Trotz rückläufiger Unfallzahlen sterben in Deutschland jährlich noch immer über 3.000 Menschen im Straßenverkehr. Diese Zahl weiter zu senken sowie die Schwere von Unfällen zu vermindern, liegt im allseitigen gesellschaftlichen Interesse und rückt durch das autonome Fahren ein Stück näher. Wissenschaftlerinnen und Wissenschaftler des Fraunhofer-Instituts für Kurzzeitdynamik, Ernst-Mach-Institut (EMI), arbeiten an prognosefähigen Verkehrssimulationen, die die steigende Komplexität des Straßenverkehrs durch automatisierte Fahrfunktionen berücksichtigen.

Im künftigen Verkehrsgeschehen mischen sich konventionelle und autonome Fahrzeuge. Die Erprobung letzterer im Hinblick auf die Minimierung von Unfallzahlen bedeutet einen erheblichen zeitlichen und wirtschaftlichen Aufwand: Ein autonomes Fahrzeug müsste statistisch gesehen über 210 Milliarden Kilometer zurücklegen, um beispielsweise den Nachweis zu erbringen, nur halb so viele Unfälle wie ein menschlich gesteuertes Fahrzeug zu verursachen. Hier soll ein von der Daimler und Benz Stiftung gefördertes Forschungsprojekt unterstützen. „Verkehrssimulationsmodell als Grundlage für die Prognose von Verkehrsunfallstatistiken im zukünftigen Verkehrsgeschehen“ lautet der Titel eines Forschungsprojekts am Fraunhofer EMI in Freiburg. Das Promotionsvorhaben gliedert sich in drei Schwerpunktthemen: Die Wissenschaftlerinnen und Wissenschaftler wollen eine Datenbasis erstellen, die den Realverkehr statistisch präzise erfasst und eine valide Grundlage für Simulationsmodelle aller Verkehrsszenarien bildet. Parallel dazu werden vorhandene Simulationsmodelle untersucht und gegebenenfalls weiterentwickelt. Am Ende der Projektlaufzeit soll ein semi-automatisiertes Optimierungsverfahren bereitstehen, das Realdaten und simulierte Verkehrsdaten statistisch vergleicht und darauf aufbauend das Verkehrsfluss-Simulationsmodell optimiert, um realen Verkehr statistisch valide und ganzheitlich zu simulieren. Erstmals wäre es dann möglich, allein aus der Beobachtung und Analyse von Verkehrssituationen die Wahrscheinlichkeit für Unfälle im konventionellen Straßenverkehr sowie im Mischverkehr mit autonomen Fahrzeugen verlässlich sowie zeit- und kosteneffizient vorherzusagen.