Koordination von Übernahmemanövern beim hochautomatisierten Fahren unter Berücksichtigung der Fahrerverfügbarkeit

Dieser Abschnitt beschreibt die in Abb. 1 in blau dargestellten Module für den menschlichen Fahrer, die Fahrerbeobachtung und die Fahrermodellierung.

Während einer Fahrt steht ein Fahrer kontinuierlich mit verschiedenen Elementen in seiner Umwelt, wie beispielsweise der Verkehrs- und Innenraumsituation, in Wechselwirkung. Auch Informationen, die den Fahrer vor oder während einer Fahrt erreichen, können ihn beeinflussen und seine Fahrweise verändern. Stimuli, mit denen ein Assistenzsystem unterstützend auf den Fahrer einwirken kann, können ebenfalls das Aufmerksamkeitslevel und die Fahrweise eines Fahrers verändern. Das Modell geht davon aus, dass die zentralen Faktoren eines menschlichen Fahrers für das objektive und subjektive Gelingen einer Übernahme zum einen in seinem aktuellen Fahrerzustand und zum anderen in seinem Fahrertyp begründet liegen.

Der Fahrerzustand kann gemäß [14] auf der sensorischen, motorischen und kognitiven Ebene beschrieben werden. Dabei definiert der sensorische Fahrerzustand, zu welchem Grad ein Fahrer über visuelle, auditive, haptische oder vestibuläre Kanäle die aktuelle Fahraufgabe bzw. -situation erfassen kann. Der motorische Zustand gibt an, in wie weit ein Fahrer unter Berücksichtigung seiner aktuellen Körperpose in der Lage ist, durch eine motorische Reaktion auf plötzliche Veränderungen in seiner Umwelt zu reagieren. Der kognitive Zustand ist ein Maß für die aktuelle Fähigkeit eines Fahrers Reize wahrzunehmen und kognitiv zu verarbeiten. Zudem wird von Marberger et al. der motivationale Aspekt des Fahrers als wichtige Komponente bei der Übernahme der Fahraufgabe identifiziert [14]. In Erweiterung zu dem sensorischen, motorischen, kognitiven und motivationalen Zustand soll im Kontext des Übernahmemodells auch der emotionale Fahrerzustand betrachtet werden, welcher unter anderem für die Leistungsfähigkeit des Fahrers und für die Akzeptanz der automatisierten Fahrfunktionen eine Rolle spielt [5, 10]. Der emotionale Fahrerzustand steht in enger Wechselwirkung mit dem motivationalen Zustand und bildet diesen mit ab. Da Emotionen direkt die Fahrleistung beeinflussen können, wurde für eine möglichst umfassende und nicht redundante Beschreibung des Fahrers der emotionale Zustand gewählt.

Im Gegensatz zum Fahrerzustand, welcher sich stets auf den aktuellen Zeitpunkt bezieht, verändert sich der Fahrertyp auf einer längeren Zeitskala. Der Fahrertyp wird durch eine habituelle und eine situative Komponente beschrieben. Der habituelle Fahrertyp definiert, wie ein Fahrer gewöhnlicherweise ein Fahrzeug führt und umfasst den „Driving Style“ und den „Driving Skill“, welche im Hinblick auf sich verändernde Gegebenheiten beim automatisierten Fahren zu einem „Automated Driving Style“ und einem „Automated Driving Skill“ erweitert wurden [22]. Eine zentrale Rolle bei dieser Erweiterung spielt dabei die Technikaffinität eines Fahrers. Verschiedene habituelle Fahrertypen im Kontext des automatisierten Fahrens haben insbesondere in Übernahmesituationen verschiedene Ansprüche und Nutzungspräferenzen für automatisierte Fahrzeuge, welche durch das Modell berücksichtigt werden müssen. Der habituelle Fahrertyp kann beispielsweise durch einen Fragebogen (in Abb. 1 gestrichelt eingezeichnet, da es sich um eine statische Information handelt) bestimmt werden. Der situative Fahrertyp beschreibt die kurzfristige Änderung des üblichen Fahrstils aufgrund von Umgebungseinflüssen und sich verändernden Verkehrssituationen.

Aufgrund der Komplexität und Vielschichtigkeit des Fahrerzustands sind für eine umfassende Erfassung verschiedene Sensoren notwendig. Dabei können nicht alle gemessenen Signale eindeutig einer Subkomponente des Fahrerzustands zugeordnet werden. So liefern die Interaktionen eines Fahrers mit den Bedienelementen durch das Ausüben eines Lenkmoments, das Betätigen von Brems- oder Fahrpedal oder weiteren sekundären Bedienelementen erste Informationen über den motorischen und zu einem gewissen Anteil über den emotionalen Fahrerzustand. Ebenso sind beispielsweise über eine Analyse der Lenkbewegungen auch Rückschlüsse auf den kognitiven Fahrerzustand möglich [11]. Weitere Sensoren ermöglichen eine umfangreiche Erfassung des Fahrerzustands. Innenraumkameras werden oftmals zur Gesichtsdetektion, Schätzung der Kopforientierung und Augenöffnung [7] oder zur Schätzung der Körperpose und der aktuellen Nebenaktivität [15] eingesetzt. Eye-Tracking Systeme ermöglichen zudem die exakte Messung des Blickpunkts und physiologischer Größen wie des Pupillendurchmessers. Weitere physiologische Größen wie die Hautleitfähigkeit oder EEG Messungen können üblicherweise nur intrusiv erhoben werden und sind daher in Serienfahrzeugen nicht einsetzbar. In der Human-Factors-Forschung sind diese Referenzmessungen wertvolle Indikatoren für tiefergehende Untersuchungen des Fahrerzustands bzw. des menschlichen Bewusstseins und für eine Weiterentwicklung nicht-intrusiver Methoden der Fahrerzustandsbeobachtung. Da die verschiedenen Sensoren jeweils Informationen über unterschiedliche Komponenten des Fahrerzustands messen, werden diese zunächst fusioniert, um anschließend die jeweiligen Zustände über eine Klassifikation zu rekonstruieren.

