Vorausschauende Crasherkennung und Crashparameterprädiktion mittels Unvermeidbarkeitsmodell für die Aktivierung irreversibler Schutzsysteme in Fahrzeugen vor dem Kollisionszeitpunkt

Zusammenfassung Zukünftige adaptive Rückhaltestrategien benötigen verlässliche Entscheidungen bereits vor dem Aufprall. Diese Dissertation zeigt, wie PreCrash-Sicherheitssysteme durch Umfeldsensorik unvermeidbare Kollisionen erkennen und irreversiblen Insassenschutz vorausschauend aktivieren können. Dazu werden Systemarchitektur und Anforderungen abgeleitet. Kernbeitrag ist ein Modell- und Methodenbaukasten zur Unvermeidbarkeitsbestimmung und Crashparameterprädiktion, einschlieβlich Sensitivitätsanalysen zur Quantifizierung von Toleranzeinflüssen und zur Ableitung von Sensoranforderungen. Ein darauf aufbauendes Prädiktions- und Kollisionserkennungsverfahren ermöglicht Aussagen über Crashkonstellationen sowie über den frühestmöglichen Zeitpunkt einer Auslöseentscheidung. Die Umsetzung in Echtzeit und erste integrale Crashversuche belegen die prinzipielle Eignung für reale Anwendungen.

Authors

Institutions

Publication Details

Journal
at - Automatisierungstechnik
Published
2026-05-01
DOI
https://doi.org/10.1515/auto-2025-0138
Primary Topic
Autonomous Vehicle Technology and Safety
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Vorausschauende Crasherkennung und Crashparameterprädiktion mittels Unvermeidbarkeitsmodell für die Aktivierung irreversibler Schutzsysteme in Fahrzeugen vor dem Kollisionszeitpunkt

Robert Lugner
at - Automatisierungstechnik
Autonomous Vehicle Technology and Safety
article

Vorausschauende Crasherkennung und Crashparameterprädiktion mittels Unvermeidbarkeitsmodell für die Aktivierung irreversibler Schutzsysteme in Fahrzeugen vor dem Kollisionszeitpunkt

Robert Lugner
article en

Abstract

Zusammenfassung Zukünftige adaptive Rückhaltestrategien benötigen verlässliche Entscheidungen bereits vor dem Aufprall. Diese Dissertation zeigt, wie PreCrash-Sicherheitssysteme durch Umfeldsensorik unvermeidbare Kollisionen erkennen und irreversiblen Insassenschutz vorausschauend aktivieren können. Dazu werden Systemarchitektur und Anforderungen abgeleitet. Kernbeitrag ist ein Modell- und Methodenbaukasten zur Unvermeidbarkeitsbestimmung und Crashparameterprädiktion, einschlieβlich Sensitivitätsanalysen zur Quantifizierung von Toleranzeinflüssen und zur Ableitung von Sensoranforderungen. Ein darauf aufbauendes Prädiktions- und Kollisionserkennungsverfahren ermöglicht Aussagen über Crashkonstellationen sowie über den frühestmöglichen Zeitpunkt einer Auslöseentscheidung. Die Umsetzung in Echtzeit und erste integrale Crashversuche belegen die prinzipielle Eignung für reale Anwendungen.

at - AutomatisierungstechnikVol. 74(5)
Technische Hochschule Ingolstadt (DE)
Openalex Percentile: Top 9%
Autonomous Vehicle Technology and Safety
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.