Artificial Intelligence for real-time injury prediction (ATTENTION)

Abstract

Urbaner Verkehr ist gekennzeichnet durch begrenzte Verkehrsflächen, variierende Verkehrsströme und unterschiedliche Verkehrsteilnehmer. Trotz zunehmender Automatisierung und Vernetzung des Verkehrs stellt die Mehrfachnutzung von Verkehrsflächen für ungeschützte Verkehrsteilnehmer (VRU, engl. Vulnerable Road Users) aktuell und langfristig ein großes Risiko dar. Um den automatisierten Verkehr so sicher wie möglich zu gestalten, muss die Verletzungsschwere besonders gefährdeter Kollisionspartner bei unvermeidbaren Unfällen bestmöglich reduziert werden. Ziel des Projekts ATTENTION ist es eine Methode zur Echtzeit-Verletzungsprognose von VRU zu entwickeln. Hierzu werden datengetriebene KI-Verfahren genutzt, um aus fahrzeuggebundenen Videodaten und virtuellen Tests mit Hilfe digitaler Menschmodelle ein situationsspezifisches Verletzungsrisiko zu bestimmen. Prospektiv ermöglicht die Verletzungsprognose durch Strategien der Risikominimierung des automatisierten Fahrzeugs einen sowohl sicheren als auch effizienten Verkehr.

Urban traffic is characterized by limited traffic areas, varying traffic flows and different road users. Despite increasing automation and connectivity of traffic, the multiple use of traffic areas for unprotected road users (VRU) is currently and in the long term a major risk. To make automated driving as safe as possible, the injury severity particularly of vulnerable collision partners must be reduced in the best possible way in the event of an unavoidable accident. The aim of the project ATTENTION is to develop a method for real-time injury prognosis of VRU. For this purpose, data-driven AI methods are used to determine a situation-specific risk of injury from vehicle-related video data and virtual tests using digital human models. Prospectively, the injury prognosis enables both safe and efficient traffic through strategies of risk minimization of the automated vehicle.