-
Gebiet der Erfindung
-
Die Erfindung betrifft die Prädiktion des Verhaltens von Verkehrsteilnehmern für ein Fahrerassistenzsystem unter Verwendung eines Verhaltensmodells. Insbesondere betrifft die Erfindung eine Recheneinheit zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern für ein Fahrerassistenzsystem, ein Fahrerassistenzsystem zur Unterstützung eines Fahrers eines Kraftfahrzeugs, sowie ein Verfahren zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern für ein Fahrerassistenzsystem.
-
Hintergrund
-
Fahrerassistenzsysteme spielen eine wichtige Rolle zur Verbesserung der Sicherheit im Straßenverkehr. In der Regel verfügen heutige Kraftfahrzeuge bereits standardmäßig über eine Vielzahl von Fahrerassistenzsystemen. Diese Systeme werden laufend weiterentwickelt, während gleichzeitig neue Fahrerassistenzsysteme hinzukommen.
-
Im Allgemeinen verwenden Fahrerassistenzsysteme Sensoren, um physikalische Kenngrößen des Kraftfahrzeugs oder seines Umfelds zu erfassen. Beispielsweise können Kamera-, Radar-, Lidar- oder Ultraschallsysteme verwendet werden, um das Umfeld des Kraftfahrzeugs zu erfassen. Die Sensorrohdaten werden vorzugsweise in einem Signalverarbeitungsschritt aufbereitet und analysiert. Dabei kann zum Beispiel aus Radardaten die Distanz und Richtung eines Objekts ermittelt werden.
-
Anschließend können Daten verschiedener Sensorsysteme miteinander fusioniert werden. Nach der Sensordatenfusion liegen insbesondere Daten zu stationären und dynamischen Objekten, Freiräumen, Bodenmarkierungen wie zum Beispiel Fahrspurmarkierungen, Verkehrszeichen, Bodenunebenheiten etc. vor. Diese Daten werden in der nachfolgenden Szeneninterpretation weiterverarbeitet. Dabei kann überprüft werden, ob die Daten inhärente Widersprüche aufweisen. Außerdem kann eine momentane oder prädiktive Situationsanalyse erfolgen. Bei einer momentanen Situationsanalyse wird beispielsweise detektiert, ob Verkehrsteilnehmer sich auf einer bestimmten Fahrspur bewegen. Demgegenüber handelt es sich bei der Erkennung des Einscherens auf eine andere Fahrspur um eine prädiktive Situationsanalyse. Die Ergebnisse der Szeneninterpretation werden den einzelnen Fahrerassistenzfunktionen zur Verfügung gestellt, um eine Gesamtsituationsbewertung sowie Verhaltensentscheidungen zu treffen. Basierend auf den Verhaltensentscheidungen kann die Aktorik sowie die Mensch-Maschine-Schnittstelle des Kraftfahrzeugs beeinflusst werden.
-
Insbesondere bei der prädiktiven Situationsanalyse spielen Verhaltensmodelle zur Voraussage des Verhaltens von Verkehrsteilnehmern eine bedeutsame Rolle. Die Voraussagen können beispielsweise für Abstandsregeltempomate, Spurwechselassistenten, Stauassistenten oder Sicherheitssysteme zur Realisierung eines Notausweichens verwendet werden. Dabei stellt die Prädiktion des Verhaltens anderer Verkehrsteilnehmer ein nicht zu unterschätzendes technisches Problem dar. Bisherige Verhaltensmodelle benutzen kürzlich erhaltene Statusinformationen der Fahrzeuge (insbesondere Positions- und Geschwindigkeitsschätzwerte), Lichtsignale der Fahrzeuge (insbesondere Bremslicht- oder Blinklichtsignale) sowie aktuelle Verkehrs- und Lichtzeicheninformationen, um das Verhalten der Verkehrsteilnehmer vorherzusagen. Dabei wird angenommen, dass sich die Verkehrsteilnehmer regelkonform verhalten. Allerdings kann es vorkommen, dass Verkehrsteilnehmer die Verkehrsregeln nicht einhalten.
-
Zusammenfassung der Erfindung
-
Eine Aufgabe der Erfindung besteht darin, die Prädiktion des Verhaltens anderer Verkehrsteilnehmer zu verbessern. Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen und der folgenden Beschreibung.
