Verbesserung der Sicherheit und Leistung von Fahrzeugen durch Biosensorforschung in Fahrsimulationen

Verkehrsunfälle sind weltweit eine der häufigsten Todesursachen. Laut dem Bericht der WHO zur globalen Verkehrssicherheit aus dem Jahr 2018 wurden innerhalb eines Jahres 1,35 Millionen Todesfälle durch Verkehrsunfälle verursacht. Menschliche Fahrfehler aufgrund von Unaufmerksamkeit und kognitiver Belastung sind die Hauptursachen für die hohe Zahl an Verkehrsunfällen (WHO, 2018).

Durch ein besseres Verständnis der Faktoren, die zu kognitiver Überlastung führen, lässt sich die Fahrleistung verbessern und damit die Zahl der durch Autounfälle verursachten Todesfälle drastisch senken. Autonome Fahrzeuge (AVs) sind ein weiterer vielversprechender Ansatz, um die Zahl der Unfälle zu verringern, indem sie menschliche Fahrfehler und Fehlverhalten der Fahrer reduzieren. Mit der Markteinführung von AVs wird die Interaktion menschlicher Fahrer mit diesen Fahrzeugen eine neue Fehlerquelle darstellen, da menschliche Fahrer möglicherweise nicht sicher sind, wie sich ein autonomes Fahrzeug in städtischen Fahrsituationen verhalten wird (Shariff, Bonnefon & Rahwan, 2017).

Ein fahrerloses Auto kann beim Menschen während der Fahrt Ängste und Befürchtungen auslösen und dadurch die Unfallrate erhöhen (Acheampong & Cugurullo, 2019; Brown et al., 2018). Daher ist es von entscheidender Bedeutung, die menschliche Aufmerksamkeit während der Fahrt sowie die Mensch-Maschine-Interaktion in der Übergangsphase von nicht-autonomen Fahrzeugen zu vollständig selbstfahrenden Autos zu untersuchen.

Die Biosensorforschung ist eine gängige Methode, die in diesem Bereich bei Simulationen zum Einsatz kommt, um neue Sicherheits- und Steuerungssysteme für unsere Fahrzeuge zu entwickeln und damit neue Instrumente zu schaffen, die dazu beitragen, die Zahl der Verkehrsunfälle in Zukunft zu senken. Im Folgenden werden drei interessante Studien aus diesem Bereich vorgestellt, bei denen Biosensortechnologien zur Durchführung der Projekte genutzt wurden und die zu sehr interessanten Ergebnissen geführt haben, die in Zukunft zur Verbesserung autonomer Fahrzeuge in der Automobilindustrie beitragen könnten.

Biosensoren können die „Übernahme-Leistung“ in Echtzeit-Simulationen zum autonomen Fahren quantifizieren

Es scheint, dass neue autonome Fahrzeuge in absehbarer Zeit nicht vollständig automatisiert sein werden; höchstwahrscheinlich müssen menschliche Fahrer weiterhin aufmerksam sein, um bei Bedarf die Kontrolle über ein autonomes Fahrzeug zu übernehmen. Gemäß der Klassifizierung der Society of Automotive Engineers reicht der Automatisierungsgrad eines Fahrzeugs von L0 (keine Automatisierung) bis L5 (vollautomatisch). Es wird erwartet, dass die Fahrzeuge mit dem höchsten Automatisierungsgrad, die am ehesten auf den Markt kommen werden, den Automatisierungsgrad L3 erreichen. Auf Stufe L3 steuert der menschliche Fahrer das Auto nicht aktiv, muss aber dennoch aufmerksam sein, um bei Bedarf die Kontrolle zu übernehmen.

Es wird erwartet, dass der menschliche Fahrer in kritischen Situationen im Stadtverkehr die Steuerung von der Automatisierung übernimmt, beispielsweise bei einer unerwarteten Baustelle oder wenn sich ein Polizeiauto auf der linken Spur nähert. Aus kognitionspsychologischer Sicht stellen diese Szenarien eine Herausforderung dar, da sie die exekutive Fähigkeit zum Aufgabenwechsel erfordern – also die Fähigkeit, effektiv zwischen zwei kognitiv anspruchsvollen Aufgaben zu wechseln.

Um dieses Problem anzugehen, ist es entscheidend, die kognitiven Grenzen menschlicher Fahrer zu kennen, damit wir eine sichere Leistung in autonomen Fahrzeugen gewährleisten können. Forscher der University of Michigan (Du et al., 2020) widmeten sich dieser Frage, indem sie die Leistung von Fahrern in einer simulierten autonomen Fahrsitzung untersuchten. Das Ziel der Forscher bestand darin, anhand physiologischer Daten menschlicher Fahrer rechnerisch die Belastung bei der Aufgabenumschaltung vorherzusagen, wenn eine Übernahme der Fahrzeugsteuerung erforderlich wird.  Die Studie nutzte Eye-Tracking, galvanische Hautreaktion und Herzfrequenz, um kognitive und körperliche Zustände zu messen. Die tragbaren Sensoren wurden in einem Fahrsimulator platziert, die Daten wurden in Echtzeit an iMotions gestreamt und synchronisiert.

