Ulm MRM / MEC-View (Bildquelle Uni Ulm MRM, MEC-View)
Automatisiertes Versuchsfahrzeug
Automatisiertes Versuchsfahrzeug (Bildquelle Uni Ulm MRM)