Fahrzeuge mit miteinander kommunizierenden GPS-Empfängern können die Positionsgenauigkeit auf ein Maß erhöhen, das es ihnen ermöglicht, festzustellen, auf welcher Fahrspur sie sich befinden. Credit: Thanh-Son Dao et al. © 2007 IEEE.

Ein Standard-GPS-Empfänger hat eine durchschnittliche 2D-Positionierungsgenauigkeit von ca. 13 Metern. Diese Genauigkeit reicht zwar aus, um Sie zu Ihrem Hotel zu leiten, ist jedoch erheblich geringer als die Genauigkeit, die erforderlich ist, um festzustellen, auf welcher Fahrspur sich Ihr Auto befindet, wenn Sie die Autobahn entlang fahren.

Eine Gruppe von Wissenschaftlern der University of Waterloo und der California Polytechnic State University arbeitet derzeit an einem Auto21-Projekt namens Dynamic Collaborative Driving. Im Rahmen dieses Projekts haben die Wissenschaftler ein intelligentes Spurerkennungssystem entwickelt, das die Kommunikation zwischen mit GPS ausgestatteten Fahrzeugen nutzt, um eine wesentlich höhere Genauigkeit als mit einem einzelnen GPS-Gerät zu erzielen. Da das neue System nur kostengünstige GPS-Empfänger, einen Filter und einen Algorithmus verwendet, kann es im Vergleich zu anderen Spurerkennungssystemen wesentlich kostengünstiger und robuster sein.

„Das von uns verwendete GPS mit der niedrigsten Genauigkeit ist das LocSense 40-CM mit einer Genauigkeit von 5 Metern CEP (Circular Error Portable)“, erklärte Dao gegenüber PhysOrg.com . „Die CEP-Genauigkeit von 5 m bedeutet, dass die Hälfte der Datenpunkte innerhalb eines Kreises mit einem Radius von 5 Metern liegt, die Hälfte außerhalb dieses Kreises. Diese Genauigkeit entspricht 13 Metern in 2dRMS, wobei 95% der Datenpunkte innerhalb eines Radius von 13 Metern auftreten. Daher können alle GPS-Empfänger, die besser oder gleich wie der LocSense 40-CM sind, zur Fahrspurpositionierung verwendet werden. “

Wie die Forscher in ihrer Studie erläutern, sind GPS-Fehler aus mehreren Quellen häufig. Fehler können aufgrund der Geometrie sichtbarer Satelliten, atmosphärischer Effekte, Uhrfehler und vieler anderer Ursachen auftreten.

Die Wissenschaftler stellen jedoch fest, dass GPS-Empfänger, die relativ nahe beieinander liegen, viele der gleichen Fehler aufweisen. Dies bedeutet, dass, obwohl absolute Fahrzeugpositionen einen großen Fehler aufweisen können, die relative Position zwischen Fahrzeugen einen kleineren Fehler aufweist und eine genauere Position liefern kann als ein einzelner GPS-Empfänger.

Durch die Übermittlung von GPS-Daten zwischen Fahrzeugen, die in einem Abstand von etwa 300 Metern voneinander fahren, kann die genaue Fahrspur jedes Fahrzeugs bestimmt werden. Rettungsfahrzeuge können sogar mit Systemen ausgestattet sein, die eine Kommunikationsreichweite von bis zu 1 km haben.

Die beiden anderen Komponenten des Systems sind neben GPS ein Filter und ein Markov-Lokalisierungsalgorithmus. Der Filter minimiert das Messrauschen von verschiedenen GPS-Empfängern und verbessert die Gesamtqualität des Systems.

"Der schwierigste Teil ist das Entwerfen eines Filters, um das Empfängerrauschen effektiv zu unterdrücken, das die Vorhersagephase des Spurpositionierungssystems beeinflussen kann", erklärte Dao. "Wir haben dazu eine Kombination aus einem Butterworth-Tiefpassfilter und einem Partikelfilter verwendet, um dieses hohe Rauschen zu beseitigen."

