Schon heute tragen Fahrerassistenzsysteme einen maßgeblichen Teil zur Verkehrssicherheit bei, der im Zuge steigender Fahrzeugautomatisierung zukünftig weiter an Bedeutung gewinnen wird. Die Daimler Truck AG ist dabei mit Systemen wie dem Notbremsassistenten, Abbiegeassistenten und Spurhalteassistenten Vorreiter im Bereich der Nutzfahrzeuge.

Der steigende Funktionsumfang sowie die Funktionstiefe erfordern neue Ansätze zur Absicherung der Systeme, sodass simulative Testumfänge zukünftig deutlich zunehmen. Ein zentraler Bestandteil zukünftiger Absicherungsstrategien stellt dabei der szenariobasierte Ansatz dar, bei dem aus abstrakten logischen Szenarien systematisch konkrete Fahrszenarien zum Test des Systems in unterschiedlichen X-in-the-Loop-Testumgebungen abgeleitet werden.

Ziel dieser Abschlussarbeit ist die Evaluation von Szenario-Distanzmaßen sowie die Implementierung eines Algorithmus zum Sampling und Clustering konkreter Szenarien zum Test in XiL-Umgebungen. Zunächst sollen hierbei über einen deterministischen Sampling-Algorithmus Testfälle in einer SiL-Umgebung generiert und ausgeführt werden. Die dabei aufgezeichneten Szenario-Daten sollen mithilfe von existierenden Clustering-Verfahren strukturiert werden. Dabei sollen verschiedene Szenario-Distanzmaße evaluiert werden.

Die folgenden Aufgabenpakete sind angedacht:

• Literaturrecherche zur szenariobasierten Absicherung von Fahrerassistenzsystemen und zu (Szenario-)Distanzmaßen
  
• Implementierung eines deterministischen Sampling-Algorithmus zur Generierung von konkreten Szenarien aus logischen Szenarien
  
• Selektion/Definition von geeigneten Distanzmaßen für konkrete Szenarien
  
• Konzeption und Implementierung eines Clustering-Algorithmus für konkrete Szenarien
  
• Definition/Selektion eines repräsentativen Szenarios für jedes Cluster
  
• Dokumentation der Arbeitsergebnisse