Durch eine längerfristige Beobachtung des Fahrverhaltens kann zudem der Fahrertyp identifiziert werden. Bisherige Methoden aus der Literatur zielen dabei überwiegend auf den Fahrstil ab [16]. Ebenso ist unter zusätzlicher Berücksichtigung der bereits fusionierten Daten der Fahrerbeobachtung die Schätzung des Fahrertypen im Kontext des automatisierten Fahrens denkbar.

Um basierend auf diesen Messungen die Entscheidung treffen zu können, ob der Fahrer aktuell die Fahraufgabe auf einem bestimmten SAE Level ausführen kann und darf, wird die Abstraktionsebene der Fahrerverfügbarkeit eingeführt, welche sich an [24] orientiert. Die Fahrerverfügbarkeit wird durch eine Klassifikation anhand des Fahrerzustands bestimmt.

Das Übernahmemodell umfasst ein Fahrermodell, das gemäß der psychologischen Funktionsweise der menschlichen Informationswahrnehmung mit parallel ablaufenden emotionalen und kognitiven Prozessen aufgebaut ist [1, 17, 18]. Die Fahrermodellierung wird zur Generierung von optimalen Stimuli zur Unterstützung des Fahrers gemäß dem aktuellen Fahrerzustand verwendet [9]. Das Fahrermodell besteht aus der sensorischen Wahrnehmung, der Entscheidungsfindung und einer erwarteten motorischen Reaktion. Die einzelnen Komponenten des Fahrermodells und deren Funktionsweisen werden in [10] detailliert beschrieben.

In diesem Abschnitt werden die in Abb. 1 in lila dargestellten Module für das automatisierte System und die Systemmodellierung erläutert.

Im Gegensatz zum menschlichen Fahrer steht das automatisierte System (Fahrzeug) vorwiegend mit der Verkehrssituation und weniger mit anderen Einflüssen, wie zum Beispiel mit dem Beifahrer oder anderen Fahrzeuginsassen, in Wechselwirkung. Die Verkehrssituation wird durch verschiedene Sensoren erfasst. Die Sensordaten werden für die Erstellung eines Umfeldmodells als Repräsentation der Umgebung fusioniert. Dieses Umfeldmodell wird verwendet, um die Verkehrssituation zu analysieren und die zukünftige Entwicklung dieser über einen kurzen Zeitraum zu prädizieren. Anhand dessen werden Kritikalitätsmaße für die jeweilige Verkehrssituation (wie beispielsweise die Time To Collision) definiert, welche von dem Koordinator bei der Überwachung und Regelung der Aufgabenverteilung berücksichtigt und von der Fahrerzustandsregelung für die Generierung von an die Kritikalität der Verkehrssituation angepassten Stimuli verwendet werden. Unter Verwendung des Umfeldmodells und der prädizierten Entwicklung der Verkehrssituation wird ein Manöver und die zugehörige Trajektorie für das Ego-Fahrzeug (Bewegungsverhalten) geplant, welches anschließend über die Fahrzeugregelung (Antrieb, Bremse, Lenkung) umgesetzt wird.

Das Übernahmemodell nimmt an, dass das automatisierte System über eine Diagnoseschnittstelle verfügt, welche die Systemverfügbarkeit liefert. Die Systemverfügbarkeit definiert, ob eine Fahrt gemäß der jeweiligen SAE Level technisch möglich ist bzw. im Rahmen der prädizierten Verkehrssituation möglich bleibt. Kann beispielsweise kein Fahrkorridor detektiert werden, so ist keine automatisierte laterale Fahrzeugführung möglich. Eine Aufgabenverteilung, bei der das System diese ausführen müsste (Lane Keeping Assistent (LKA) oder SAE Level 2 und höher) würde demnach zu einem Konfliktfall führen.

Dieser Abschnitt erläutert die in Abb. 1 in rot dargestellten Module für den Koordinator und die Fahrerzustandsregelung.

Das Modell zur Aufgabenverteilung und Aufgabenübernahme geht davon aus, dass der Übergabeprozess von Fahraufgaben zwischen dem menschlichen Fahrer und dem Fahrerassistenzsystem nicht ausschließlich zwischen den beiden unmittelbar beteiligten Instanzen verhandelt werden kann, da das automatisierte System in der Regel keine und der menschliche Fahrer lediglich kondensiert dargestellte Informationen über den Zustand bzw. die Verfügbarkeit der jeweils anderen Instanz besitzen. Daher schlägt dieser Beitrag ein Koordinator-Modul vor, das als „dritte Instanz“ das Zusammenspiel zwischen dem menschlichen Fahrer und dem Fahrerassistenzsystem unter Berücksichtigung der Zustände und Verfügbarkeiten der beiden Instanzen verbessert regulieren kann.

Das Übernahmemodell orientiert sich in seiner Funktionalität an der Human Automation Collaboration Taxonomy (HACT) [8] mit den Phasen der Datengenerierung, Entscheidung und der folgenden Handlung. Bei der HACT handelt es sich um ein Modell zur Entscheidungsfindung in einem kollaborativen Mensch-Maschine-System. Dabei werden mögliche Lösungen für eine gegebene Situation von einem Generator erstellt und durch einen Entscheider evaluiert. Ein Moderator überwacht den Prozess und treibt die Entscheidungsfindung in zeitkritischen Situationen voran. In der HACT werden den drei Rollen jeweils fünf verschiedene Level der Automatisierung zugeordnet, welche zusammen den Automatisierungsgrad des Systems beschreiben.

