-
Die Erfindung betrifft ein Verfahren und eine entsprechende Steuereinheit zur Freigabe von ein oder mehreren Fahrfunktionen in einem Fahrzeug.
-
Ein Fahrzeug kann ein oder mehrere unterschiedliche teilautomatisierte, hochautomatisierte oder vollautomatisierte Fahrfunktionen umfassen, die einen Fahrer des Fahrzeugs bei der Führung des Fahrzeugs unterstützen. Beispielhafte Fahrfunktionen sind: ein Längsführungsassistent, ein Querführungsassistent, ein Spurhalteassistent, ein Stauassistent, autonomes Fahren, etc.
-
Eine Fahrfunktion greift typischerweise aus Sensordaten von ein oder mehreren Umfeldsensoren des Fahrzeugs zurück. Die Sensordaten werden durch die Logik einer Fahrfunktion verarbeitet und es werden, in Abhängigkeit von den Sensordaten, ein oder mehrere Aktuatoren des Fahrzeugs gesteuert, um das Fahrzeug zumindest teilweise autonom zu führen.
-
Die Tatsache, ob eine zumindest teilweise automatisierte bzw. autonome Fahrfunktion in einer bestimmten Fahrsituation verwendet werden kann, hängt von der konkreten Implementierung der Fahrfunktion in einem Fahrzeug und von aktuellen Umfeldbedingungen (z.B. von bestimmten Witterungsbedingungen, Fahrbahnbedingungen, Verkehrsbedingungen, etc.) ab.
-
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, ein Verfahren und eine entsprechende Steuereinheit bereitzustellen, mit denen in zuverlässiger Weise frühzeitig ermittelt werden kann, ob in einem bestimmten Fahrbahn-Abschnitt eine Fahrfunktion in einem Fahrzeug genutzt werden kann oder nicht.
-
Die Aufgabe wird durch die unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben.
-
Gemäß einem Aspekt wird ein Verfahren zur Ermittlung eines Klassifikators zur Bewertung einer Fahrfunktion eines Fahrzeugs beschrieben. Die Fahrfunktion kann dabei ausgebildet sein, das Fahrzeug autonom längs und/oder quer zu führen. Beispielhafte Fahrfunktionen sind: (ggf. teil-, hoch-, oder voll-) automatisiertes Fahren, ein Stauassistent, ein Längsführungsassistent, ein Spurhalteassistent, etc.
-
Das Verfahren kann umfassen, das Bereitstellen von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen. Dabei umfasst ein Trainings-Datensatz einen Fahrszenario-Datensatz, der eine Fahrsituation beschreibt, die durch die Fahrfunktion autonom zu bewältigen ist. Dabei kann ein Fahrszenario-Datensatz Merkmalswerte für eine Mehrzahl von Merkmalen umfassen, um eine Fahrsituation eines Fahrzeugs zu beschreiben. Der Fahrszenario-Datensatz kann somit eine Ausprägung eines Merkmalsvektors darstellen, wobei der Merkmalsvektor die Mehrzahl von Merkmalen als Dimensionen umfasst.
-
Die Mehrzahl von Merkmalen kann umfassen: ein oder mehrere Merkmale in Bezug auf eine Fahrbahn, auf der das Fahrzeug fährt (z.B. den Fahrbahnverlauf, die Anzahl von Fahrspuren, einen Tunnel, eine Brücke, etc.); ein oder mehrere Merkmale in Bezug auf ein Objekt in einem Umfeld des Fahrzeugs (z.B. eine Position und/oder eine Trajektorie eines Objektes, insbesondere eines anderen Verkehrsteilnehmers); ein oder mehrere Merkmale in Bezug auf ein durch die Fahrfunktion des Fahrzeugs geplantes Fahrmanöver (z.B. eine geplante Trajektorie des Fahrzeugs); und/oder ein oder mehrere Merkmale, die Witterungsbedingungen im Umfeld des Fahrzeugs beschreiben (z.B. Niederschlag).