-
Die beschriebenen Ausführungsbeispiele betreffen gleichermaßen die Recheneinheit zum Lernen des Verhaltensmodells von Verkehrsteilnehmers für ein Fahrerassistenzsystem, das Fahrerassistenzsystem sowie das Verfahren zum Lernen des Verhaltensmodells. Mit anderen Worten können Merkmale, die im Folgenden in Bezug auf die Recheneinheit beschrieben werden, ebenso in das Fahrerassistenzsystem implementiert werden und als Merkmale des Verfahrens angesehen werden, und umgekehrt.
-
Aus unterschiedlichen Kombinationen der Ausführungsbeispiele können sich Synergieeffekte ergeben, auch wenn sich nicht im Detail beschrieben sind.
-
Ein erster Aspekt der Erfindung betrifft eine Recheneinheit zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern für ein Fahrerassistenzsystem. Die Recheneinheit ist dazu ausgelegt, Sensordaten zu empfangen und aus den Sensordaten den aktuellen Status eines Verkehrsteilnehmers zu erfassen, wobei der Status insbesondere Position und Geschwindigkeit umfasst. Ferner ist die Recheneinheit dazu ausgelegt, den aktuellen Status des Verkehrsteilnehmers unter Verwendung des Verhaltensmodells und mindestens einem zu einem früheren Zeitpunkt erfassten Status des Verkehrsteilnehmers zu prädizieren. Dabei umfasst das Verhaltensmodell Statistiken zu Abweichungen von einem Normverhalten von Verkehrsteilnehmern und die Recheneinheit ist dazu ausgelegt, den aktuellen Status des Verkehrsteilnehmers unter Berücksichtigung der Statistiken zu Abweichungen von dem Normverhalten zu prädizieren. Weiterhin ist die Recheneinheit dazu ausgelegt, den prädizierten und den erfassten aktuellen Status des Verkehrsteilnehmers zu vergleichen und das Verhaltensmodell sowie die Statistiken zu Abweichungen von dem Normverhalten von Verkehrsteilnehmern basierend auf dem Ergebnis des Vergleichs des prädizierten und des erfassten aktuellen Status des Verkehrsteilnehmers zu aktualisieren.
-
Die erfindungsgemäße Recheneinheit dient dem Lernen eines Verhaltensmodells von Verkehrsteilnehmern, wobei das Verhaltensmodell insbesondere zur Prädiktion des Verhaltens von Verkehrsteilnehmern verwendet wird. Die Informationen über das prädizierte Verhalten der Verkehrsteilnehmer kann verschiedenen Fahrerassistenzsystemen wie zum Beispiel adaptiven Geschwindigkeitsregelanlagen, Spurwechselassistenten, Stauassistenten oder Sicherheitssystemen zur Realisierung eines Notausweichens zur Verfügung gestellt werden. Die einzelnen Fahrerassistenzsysteme können die Informationen über das prädizierte Verhalten der Verkehrsteilnehmer verwenden, um die Gesamtsituation zu analysieren und geeignete Verhaltensentscheidungen zu treffen. Mit den Verhaltensentscheidungen wird üblicherweise die Aktorik und/oder die Mensch-Maschine-Schnittstelle des Kraftfahrzeugs beeinflusst.
-
Fahrerassistenzsysteme umfassen in der Regel Sensoren, um physikalische Kenngrößen des Kraftfahrzeugs sowie dessen Umfelds zu erfassen. Die Erfassung des Umfelds kann beispielsweise mittels Kamera-, Radar-, Lidar- oder Ultraschallsystemen erfolgen. Die Sensorrohdaten werden in der Regel mit geeigneten Signalverarbeitungsverfahren aufbereitet. Beispielsweise können die von den Radarantennen empfangenen Wellenformen verstärkt, gefiltert, ins Basisband verschoben, abgetastet und digitalisiert werden. Weiterhin können mit digitalen Signalverarbeitungsverfahren die Distanzen, Relativgeschwindigkeiten und Richtungen anderer Verkehrsteilnehmer geschätzt werden. Die Recheneinheit kann dazu ausgeführt sein, die aufbereiteten Sensordaten wie beispielsweise Distanzen, Richtungen und Relativgeschwindigkeiten von Objekten zu empfangen und entsprechend weiter zu verarbeiten. Ferner kann die Recheneinheit dazu ausgelegt sein, Bilddaten einer Kamera zu empfangen.