Der Koordinator hingegen umfasst den Generator und Entscheider und entscheidet in letzter Instanz unter Berücksichtigung der Fahrer- und Systemverfügbarkeit und der gesetzlichen Gegebenheiten über die objektive Aufgabenverteilung zwischen menschlichem Fahrer und Assistenzsystem und übernimmt damit weit über die reine Moderation hinausgehende Aufgaben. Der Koordinator ist nicht Teil des operativen Betriebs, der vom menschlichen Fahrer und dem Fahrerassistenzsystem ausgeführt wird, sondern regelt das Zusammenspiel zwischen dem menschlichen Fahrer und dem Fahrerassistenzsystem, insbesondere im Fall der Übergabe – ein Aspekt der in der HACT bisher ausgespart blieb.

Der Koordinator überwacht fortlaufend den Zustand und die aktuelle Verfügbarkeit des menschlichen Fahrers und des automatisierten Systems und gleicht diese mit den die Verkehrssituation beschreibenden Parametern und den gesetzlichen Rahmenbedingungen ab. Auf dieser Grundlage kann der Koordinator bestimmte Modi der Aufgabenverteilung zulassen bzw. unterbinden, um Konflikte effizient zu lösen. In Konfliktfällen werden in Anlehnung an die HACT durch den Generator verschiedene Lösungsstrategien entwickelt. Dabei kann es sich beispielsweise um einen Wechsel des SAE Levels handeln, um den Fahrer stärker in die Fahraufgabe zu involvieren oder ihn zu entlasten. Für den Fall, dass der Koordinator in einer besonders riskanten Verkehrssituation während einer automatisierten Fahrt einem menschlichen Fahrer aufgrund von dessen aktueller Verfügbarkeit die Rolle als Rückfallebene nicht zutraut, wird stets ein Minimum Risk Manöver in Betracht gezogen, bei dem das Fahrzeug beispielsweise am rechten Fahrbahnrand hält. Die vorgeschlagenen Konfliktlösungsstrategien werden anschließend von dem Entscheider anhand einer Kostenfunktion objektiv bewertet. Die so ermittelte vielversprechendste Strategie (bzw. Aufgabenverteilung) wird umgesetzt und dem menschlichen Fahrer gegenüber eindeutig visuell, auditiv oder auch haptisch über das Human-Machine-Interface kommuniziert. Ebenso wird die entsprechende Anforderung an das Automatisierungssystem gestellt.

Bei einer Übergabe der Verantwortung für die Fahraufgabe an den menschlichen Fahrer, soll dieser bestmöglich durch eine Fahrerzustandsregelung bei der Anpassung seines Fahrerzustands an die neue Situation unterstützt werden. Dafür wird fortlaufend anhand der aktuellen Fahrsituation und des Fahrermodells ein Sollzustand für den Fahrer geschätzt. Weicht dieser Sollzustand gravierend von dem aktuellen Fahrerzustand ab, werden die gemäß dem Fahrermodell und der erwarteten Reaktion bestmöglichen Stimuli generiert, welche dem Fahrer anschließend über ein Human-Machine-Interface in visueller, auditiver oder haptischer Modalität präsentiert werden [10].

Als Versuchsfahrzeug dient ein Wizard-of-Oz Fahrzeug. Bei einem Wizard-of-Oz Fahrzeug wird der Proband instruiert, dass es sich um ein automatisiert fahrendes Fahrzeug handelt. Tatsächlich wird das Fahrzeug von einem hinter einer Trennwand verborgenen menschlichen Fahrer verantwortlich („Driving Wizard“) geführt [23]. Aufgrund des verborgenen menschlichen Fahrers, der dem Probanden gegenüber als nur im Notfall eingreifender Sicherheitsfahrer vorgestellt wird, handelt es sich bei diesem Fahrversuch um keine tatsächlich automatisierte Fahrt. Für den Probanden ergibt sich jedoch die Illusion einer automatisierten Fahrt. In der Human-Factors-Forschung werden Wizard-of-Oz Fahrzeuge eingesetzt, um die Reaktionen von Probanden auf noch nicht serienreife Fahrerassistenzfunktionen zu untersuchen.

Der Umbau zum Wizard-of-Oz Fahrzeug erfolgte in Anlehnung an die RRADS Platform [2] und ist schematisch in Abb. 2 dargestellt. Für den Probanden (grün dargestellt) ergibt sich so der Eindruck in einem rechtsgelenkten Fahrzeug zu sitzen. Dabei wurde ein mit zahlreichen Sensoren zur Umfelderfassung (LiDAR, 6 Kameras für eine 360\({}^{\circ}\) Rundumsicht, hochgenaues kinematisches DGPS, Mobileye Serienfrontkamera) ausgerüstetes Versuchsfahrzeug (siehe Abb. 3a) mit einem zweiten Lenkrad und der entsprechenden Pedalerie auf der Beifahrerseite ausgestattet (siehe Abb. 3b). Zudem ist der Fahrersitz des Probanden mit einem Kombiinstrument und zwei Innenraumkameras ausgestattet. In Abb. 3b ist zudem die Trennwand zu sehen, die zwischen dem Driving Wizard und dem Probanden installiert ist. Die Trennwand ist so geschnitten, dass der Driving Wizard und der Proband jeweils, ohne sich gegenseitig wahrzunehmen, die komplette Windschutzscheibe sehen können.

Die Illusion einer automatisierten Fahrt wird durch den Dachaufbau des Forschungsfahrzeugs mit den Sensoren für die Umfelderfassung und die Rechentechnik im Kofferraum unterstützt. Zudem wird im Gegensatz zur ursprünglichen RRADS Platform der Lenkradwinkel über den CAN-Bus des Fahrzeugs dekodiert und als Sollwert für einen Lenkradregler verwendet. Während einer automatisierten Fahrt wird das Lenkrad des Probanden somit dem eigentlichen Lenkrad in Echtzeit nachgeführt. Ebenso werden die CAN Signale für Blinker und Geschwindigkeit dekodiert und auf dem Kombiinstrument des Probanden dargestellt.

