Für die Funktion von ADAS (Advanced Driver Assistance Systeme) oder in der Zukunft völlig autonomen Fahrzeugen sind zuverlässige und exakte Angaben über die genaue Position, Geschwindigkeit und Zeit des Fahrzeuges entscheidend. Geliefert werden diese Daten von den globalen Satellitennavigationssystemen (GNSS).
Mit Hilfe zusätzlicher Korrekturmethoden kann die Position im dreidimensionalen Raum auf einige Dezimeter genau bestimmt werden. Darüber hinaus werden eine Vielzahl verschiedener Sensoren, darunter optische, wie LIDAR und RADAR, zur Erkennung von Hindernissen und Straßenmarkierungen eingesetzt. GNSS-Ortungs- und Bewegungsdaten können über drahtlose Datenverbindungen mit anderen Fahrzeugen (Car2Car) ausgetauscht oder an eine übergeordnete Infrastruktur gesendet werden ( Car2X). So können potentielle Unfälle frühzeitig verhindert werden, es sind keine drastischen Bremsmanöver mehr nötig, und auch die Entstehung von Staus wird immer seltener. Mithilfe der Flottensteuerungstechnik gelingt es sogar, Fahrzeuge zu erkennen, die für den Fahrer nicht sichtbar sind, weil sie beispielsweise in Kurven von Bauten oder einer Bepflanzung verdeckt werden. Die Weiterentwicklung von ADAS Systemen und immer autonomer funktionierenden Fahrzeugen führt zu mehr Sicherheit und höherer Effizienz im Straßenverkehr.
Um die Sicherheit von ADAS und autonomem Fahren zu gewährleisten, müssen Millionen von Testkilometern auf unterschiedlichen Straßen in verschiedenen Umgebungen gefahren werden. Es kann hier nicht vom idealen GNSS-Empfang ausgegangen werden. Insbesondere in Stadtzentren und Berggebieten kann der Navigationsdatenempfang durch die Abdeckung von Signalen durch Gebäude, Brücken, die Vegetation oder Berge gestört sein. Hinzu kommen Beeinträchtigungen durch GNSS-Signale, die auf ebenen und gebogenen Flächen reflektiert werden (multipath).
Darüber hinaus gibt es zusätzliche Störquellen, die GPS/GNSS-Empfänger potenziell blockieren, stören oder verfälschen können, insbesondere auf und direkt neben Autobahnen und in Städten. Das Testen ist in der Regel sehr zeitraubend und kostspielig wenn alle erforderlichen Kilometer tatsächlich gefahren werden müssen.
Um Kosten und Zeit einzusparen und auch die Sicherheit während der Tests für beteiligte und unbeteiligte Personen zu erhöhen, ist es effizienter, die GPS/GNSS- und Interferenzsignalumgebung und auch die Steuerung der autonomen Fahrzeuge realistisch zu simulieren.
Einen solchen Simulationsaufbau für die Navigation und Ortung von Connected Autonomous Vehicles (CAV) hat Spirent Communications plc, der englische Spezialist für GNSS-Simulatoren realisiert. Mittels Simulatoren können Tests von autonomen Fahrzeugen oder Drohnen im Labor durchgeführt werden. Die Vorteile liegen auf der Hand: ohne Gefahr für Unbeteiligte lassen sich so wiederholbare Tests auch in originalgetreu simulierten bewohnten Umgebungen durchführen, also dort, wo die Fahrzeuge schließlich auch eingesetzt werden sollen - und Kosten lassen sich dabei auch einsparen.
Zum Einsatz kommt einiges an hochkarätiger Technik. Die Basis bildet ein dSPACE Scalexio Rechensystem, das speziell für HIL (Hardware-in-the-loop) Projekte entwickelt wurde. Die Satellitendaten liefert ein Spirent GNSS Simulator. Die Fahrzeugsimulation übernimmt IPG CarMaker, eine Software für den virtuellen Test von PKW und leichten Nutzfahrzeugen. Sollen Drohnen und Drohnen-Schwärme virtuell getestet werden, kommt Microsoft AirSim zum Einsatz, eine open-source, cross-platform Drohnen-Simulationssoftware auf Basis der Spiele-Engine "Unreal Engine". Die durch Navigationsdaten gestützten Testfahrten werden mit Spirents Testszenario Software SimGEN erstellt. Für den letzten Schliff bei einer realistischen Signaldarstellung sorgt die 3D-Simulationssoftware SE-NAV der französischen Firma Oktal-SE. SE-NAV berücksichtigt Verfälschungen der Satellitensignale durch Reflexion, Ablenkung und Beugung auf umgebenden Oberflächen. Die Zusammenarbeit zwischen der GNSS Simulator Software SimGEN und der Fahrzeug oder Drohnen Simulator Software übernimmt Spirents SimREMOTE, ein für diesen Zweck erstelltes Interface.
