Mehr Verkehrssicherheit durch künstliche Intelligenz

Menschliches Versagen ist eine der Hauptursachen für Unfälle im Straßenverkehr. Doch kann künstliche Intelligenz zur Verhinderung von Verkehrsunfällen beitragen?

Das „Null-Fehler-Ziel“

Durch Kollisionswarnsysteme, Fahrerassistenzsysteme oder autonome Fahrzeuge sollen Verkehrsunfälle reduziert werden. Jedoch braucht es dafür als Grundlage ein System, das sicher Gefahrensituationen erkennt und Fehlerkennungen vermeidet. Ein neues Konzept zur umfassenden Sicherheitsbewertung von Fahrsituationen wird benötigt, damit mit Hilfe von künstlicher Intelligenz ein „Null-Fehler-Ziel“ erreichen werden kann.

„Wie lernen Computer?“

Für die Konzeption eines solchen Konzepts ist es hilfreich zu verstehen, wie künstliche Intelligenz an Wissen gelangen kann. Dazu gibt es drei verschiedene Lernmethoden:

Lernen mit Lehrer (überwachtes Lernen/ Supervised Learning): Dabei wird ein Satz von Trainingsdaten verwendet, um einen Rechneralgorithmus so zu trainieren, dass dieser die Merkmale oder Eigenschaften der Daten korrekt beschreibt. Sollen kritische Fahrsituationen erkannt werden, so zeigt man dem Algorithmus vorab derartige Fahrsituationen – einschließlich ihrer Bewertung durch Experten.
Lernen ohne Lehrer (unüberwachtes Lernen/ Unsupervised Learning): Es werden Muster oder Zusammenhänge in Informationen / Daten erkannt, ohne dass diese von einem Experten oder Lehrer vorgegeben wurden. Dadurch sind Anzahl und Art der Kategorien, in die die Daten einsortiert werden und die Kriterien, nach denen sortiert wird, nicht vorgegeben, sondern werden erst im Zuge des Lernprozesses erzeugt.
Lernen durch Belohnung (Lernen durch Verstärkung/ Reinforcement Learning): Hierbei wird ebenfalls kein Lehrer oder Experte benötigt. Der Wissenserwerb geschieht durch Versuch, Erfolg oder Misserfolg. Der Lernalgorithmus führt eine Aktion durch und bewertet das Ergebnis, wobei positive Ergebnisse als Belohnung und negative Ergebnisse als Strafe betrachtet werden. Im Vorfeld müssen daher auch Kriterien für Belohnung und Strafe festgelegt sein. Der Algorithmus lernt (verstärkt) Aktionen, welche zu einer Belohnung führen und verwirft diejenigen, die bestraft wurden.

Künstliche Intelligenz verhindert Verkehrsunfälle

Auf Grundlage der Lernmethoden des maschinellen Lernens werden in der Neuerscheinung „Künstliche Intelligenz verhindert Verkehrsunfälle“ von den Autoren Michael Gerke, Hans Braun und Reiner Marchthaler Konzepte entwickelt, die eine neue Möglichkeit zur Sicherheitsbewertung von Konflikten im Straßenverkehr schaffen. Dabei werden folgende Fragen beantwortet:

Wie können Verkehrsdaten zur Modellierung gewonnen werden?
Wie entstehen stochastische Regeln?
Wie erzeugt künstliche Intelligenz ein Gesamtmodell zur Sicherheitsbewertung?
Wie wird dieses Modell zur Bewertung von Fahrsituationen angewendet?

zu den Autoren

Hans Braun, M. Sc. ist Doktorand an der Fakultät für Mathematik und Informatik der Fernuniversität in Hagen und Wissenschaftlicher Mitarbeiter an der Fakultät für Informationstechnik der Hochschule Esslingen.

Prof. Dr.-Ing. Michael Gerke arbeitet an der FernUniversität in Hagen im Bereich Elektrotechnik u.a. an Problemstellungen des autonomen Betriebs von Fahrzeugen und Flugsystemen.

Prof. Dr.-Ing. Reiner Marchthaler besitzt seit 2011 eine Professur für „eingebettete Systeme“ mit dem Spezialgebiet für „autonome Systeme“ an der Hochschule in Esslingen.