-
Weiterhin kann die Recheneinheit aus den Sensordaten den aktuellen Status eines Verkehrsteilnehmers erfassen, wobei der Status eines Verkehrsteilnehmers insbesondere seine Position und Geschwindigkeit umfasst.
-
Darüber hinaus ist die Recheneinheit dazu ausgelegt, den aktuellen Status des Verkehrsteilnehmers zu prädizieren, wobei das Verhaltensmodell und mindestens ein zu einem früheren Zeitpunkt erfasster Status des Verkehrsteilnehmers verwendet werden. Da der erfasste Status des Verkehrsteilnehmers Schätzfehler umfasst, kann die Genauigkeit der Prädiktion des Verhaltens der Verkehrsteilnehmer verbessert werden, indem Statusdaten mehrerer früherer Zeitpunkte berücksichtigt werden. Außerdem ist die Prädiktion des Verhaltens des Verkehrsteilnehmers in der Regel umso genauer, je kürzer die Zeitspanne ist, über die prädiziert wird. Des Weiteren kann die Recheneinheit dazu ausgeführt sein, das Verhalten der Verkehrsteilnehmer unter Berücksichtigung von Informationen zu Lichtsignalen wie Brems- oder Blinklichtsignalen sowie aktuellen Verkehrs- und Lichtzeicheninformationen zu prädizieren.
-
Darüber hinaus umfasst das Verhaltensmodell Statistiken zu Abweichungen vom Normverhalten von Verkehrsteilnehmern. Als Normverhalten eines Verkehrsteilnehmers kann beispielsweise definiert werden, dass die Geschwindigkeit der momentan zulässigen Höchstgeschwindigkeit oder der empfohlenen Richtgeschwindigkeit entspricht. Abweichungen von diesem Normverhalten können insbesondere mittels einer Wahrscheinlichkeitsverteilung der Geschwindigkeit der Verkehrsteilnehmer beschrieben werden. Weiterhin kann als Normverhalten von Verkehrsteilnehmern definiert werden, dass die Verkehrsteilnehmer vor und während des Wechselns einer Fahrspur blinken. Da diesem Normverhalten nicht alle Verkehrsteilnehmer jederzeit entsprechen, umfasst das Verhaltensmodell vorteilhafterweise eine Statistik dafür, dass Verkehrsteilnehmer die Fahrspur wechseln ohne zu blinken. Die Statistiken zu Abweichungen vom Normverhalten können verwendet werden, um das Verhalten von Verkehrsteilnehmern unter Berücksichtigung von Abweichungen vom Normverhalten zu prädizieren. Die erfindungsgemäße Recheneinheit kann also dazu ausgelegt sein, Wahrscheinlichkeiten für vom Normverhalten abweichende Verhaltensweisen von Verkehrsteilnehmern zu berechnen und die Konsequenzen dieser Verhaltensweisen den Fahrerassistenzfunktionen anzuzeigen. Unter Kenntnis der prädizieren Verhaltensweisen der Verkehrsteilnehmer und ihrer Wahrscheinlichkeiten können die Fahrerassistenzfunktionen geeignete Verhaltensentscheidungen treffen. Beispielsweise kann die Recheneinheit dazu ausgelegt sein, die Wahrscheinlichkeit zu berechnen, dass ein Verkehrsteilnehmer die Fahrspur wechselt, ohne vorher zu blinken. Unter Kenntnis dieser Wahrscheinlichkeit und des zugehörigen prädizierten Status des Verkehrsteilnehmers kann zum Beispiel ein Abstandsregeltempomat eine Reduktion der Geschwindigkeit bewirken, um eine Gefahrensituation zu vermeiden, obwohl das Nichtblinken des Verkehrsteilnehmers darauf hindeutet, dass er die Fahrspur nicht wechseln und die Gefahrensituation nicht eintreten wird.
