< Zurück   INHALT   Weiter >

17.3 Grundlagen zur Unfalldatenauswertung

17.3.1 Erhebungstiefe versus Fallzahlen

Die Aussagekraft von Unfalldaten in Bezug auf Sicherheitspotenziale variiert deutlich, da die Daten unterschiedlich erhoben werden. Sogenannte In-Depth-Erhebungen werden meist in Zusammenarbeit mit qualifizierten interdisziplinären Teams durchgeführt. Besonders fundierte Ergebnisse sind durch gemeinsame Einzelfallanalysen von Funktionsentwicklern, Sachverständigen für Unfallanalyse, Medizinern und Verkehrspsychologen erreichbar. Bei einer derartigen Erhebungstiefe bestehen allerdings meist Einschränkungen aufgrund geringerer Fallzahlen, sodass die statistische Aussagekraft oft gering ist.

Auswertungen von Unfalldatenbanken erlauben Rückschlüsse auf Maßnahmen zur Erhöhung der Verkehrssicherheit. Die detaillierte Unfallanalyse inklusive Unfallrekonstruktion umfasst sowohl die Rückrechnung von Geschwindigkeiten mithilfe der Unfallspuren als auch die Untersuchung der Unfallentstehung, Betrugsaufklärung sowie Betrachtungen zur Vermeidbarkeit und Biomechanik. Eine darauf basierende Potenzialbewertung zukünftiger Systeme setzt jedoch die umfangreiche Kenntnis vorgegebener Rahmenbedingungen voraus.

Bislang entstanden zukunftsweisende Ideen zur Erhöhung der Fahrzeugsicherheit vor allem durch die Kombination von Unfallanalysen, bestehenden Erfahrungen und umfassenden Forschungstätigkeiten. Unfallforschung ist eine Möglichkeit, die Effizienz bestehender und den Bedarf an neuen automatisierten Fahrzeugfunktionen zur Erhöhung der Sicherheit zu ermitteln. Im Weiteren werden Grundbegriffe zur Unfalldatenauswertung erklärt.

17.3.2 Aussagekraft von Wirkfeldern im Vergleich zu Effektivfeldern

Beim Vergleich verschiedener Unfalldatenanalysen ist die Art der Datengewinnung und die Art der Datenverarbeitung zu unterscheiden. Oft werden jedoch unter optimalen Bedingungen angenommene Wirkfelder mit Effektivfeldern unter realen Bedingungen vermischt.

Ein Wirkfeld (area of action) umfasst die Unfälle, auf die ein System Einfluss haben kann. Das Wirkfeld kann je nach Präzisierung der Spezifikation eines Systems unterschiedlich ausfallen. Im Ergebnis stellt es eine erste Abschätzung für ein maximal erreichbares Potenzial der betrachteten Automatisierungsstufe dar. Dagegen ist die tatsächlich resultierende Effizienz einer Funktion in der Regel deutlich geringer. Bei der Effizienz handelt es sich um die Wirkung, die ein spezifiziertes System tatsächlich hat. Sie wird entweder am Unfallgeschehen nachgewiesen (a posteriori) oder durch eine Simulation vorhergesagt (a priori).

Die Ermittlung eines Effektivfeldes (area of efficiency) erfordert somit eine genaue Kenntnis über:

• die Systemspezifikation mit entsprechenden Funktionsgrenzen und

• das Verhalten des Fahrers.

Der Wirkgrad (degree of efficiency) hingegen beschreibt den prozentualen Anteil, der die relative Effizienz einer Funktion zum Ausdruck bringt und immer von dem nicht eindeutigen Begriff des Wirkfelds abhängig ist [18]:

17.3.3 Sicherheitspotenzial in Abhängigkeit von Automatisierungs- und Wirkungsgrad

Einige Potenzialanalysen zum Sicherheitseinfluss auf der Basis von Unfalldatenbanken betrachten das oben beschriebene, maximal anzunehmende Wirkfeld. Dagegen kommen Wirkgradanalysen der Realität näher, denn sie schätzen ein Effektivfeld für den tatsächlichen Nutzen ein [18]. Der resultierende Sicherheitsnutzen automatisierter Fahrzeuge ergibt sich allerdings erst, nachdem alle Risiken berücksichtigt wurden. Der Nutzen entspricht der Verminderung der Unfallhäufigkeiten bzw. Unfallschwere. Neue Risiken bestehen im Hinblick auf bislang nicht existierende Unfälle, die mit einer zunehmenden Automatisierung entstehen können.

Abb. 17.2 Verbraucher bewerten das Sicherheitspotenzial subjektiv, indem sie wahrgenommene Risiken und den Nutzen kontextbezogen gegeneinander abwägen. Risiken hängen vom Automatisierungsgrad, der Nutzen vom Wirkungsgrad ab. Unfalldatenanalysen sowie Risikomanagement (s. Kap. 28) ermöglichen Objektivierung (s. Kap. 30) und Optimierung

Die Theorie der erfinderischen Problemlösung (TRIZ) definiert die Anforderungen einer idealen Maschine über die Formel für das Ideale Endresultat mit einem unbegrenzten Nutzen ohne Kosten und Schäden [19]:

Betrachtet man einerseits den tatsächlichen Gesamtnutzen im Hinblick auf das verbraucherrelevante Sicherheitspotenzial automatisierter Fahrzeuge, so steigt dieser entsprechend dem Wirkungsgrad bis zum maximalen „Effektivfeld“ an (Nachweis über Unfalldatenanalyse und Funktionskenntnis). Andererseits können die Risiken in Abhängigkeit vom Automatisierungsgrad („Driver“ versus „Robot“) ansteigen. Diese reduzieren wiederum den tatsächlichen Nutzen für die Sicherheit (s. Abb. 17.2). Zur Minimierung möglicher Risiken erfolgt vonseiten des Herstellers ein Risikomanagement (s. Kap. 28) unter Einbeziehung von Unfalldaten.

 
< Zurück   INHALT   Weiter >