Filtern
Erscheinungsjahr
- 2017 (5) (entfernen)
Dokumenttyp
Schlagworte
- Verkehrsteilnehmer (5) (entfernen)
Institut
In 2016 the seventh ESAR conference (Expert Symposium on Accident Research) was held in Hannover. ESAR is an international convention of experts, who analyze traffic accidents all over the world and discuss their results in this context, conducted at the Medizinische Hochschule Hannover every 2 years. It connected representatives of public authorities, engineers in automotive development and scientists and offers a forum with particular emphasis on In-Depth-Analyses of accident statistics and accident analyses. Special focus is placed on research on the basis of so-called "In-Depth-Accident-Investigations" [data collections at the sites of the accidents], which are characterized by extensive documentations of the sites of the accidents, of the vehicles as well as of the injuries, encompassing several scientific fields. ESAR aims at a multi-disciplinary compilation of scientific results and at discussing them on an international, scientific level. It is thus a scientific colloquium and a platform for exchanging information for all accident researchers. Experiences in accident prevention as well as in the complex field of accident reconstruction are stated and new research fields are added. Existing results of long-term research work in Europe, the US, Australia and Japan include different infrastructural correlations and give findings on population, vehicle population and driver characteristics, which offer a basis for recommendations to be derived and measures for increasing road safety.
Die Level kontinuierlicher Fahrzeugautomatisierung sind unter Fahrerassistenzexperten weithin bekannt und erleichtern das Verständnis. Sie können aber nicht Fahrzeugautomatisierung insgesamt zufriedenstellend beschreiben: Insbesondere temporär intervenierende Funktionen, die in unfallnahen Situationen eingreifen, können offensichtlich nicht nach dem Level kontinuierlicher Fahrzeugautomatisierung beschrieben werden. Diese beschreiben nämlich die zunehmende Aufgabenverlagerung vom Fahrer zur maschinellen Steuerung bei zunehmendem Automatisierungsgrad. Notbremsfunktionen, beispielsweise, sind offensichtlich diskontinuierlich und nehmen zugleich auf intensive Weise Einfluss auf die Fahrzeugsteuerung. Sie lassen sich gerade nicht sinnvoll nach dem Level kontinuierlicher Fahrzeugautomatisierung beschrieben. Das Ergebnis kann indes nicht zufriedenstellen. Die fehlende Sichtbarkeit dieser Funktionen wird ihrer Bedeutung für die Verkehrssicherheit nicht gerecht. Daher wird im Beitrag, um ein vollständiges Bild der Fahrzeugautomatisierung zu erlangen, ein umfassender Ansatz zur Beschreibung verfolgt, der sich auf oberster Ebene nach Wirkweise unterscheidet. Auf dieser Basis lassen sich sowohl informierende und warnende Funktionen als auch solche, die nur temporär in unfallgeneigten Situationen intervenieren, im Detail beschrieben. Das ermöglicht es, eine eigenständige Klassifikation für unfallgeneigte Situationen zu erstellen; dies kann für diese wichtigen Funktionen die eigenständige Sichtbarkeit herstellen, die ihrer Bedeutung gerecht wird.