-
Der Vergleich des erfassten aktuellen Status des Verkehrsteilnehmers und des unter Verwendung des Verhaltensmodells prädizierten Status erlaubt Rückschlüsse auf die Qualität des Verhaltensmodells. Insbesondere sollte der erfasste aktuelle Status des Verkehrsteilnehmers in Anbetracht des Verhaltensmodells plausibel erscheinen. Daher ist die erfindungsgemäße Recheneinheit dazu ausgelegt, den erfassten aktuellen Status des Verkehrsteilnehmers mit dem prädizierten Status zu vergleichen und Parameter des Verhaltensmodells basierend auf dem Ergebnis des Vergleichs zu aktualisieren. Bei diesen Parametern des Verhaltensmodells handelt es sich insbesondere um die Statistiken zu Abweichungen vom Normverhalten. Dabei können verschiedene Algorithmen des maschinellen Lernens verwendet werden, um die Parameter des Verhaltensmodells basierend auf dem Ergebnis des Vergleichs des erfassten aktuellen Status des Verkehrsteilnehmers und des prädizierten Status des Verkehrsteilnehmers zu aktualisieren.
-
Gemäß einer weiteren Ausführungsform ist die Recheneinheit dazu ausgelegt, aus den Sensordaten mindestens eine der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers, Fahrzeugtyp, Uhrzeit, Datum und Wetter zu erfassen. Weiterhin ist die Recheneinheit dazu ausgelegt, Statistiken zu Abweichungen von dem Normverhalten in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers, Fahrzeugtyp, Uhrzeit, Datum und Wetter zu berechnen und zu aktualisieren.
-
Die Recheneinheit kann Informationen über den aktuellen Ort, die Ortsansässigkeit des Verkehrsteilnehmers, die Ortskunde des Verkehrsteilnehmers, den Fahrzeugtyp, die Uhrzeit, das Datum sowie das Wetter aus Daten unterschiedlicher Sensorsysteme gewinnen. Insbesondere kann die Recheneinheit dazu ausgelegt sein, Informationen über den aktuellen Ort von einem Navigationsempfänger zu empfangen und weiter zu verarbeiten. Dabei handelt es sich beispielsweise um einen GPS-, GLONASS-, Galileo- oder Beidou-Empfänger. Ferner kann die Recheneinheit dazu ausgeführt sein, Bilddaten einer Kamera zu empfangen und aus den Bilddaten Informationen über den aktuellen Ort zu gewinnen. Zur Erfassung der Ortsansässigkeit des Verkehrsteilnehmers kann die Recheneinheit dazu ausgeführt sein, Bilddaten einer Kamera zu empfangen und in den Bilddaten das Kennzeichen des Verkehrsteilnehmers und insbesondere das Unterscheidungszeichen zu detektieren. Dabei besteht das Unterscheidungszeichen aus bis zu drei Buchstaben, die den Verwaltungsbezirk der Zulassungsbehörde des Kraftfahrzeugs kennzeichnen. Aus datenschutzrechtlichen Gründen kann die Recheneinheit dazu ausgeführt sein, einen Hash-Wert des Unterscheidungszeichens zu berechnen und neben dem Status für das Kraftfahrzeug zu speichern. Darüber hinaus kann die Recheneinheit dazu ausgeführt sein, den aktuellen Ort und die Ortsansässigkeit des Verkehrsteilnehmers zu vergleichen und so einen Hinweis auf die Ortskunde des Verkehrsteilnehmers zu gewinnen. Außerdem kann die Recheneinheit dazu ausgeführt sein, Bilddaten einer Kamera zu empfangen und aus den Bilddaten den Fahrzeugtyp zu bestimmen. Insbesondere kann die Recheneinheit dazu ausgeführt sein, Pkw von Lkw zu unterscheiden. Ferner kann die Recheneinheit dazu ausgeführt sein, die Fahrzeuge der Verkehrsteilnehmer entsprechend ihrer Geschwindigkeit zu klassifizieren. Beispielsweise kann ein Nissan Micra einer anderen Geschwindigkeitsklasse zugeordnet werden als ein Porsche 911.
-
Die Recheneinheit kann auch dazu ausgelegt sein, Uhrzeit und Datum von einem GPS-Empfänger zu empfangen. Alternativ kann die Recheneinheit dazu ausgelegt sein, Informationen über Uhrzeit und Datum von einem Zeitgeber des Kraftfahrzeugs zu empfangen. Ferner kann die Recheneinheit dazu ausgelegt sein, Bilddaten einer Kamera sowie weiterer Sensoren zu empfangen, um Informationen über das Wetter zu gewinnen.