Der Versuchsleiter (Interaction Wizard, blau in Abb. 2) befindet sich während der Fahrt auf dem Rücksitz und dient dem Probanden während des gesamten Fahrversuchs als Ansprechpartner. Vor dem Fahrversuch wird der Proband instruiert, dass auf dem eigentlichen Fahrersitz ein Sicherheitsfahrer sitzt, der lediglich in Notfallsituationen eingreift. Die installierte Trennwand wird dem Probanden gegenüber mit Ablenkungen durch den Sicherheitsfahrer begründet, welche bereits in vorherigen Fahrversuchen beobachtet worden seien.

Die Übergabe der Fahraufgabe an das automatisierte System bzw. die Aktivierung der automatisierten Fahrfunktionen erfolgt über einen Knopf am Lenkrad. Als Weiterentwicklung zur RRADS Platform [2] ermöglicht das Versuchsfahrzeug nicht nur die Illusion einer automatisierten Fahrt, sondern zudem die Nachstellung einer zeitweiligen Übernahme der Fahraufgabe durch den Probanden. Im Falle einer Übernahmeaufforderung bezüglich der Fahraufgabe kann der Proband entweder durch Betätigen des Knopfes für automatisierte Fahrfunktionen, durch Betätigen des Brems- bzw. Fahrpedals oder durch einen Eingriff ins Lenkrad, welcher von einem Lenkradwinkelbeobachter erkannt wird, die Fahraufgabe übernehmen. In diesem Fall werden dem Driving Wizard die Deaktivierung der automatisierten Funktionen sowie der Lenkwinkel, die Brems- und Fahrpedalstellungen des Probanden auf einer grafischen Nutzeroberfläche im Sichtfeld angezeigt. Damit ist er in der Lage die Eingabe entsprechend zu tätigen und eine manuelle Fahrt des Probanden umzusetzen. Eine Einschränkung des Erlebnisses stellt dabei die Reaktionszeit des Driving Wizards dar, welche durch eine vordefinierte Streckenführung und Übung minimiert wurde.

Zur Fahrerbeobachtung (Probanden) werden eine Tobii Pro Glasses 2 Eye-Tracking Brille¹ mit dem TobiiGlassesPyController² [26] für die Erfassung des Blickpunktes, ein Empatica E4 Physio Armband³, mit dem die galvanische Hautleitfähigkeit, Herzfrequenz und die Hauttemperatur des Probanden erfasst werden, und zwei Intel RealSense D435 Kameras⁴ eingesetzt. Mithilfe des OpenFace Toolkits [3] werden zudem die Gesichtsausdrücke des Probanden während der Übernahme in den Kamerabildern erfasst.

Als grundlegendes Framework für die Kommunikation der einzelnen Module der Fahrerbeobachtung, Umgebungserfassung und Versuchssteuerung wird das Robot Operating System (ROS) verwendet. Das ROS Framework ermöglicht für eine spätere Analyse zudem die synchrone Datenaufzeichnung aller Sensordaten im rosbag Format ⁵.

Der durchgeführte Fahrversuch ist auf die Untersuchung des Verhaltens und der physiologischen Reaktionen von Probanden auf Übernahmeaufforderungen nach einer automatisierten Fahrt ausgerichtet. Eine direkte Bewertung der Fahrerleistung nach der Übernahme, wie beispielsweise anhand der Standardabweichung der lateralen Position (SDLP) [27] oder des Takeover-Controllability-Ratings (TOC-Rating) [19], ist aufgrund der indirekten Steuerung des Versuchsfahrzeugs allerdings nicht zielführend.

Der Fahrversuch wurde auf einer abgesperrten Teststrecke durchgeführt. Einleitend wurden die Probenden über die mit den verschiedenen Sensoren erhobenen Daten aufgeklärt und bezüglich des Versuchsablaufs instruiert. Danach erfolgte die Einverständniserklärung und ein erster Fragebogen zur Bestimmung ihrer üblichen Fahrgewohnheiten und des jeweiligen Fahrertyps im Kontext des automatisierten Fahrens [22]. Anschließend wurden die Probanden zum bereits wartenden Versuchsfahrzeug geführt, wo sie eine kurze Einführung in die Bedienung des Fahrzeugs erhielten, und mit dem Physio-Armband und der Eye-Tracking-Brille ausgestattet wurden. Vor dem Beginn der Versuchsfahrten wurde die Eye-Tracking Brille kalibriert.

Der Versuch begann mit einer Fahrt im automatisierten Modus (Driving Wizard). Nach einigen Minuten der automatisierten Fahrt wurden zur Eingewöhnung mit dem System im Abstand von ca. 5 Minuten zwei Übernahmeaufforderungen ausgelöst, bei denen der Proband jeweils für ca. 30 Sekunden die Fahraufgabe übernahm, bevor er vom Assistenzsystem dazu aufgefordert wurde, wieder den automatisierten Modus zu aktivieren. Die Übernahmeaufforderungen erfolgten auditiv und visuell. Dabei wurden Probanden sowohl durch eine computergenerierte Stimme („Bitte jetzt die Fahraufgabe übernehmen“) als auch durch eine rot gefärbte Anzeige auf dem Kombiinstrument und ein entsprechendes Icon zur Übernahme der Fahraufgabe aufgefordert (siehe Abb. 4). Nach der Eingewöhnungsphase begannen die im Folgenden untersuchten Übernahmeszenarien. Beide Szenarien zielen darauf ab, dass die Probanden einem plötzlich auftretenden Hindernis ausweichen müssen. Die gesamte Dauer des Fahrversuchs lag bei ca. 30 Minuten.

Bei dem ersten Szenario stand hinter einer nicht einsehbaren Bergkuppe ein Hindernisfahrzeug auf der Straße und blockierte die Fahrspur, wodurch entweder ein Fahrspurwechsel oder das Abbremsen des Fahrzeugs notwendig wurde. Die Übernahmeaufforderung wurde in der Anfahrt zur Bergkuppe ausgelöst. Dieses Szenario soll einen für die Fahrzeugsensoren nicht einsehbaren Streckenverlauf nachbilden, weshalb die Übernahmeaufforderung notwendig wird und der Proband die Verantwortung für die Fahraufgabe übernehmen muss.

