Fahrzeuge mit immer größeren Automatisierungsgrad befinden sich auf dem Vormarsch, jedoch ist die derzeitige Verkehrsplanung noch vollständig auf menschliche Fahrer ausgerichtet.

In naher Zukunft werden moderne Fahrzeuge immer mehr Fahraufgaben in dem von menschlichen Fahrern dominierten Straßenverkehr übernehmen. Das kooperierende Fahren mit anderen Verkehrsteilnehmern stellt hierbei (teil-)autonome Fahrzeuge vor große Herausforderungen, denn viele Autofahrer folgen den Verkehrsregeln nicht mit der strikten Genauigkeit eines Computers.

Dies offenbart sich deutlich bei der Betrachtung von Kreuzungen. Hier finden die oftmals spärlichen Spurmarkierungen häufig nur wenig Beachtung. Eine Steigerung dazu sind große Kreuzungen und Kreisverkehre, bei denen gänzlich auf Spurmarkierungen verzichtet wurde.

In diesen Szenarien müssen sich autonome Fahrzeuge nach dem Fahrverhalten der anderen Verkehrsteilnehmer richten, um sicher und für andere Fahrer vorhersehbar zu agieren. Schwarmbasierte Navigationstechniken können die Entwicklung eines solchen Fahrverhaltens unterstützen.

Im Rahmen dieser Masterarbeit wurde ein Verfahren entwickelt, das eine Schwarm-Kartographierung von Straßenabschnitten, insbesondere Kreuzungen und Kreisverkehren, erlaubt. Bei diesem schwarmbasierten Mapping werden die Verkehrsbewegungen anderer Fahrzeuge erfasst und in einer Karte gespeichert, die eine effiziente Auswertung der Daten erlaubt.

Es wird gezeigt, dass sich mit realen Sensoraufzeichnungen des autonomen Forschungsfahrzeugs "MadeInGermany" präzise Karten aus den Fahrtbewegungen der anderen Fahrzeuge erstellen lassen.

Diese Karten werden einer umfassenden Genauigkeitsanalyse unterzogen. Zudem wird demonstriert, dass sie sich zur Pfadplanung, zur Erkennung von Abweichungen im Verkehrsfluss und zur Vorhersage der Intention anderer Verkehrsteilnehmer eignen.