Dieser Simulationsaufbau ermöglicht real-time Tests von Fahrzeugen, Flugzeugen oder Drohnen und die Analyse deren Bewegungs- oder Flugbahn, auch in kritischen Umgebungen - ohne das Labor zu verlassen.
Mit Hilfe zusätzlicher Korrekturmethoden kann die Position im dreidimensionalen Raum auf einige Dezimeter genau bestimmt werden. Darüber hinaus werden eine Vielzahl verschiedener Sensoren, darunter optische, wie LIDAR und RADAR, zur Erkennung von Hindernissen und Straßenmarkierungen eingesetzt. GNSS-Ortungs- und Bewegungsdaten können über drahtlose Datenverbindungen mit anderen Fahrzeugen (Car2Car) ausgetauscht oder an eine übergeordnete Infrastruktur gesendet werden ( Car2X). So können potentielle Unfälle frühzeitig verhindert werden, es sind keine drastischen Bremsmanöver mehr nötig, und auch die Entstehung von Staus wird immer seltener. Mithilfe der Flottensteuerungstechnik gelingt es sogar, Fahrzeuge zu erkennen, die für den Fahrer nicht sichtbar sind, weil sie beispielsweise in Kurven von Bauten oder einer Bepflanzung verdeckt werden. Die Weiterentwicklung von ADAS Systemen und immer autonomer funktionierenden Fahrzeugen führt zu mehr Sicherheit und höherer Effizienz im Straßenverkehr.
Um die Sicherheit von ADAS und autonomem Fahren zu gewährleisten, müssen Millionen von Testkilometern auf unterschiedlichen Straßen in verschiedenen Umgebungen gefahren werden. Es kann hier nicht vom idealen GNSS-Empfang ausgegangen werden. Insbesondere in Stadtzentren und Berggebieten kann der Navigationsdatenempfang durch die Abdeckung von Signalen durch Gebäude, Brücken, die Vegetation oder Berge gestört sein. Hinzu kommen Beeinträchtigungen durch GNSS-Signale, die auf ebenen und gebogenen Flächen reflektiert werden (multipath).
Darüber hinaus gibt es zusätzliche Störquellen, die GPS/GNSS-Empfänger potenziell blockieren, stören oder verfälschen können, insbesondere auf und direkt neben Autobahnen und in Städten. Das Testen ist in der Regel sehr zeitraubend und kostspielig wenn alle erforderlichen Kilometer tatsächlich gefahren werden müssen.
Um Kosten und Zeit einzusparen und auch die Sicherheit während der Tests für beteiligte und unbeteiligte Personen zu erhöhen, ist es effizienter, die GPS/GNSS- und Interferenzsignalumgebung und auch die Steuerung der autonomen Fahrzeuge realistisch zu simulieren.
Einen solchen Simulationsaufbau für die Navigation und Ortung von Connected Autonomous Vehicles (CAV) hat Spirent Communications plc, der englische Spezialist für GNSS-Simulatoren realisiert. Mittels Simulatoren können Tests von autonomen Fahrzeugen oder Drohnen im Labor durchgeführt werden. Die Vorteile liegen auf der Hand: ohne Gefahr für Unbeteiligte lassen sich so wiederholbare Tests auch in originalgetreu simulierten bewohnten Umgebungen durchführen, also dort, wo die Fahrzeuge schließlich auch eingesetzt werden sollen - und Kosten lassen sich dabei auch einsparen.
Zum Einsatz kommt einiges an hochkarätiger Technik. Die Basis bildet ein dSPACE Scalexio Rechensystem, das speziell für HIL (Hardware-in-the-loop) Projekte entwickelt wurde. Die Satellitendaten liefert ein Spirent GNSS Simulator. Die Fahrzeugsimulation übernimmt IPG CarMaker, eine Software für den virtuellen Test von PKW und leichten Nutzfahrzeugen. Sollen Drohnen und Drohnen-Schwärme virtuell getestet werden, kommt Microsoft AirSim zum Einsatz, eine open-source, cross-platform Drohnen-Simulationssoftware auf Basis der Spiele-Engine "Unreal Engine". Die durch Navigationsdaten gestützten Testfahrten werden mit Spirents Testszenario Software SimGEN erstellt. Für den letzten Schliff bei einer realistischen Signaldarstellung sorgt die 3D-Simulationssoftware SE-NAV der französischen Firma Oktal-SE. SE-NAV berücksichtigt Verfälschungen der Satellitensignale durch Reflexion, Ablenkung und Beugung auf umgebenden Oberflächen. Die Zusammenarbeit zwischen der GNSS Simulator Software SimGEN und der Fahrzeug oder Drohnen Simulator Software übernimmt Spirents SimREMOTE, ein für diesen Zweck erstelltes Interface.
Dieser Simulationsaufbau ermöglicht real-time Tests von Fahrzeugen, Flugzeugen oder Drohnen und die Analyse deren Bewegungs- oder Flugbahn, auch in kritischen Umgebungen - ohne das Labor zu verlassen.