Im zweiten Szenario fuhr das Versuchsfahrzeug auf einer geraden Fahrbahn auf passive Wasserhindernisse zu, welche für den Probanden somit zunächst nicht ersichtlich waren. Die Übernahmeaufforderung erfolgte zeitgleich mit dem Auslösen der Wasserhindernisse. Auch in diesem Szenario waren die Handlungsoptionen der Probanden entweder das Abbremsen des Fahrzeugs oder ein Fahrspurwechsel zum Umfahren der Hindernisse.

Während des gesamten Fahrversuchs war die Geschwindigkeit des Versuchsfahrzeugs auf 30 km h\({}^{-1}\) (entspricht 8,33 m s\({}^{-1}\)) begrenzt. In beiden Szenarien wurden die Übernahmeaufforderungen ca. 60 m vor der Gefahrenstelle ausgelöst, was einem Zeitbudget für die Übernahme der Fahraufgabe von ca. 7,2 Sekunden entspricht.

An dem Fahrversuch haben insgesamt 17 Probanden (10 männlich, 7 weiblich) mit einem Durchschnittsalter von 26,9 Jahren (23 bis 41 Jahre bei einer Standardabweichung von 4,28 Jahren) teilgenommen. Die Probanden wurden in zwei Gruppen unterteilt, welche in den beiden Szenarien jeweils unterschiedliche Tätigkeiten ausführten. Während die eine Gruppe in dem ersten Szenario vor der Übernahmeaufforderung durch ein Spiel auf einem Tablet in eine fahrfremde Tätigkeit involviert und somit von der Fahraufgabe abgelenkt war und in dem zweiten Szenario die automatisierte Fahrt überwachte, wurden diese Tätigkeiten bei der anderen Gruppe entgegengesetzt verteilt. 4 Fahrszenarien wurden aufgrund von technischen Problemen nicht ausgewertet, wodurch sich jeweils 15 valide Versuchsfahrten mit bzw. ohne fahrfremde Tätigkeit ergeben.

Aufgrund des begrenzten Teilnehmerumfangs und der vergleichsweise jungen Probanden bildet diese Studie somit keine repräsentative Gruppe der Bevölkerung ab, ist aber dennoch für eine erste Einschätzung der Reaktionen von Probanden auf Übernahmeaufforderungen zielführend.

Nach dem Fahrversuch folgte ein zweiter Fragebogen zur Evaluation des Fahrversuchs.

Im Folgenden wird die von den Probanden unter den jeweiligen Randbedingungen der Fahrszenarien mit bzw. ohne fahrfremde Tätigkeit benötigte Zeit für die sensorische und motorische Rekonfiguration ihres Fahrerzustands zur Übernahme der Fahraufgabe untersucht.

Abb. 5 stellt die Histogramme der gemessenen Zeiten bis zur ersten Fixation der Straße voraus (in blau) und die dazugehörige kumulierte Verteilung (in orange) bei überwachendem Fahrer (oben) und bei Ausführung einer fahrfremden Tätigkeit (Spiel auf Tablet, unten) gesammelt für beide Szenarien dar. Für die Darstellung der Histogramme wurden die gemessenen Zeiten in Klassen mit einer Klassenbreite von jeweils einer halben Sekunde eingeteilt. Die Auswertung erfolgte manuell anhand der aufgenommenen Videos aus der Ego-Perspektive der Eye-Tracking Brille. Erwartungskonform blickte bei überwachender Tätigkeit ein Großteil der Fahrer zum Zeitpunkt der Übernahmeaufforderung auf die Straße. Lediglich drei Probanden sahen zunächst seitlich aus dem Fenster und benötigten einige Sekunden für den ersten Blick zur Verkehrssituation vor dem Fahrzeug. Der Mittelwert für den ersten Blick zur Fahrbahn lag hier bei \(\mu=0{,}39\,\text{s}\) mit einer Standardabweichung von \(\sigma=0{,}96\,\text{s}\). Deutlich wird der im Schnitt fast zwei Sekunden spätere Blick zur Straße und auf die Verkehrssituation bei vorheriger Ausführung einer Nebentätigkeit (\(\mu=2{,}28\,\text{s}\), \(\sigma=0{,}78\,\text{s}\)).

Die Zeiten bis zur ersten Fixation des Kombiinstruments, auf dem die visuelle Übernahmeaufforderung gezeigt wird, sind für die Fahrversuche in Abb. 6 in zwei Histogrammen dargestellt. Es wird deutlich, dass Probanden bei überwachender Tätigkeit deutlich früher weitere Informationen auf dem Kombiinstrument wahrnehmen können. Während die erste Fixation des Kombiinstruments bei überwachender Tätigkeit im Schnitt bei \(\mu=1{,}19\,\text{s}\) (\(\sigma=0{,}64\,\text{s}\)) lag, benötigten Probanden bei vorheriger Ausübung der fahrfremden Tätigkeit mit im Schnitt \(\mu=2{,}82\,\text{s}\) (\(\sigma=1{,}13\,\text{s}\)) deutlich länger. Mit Ausnahme von einem Probanden (im Szenario ohne Nebentätigkeit), der seine Aufmerksamkeit ausschließlich der Verkehrssituation vor dem Fahrzeug widmete, haben alle anderen Probanden in beiden Szenarien innerhalb von wenigen Sekunden die visuelle Übernahmeaufforderung auf dem Kombiinstrument fixiert. Bei überwachender Tätigkeit passierte dies stets nach dem ersten Blick zur Straße. Bei Ausübung einer Nebentätigkeit nahmen 5 Probanden die visuelle Übernahmeaufforderung vor dem ersten Blick zur Verkehrssituation wahr. 10 Probanden verschafften sich direkt nach der auditiven Warnung einen Überblick über die Fahrsituation und blickten anschließend auf das Kombiinstrument.