Die Teilnehmer mussten in verschiedenen städtischen Fahrsituationen unerwartet das Steuer übernehmen, während sie zu anderen Zeiten eine visuelle Gedächtnisaufgabe bewältigen mussten. Obwohl das Rechenmodell zur Vorhersage der Fahrerleistung recht komplex ist, nutzten die Forscher Kennzahlen wie AOIs, um festzustellen, wann die Augen der Fahrer auf die Straße gerichtet waren, sowie Blickverläufe, die Anzahl der Lidschläge und GSR-Spitzenwerte, um die Fahrleistung zu berechnen. Beeindruckenderweise erreichten die Forscher eine Genauigkeit von über 70 % bei der Vorhersage der Übernahme-Leistung der Fahrer anhand ihrer physiologischen Daten.

Biosensoren ermöglichen die Untersuchung der Fahrersicherheit in einer virtuellen Fahrzone mit autonomen Fahrzeugen

Dank der breiten Verfügbarkeit von VR-Headsets lassen sich komplexere Szenarien der Mensch-Maschine-Interaktion untersuchen, in denen menschliche Fahrer auf selbstfahrende Fahrzeuge treffen. Forscher für Human Factors an der University of Virginia untersuchten die Leistung menschlicher Fahrer und maßen dabei deren Erregungszustand und Herzfrequenz, während diese in einer Simulation auf derselben Straße neben einem autonomen Fahrzeug fuhren.

Die Teilnehmer wurden mit einem Shimmer-GSR- und einem optischen Puls-Ohrclip-Herzfrequenzmessgerät ausgestattet, während sie das Unity HTC Vive-Headset in einem Großstadt-Fahrsimulator trugen, da alle Messungen in iMotions synchronisiert wurden. Die GSR- und Herzfrequenzdaten wurden verwendet, um Stress und Nervosität der Fahrer zu quantifizieren. Die Teilnehmer mussten einem vor ihnen fahrenden autonomen Auto folgen und Kollisionen in verschiedenen Zonen vermeiden. Die Studie endete mit einem Fragebogen zu Vertrauen und Akzeptanz gegenüber selbstfahrenden Autos. Die Forscher interessierten sich für die physiologischen Daten der Fahrer sowie für Vertrauens- und Akzeptanzfaktoren, die mit dem Fahrverhalten und der Kollisionsrate in Zusammenhang standen.

Eine der wichtigsten Erkenntnisse war, dass der Sicherheitsabstand eine wichtige Variable für die Einstufung von Fahrern und die Vorhersage ihres Verhaltens darstellt. Es zeigte sich, dass Teilnehmer, die mehr Vertrauen und Akzeptanz gegenüber autonomen Fahrzeugen zeigten, beim Fahren hinter einem solchen Fahrzeug einen geringeren Sicherheitsabstand bevorzugten, während Fahrer, die autonomen Fahrzeugen gegenüber zögerlich waren, einen deutlich größeren Sicherheitsabstand bevorzugten. Darüber hinaus wurde beobachtet, dass sich das Vorsichtsniveau der Fahrer im Falle einer Kollision verändert und der Sicherheitsabstand danach deutlich vergrößert. Eine weitere Erkenntnis zeigte, dass die GSR-Spitzen in Dilemmasituationen (z. B. bei gelbem Ampelsignal) ansteigen, was auf Nervosität und Erregung unter diesen Bedingungen hindeutet.

Die Forscher kommen zu dem Schluss, dass Biosensoren und VR-Simulationen zuverlässige Methoden zur Untersuchung des Fahrverhaltens sind, und empfehlen den Behörden, VR als Mittel zur Gewöhnung an den Umgang mit autonomen Fahrzeugen einzusetzen. Die Ergebnisse unterstreichen, dass die Entwickler autonomer Fahrzeuge die menschlichen Faktoren berücksichtigen sollten, um auf der Grundlage dieser Erkenntnisse angemessene Sicherheitsabstände und Entscheidungsalgorithmen zu entwickeln.

Einblicke in das Fahrerlebnis mit Biosensoren

Ein hervorragendes Beispiel stammt von unserem Kunden Mazda Motor Europe, der sich gemeinsam mit Forschern der Universität Freiburg und 60 glücklichen Teilnehmern in die Kälte wagte und mithilfe von Gesichtsausdrucksanalysen und der galvanischen Hautreaktion das Engagement der Fahrer auf einer anspruchsvolleren Strecke als üblich untersuchte.

Ein ziemlich umfangreiches Forschungsprojekt, nicht nur hinsichtlich der Anzahl der Befragten, des Versuchsdesigns und der allgemeinen Zielsetzung, sondern auch aufgrund des untenstehenden Marketingvideos, das im Laufe des Projekts produziert wurde.

