Verfahren zur vorkollisionären Prognose der zu erwartenden Unfallschwere von Fahrzeugfrontalkollisionen

Die kontinuierlich steigenden Anforderungen an die Fahrzeugsicherheit haben zur Entwicklung unfalladaptiver Sicherheitssysteme geführt. Diese ermöglichen eine noch bessere Anpassung an Unfallsituationen, benötigen dafür jedoch häufig eine Unfallschwereprognosefunktion, die schnell und mit hoher Güte die Unfallschwere bereits vor einer Kollision mit Daten der Umfeldsensorik vorhersagen kann. Ausgehend von Grundlagen der Fahrzeugsicherheit wird in dieser Arbeit eine Systemübersicht über die grundlegende Funktionsweise einer solchen Funktion gegeben. Anschließend wird ein Prozess vorgestellt, in dem erstmalig unter Nutzung maschineller Lernverfahren aus Finite-Elemente-Simulationen automatisch Unfallschwereprognosefunktionen gelernt werden. Neben dem Vergleich optimierter Algorithmen, werden die so erzeugten Klassifikatoren und Regressionsmodelle umfassend evaluiert und analysiert. So wird neben Sensitivitätsanalysen der besten Modelle auch eine mathematische Interpretation einer automatisch gelernten Unfallschwereprognosefunktion durchgeführt. Abschließend wird in Kombination mit einem neuen, unfalladaptiven Sicherheitssystem gezeigt, dass diese Funktion nicht nur die definierten Anforderungen erfüllt, sondern auch die Fahrzeugsicherheit deutlich steigern könnte.