Nachfolgend wird die benötigte Zeit zur motorischen Rekonfiguration des Fahrerzustands untersucht. Abb. 7 zeigt die Verteilung der Zeiten, die erforderlich waren, bis der jeweilige Proband die erste Hand zum Lenkrad geführt hat. Ohne Nebentätigkeit benötigten die Probanden im Schnitt \(\mu=2{,}69\,\text{s}\) (\(\sigma=1{,}14\,\text{s}\)), wohingegen die Probanden bei vorheriger Ausübung einer manuellen Nebentätigkeit mit durchschnittlich \(\mu=3{,}82\,\text{s}\) (\(\sigma=1{,}30\,\text{s}\)) etwas länger benötigten. Dieser Unterschied ist vor allem durch das notwendige beiseite Legen des Tablets zu begründen.

Nach dem ersten Kontakt einer Hand mit dem Lenkrad nahm sich ein Großteil der Probanden vor einer ersten bewussten Lenkbewegung kurz die Zeit, um die Entwicklung der Verkehrssituation zu beobachten und eine Entscheidung für die Reaktion zu treffen. Die Verteilung der Zeiten bis zur ersten bewussten Lenkbewegung, welche ab einem Lenkradausschlag von mehr als 2\({}^{\circ}\) angenommen wird, ist in Abb. 8 dargestellt. Im Mittel erfolgte die erste Lenkreaktion in den Fahrversuchen bei überwachender Tätigkeit nach \(\mu=3{,}09\,\text{s}\) (\(\sigma=1{,}55\,\text{s}\)) und bei vorheriger fahrfremder Tätigkeit nach \(\mu=5{,}61\,\text{s}\) (\(\sigma=2{,}27\,\text{s}\)).

In Abb. 9 ist die Verteilung der Zeiten bis zum ersten Betätigen der Bremse bzw. des Fahrpedals dargestellt. Zwischen den Reaktionszeiten der überwachenden Fahrer (\(\mu=5{,}08\,\text{s}\), \(\sigma=3{,}63\,\text{s}\)) und den Reaktionszeiten nach einer fahrfremden Nebentätigkeit (\(\mu=5{,}51\,\text{s}\), \(\sigma=3{,}07\,\text{s}\)) ergeben sich keine signifikanten Unterschiede. Bei überwachender Tätigkeit betätigten fünf Fahrer zunächst die Bremse (durchschnittlich nach 2,1 s), neun Fahrer verwendeten direkt das Fahrpedal (im Schnitt nach 5,49 s). Nach der Ausführung einer Nebentätigkeit nutzten sieben Fahrer zunächst die Bremse (durchschnittlich nach 5,17 s) und sechs Fahrer das Fahrpedal (im Schnitt nach 5,57 s). In den übrigen drei Fällen wurden die Pedale nicht in den ersten 10 Sekunden nach der Übernahmeaufforderung betätigt.

Ein Überblick über die zuvor detaillierter beschriebenen sensorischen und motorischen Reaktionen der Probanden ist in Abb. 10 durch die kumulierten Häufigkeiten der beobachteten Reaktionen dargestellt. Deutlich werden die üblichen zeitlichen Abfolgen der Reaktionen während des Übernahmeprozesses. Zumeist führt der erste Blick nach der Übernahmeaufforderung zur Straße und zur Verkehrssituation, gefolgt von einem Blick zum Kombiinstrument. Anschließend erfolgt üblicherweise der Griff zum Lenkrad. Zwischen erstem Lenk- und Pedaleingriff ist keine eindeutige Reihenfolge zu erkennen, wobei sich tendenziell überwachende Fahrer zunächst eher für den Lenkeingriff entscheiden als Probanden, die zuvor mit einer fahrfremden Tätigkeit abgelenkt waren. Ein Vergleich der beiden Ergebnisdarstellungen zeigt die leicht längere Reaktionszeit bei vorheriger fahrfremder Tätigkeit.

Im Anschluss an die Fahrszenarien wurden die Probanden in einem Fragebogen unter anderem hinsichtlich ihrer subjektiven Selbsteinschätzung bezüglich des Zeitpunkts der zuvor erlebten Übernahmeaufforderung befragt. Abb. 11 zeigt die Ergebnisse auf die Frage: „War der Zeitpunkt der Übernahmeaufforderung im jeweiligen Szenario passend gewählt?“ Trotz der zuvor gezeigten leicht größeren Zeiten, die bis zur motorischen und sensorischen Rekonfiguration im Falle einer Übernahmeaufforderung mit vorheriger fahrfremder Tätigkeit benötigt wurden, zeigen die Selbsteinschätzungen der Probanden im Mittel keine gravierenden Unterschiede zwischen den beiden Fahrszenarien. In beiden Fällen schätzte ein Großteil der Probanden den Zeitpunkt der Übernahmeaufforderung (ca. 7 s vor Erreichen der Gefahrenstelle) als passend ein. Während bei vorheriger überwachender Tätigkeit einige Probanden die Übernahmeaufforderung als eher zu spät oder zu spät empfanden (\(\mu=3{,}27\), \(\sigma=0{,}59\)), war die Einschätzung der Probanden nach vorheriger fahrfremder Tätigkeit weniger eindeutig (\(\mu=3{,}00\), \(\sigma=0{,}86\)), was die teilweise unterschiedlichen Präferenzen der verschiedenen Fahrer zeigt.