Anschließend wandelt der Markov-Algorithmus die GPS-Daten in eine Fahrspurschätzung um, ohne dass Vorkenntnisse erforderlich sind. Der Algorithmus ist probabilistisch: Anstatt eine einzelne Hypothese für die Spur eines Fahrzeugs aufzustellen, behält der Markov-Algorithmus eine Wahrscheinlichkeitsverteilung über alle möglichen Spuren eines Fahrzeugs bei.

Um festzustellen, ob ein Fahrzeug die Spur gewechselt hat, berechnet das System die kürzeste Entfernung zwischen der aktuellen Positionsschätzung des Fahrzeugs und der vorhergesagten Fahrzeugbahn, die unter Verwendung von zwei vorherigen Positionsschätzungen berechnet wurde. Wenn der Abstand nahe Null ist, besteht eine geringe Wahrscheinlichkeit, dass das Fahrzeug die Fahrspur gewechselt hat.

Wenn der Abstand groß ist, wechselt das Fahrzeug entweder die Fahrspur oder es gibt eine Kurve auf der Straße. Der Spurfindungsalgorithmus kann zwischen diesen beiden Möglichkeiten unterscheiden, indem er den Straßenbogen schätzt, bei dem ein Spurwechsel keinen großen Bogen bilden würde. Wenn ein Fahrzeug auf einer gekrümmten Straße die Spur wechselt, kann das System dies erkennen, da die vorherige Position des Fahrzeugs nicht auf dem geschätzten Bogen liegt.

Die Forscher testeten das Gerät sowohl in Simulationen als auch in realen Fahrversuchen und zeigten dabei eine Genauigkeit zwischen 92 und 99%. Sie stellten auch fest, dass der Algorithmus manchmal vorhersehen konnte, wann ein Fahrzeug die Fahrspur wechseln würde, bevor das Fahrzeug den Wechsel abgeschlossen hatte. Sie testeten sogar die Fähigkeit des Systems bei niedrigen Geschwindigkeiten, indem sie die Fahrspuren von zwei Personen berechneten, die mit GPS-fähigen Laptops die Straße entlang gingen, und eine hohe Genauigkeit erzielten.

"Die Einschränkung des Systems liegt in der Tatsache, dass es nur GPS-Daten zur Schätzung von Fahrspurpositionen verwendet", sagte Dao. „Dies kann eine Herausforderung sein, wenn keine GPS-Daten verfügbar sind oder das GPS-Signal wie in einem langen Tunnel von großen Hindernissen vollständig blockiert wird. Eine mögliche Lösung für dieses Problem besteht darin, das GPS mit einem anderen Sensortyp, z. B. einer IMU, zu verschmelzen, bis die GPS-Daten wieder verfügbar sind. “

Ein Spurerkennungssystem könnte als Komponente eines intelligenten Transportsystems viele Vorteile haben. Beispielsweise kann ein Navigationssystem auf Fahrspurebene dem Fahrer empfehlen, auf welcher Fahrspur er ein Ziel erreicht, ohne in letzter Minute die Fahrspur wechseln zu müssen. Das System könnte auch die spurspezifischen Verkehrsbedingungen messen und den Fahrern raten, eine bestimmte Spur zu wählen, um Verkehrsstaus zu verringern. Sicherheit könnte eine weitere Möglichkeit sein. Das System warnt den Fahrer, wenn er auf einer Fahrspur abbiegt, und übernimmt bei Bedarf sogar autonom die Kontrolle über das Fahrzeug.

Weitere Informationen: Dao, Thanh-Son; Leung, Keith Yu Kit; Clark, Christopher Michael; und Huissoon, Jan Paul. "Markov-basierte Spurpositionierung unter Verwendung von Intervallfahrzeugkommunikation." IEEE-Transaktionen auf intelligenten Verkehrssystemen, Vol. 3, No. 8, Nr. 4, Dezember 2007.

Copyright 2007 PhysOrg.com.
Alle Rechte vorbehalten. Dieses Material darf ohne die ausdrückliche schriftliche Genehmigung von PhysOrg.com weder ganz noch teilweise veröffentlicht, gesendet, umgeschrieben oder weiterverbreitet werden.