-
Dabei kann die durch einen Fahrszenario-Datensatz beschriebene Fahrsituation einen bestimmten Planungshorizont (von z.B. einer Minute oder weniger) ausgehend von einem aktuellen Zeitpunkt umfassen. Mit anderen Worten, ein Fahrszenario-Datensatz kann eine Fahrsituation beschreiben, die eine Fahrfunktion in einem bestimmten vorausliegenden Zeitraum (d.h. dem Planungshorizont) bewältigen muss.
-
Ein Trainings-Datensatz umfasst weiter einen Zuverlässigkeits-Datensatz, der anzeigt, wie die (durch den entsprechenden Fahrszenario-Datensatz beschriebene) Fahrsituation von der Fahrfunktion bewältigt wurde. Insbesondere kann der Zuverlässigkeits-Datensatz einen Zuverlässigkeitswert umfasst (oder einem solchen Wert entsprechen), der anzeigt, ob eine durch den entsprechenden Fahrszenario-Datensatz beschriebene Fahrsituation von der Fahrfunktion bewältigt wurde oder nicht. Dabei kann der Zuverlässigkeitswert Werte aus einem vorbestimmten Werteintervall (z.B. zwischen 0 und 1) annehmen.
-
Das Verfahren umfasst weiter das Ermitteln eines Klassifikators durch Anlernen eines Modells mittels der Trainingsdaten, derart, dass der Klassifikator ausgebildet ist, für eine bestimmte Fahrsituation Zuverlässigkeits-Information anzugeben. Insbesondere kann der Klassifikator ausgebildet sein, für einen bestimmten Fahrszenario-Datensatz (durch den eine bestimmte Fahrsituation beschrieben wird) Zuverlässigkeits-Information (z.B. einen Zuverlässigkeits-Datensatz) anzugeben. Dabei kann das Modell insbesondere ein neuronales Netz umfassen. Wie oben dargelegt, kann ein Fahrszenario-Datensatz einen Merkmalsvektor umfassen oder einem solchen entsprechen. Ein Merkmalsvektor weist eine bestimmte Dimension auf und definiert in Zusammenhang mit den Wertebereichen der einzelnen Merkmale einen möglichen Fahrszenario-Raum (mit der bestimmten Dimension). Der Klassifikator (insbesondere das verwendete Modell) kann derart ausgelegt sein, dass jedem möglichen Punkt in dem Fahrszenario-Raum ein Zuverlässigkeits-Datensatz bzw. Zuverlässigkeits-Information zugewiesen werden kann.
-
Die Bereitstellung eines mit Trainings-Datensätzen angelernten Klassifikators ermöglicht die effiziente und zuverlässige Freischaltung oder ggf. Degradierung von Fahrfunktionen während des Fahrbetriebs eines Fahrzeugs. Dabei können die Trainingsdaten reale Trainings-Datensätze umfassen, die anhand von ein oder mehreren Sensoren eines Fahrzeugs erfasst wurden. Alternativ oder ergänzend können die Trainingsdaten synthetische Trainings-Datensätze umfassen, die durch Simulation des Verhaltens der Fahrfunktion ermittelt wurden. Durch die Bereitstellung von synthetischen Trainings-Datensätzen kann in effizienter Weise die Anzahl von Trainings-Datensätzen erhöht und die Abdeckung des möglichen Merkmalsraums erweitert werden. So kann die Qualität des Klassifikators weiter erhöht werden.
-
Die Trainingsdaten können von einem Typ der Fahrfunktion und/oder von einem Typ des Fahrzeugs abhängen. So können Fahrfunktions-Typ spezifische und/oder Fahrzeug-Typ spezifische Klassifikatoren bereitgestellt werden, wodurch die Zuverlässigkeit der Funktionsfreigabe weiter erhöht werden kann. Die Trainingsdaten können dabei im Rahmen der Entwicklung einer Fahrfunktion und/oder eines Fahrzeugs ermittelt werden.