Als Indikator für das individuelle emotionale Stresslevel während des Fahrversuchs wurde die galvanische Hautleitfähigkeit mit einem Empatica-E4 Physio Armband bei einer Abtastfrequenz von 4 Hz am Handgelenk der Probanden gemessen. Die Zeitreihen der gemessenen galvanischen Hautleitfähigkeit von vier exemplarisch ausgewählten Probanden (zwei Frauen, zwei Männer) sind für die Fahrszenarien mit überwachender Tätigkeit in Abb. 12a und für die Szenarien mit fahrfremder Tätigkeit in Abb. 12b für einen Zeitraum von 100 Sekunden vor und nach der Übernahmeaufforderung dargestellt. Die Daten stammen von vier Probanden, welche zunächst das Szenario mit fahrfremder Tätigkeit und anschließend das Szenario mit überwachender Tätigkeit fuhren. Die so gegebene Vergleichbarkeit der Daten begründet auch die Auswahl der Probanden für die Darstellung. Die grün gestrichelte Linie gibt den Zeitpunkt der visuellen und akustischen Übernahmeaufforderung an (\(t=0\,\text{s}\)). In beiden Abbildungen handelt es sich um die gleichen vier Probanden.

Abb. 12a zeigt die gemessene galvanische Hautleitfähigkeit bei Fahrern, welche bis zur Übernahmeaufforderung aufmerksam die Umgebung überwachten. Bis zum Zeitpunkt der Übernahmeaufforderung weisen die Werte eine relativ geringe Varianz auf, die Werte der Probanden 2 und 3 weisen zudem eine leicht abfallende Tendenz auf. Kurz nach der Übernahmeaufforderung steigt die Hautleitfähigkeit bei drei der vier Probanden innerhalb von ca. 10 s signifikant um ca. 20–30 %. Die Hautleitfähigkeit von Proband 3 zeigt zu diesem Zeitpunkt lediglich geringere Ausschläge.

Auch im Falle einer fahrfremden Tätigkeit (Abb. 12b) zeigt der Verlauf der gemessenen Hautleitfähigkeit vor der Übernahme relativ konstante Werte. Die Hautleitfähigkeit von Proband 3 zeigt einige kleinere Ausschläge, welche nach Analyse des Bildmaterials der Innenraumkameras durch eine Belohnung im Spiel (zum Zeitpunkt \(t=-78\,\text{s}\)), durch prüfende Blicke zur Straße (\(t=-52\,\text{s}\) und \(t=-42\,\text{s}\)) und durch eine vergleichsweise scharf automatisiert gefahrene Kurve (\(t=-16\,\text{s}\)) zu erklären sind. Ähnlich wie bei überwachender Tätigkeit steigt die gemessene Hautleitfähigkeit in allen Fällen kurz nach der Übernahmeaufforderung innerhalb von 10 bis 20 Sekunden um ca. 20–40 %.

Diese Ergebnisse sind konsistent mit den erhobenen Daten der weiteren Probanden und zeigen das deutlich steigende Stresslevel der Probanden im Falle einer plötzlichen Übernahmeaufforderung. Auch in einer zuvor durchgeführten Studie in einem statischen Fahrsimulator konnten sprunghafte Anstiege der Hautleitfähigkeit kurz nach der Übernahmeaufforderung beobachtet werden.

Ein wichtiger Aspekt bei den durchgeführten Fahrversuchen ist der empfundene Realitätsbezug der Wizard-of-Oz Fahrt, da insbesondere physiologische Reaktionen von Probanden im Falle einer als nicht realitätsnah wahrgenommenen automatisierten Fahrt lediglich verfälscht beobachtet werden können. Abb. 13 zeigt die Ergebnisse der Probandenbefragung im Anschluss an den Fahrversuch auf die Frage „Als wie realistisch empfanden Sie die automatisierte/manuelle Fahrt?“. Beim überwiegenden Anteil der Probanden konnte das Wizard-of-Oz Fahrzeug ein eher realistisches oder sehr realistisches Gefühl einer automatisierten Fahrt vermitteln (\(\mu=3{,}94\), \(\sigma=0{,}97\)). Lediglich zwei Probanden bewerteten den automatisierten Teil des Fahrversuchs als eher nicht realistisch. Die beiden Bewertungen einer eher unrealistischen automatisierten Fahrt waren nach Aussage der Probanden vor allem darin begründet, dass sie auf der eigentlichen Beifahrerseite Platz nehmen mussten und dass der Versuch auf einer Teststrecke statt im realen Straßenverkehr durchgeführt wurde. Kritischer wurde von den Probanden der manuelle Teil der Fahrt wahrgenommen. Hier ergab sich eine breite Streuung über alle Antwortoptionen (\(\mu=2{,}94\), \(\sigma=1{,}25\)). Als eher nicht realistisch wurde während der manuellen Fahrt insbesondere die durch den Driving Wizard bedingte leichte Verzögerung beim Lenken und Bremsen bzw. Beschleunigen wahrgenommen. Diese Einflüsse können durch einen geübten Sicherheitsfahrer weiter minimiert jedoch vermutlich nicht komplett eliminiert werden. Ein realistisches Fahrgefühl könnte eine direkte Schnittstelle zur Lenkung mit entsprechender Ansteuerung bieten, wofür jedoch ein Fahrzeug mit Drive-by-Wire Lenkung notwendig wäre.

Acht der Probanden haben zuvor bereits eine automatisierte Fahrt in einem statischen Fahrsimulator erlebt. Diese Probanden berichteten im Anschluss an den Fahrversuch von einem deutlich stärker empfundenen Realismus während der automatisierten Fahrt im Wizard-of-Oz Fahrzeug.

Die benötigten Zeiten für die Übernahme der Fahraufgabe nach einer automatisierten Fahrt wurden in der Wissenschaft bereits umfassend diskutiert (z. B. [12]). Oftmals stützen sich die Erkenntnisse auf Studien in Fahrsimulatoren, welche die Realität je nach Fahrsimulatortyp lediglich eingeschränkt abbilden können. Auch Übernahmezeiten aus Wizard-of-Oz Studien wurden bereits gemessen (z. B. [21]). Die vorliegende Wizard-of-Oz Studie liefert einen Beitrag zu dieser Diskussion in Form weiterer Messwerte und zeigt zudem die Selbsteinschätzungen der jeweiligen Übernahmezeiten durch die Probanden und die gemessenen Hautleitfähigkeiten einiger Probanden als Indikator für das emotionale Stresslevel während der Übernahme.

