Regressionsmodelle zur Berücksichtigung von Fahrerindividualität in der kognitiven Fahrerverhaltensmodellierung

Im Rahmen der Entwicklung assistierter und automatisierter Fahrfunktionen ist die Erhöhung der Verkehrssicherheit ein gemeinsames Bestreben aller Beteiligten (u.a. von Automobilherstellern, Kunden, der Bundesregierung und unabhängigen Testinstituten). Die Methode der agentenbasierten Verkehrssimulation zur gesamthaften Bewertung der Sicherheit dieser Funktionen rückt dabei zunehmend in den Fokus der verfügbaren Testwerkzeuge. Zur adäquaten Simulation des Straßenverkehrs werden valide Modelle für den Fahrer, die Verkehrsumgebung und das Fahrzeug benötigt. Insbesondere die Modellierung menschlichen Fahrerverhaltens stellt eine zentrale Herausforderung dar, die auch die Berücksichtigung von Fahrerindividualität verlangt. Der Einfluss inter- und intraindividueller Fahrereigenschaften wird im Rahmen dieser Dissertation mithilfe von Fahrsimulatorstudien und Realfahrversuchen empirisch untersucht und anhand von Regressionsmodellen quantifiziert. Dabei werden demographische Eigenschaften wie das Alter, das Geschlecht sowie die Fahrroutine, Persönlichkeitseigenschaften wie Sensation Seeking, Risikobereitschaft und Driving Anger sowie veränderliche Fahrerzustände wie Müdigkeit und Stress berücksichtigt. Korrelationen zwischen Fahrerindividualität und stochastischen Verhaltensparametern werden analysiert und anhand von Regressionsanalysen gewichtet.