-
Gemäß einem weiteren Aspekt wird ein Verfahren zur Freigabe einer Fahrfunktion eines Fahrzeugs für einen vorausliegenden Fahrbahn-Abschnitt beschrieben. Das Verfahren kann durch eine Steuereinheit eines Fahrzeugs ausgeführt werden. Das Verfahren umfasst das Ermitteln eines ersten Fahrszenario-Datensatzes, der eine erste Fahrsituation beschreibt, die durch die Fahrfunktion in dem vorausliegenden Fahrbahn-Abschnitt autonom zu bewältigen ist. Der Fahrszenario-Datensatz kann Merkmalswerte für ein oder mehrere der o.g. Merkmale umfassen. Dabei kann der erste Fahrszenario-Datensatz auf Basis von Umfelddaten von ein oder mehreren Umfeldsensoren des Fahrzeugs ermittelt werden. Alternativ oder ergänzend kann der erste Fahrszenario-Datensatz auf Basis von externen Daten von ein oder mehreren Fahrzeug-externen Sensoren ermittelt werden, wobei die externen Daten Information in Bezug auf den vorausliegenden Fahrbahn-Abschnitt umfassen können, die nicht oder nicht ausreichend von den ein oder mehreren Umfeldsensoren des Fahrzeugs erfasst werden können. Durch Berücksichtigung von externen Daten kann der Vorausschauhorizont bzw. Planungshorizont für die Freigabe der Fahrfunktion erweitert werden.
-
Das Verfahren umfasst weiter das Bestimmen, auf Basis eines Klassifikators und auf Basis des ersten Fahrszenario-Datensatzes, ob die Fahrfunktion für den vorausliegenden Fahrbahn-Abschnitt freigeben wird (oder ggf. degradiert wird). Dabei kann der Klassifikator mit dem in diesem Dokument beschriebenen Verfahren ermittelt worden sein. Insbesondere kann der Klassifikator ausgebildet sein, unterschiedlichen Fahrszenario-Datensätzen unterschiedliche Zuverlässigkeits-Datensätze zuzuweisen, wobei ein Zuverlässigkeits-Datensatz eine Zuverlässigkeit anzeigt, mit der eine, durch einen entsprechenden Fahrszenario-Datensatz beschriebene, Fahrsituation von der Fahrfunktion bewältigt wird. Mit anderen Worten, der Klassifikator kann ausgebildet sein, für eine bestimmte Fahrsituation (die z.B. durch einen bestimmten Fahrszenario-Datensatz beschrieben wird) Zuverlässigkeits-Information (z.B. einen Zuverlässigkeits-Datensatz) anzugeben. Dabei kann die Zuverlässigkeits-Information eine Zuverlässigkeit anzeigen, mit der die bestimmte Fahrsituation von der Fahrfunktion bewältigt wird.
-
Es kann somit mittels des Klassifikators ein erster Zuverlässigkeits-Datensatz (bzw. erste Zuverlässigkeits-Information) für den ersten Fahrszenario-Datensatz bzw. für die erste Fahrsituation ermittelt werden. Es kann dann auf Basis des ersten Zuverlässigkeits-Datensatzes entschieden werden, ob die Fahrfunktion freigegeben oder degradiert wird. Durch die Berücksichtigung eines Klassifikators wird so eine flexible und zuverlässige Freigabe von Fahrfunktionen während des Fahrbetriebs eines Fahrzeugs ermöglicht.
-
Das Verfahren kann umfassen, das Ermitteln eines tatsächlichen Zuverlässigkeits-Datensatzes, der eine Zuverlässigkeit anzeigt, mit der die, durch den ersten Fahrszenario-Datensatz beschriebene, erste Fahrsituation von der Fahrfunktion tatsächlich bewältigt wurde. Insbesondere kann nach Freigabe der Fahrfunktion ermittelt werden, mit welcher Zuverlässigkeit die Fahrfunktion die erste Fahrsituation tatsächlich bewältigt hat. Der Klassifikator kann dann in Abhängigkeit von dem ersten Fahrszenario-Datensatz und dem tatsächlichen Zuverlässigkeits-Datensatz angepasst werden. So kann die Qualität des Klassifikators und somit die Robustheit der Fahrfunktionsfreigabe kontinuierlich verbessert werden.
-
Gemäß einem weiteren Aspekt wird eine Steuereinheit für ein Fahrzeug beschrieben, die eingerichtet ist, das in diesem Dokument beschriebene Verfahren zur Freigabe einer Fahrfunktion auszuführen.
