Erfassung und Klassifizierung von Fahrbahnnässe über ein Array aus kapazitiven Messwertaufnehmern

Die bei Fahrbahnnässe geringere Reibung zwischen den Reifen eines Fahrzeugs und der Fahrbahnoberfläche erhöht das Unfallrisiko signifikant. Dabei korreliert das Niveau der Reibungsminderung mit der Höhe des fahrbahnbedeckenden Wasserfilms. Die Kenntnis über den gegenwärtigen Nässegrad ist daher von Relevanz, um Fahrer oder automatisierte Systeme vor potenziellen Gefahrensituationen zu warnen. Um einen Beitrag zur Erhöhung der Fahrsicherheit zu leisten, wird in dieser Dissertation ein neuartiger Ansatz zur Erfassung und Klassifizierung von Fahrbahnnässe untersucht. Dieser basiert auf der Grundidee, das bei Fahrbahnnässe vom Reifen abgegebene Sprühwasser über ein auf der Radhausschale positioniertes Array aus kapazitiven Messwertaufnehmern zu erfassen und daraus den gegenwärtigen Nässegrad zu klassifizieren. Nachdem die Anforderungen an das Funktionsprinzip und die Messwertaufnehmer definiert wurden, werden den Anwendungsanforderungen entsprechende Messwertaufnehmer realisiert. In der anschließenden Validierung werden in Laboruntersuchungen die zugrunde liegende Funktionalität nachgewiesen und die Relevanz potenzieller Einflussfaktoren analysiert. Weiterhin werden in Experimenten an einem Versuchsstand sowie im Fahrzeug der Ansatz und die Systemkomponenten erstmalig für reales Sprühwasser validiert. Zuletzt wird auf Basis unterschiedlicher Datensätze gezeigt, dass eine merkmalsbasierte Klassifizierung von Fahrbahnnässe realisierbar ist. Neben einem zweistufigen Klassifizierungsansatz zur Berücksichtigung der elektrischen Leitfähigkeit des Sprühwassers wird unter anderem ein anwendungsspezifisches Optimierungskriterium zur Merkmalsselektion für unausgewogene Datensätze präsentiert. Darüber hinaus wird die Klassifizierung durch eine Fusion von Sensordaten optimiert.