-
Gemäß einer weiteren Ausführungsform ist die Recheneinheit dazu ausgeführt, über eine Kommunikationseinheit statistische Daten zu Abweichungen von dem Normverhalten von Verkehrsteilnehmern an einen Remote-Server zu senden.
-
Die Recheneinheit kann dazu ausgeführt sein, die Statistiken zu Abweichungen vom Normverhalten laufend unter Verwendung des Ergebnisses des Vergleichs des aktuellen Status eines Verkehrsteilnehmers und des prädizierten Status des Verkehrsteilnehmers zu aktualisieren. Um die so gewonnenen statistischen Daten auch anderen Verkehrsteilnehmern mit einer erfindungsgemäßen Recheneinheit zur Verfügung zu stellen, kann die Recheneinheit dazu ausgeführt sein, in regelmäßigen oder unregelmäßigen Zeitabständen die statistischen Daten zu Abweichungen vom Normverhalten über eine Kommunikationseinheit an einen Remote-Server zu senden. Dabei kann die Recheneinheit die Übertragung der statistischen Daten zu Abweichungen vom Normverhalten an den Remote-Server selbst initiieren. Alternativ kann der Remote-Server die statistischen Daten zu Abweichungen vom Normverhalten bei der Recheneinheit abfragen. Der Remote-Server ist vorzugsweise dazu ausgeführt, statistische Daten zu Abweichungen vom Normverhalten von einer Vielzahl von Verkehrsteilnehmern mit einer erfindungsgemäßen Recheneinheit zu empfangen und die statistischen Daten zu fusionieren. Dem Remote-Server steht also eine große Wissensbasis zur Verfügung, sodass der Remote-Server die Statistiken zu Abweichungen vom Normverhalten der Verkehrsteilnehmer präzise berechnen kann.
-
Gemäß einer weiteren Ausführungsform ist die Recheneinheit dazu ausgelegt, über die Kommunikationseinheit statistische Daten zu Abweichungen von dem Normverhalten von Verkehrsteilnehmern von dem Remote-Server zu empfangen, und die in dem Verhaltensmodell verwendeten Statistiken zu Abweichungen vom Normverhalten basierend auf den von dem Remote-Server empfangenen statistischen Daten zu Abweichungen von dem Normverhalten zu aktualisieren.
-
Wie zuvor erläutert, kann der Remote-Server dazu ausgelegt sein, statistische Daten zu Abweichungen vom Normverhalten von einer Vielzahl von Verkehrsteilnehmern mit einer erfindungsgemäßen Recheneinheit zu empfangen und zu fusionieren. Ferner kann der Remote-Server dazu ausgelegt sein, die fusionierten statistischen Daten zu Abweichungen vom Normverhalten an Verkehrsteilnehmer mit einer erfindungsgemäßen Recheneinheit zu senden. Dementsprechend ist die Recheneinheit zum Lernen eines Verhaltensmodells vorzugsweise dazu ausgelegt, über die Kommunikationseinheit statistische Daten zu Abweichungen vom Normverhalten von dem Remote-Server zu empfangen und die in dem Verhaltensmodell verwendeten Statistiken zu Abweichungen vom Normverhalten basierend auf den von dem Remote-Server empfangenen statistischen Daten zu aktualisieren. Insbesondere kann die Recheneinheit dazu ausgelegt sein, die bisherigen statistischen Daten zu Abweichungen vom Normverhalten durch die von dem Remote Server empfangenen statistischen Daten zu Abweichungen vom Normverhalten zu ersetzen. Alternativ kann die Recheneinheit dazu ausgelegt sein, die bisherigen statistischen Daten zu Abweichungen vom Normverhalten des Verhaltensmodells und die von dem Remote-Server empfangenen statistischen Daten zu Abweichungen vom Normverhalten zu kombinieren.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Wechseln der Fahrspur ohne Blinken auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Wechseln der Fahrspur ohne Blinken in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Das Wechseln der Fahrspur von Verkehrsteilnehmern spielt unter anderem für Abstandsregeltempomate eine wichtige Rolle. Dabei wird detektiert, ob andere Verkehrsteilnehmer auf die eigene Fahrspur schwenken. Das Blinken eines Verkehrsteilnehmers kann hierfür wertvolle Informationen bereitstellen. Allerdings können Verkehrsteilnehmer die Fahrspur auch wechseln, ohne zu blinken. Um gefährliche Situationen oder gar Unfälle zu vermeiden, wird bei der Prädiktion des Verhaltens von Verkehrsteilnehmern vorteilhafterweise berücksichtigt, dass diese die Fahrspur wechseln können, ohne zu blinken. Das erfindungsgemäße Verhaltensmodell weist dazu eine Statistik zum Wechseln der Fahrspur ohne Blinken auf. Diese Statistik kann Wahrscheinlichkeiten zum Wechseln der Fahrspur ohne Blinken umfassen, die von dem aktuellen Ort, der Ortsansässigkeit des Verkehrsteilnehmers, der Ortskunde des Verkehrsteilnehmers sowie dem Fahrzeugtyp abhängen.
