Ein Beitrag zur Identifikation der Fahrzeugdynamik basierend auf naturalistischen Fahrdaten

Die Entwicklung neuer Funktionen/Services moderner Pkw basiert zu einem großen Teil auf sogenannten Fahrdaten und den darin enthaltenen Informationen. Fahrdaten, die während des Betriebs des Fahrzeugs gewonnen werden, können ebenfalls zur Fahrzeugoptimierung genutzt werden. Gerade durch die zuletzt stark gestiegene verfügbare Datenmenge stellt die Analyse der vorhandenen Daten, also die Informationsgewinnung, hierbei eine ebenso große Herausforderung dar wie die reine Messung, Datenaufzeichnung und -speicherung. Seit Beginn der 2000er-Jahre werden verstärkt naturalistische Fahrdaten, also Daten, die während alltäglicher Fahrten im öffentlichen Straßenverkehr aufgezeichnet werden, unter anderem in der Unfall- und Fahrverhaltensforschung eingesetzt. Eine alternative und bisher wenig erforschte Anwendung ist der Einsatz von naturalistischen Fahrdaten für Fahrdynamikuntersuchungen (bspw. die Identifikation von Fahrdynamikmodellen). Einzelne Untersuchungen zeigen bereits die Potentiale naturalistischer Fahrdaten für diesen Anwendungsbereich. Hierbei wird allerdings bisher weder die erreichbare Modellgüte noch der Informationsgehalt, der über ungeplantes Fahren in Bezug auf die Fahrdynamik erfasst werden kann, untersucht.
An dieser Stelle setzt die vorliegende Arbeit an. Erst die Analyse des Informationsinhaltes der Fahrdaten erlaubt auch eine Abschätzung der notwendigen Studiendauer für eine spezifische Fragestellung sowie eine Aussage, ob in Alltagsfahrten aufgezeichnete Daten sich zur Beantwortung dieser eignen. Um diese bisher nicht erforschten Aspekte zu untersuchen, werden die Daten einer einjährigen Naturalistic Driving Study (NDS) analysiert und eine Methode präsentiert, wie aus naturalistischen Fahrdaten Erkenntnisse zur Fahrdynamik gewonnen werden können.
Zur Bewertung der aufgezeichneten Datenbasis wird basierend auf den physikalischen Grenzen eines Pkws, den zu erwartenden Betriebsbedingungen sowie statistischen Größen gezeigt, wie der Informationszugewinn über die Dauer einer solchen Studie abnimmt. Die Diskussion über die Wahrscheinlichkeit, mit zusätzlichen Fahrten weitere Informationen zu gewinnen, stellt einen entscheidenden Punkt für den Einsatz von NDS zur Fahrdynamikidentifikation dar und spielt auch für die Definition eines Studienendes eine wichtige Rolle.
Anhand von verschiedenen Modellen wird zudem gezeigt, dass die in den Daten einer NDS enthaltenen Informationen ausreichen, um für große Teile der Fahrzeugdynamik gültige Modelle zu generieren. Dazu wird die Querdynamik eines Pkws auf Basis theoretischer und experimenteller Modelle untersucht und anhand einer zuvor validierten Referenz bewertbar gemacht.

The development of new functions or services in modern passenger vehicles is to a great extend relying on driving data and the information contained within. In addition, the driving data, which are captured during the use of the vehicle, can be used for optimization of the vehicles. The increase in volume of available data means its analysis has become as great a challenge as the measurement or data storage. Since the beginning of the century so called naturalistic driving data, this refers to data taken during everyday drives and on public roads, has been used for research on accidents or the driver's behavior. An alternative use case for these naturalistic data is the analysis of vehicle dynamics (e. g. the identification of vehicle dynamics models). Single studies using naturalistic driving data have already shown the potential for this area of research. So far, their scope has been limited and neither the information gained from everyday drives nor the resulting model quality has been analyzed.
This thesis contributes to these points of interest. The analysis of information contained in driving data and with respect to a specific research question, makes a statement regarding the necessary study duration as well as a judgement on whether naturalistic driving data is sufficient to solve the underlying task. Data taken in a Naturalistic Driving Study (NDS) over a year is analyzed to approach these topics. A method is presented showing how to best use naturalistic driving data to gain knowledge on vehicle dynamics.
An evaluation of the captured data especially regarding the information content is based on physical boundaries of the vehicle, the expected operation conditions as well as statistical quantities. This thesis demonstrates how the gain of information decreases as the data basis builds with increasing study duration. The likeliness to gain more information through continuing a study is one important factor when discussing the potential of using NDS in the area of vehicle dynamics and it also serves as one termination criterion for the measurement phase.
Besides capturing any information possible with a given set-up (an NDS) it is most important to understand whether the information is sufficient to solve the given task. This thesis uses the lateral vehicle dynamics as an example and analyses the validity of the models and rates their accuracy against a highly precise and valid reference model. By using two different vehicle dynamics models that are identified based on the NDS data it is shown that valid dynamics models can be created with the proposed method for a large vehicle dynamics range. 

Cite

Citation style:
Could not load citation form.

Rights

Use and reproduction:
All rights reserved