Aufmerksamkeitssteuerung durch Musik zur Verbesserung der Fahrleistung

Der Einfluss von Musik auf Stimmung und Aufmerksamkeit wird von Psychologen intensiv untersucht. Die positive Wirkung von Musik auf die Konzentration von Autofahrern wurde bereits zuvor nachgewiesen (Van der Zwaag et al., 2012). Die Studie von Avila-Vazquez und Kollegen (2017) zielte darauf ab, dieses Wissen in einem realen Fahrszenario anzuwenden, wobei biometrische Instrumente eingesetzt wurden, um den Einfluss der Musik zu messen und Audioempfehlungen zu entwickeln, die dazu beitragen, die Konzentration der Fahrer aufrechtzuerhalten.

In der Studie fuhren die Teilnehmer mit dem Auto durch die Stadt, während ihre Gesichter zur Analyse der Mimik (FEA) mit einer Webcam aufgezeichnet wurden. Die Computer-Webcam diente dazu, FEA-Daten zu erfassen, gleichzeitig verschiedene Arten von Musik abzuspielen und die Mimikdaten in iMotions zu synchronisieren. Auf diese Weise konnten die Gesichtsausdrücke Aufschluss darüber geben, wann die Fahrer an Konzentration und Wachsamkeit verloren, sowie den Zusammenhang mit der Art der abgespielten Musik aufzeigen. Die Forscher schlugen vor, dass ihr Ansatz genutzt werden kann, um Musik auf der Grundlage des kognitiven Profils einer Person individuell anzupassen. So könnten beispielsweise Gesichtserkennungssysteme in Autos implementiert werden, um die Reaktionen der Fahrer zu erfassen und dem Audiosystem Rückmeldung zu geben, damit die für die jeweilige Person passende Musik abgespielt wird. Der Einsatz von Musik als Element, um dem Fahrer Komfort und Unterstützung zu bieten.

Erfahren Sie mehr über die iMotions-Plattform

Diese Studien zeigen, dass physiologische Sensordaten genutzt werden können, um wichtige Erkenntnisse über die sichersten und effektivsten Verhaltensweisen beim Fahren und im Umgang mit Fahrzeugen zu gewinnen. Diese Erkenntnisse können dazu beitragen, sowohl die Produktentwicklung im Automobilbereich als auch die Leistung der Fahrer zu verbessern.

Um zu erfahren, wie diese Prinzipien in anspruchsvollen Umgebungen wie dem professionellen Motorsport angewendet werden, sehen Sie sich unser Webinar „iMotions x Smart Eye: Training & Leistung im Rennsport“ an.

Literaturverzeichnis

Acheampong, R. A., & Cugurullo, F. (2019). Erfassung der verhaltensbezogenen Determinanten hinter der Einführung autonomer Fahrzeuge: Konzeptionelle Rahmenwerke und Messmodelle zur Vorhersage von Trends bei der Nutzung öffentlicher Verkehrsmittel, der gemeinsamen Nutzung und dem Besitz selbstfahrender Autos. Transportation Research Part F: Traffic Psychology and Behaviour, 62, 349–375.

Avila-Vázquez, R., Navarro-Tuch, S., Bustamante-Bello, R., Mendoza, R. A. R. & Izquierdo-Reyes, J. (2017). Musikempfehlungssystem zur Modulation der menschlichen Aufmerksamkeit durch Gesichtserkennung bei einer Fahraufgabe: ein Proof of Concept. In MATEC Web of Conferences (Bd. 124, S. 04013). EDP Sciences.

Brown, B., Park, D., Sheehan, B., Shikoff, S., Solomon, J., Yang, J. & Kim, I. (2018). Bewertung der Sicherheit menschlicher Fahrer in Dilemma-Zonen mit automatisierten Fahrzeugen mithilfe einer Virtual-Reality-Umgebung. Symposium für System- und Informationstechnik (SIEDS).

Du, N., Zhou, F., Pulver, E., Tilbury, D., Robert, L., Pradhan, A. & Yang, X. J. (2020). Vorhersage der Übernahme-Performance beim bedingt automatisierten Fahren.

Izquierdo-Reyes, J., Ramirez-Mendoza, R. A., Bustamante-Bello, M. R., Navarro-Tuch, S., & Avila-Vazquez, R. (2018). Advanced Driver Monitoring for Assistance System (ADMAS). International Journal on Interactive Design and Manufacturing (IJIDeM), 12(1), 187–197.

Shariff, A., Bonnefon, J. F. & Rahwan, I. (2017). Psychologische Hindernisse für die Akzeptanz selbstfahrender Fahrzeuge. Nature Human Behaviour, 1(10), 694–696.
Weltgesundheitsorganisation. (2018). Globaler Statusbericht zur Straßenverkehrssicherheit 2018. Weltgesundheitsorganisation.

Van Der Zwaag, M. D., Dijksterhuis, C., De Waard, D., Mulder, B. L., Westerink, J. H. und Brookhuis, K. A. (2012). Der Einfluss von Musik auf Stimmung und Leistungsfähigkeit beim Autofahren. Ergonomics, 55(1), 12–22.