-
Gemäß einem weiteren Aspekt wird ein Fahrzeug (insbesondere ein Straßenkraftfahrzeug z.B. ein Personenkraftwagen, ein Lastkraftwagen oder ein Motorrad) beschrieben, das die in diesem Dokument beschriebene Steuereinheit umfasst.
-
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor ausgeführt zu werden, und um dadurch die in diesem Dokument beschriebenen Verfahren auszuführen.
-
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch die in diesem Dokument beschriebenen Verfahren auszuführen.
-
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Desweiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
-
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
-
1 ein beispielhaftes System zur Ermittlung von Zuverlässigkeits-Daten in Bezug auf eine Fahrfunktion;
-
2a ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung eines Zuverlässigkeits-Klassifikators; und
-
2b ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung von Zuverlässigkeits-Daten in Bezug auf eine Fahrfunktion.
-
Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der robusten und ggf. vorausschauenden Ermittlung von Zuverlässigkeits-Daten in Bezug auf eine zumindest teilweise autonom fahrende Fahrfunktion eines Fahrzeugs. In diesem Zusammenhang zeigt 1 beispielhafte Komponenten eines Systems 100, das zur Ermittlung von Zuverlässigkeits-Daten für eine Fahrfunktion genutzt werden kann. Das System 100 umfasst ein Fahrzeug 110 mit ein oder mehreren zumindest teilweise autonom fahrenden Fahrfunktionen. Das Fahrzeug 110 umfasst ein oder mehrere Umfeldsensoren 114 (z.B. ein oder mehrere Kameras, Radarsensoren, Ultraschallsensoren und/oder LIDAR-Sensoren), die eingerichtet sind, Sensordaten in Bezug auf ein Umfeld des Fahrzeugs 110 zu ermitteln (auch als Umfelddaten bezeichnet). Das Fahrzeug 100 umfasst weiter einen Positionssensor 115, der eingerichtet ist, Positionsdaten (z.B. GPS-Koordinaten) in Bezug auf eine Position des Fahrzeugs 110 zu erfassen. Außerdem umfasst das Fahrzeug 100 eine Speichereinheit 112, auf der z.B. digitale Karteninformation in Bezug auf eine von dem Fahrzeug 110 befahrenen Fahrbahn gespeichert sind.
-
Eine Steuereinheit 111 des Fahrzeugs 110 kann auf Basis der Umfelddaten, auf Basis der Positionsdaten und auf Basis der digitalen Karteninformation Fahrszenario-Daten (insbesondere einen Fahrszenario-Datensatz) zusammenstellen, die eine aktuelle Fahrsituation des Fahrzeugs 110 beschreiben. Die Fahrszenario-Daten können z.B. für einen bestimmten Planungshorizont (von einer bestimmten Anzahl von Sekunden bzw. Metern) statische und dynamische Daten umfassen. Die statischen Daten (z.B. in Form von unterschiedlichen Merkmalen) können dabei feste Eigenschaften (wie z.B. die Anzahl von Fahrspuren, den Verlauf, etc.) einer in dem Planungshorizont befahrenen Fahrbahn anzeigen. Die dynamischen Daten (z.B. in Form von unterschiedlichen Merkmalen) können z.B. anzeigen
- • die Position und die (prädizierte) Trajektorie von ein oder mehreren Objekten (z.B. anderen Verkehrsteilnehmern) in dem Umfeld des Fahrzeugs 110;
- • die Position und die (geplante) Trajektorie des Fahrzeugs 110; dabei kann die geplante Trajektorie des Fahrzeugs 110 von einer aktivierten Fahrfunktion bestimmt werden; und/oder
- • die Witterungsbedingungen.
-
Die Fahrszenario-Daten können in strukturierter Form als eine Ausprägung eines Merkmalsvektors mit einer Vielzahl von Dimensionen (und einer entsprechenden Vielzahl von Merkmalen) dargestellt werden. Mit anderen Worten, die Fahrszenario-Daten können Merkmalswerte für eine Vielzahl von unterschiedlichen Merkmalen umfassen, um eine aktuell vorliegende Fahrsituation des Fahrzeugs 110 zu beschreiben.