Die Level kontinuierlicher Fahrzeugautomatisierung sind unter Fahrerassistenzexperten weithin bekannt und erleichtern das Verständnis. Sie können aber nicht Fahrzeugautomatisierung insgesamt zufriedenstellend beschreiben: Insbesondere temporär intervenierende Funktionen, die in unfallnahen Situationen eingreifen, können offensichtlich nicht nach dem Level kontinuierlicher Fahrzeugautomatisierung beschrieben werden. Diese beschreiben nämlich die zunehmende Aufgabenverlagerung vom Fahrer zur maschinellen Steuerung bei zunehmendem Automatisierungsgrad. Notbremsfunktionen, beispielsweise, sind offensichtlich diskontinuierlich und nehmen zugleich auf intensive Weise Einfluss auf die Fahrzeugsteuerung. Sie lassen sich gerade nicht sinnvoll nach dem Level kontinuierlicher Fahrzeugautomatisierung beschreiben. Das Ergebnis kann indes nicht zufriedenstellen: Die fehlende Sichtbarkeit dieser Funktionen wird ihrer Bedeutung für die Verkehrssicherheit nicht gerecht. Daher wird hier, um ein vollständiges Bild der Fahrzeugautomatisierung zu erlangen, ein umfassender Ansatz zur Beschreibung verfolgt, der auf oberster Ebene nach Wirkweise unterscheidet. Auf dieser Basis lassen sich sowohl informierende und warnende Funktionen als auch solche, die nur temporär in unfallgeneigten Situationen intervenieren, im Detail beschreiben. Das ermöglicht es, eine eigenständige Klassifikation für unfallgeneigte Situationen zu erstellen. Dies kann für diese wichtigen Funktionen die eigenständige Sichtbarkeit herstellen, die ihrer Bedeutung gerecht wird.
Das Projekt "RIVA" ist das Herzstück im AdSVIS-Forschungsprogramm. Im Zentrum von RIVA steht die Bewertung von Risiken des Klimawandels für das Bundesfernstraßennetz. Ein Risiko wird dabei als Funktion von Ursache und Wirkung verstanden. Das aus dem Klimawandel erwachsene Risiko für die Straßenverkehrsinfrastruktur wird durch ein hierarchisches Indikatorenmodell beschrieben und besteht aus vier Dimensionen: Klima, Vulnerabilität, Technische Wirkung und Kritikalität. Die entwickelte Methodik ermöglicht eine netzweite Risikoanalyse/-bewertung basierend auf regionalisierten Klimadaten und standardisierten Daten der Straßenverkehrsinfrastruktur. Komplexe Ursache-Wirkungs-Ketten (UWK) dienen der systematischen Erfassung typischer durch das Klima verursachter Schäden/Einschränkungen, aus welchen Schadensbildkategorien (SBK) abgeleitet werden. Die SBK ist die zentrale Bewertungseinheit der RIVA-Methodik und vereint typische durch ein bestimmtes Klimaereignis induzierte Schadensbilder eines Risikoelementes. Es wurden insgesamt 35 SBK (u.a. für Brücken, Tunnel, Fahrbahnen, Entwässerung, Verkehrsteilnehmer) bestimmt. Das für die beispielhafte Betrachtung entwickelte Pilotwerkzeug verwendet regionalisierte Klimaprojektionen für vier Betrachtungszeiträume. Die Bewertung erfolgt nach Streckenabschnitten. Damit lassen sich Risiken im Netz abschnittsgenau verorten, den wichtigsten Elementen der Straßeninfrastruktur zu- und nach ihrem grundsätzlichen Charakter einordnen. Die RIVA-Methodik ermöglicht eine Klassifizierung von Klimarisiken. Es lassen sich besonders gefährdete Streckenabschnitte im Netz identifizieren und erforderliche Maßnahmen priorisieren. RIVA leistet einen wichtigen Beitrag zur Diskussion von Anpassungsstrategien für die Straßenverkehrsinfrastruktur an den Klimawandel und ermöglicht eine effektive Entscheidungsfindung, um künftige Auswirkungen des Klimawandels auf die Infrastruktur zu vermeiden oder zumindest zu verringern.
Driver distraction
(2017)
This report for the Institute of Advanced Motorists (IAM) summarises recent research and knowledge from scientific studies about distracted driving. The report defines what it means to be "distracted" when driving, discusses the impact of distraction on driver behaviour and safety, and what can be done to reduce distracted driving. The focus of distraction discussed here relates to how drivers engage with technology when driving. The report begins with a background to driver distraction, followed by discussion about what is actually meant by driver distraction. It is then considered why humans cannot successfully do two things at the same time, particularly within the context of driving. The subsequent section summarises the scientific research findings to date with regard to driver distraction and technology, and how this affects different types of road user. Recommendations for how driver distraction can be mitigated in the real world and a summary conclude the report. Responses to common questions raised by drivers are presented in Appendix A.