Detailansicht
A virtual reality simulator for augmented-reality-assisted driving
Lun Yang
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Helmut Hlavacs
DOI
10.25365/thesis.81834
URN
urn:nbn:at:at-ubw:1-21077.78538.211229-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit präsentiert das Design, die Implementierung und die Evaluierung eines Virtual-Reality (VR)-Fahrsimulators, der ein Augmented-Reality (AR) Gefahrenvisualisierungssystem integriert. Die Forschung adressiert die kritische Lücke in der aktuellen Fahrerausbildung: das Fehlen kontrollierter, wiederholbarer Exposition gegenüber Hochrisikoszenarien im urbanen Verkehr. Die Motivation ergibt sich aus der Beobachtung, dass Fahranfänger, denen die verfeinerten mentalen Modelle zur Antizipation versteckter oder plötzlicher Gefahren fehlen, überproportional häufig in Kollisionen verwickelt sind, die durch verdeckte Fußgänger, Totwinkelkonflikte und unerwartete Manöver anderer Verkehrsteilnehmer verursacht werden. Der Simulator basiert auf der Unity-Engine und verwendet eine fünfschichtige, entkoppelte Architektur, die prozedurale Stadtgenerierung, ein parametergetriebenes NPC-Verkehrsökosystem, ein gesteuertes Gefahrenereignissystem, Echtzeit-Unfallerkennung und eine AR-basierte Benutzeroberfläche umfasst. Die zentrale technische Innovation ist eine Röntgen-Render-Pipeline, die verdeckte Fußgänger durch undurchsichtige Geometrie, wie einen stehenden Bus, sichtbar macht, indem sie die Render-Reihenfolge von Unity manipuliert und dem Fahrer eine Vorwarnung vor Gefahren gibt, die andernfalls bis zum Kollisionsmoment unsichtbar blieben. Die Evaluierung wird von zwei Forschungsfragen geleitet. FQ1 untersucht, ob ein AR-System, das versteckte oder plötzliche Verkehrsgefahren durch intuitive Visualisierung aufdeckt, die Fahrersicherheit signifikant verbessert und die Unfallraten in komplexen städtischen Umgebungen reduziert. FQ2 untersucht, ob AR-verbesserte Fahrsimulation effektiv das langfristige Gefahrenbewusstsein von Fahrern fördern kann. Zur Beantwortung beider Fragen wird ein duales Experimentaldesign mit N = 24 Fahranfängern eingesetzt. Die VR-Gruppe (n = 12) durchläuft drei aufeinanderfolgende Fahrsitzungen in einem Within-Subjects-Protokoll: eine Baseline ohne AR (S1), eine AR-gestützte Sitzung (S2) und eine zweite Sitzung ohne AR (S3). Diese Struktur liefert gepaarte objektive Vergleiche für beide Forschungsfragen: FQ1 wird durch den Vergleich von Kollisionszahlen und Wahrnehmungs-Reaktionszeit (PRT) zwischen S2 und S1 getestet, während FQ2 durch den Vergleich derselben Maße zwischen S3 und S1 getestet wird. Die Videogruppe (n = 12) sieht eine aufgezeichnete Wiedergabe einer repräsentativen Sitzung 2 und beantwortet denselben Fragebogen, der eine Passivbeobachtungs-Baseline für subjektive Bewertungen von Immersion, AR-Nutzen und pädagogischem Wert liefert. Vorläufige Ergebnisse deuten darauf hin, dass die AR-verbesserte Simulation die Gefahrenvermeidung signifikant verbessert und die PRT im Vergleich zum Fahren ohne AR verkürzt, und dass ein messbarer Teil dieser Verbesserung auch nach der Deaktivierung des AR-Systems bestehen bleibt. Die subjektiven Bewertungen der VR-Gruppe übertreffen die der Videogruppe in allen Fragebogendimensionen. Diese Ergebnisse liefern empirische Belege dafür, dass AR-verbesserte VR-Simulation sowohl als effektive Echtzeit-Sicherheitsintervention als auch als pädagogisches Werkzeug zur Förderung des langfristigen Gefahrenbewusstseins bei Fahranfängern dienen kann.
Abstract
(Englisch)
This thesis presents the design, implementation, and evaluation of a Virtual Reality (VR) driving simulator integrated with an Augmented Reality (AR) hazard visualization system, developed to address the critical gap in current driver safety training: the lack of controlled, repeatable exposure to high-risk urban scenarios. The research is motivated by the observation that novice drivers, who lack the refined mental models required to anticipate hidden or sudden traffic hazards, are disproportionately involved in collisions caused by occluded pedestrians, blind-spot conflicts, and unexpected maneuvers by other road users. The simulator is built on the Unity engine and features a five-layer decoupled architecture encompassing procedural city generation, a parameter-driven NPC traffic ecosystem, a scripted hazard event control system, real-time accident detection, and an AR-based user interface. The core technical innovation is an X-Ray rendering pipeline that reveals occluded pedestrians through opaque geometry, such as a stationary bus, by manipulating Unity's render-queue ordering, providing the driver with advance warning of hazards that would otherwise remain invisible until the moment of collision. The evaluation is guided by two research questions. RQ1 asks whether an AR system that reveals hidden or sudden traffic hazards significantly improves driver safety and reduces accident rates in complex urban conditions. RQ2 asks whether AR-enhanced driving simulation can effectively foster drivers' long-term awareness of hidden or sudden traffic risks. To address both questions, a dual-mode experimental design is employed with N = 24 novice drivers. The VR group (n = 12) completes three consecutive driving sessions in a within-subjects protocol: a no-AR baseline (S1), an AR-assisted session (S2), and a second no-AR session (S3). This structure yields paired objective comparisons for both research questions: RQ1 is tested by comparing collision counts and Perception-Reaction Time (PRT) between S2 and S1, while RQ2 is tested by comparing the same measures between S3 and S1. The Video group (n = 12) watches a recorded playback of a representative Session 2 drive and completes the same post-experience questionnaire, providing a passive-observation baseline for subjective ratings of immersion, AR utility, and educational value. Preliminary findings indicate that the AR-enhanced simulation significantly improves hazard avoidance and shortens PRT compared to unaided driving, and that a measurable portion of this improvement persists after the AR system is removed. Subjective ratings from the VR group exceed those of the Video group across all questionnaire dimensions. These results provide empirical evidence that AR-enhanced VR simulation can serve both as an effective real-time safety intervention and as a pedagogical tool for cultivating long-term hazard awareness in novice drivers.
Schlagwörter
Schlagwörter
(Deutsch)
VR-Fahrsimulation Augmented Reality Gefahrenwarnsystem Fahrerausbildung Verkehrssicherheit Fußgängerschutz Mensch-Maschine-Interaktion
Schlagwörter
(Englisch)
VR driving simulation Augmented Reality hazard warning system driver training traffic safety pedestrian protection human-machine interaction
Autor*innen
Lun Yang
Haupttitel (Englisch)
A virtual reality simulator for augmented-reality-assisted driving
Publikationsjahr
2026
Umfangsangabe
xiii, 78 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Helmut Hlavacs
Klassifikation
54 Informatik > 54.73 Computergraphik
AC Nummer
AC18007085
Utheses ID
82137
Studienkennzahl
UA | 066 | 921 | |