-
Zur Erweiterung des Planungshorizonts kann für die Fahrszenario-Daten auf externe Daten zurückgegriffen werden, wobei die externen Daten Information in Bezug auf eine vorausliegende Umgebung des Fahrzeugs 110 anzeigen, die (noch) nicht oder nicht ausreichend mit den ein oder mehreren Umfeldsensoren 114 des Fahrzeugs 110 erfasst werden kann. Die vorausliegende Umgebung des Fahrzeugs 110 kann dabei auf einer geplanten Fahrroute des Fahrzeugs 110 liegen. Die externen Daten können von einer Zentraleinheit 130 (z.B. von einem zentralen Datenserver) bereitgestellt werden (typischerweise über eine drahtlose Kommunikationsverbindung) und von ein oder mehreren externen Sensoren 130 (z.B. von den Umfeldsensoren anderer Verkehrsteilnehmer) erfasst worden sein.
-
Auf der Speichereinheit 112 des Fahrzeugs 110 kann ein Klassifikator bzw. eine Beobachtungseinheit gespeichert sein, die eingerichtet ist, auf Basis der Fahrszenario-Daten Zuverlässigkeits-Daten (insbesondere einen Zuverlässigkeits-Datensatz bzw. einen Zuverlässigkeitswert) bereitzustellen, die die Zuverlässigkeit anzeigen, mit der eine Fahrfunktion im Rahmen der durch die Fahrszenario-Daten beschriebenen Fahrsituation betrieben werden kann. Insbesondere können die Zuverlässigkeits-Daten anzeigen, mit welcher Zuverlässigkeit die in den Fahrszenario-Daten geplante Trajektorie des Fahrzeugs 110 durch die Fahrfunktion umgesetzt werden kann. Es kann dann in Abhängigkeit von den Zuverlässigkeits-Daten entschieden werden, ob die Fahrfunktion weiter ausgeführt wird, oder ob ggf. eine Deaktivierung bzw. Degradierung der Fahrfunktion erfolgt. Insbesondere kann auf Basis der Zuverlässigkeits-Daten entschieden werden, ob die geplante Trajektorie durch die Fahrfunktion umgesetzt wird oder nicht.
-
Zu einem bestimmten Zeitpunkt kann eine Mehrzahl von Fahrszenario-Datensätzen ermittelt werden, wobei jeder Fahrszenario-Datensatz eine mögliche Fahrsituation beschreibt. Die unterschiedlichen Fahrszenario-Datensätze können sich z.B. in Bezug auf die geplante Trajektorie des Fahrzeugs 110 und/oder in Bezug auf eine aktive Fahrfunktion und/oder in Bezug auf einen Autonomiegrad des Fahrzeugs 110 unterscheiden. Mittels des Klassifikators bzw. Beobachters kann dann für jeden der Fahrszenario-Datensätze ein Zuverlässigkeits-Datensatz ermittelt werden. Basierend auf der Mehrzahl von Zuverlässigkeits-Datensätzen kann dann entschieden werden, welche Trajektorie und/oder welche Fahrfunktion und/oder welcher Autonomiegrad durch die Steuereinheit 111 des Fahrzeugs 110 umgesetzt wird.
-
Ein Klassifikator bzw. Beobachter kann im Rahmen der Entwicklung einer Fahrfunktion angelernt werden. Dabei können Methoden des Maschinenlernens verwendet werden. Insbesondere kann ein Modell (z.B. ein neuronales Netz) auf Basis von Trainingsdaten angelernt werden, um einen Klassifikator bereitzustellen, der eingerichtet ist, einem Fahrszenario-Datensatz (mit einer bestimmten Ausprägung von Merkmalen) einen Zuverlässigkeits-Datensatz (insbesondere einen Zuverlässigkeitswert) zuzuweisen, der anzeigt, wie gut ein durch den Fahrszenario-Datensatz beschriebenes Fahrszenario durch das Fahrzeug 110 zumindest teilweise autonom umgesetzt werden kann.
-
Die Trainingsdaten umfassen eine Vielzahl von Trainings-Datensätzen (typischerweise 100000, 1 Millionen oder mehr Trainings-Datensätze). Dabei umfasst ein Trainings-Datensatz einen (real gemessenen oder einen synthetisch generierten) Fahrszenario-Datensatz und einen dazu gehörigen (real gemessenen oder simulierten) Zuverlässigkeits-Datensatz (z.B. einen Wert der anzeigt, ob das Fahrszenario fehlerfrei umgesetzt werden konnte oder nicht). Die Trainings-Datensätze werden dabei typischerweise im Rahmen der Entwicklung einer Fahrfunktion für Testzwecke erfasst.
