Neuronale Netzwerke im Autoverkehr

Gerade habe ich diesen Artikel (Proposing Cooperative Maneuvers Among Automated Vehicles Using Machine Learning) des Frauenhofer Institutes in Kooperation mit BMW gelesen zum Thema Machine Learning bei, verkürzt ausgedrückt, autonomen Überholmanövern.

Dieser Artikel hat mich zu der Frage gebracht warum? Ich sehe für den zukünftigen (elektrifizierten) Autoverkehr das Ziel, dass mich ein Fahrzeug ohne mein Zutun möglichst ökologisch, aber auch schnell von A nach B bringt. Bei dem Thema schnell ergibt sich eine Fahrgeschwindigkeit mit potentiellen Zwischenstops zum Aufladen oder Pausieren. Aktuell liegt der Erfahrungswert bei ca. 130km/h. Lassen wir das so stehen und betrachten den ökologischen / energetischen Aspekt.

Am günstigsten ist, wenn sich Fahrzeuge gleichmäßig in einer Kolonne bewegen und dabei der Windschatten genutzt werden kann. In einer solchen Kolonne hat das erste Fahrzeug die meiste Leistung zu vollbringen, so dass seine Reichweite am stärksten sinkt. Deshalb ist es günstig die Positionen hin und wieder zu wechseln. Man sieht dies gut bei der Sportart (Bahn-) Radfahren. Da lässt sich der Erste auch immer wieder ein bisschen zurückfallen, damit die Kameraden die Windschattenerzeugung übernehmen. Dieses Widerspricht der aktuellen Verkehrsordnung, denn das erste Fahrzeug müsste auf die zweite Spur wechseln und die Kolonne rechts vorbei fahren, damit es sich weiter hinten wieder einordnen kann. Hierzu muss das Fahrzeug geringfügig langsamer werden, so dass die Kolonne selbst die Geschwindigkeit nicht reduziert. Da sich das Fahrzeug nicht unendlich zurückfallen lassen muss, müsste mal eine sinnvolle Kolonnengröße untersucht werden. Dazu muss man berechnen, wie lange ein Fahrzeug die Führung beibehalten sollte, bis es zu viel Energie verloren hat. Gleichzeitig sollte das vorherige Führungsfahrzeug sich in dem Moment hinten anhängen, wenn das aktuelle Führungsfahrzeug seine Position verlässt. Das wäre mal ein spannendes Thema für eine Diplomarbeit.

Das zweite spannende Element der Studie ist die Kommunikation unter den Autos selbst. Ich selber halte das für einen Irrweg aus folgenden Gründen. Erstens dauert es noch Jahrzehnte, bis alle Kraftfahrzeuge autonom oder halbautonom unterwegs sein werden. Zweitens gibt es so viele KfZ Hersteller, dass eine Einigung auf ein entsprechendes Protokoll länger dauert als die Gültigkeit eines solchen Protokolls. Gut, dass ist vielleicht etwas schwarz gemalt und man könnte das Logistiktransportprotokoll EANCOM als Ideenbasis nutzen.

Mein Ansatz wäre ein anderer, wie generell beim Autonomen Fahren. Das Ziel muss sein, dass die Fahrzeuge ohne irgendeine Außenkommunikation unterwegs sein können und auch ohne exakte Karten. Die zu haben ist toll, aber der Mensch hat auch keine Karte an der er sich zentimetergenau orientiert. Vielmehr muss die Umgebungswahrnehmung optimiert werden, wo die Technik durch Infrarot, Lidar, Radar bereits viel mehr Möglichkeiten besitzt. Anhand der Umgebung muss ein Fahrzeug das lernen, was gute Autofahrer auch machen, nämlich vorausschauend und rücksichtsvoll fahren. Damit muss ein schnell fahrendes Auto in der Lage sein zu erkennen, dass weiter vorne vermutlich gleich ein anderes Fahrzeug ausscheren wird, weil es auf den LKW aufläuft. Ich glaube auch, dass eine KI diese Dinge viel besser beherrschen wird, als der Großteil der Autofahrer. Damit wird das Gesamtsystem Verkehr auch in die Lage versetzt mit hochtechnisierten und von Menschen gesteuerten Situationen zurecht zu kommen.

Also, meine Idee ist, dass die Fahrzeuge “menschlicher” werden und damit lernen mit allen Situationen zurecht zu kommen. Dabei müsste man ein Lernsystem für Fahrzeuge entwickeln mit denen jeder Autohersteller zurecht kommen muss. Wie bei einer Führerscheinprüfung. Alles Andere sind interessante Teilaspekte, die mit zu berücksichtigen sind, aber meiner Ansicht nach zu starken technischen Vorgaben folgen.