Analyse und Bewertung der Eignung von Eco-In-terfaces in Elektrofahrzeugen auf Basis von Si-cherheitsmetriken und Machine-Learning-Algorithmen

Die vorliegende Arbeit untersucht, ob der Einsatz von Eco-Interfaces eine sichere und energieeffiziente Fahrweise in Elektrofahrzeugen ermöglichen kann, ohne dabei die be-stehende Fahrsicherheit zu beeinträchtigen. Dazu werden Sicherheitsmetriken und Ma-chine-Learning-Algorithmen genutzt, um das Fahrverhalten zu analysieren und Unter-schiede zwischen sicheren und unsicheren Fahrweisen zu identifizieren.
Zunächst erfolgt eine literaturbasierte Analyse von sicherheitsrelevanten Fahrcharakte-ristiken zusammen mit der Messbarkeit der Fahrsicherheit. Im Zuge dessen erfolgt eine Definition von Metriken auf Grundlage der Analyse sowie eine theoretische Bewertung von Eco-Interfaces anhand des SEEV-Modells bezüglich ihres Ablenkungspotenzials. An-schließend werden die Metriken implementiert und auf Grundlage von BeamNG evalu-iert. Ergänzend wird das Fahrverhalten einer Fahrsimulator-Studie anhand der Metriken sowie der erfassten Eye-Tracking-Daten analysiert. Hierbei werden Hypothesentests durchgeführt, um signifikante Unterschiede in der Fahrsicherheit bei Nutzung von zwei Eco-Interfaces zu bestimmen.
Die Ergebnisse zeigen, dass bestimmte Metriken, wie Time To Collision, Time To Brake und die Überschreitung der Mittellinie, sich besonders gut für die Feststellung sicher-heitskritischer Fahrstile eignen. Gleichzeitig konnten keine signifikant höheren Met-rikausschläge bei Nutzung eines der Interfaces nachgewiesen werden. Darüber hinaus wird der Einsatz von Machine-Learning-Algorithmen in Form von Classifiern zur Vorher-sage von Fahrsicherheit untersucht. Der Support Vector Classifier (SVC) erzielte hierbei die höchste Genauigkeit (95.87 %), wobei Overfitting durch begrenzte Trainingsdaten ein zentrales Problem darstellt.
Diese Arbeit umfasst die Zusammenstellung der identifizierten Fahrcharakteristiken, die Entwicklung und Überprüfung geeigneter Metriken sowie deren Anwendung auf einen Datensatz. Die Ergebnisse bieten zudem die Grundlage, weitere Eco-Interfaces hinsicht-lich ihres Ablenkungspotenzials mithilfe der Metriken zu bewerten.