Description:
Automatisiertes Fahren wird die zukünftige Mobilität grundlegend verändern. Die fortschreitende Digitalisierung bildet die Grundlage für technische Innovationen und Automatisierung der Fahraufgabe. Zahlreiche medienwirksame Auftritte verschiedener Firmen und Forschungsgruppen zeigen die technische Machbarkeit automatisierter Fahrfunktionen. Vor allem die steigende Komplexität zukünftiger Fahrfunktionen beinhaltet große Herausforderungen für die Entwicklung, Test und Freigabe. Derartige Systeme sollen die Fahraufgabe in definierten Verkehrsdomänen komplett übernehmen. Die Fahrfunktion muss alle auftretenden Situationen sicher beherrschen. Die Identifikation aller dafür relevanten Verkehrssituationen kann mit bekannten Methoden der Situationsanalyse nicht bewerkstelligt werden. Etwaige Methoden fokussieren nicht auf typische, normale und unkritische Verkehrssituationen, wenngleich diese für die Anforderungsanalyse und Spezifikation automatisierter Fahrfunktionen notwendig sind. Um die steigende Komplexität zu bewältigen, werden von der Forschung und Fachliteratur szenarienbasierte Methoden für die Entwicklung automatisierter Fahrfunktionen vorgeschlagen. Die vorliegende Arbeit präsentiert eine Methode zur Identifikation typischer Verkehrssituationen. Die Methodik basiert auf einem menschlichen Entscheidungsfindungsmodell und beinhaltet ein systematisches Vorgehen. Sie berücksichtigt Expertenwissen, sowie funktions- und entwicklungsspezifisch relevante Situationsmerkmale. Das systematische Vorgehen nutzt Simulationsmethoden zur Datenerhebung sowie Constraint-Programmierung. Somit wird das Constraint-Erfüllungs-Problem zur Suche nach relevanten Situationen in einer deklarativen Weise beschrieben. Die Validierung zeigt, dass relevante und typische Situationen identifiziert werden können, an die in einem unstrukturierten Vorgehen während der Anforderungsanalyse und Spezifikation des Zielsystems unter Umständen nicht gedacht wird. Zusammen mit dem durchgängigen szenarienbasierten Entwicklungsansatz SBSE zeigt die ...
Year of Publication:
2020
Document Type:
doctoralthesis ; doc-type:doctoralThesis ; [Doctoral and postdoctoral thesis]
Language:
deu
Subjects:
ddc:000
Rights:
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.de ; info:eu-repo/semantics/openAccess
Terms of Re-use:
CC-BY-NC-ND
Content Provider:
Friedrich-Alexander-Universität Erlangen-Nürnberg: Hochschulschriftenserver OPUS FAU
Further nameOPUS FAU - Online publication system of Friedrich-Alexander-Universität Erlangen-Nürnberg  Flag of Germany