-
Die Trainingsdaten können dann dazu verwendet werden, das Modell (z.B. ein neuronales Netz) für den Klassifikator anzulernen.
-
Durch die Verwendung eines Klassifikators bzw. Beobachters kann die Funktionsfreigabe von Fahrfunktionen in einem Fahrzeug 110 (insbesondere im Zusammenhang mit (ggf. hoch- oder voll-) automatisiertem Fahren (z.B. HAF)) dynamisch freigegeben werden. Zu diesem Zweck kann eine Zusammenarbeit zwischen einer lokalen Datenbank auf dem Fahrzeug 110 und einem Backend 120 erfolgen.
-
Zum Anlernen des Klassifikators bzw. des Beobachters können reale und typischerweise auch virtuelle Fahrszenarien berücksichtigt werden. Durch die Fahrszenarien sollte dabei der stochastische Raum von möglichen Fahrsituationen (auch als möglicher Fahrszenario-Raum bezeichnet) mit einem bestimmten Planungshorizont möglichst gut abgedeckt sein. Insbesondere kann dabei ein besonderer Fokus auf Fahrszenarien gelegt werden, die für eine Fahrfunktion zu Schwierigkeiten (z.B. zu einer relativ geringen Zuverlässigkeit) führen könnten.
-
Ein derart angelernter Klassifikator bzw. Beobachter kann dann im Fahrzeug 110 verwendet werden, um für ein aktuelles Fahrszenario einen bestimmten Zuverlässigkeits-Wert (auf einer bestimmten Skala bzw. in einem bestimmten Wertebereich) zu ermitteln. So kann eine dynamische Funktionsfreigabe erfolgen. Beim HAF als Fahrfunktion ist dabei typischerweise zu beachten, dass eine vorausschauende Funktionsfreigabe erfolgt (z.B. mit einem Horizont von mindestens 10 Sekunden), um bei Bedarf eine kontrollierte Übernahme durch den Fahrer zu veranlassen. Zu diesem Zweck können (wie oben dargelegt) externe Daten berücksichtigt werden.
-
Der Klassifikator bzw. Beobachter kann in einer Speichereinheit 112 des Fahrzeugs 110 gespeichert werden. Dabei kann der Klassifikator bzw. Beobachter für unterschiedliche Fahrszenarien die Performance und/oder die Zuverlässigkeit einer Fahrfunktion anzeigen.
-
Während des Betriebs des Fahrzeugs 110 kann die Steuereinheit 111 den aktuellen Zustand des Fahrzeugs 110 und die äußeren Einwirkungen auf das Fahrzeug 110 ermitteln. Beispielsweise kann das Fahrzeug 110 zu einem Zeitpunkt automatisiert fahren, es kann regnen und es kann eine Kurve im Routenverlauf erkennbar sein. Diese Information kann durch einen Fahrszenario-Datensatz beschrieben werden. Mittels des angelernten Klassifikators bzw. Beobachters kann für eine solche Fahrsituation bzw. für ein solches Fahrszenario ein bestimmter Risiko- bzw. Zuverlässigkeitswert ermittelt werden. Um den Risiko- bzw. Zuverlässigkeitswert zu erhöhen, kann die Fahrfunktion (z.B. auf „Spurhalten“) degradiert werden. Als Folge daraus kann die Zuverlässigkeit der Fahrfunktion erhöht werden.
-
Der Planungshorizont für die Freigabe von Fahrfunktion kann dabei variieren. Insbesondere kann durch Berücksichtigung von externen Daten der Planungshorizont ggf. substantiell erweitert werden. Durch Erweiterung des Planungshorizonts kann die Sicherheit von (teilweise) autonomen Fahrfunktionen erhöht werden.