Im Vergleich mit [12] ergeben sich vergleichbare gemessene Zeiten für den ersten Blick zur Verkehrssituation und die Bewegung der Hand zum Lenkrad. Lediglich bei dem ersten Blick zum Kombiinstrument ergaben sich deutliche Abweichungen. Dies liegt vermutlich vor allem darin begründet, dass in dieser Studie die visuelle Übernahmeaufforderung direkt auf dem Kombiinstrument dargestellt wurde. Ein vergleichender Überblick der gemessenen Zeiten ist in Tab. 1 dargestellt.

Insgesamt konnten in dieser Studie wie zu erwarten war leicht verlängerte Reaktionszeiten im Falle einer vorherigen fahrfremden Tätigkeit beobachtet werden. Dies bestätigt die Erkenntnisse verschiedener anderer Autoren (z. B. [12]). Dennoch benötigten einzelne Fahrer auch bei überwachender Tätigkeit teilweise deutlich länger für die Übernahme als andere Fahrer bei vorheriger Nebenaufgabe. Dies deutet darauf hin, dass nicht allein die Art der Nebentätigkeit, sondern auch weitere Aspekte, wie beispielsweise der Fahrertyp (und damit zusammenhängend der „Automated Driving Skill“ und der „Automated Driving Style“), die benötigte Dauer der Übernahme beeinflussen.

Die galvanische Hautleitfähigkeit wird oftmals als Indikator für das Stresslevel verwendet (z. B. [29]). In dieser Studie wurde eine qualitative Analyse der galvanischen Hautleitfähigkeit einzelner Probanden vorgenommen. Die Ergebnisse deuten bei allen Probanden sowohl bei vorheriger fahrfremder als auch bei überwachender Tätigkeit auf ein deutlich gesteigertes Stresslevel nach der Übernahme hin. Dies geht aus dem plötzlichen Anstieg der Hautleitfähigkeit und zudem auch aus der gesteigerten Anzahl der Peaks der gemessenen galvanischen Hautleitfähigkeit nach der Übernahmeaufforderung hervor. Für eine optimale Leistung des Fahrers nach der Übernahme sollte der Stress auf einem niedrigen Level gehalten werden.

Die im Rahmen dieser Studie gesammelten Erkenntnisse können nicht das gesamte in diesem Beitrag vorgeschlagene Modell zur Abbildung der Aufgabenverteilung beim hochautomatisierten Fahren verifizieren und validieren, da das Modell sehr umfassend ist. Bei der Wizard-of-Oz Studie wurde der Fokus daher auf die Analyse der Rekonfiguration des Fahrerzustands gelegt. Die gesammelten Erkenntnisse liefern einen wertvollen Beitrag für das Fahrermodell des vorgeschlagenen Übernahmemodells und erlauben die detaillierte Modellierung der motorischen, sensorischen und physiologischen Reaktionen eines Fahrers auf Übernahmeaufforderungen. Mit der Kenntnis, wie lange ein Fahrer voraussichtlich für die Übernahme benötigt und welchen Stress diese in ihm auslösen könnte, könnten zukünftig weniger stressige und somit sicherere Übernahmeaufforderungen designt werden.

Dieser Beitrag stellte die Struktur eines holistischen Übergabemodells für Übernahme- und Übergabesituationen beim automatisierten Fahren vor. Das Modell berücksichtigt den aktuellen Fahrerzustand mit sensorischen, motorischen, kognitiven und emotionalen Komponenten. Für die Erfassung des Fahrerzustands wird aufgrund der Komplexität eine Kombination aus verschiedenen Sensoren und Referenzsensoren verwendet. Zudem umfasst das Modell Einflüsse durch den situativen und habituellen Fahrertypen für eine individuelle Anpassung der Übernahmeaufforderungen bezüglich des Fahrerzustands, Fahrertyps und der Fahrsituation. Eine zentrale Komponente des Übergabemodells stellt der Koordinator dar, welcher anhand des Fahrerzustands, Systemzustands, der aktuellen Verkehrssituation und der geltenden gesetzlichen Vorgaben Konflikte detektiert, die Aufgabenverteilung zwischen Fahrer und automatisiertem System entsprechend anpasst und den menschlichen Fahrer über geeignete Stimuli unterstützt.

In einem Wizard-of-Oz Fahrversuch wurden Teile des Übergabemodells untersucht. Dabei lag der Fokus auf der detaillierten Analyse des motorischen, sensorischen und emotionalen Fahrerzustands in Übernahmesituationen. Die Ergebnisse können für die Modellierung der Reaktionen von Fahrern auf Übernahmeaufforderungen verwendet werden.

Für die Erprobung von Übernahmesituationen im Fahrversuch wurde die RRADS Platform [2] für Human Factors Untersuchungen beim automatisierten Fahren um die Möglichkeit zur Übernahme der Fahraufgabe durch den Probanden erweitert. Die erlebten automatisierten Fahrten im Wizard-of-Oz Fahrzeug wurden deutlich realistischer als vorherige Fahrten im statischen Fahrsimulator bewertet.

Im Rahmen dieses Beitrags wurden einzelne Aspekte des Übergabemodells mit Ergebnissen aus Fahrversuchen beleuchtet und erste Daten für die Fahrermodellierung gesammelt. Andere Aspekte, wie beispielsweise die Verwendung von adaptiv an den Fahrerzustand, den Fahrertypen und die jeweilige Fahrsituation angepassten Übernahmeaufforderungen wurden bisher noch nicht genauer untersucht. Diese Untersuchungen bauen auf den gezeigten Ergebnissen auf und sind für die Zukunft geplant.