-
Die Verwendung eines Klassifikators bzw. Beobachters ermöglicht es Fahrfunktionen für bestimmte Fahrszenarien während des Betriebs eines Fahrzeugs 110 zu bewerten und freizugeben bzw. zu degradieren. Dabei kann der Klassifikator bzw. Beobachter lernend ausgelegt sein, so dass aktuelle (d.h. tatsächliche) Fahrszenarien und (tatsächliche) Umsetzungen von Fahrfunktionen als Trainingsdaten zum weiteren Anlernen des Klassifikators bzw. Beobachters verwendet werden können. So kann die Robustheit der Fahrfunktionsfreigabe weiter erhöht werden.
-
2a zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 210 zur Ermittlung eines Klassifikators zur Bewertung einer Fahrfunktion eines Fahrzeugs 110 (insbesondere zur Ermittlung der Zuverlässigkeit einer Fahrfunktion für ein bestimmtes Fahrszenario bzw. für eine bestimmte Fahrsituation). Das Verfahren 210 kann durch einen Server bzw. Computer ausgeführt werden (z.B. von einer Zentraleinheit 120).
-
Das Verfahren 210 umfasst das Bereitstellen 211 von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen. Dabei umfasst ein Trainings-Datensatz einen Fahrszenario-Datensatz, der eine Fahrsituation beschreibt, die durch die Fahrfunktion autonom zu bewältigen ist. Des Weiteren umfasst ein Trainings-Datensatz einen Zuverlässigkeits-Datensatz, der anzeigt, wie die Fahrsituation von der Fahrfunktion bewältigt wurde. Außerdem umfasst das Verfahren 210 das Ermitteln 212 eines Klassifikators durch Anlernen eines Modells mittels der Trainingsdaten. Der Klassifikator kann dabei derart ermittelt werden, dass der Klassifikator ausgebildet ist, unterschiedlichen Fahrszenario-Datensätzen unterschiedliche Zuverlässigkeits-Datensätze zuzuweisen. Zu diesem Zweck kann ein geeignetes Modell (z.B. ein neuronales Netz) ausgewählt werden. Des Weiteren kann eine relativ hohe Anzahl von unterschiedlichen Trainings-Datensätzen (z.B. 1 Million oder mehr) verwendet werden.
-
2b zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 220 zur Freigabe einer Fahrfunktion eines Fahrzeugs 110 für einen vorausliegenden Fahrbahn-Abschnitt. Das Verfahren 220 kann durch einen Prozessor (z.B. durch eine Steuereinheit 111) eines Fahrzeugs 110 ausgeführt werden.
-
Das Verfahren 220 umfasst das Ermitteln 221 eines ersten Fahrszenario-Datensatzes, der eine erste Fahrsituation beschreibt, die durch die Fahrfunktion in dem vorausliegenden Fahrbahn-Abschnitt autonom zu bewältigen ist. Das Verfahren 220 umfasst weiter, das Bestimmen 222, auf Basis eines Klassifikators und auf Basis des ersten Fahrszenario-Datensatzes, ob die Fahrfunktion für den vorausliegenden Fahrbahn-Abschnitt freigeben (oder ggf. degradiert) wird. Der Klassifikator kann dabei gemäß Verfahren 210 ermittelt worden sein. Des Weiteren kann der Klassifikator ausgebildet sein, unterschiedlichen Fahrszenario-Datensätzen unterschiedliche Zuverlässigkeits-Datensätze zuzuweisen, wobei ein Zuverlässigkeits-Datensatz eine Zuverlässigkeit bzw. eine Wahrscheinlichkeit anzeigt, mit der eine, durch einen entsprechenden Fahrszenario-Datensatz beschriebene, Fahrsituation von der Fahrfunktion bewältigt wird.
-
Die in diesem Dokument beschriebenen Verfahren 210, 220 ermöglichen eine dynamische Anpassung des Leistungsspektrums von Fahrfunktion während des Betriebs eines Fahrzeugs 110. Des Weiteren wird durch die beschriebenen Verfahren 210, 220 eine kontinuierliche Bewertung der Funktionsweise von Fahrfunktionen ermöglicht. Dabei kann die Datenverarbeitung für einen Klassifikator bzw. Beobachter auf der Steuereinheit 111 eines Fahrzeugs 110 und/oder in einer Zentraleinheit 120 erfolgen.
-
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.