-
Beispielsweise kann die Recheneinheit dazu ausgeführt sein, basierend auf dem aktuellen Ort und der Ortsansässigkeit des Verkehrsteilnehmers zu detektieren, ob der Verkehrsteilnehmer auf eine andere Fahrspur wechseln müsste, um in die Richtung seiner Ortsansässigkeit zu fahren. Ferner kann die Recheneinheit dazu ausgeführt sein, basierend auf dem Ergebnis dieser Detektion unterschiedliche Wahrscheinlichkeiten für das Wechseln der Fahrspur ohne Blinken zu lernen und zur Prädiktion des Verhaltens der Verkehrsteilnehmer zu verwenden.
-
Wie oben bereits dargelegt kann aufgrund eines Vergleichs des aktuellen Orts und der Ortsansässigkeit des Verkehrsteilnehmers ein Hinweis auf dessen Ortskunde gewonnen werden. Ortsfremde Verkehrsteilnehmer brauchen in der Regel einige Zeit, um sich zu orientieren. Aufgrund dieser zusätzlichen Belastung können ortsfremde Verkehrsteilnehmer vermehrt Fehler machen, also zum Beispiel die Fahrspur wechseln, ohne zu blinken. Aus diesem Grund kann die Recheneinheit dazu ausgeführt sein, unterschiedliche Wahrscheinlichkeiten für das Wechseln der Fahrspur ohne Blinken für ortsfremde und ortskundige Verkehrsteilnehmer zu lernen und zu verwenden, um das Verhaltens der Verkehrsteilnehmer zu prädizieren.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Überschreiten einer zulässigen Höchstgeschwindigkeit auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Überschreiten der zulässigen Höchstgeschwindigkeit in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Das Überschreiten der zulässigen Höchstgeschwindigkeit ist eine weitere Ausprägungsform eines von der Norm abweichenden Verhaltens. Ein Verhaltensmodell, das regelkonformes Verhalten aller Verkehrsteilnehmer voraussetzt, führt bei einer Überschreitung der zulässigen Höchstgeschwindigkeit zu falschen Voraussagen über das Verhalten der Verkehrsteilnehmer. Um diese Modellfehler zu vermeiden, weist das erfindungsgemäße Verhaltensmodell eine Statistik zum Überschreiten der zulässigen Höchstgeschwindigkeit auf. Diese Statistik kann Wahrscheinlichkeitsverteilungen für die Geschwindigkeit oder eine normierte Geschwindigkeit umfassen, wobei die Geschwindigkeit zum Beispiel auf die zulässige Höchstgeschwindigkeit normiert ist.
-
Ortskundige Verkehrsteilnehmer neigen eventuell eher zu überhöhten Geschwindigkeiten als ortsfremde Verkehrsteilnehmer. Aus diesem Grund kann die erfindungsgemäße Recheneinheit dazu ausgeführt sein, für ortskundige und ortsfremde Verkehrsteilnehmer unterschiedliche Wahrscheinlichkeitsverteilung für das Überschreiten der Höchstgeschwindigkeit zu lernen und bei der Prädiktion des Verhaltens der Verkehrsteilnehmer zu verwenden.
-
Weiterhin neigen Fahrer schneller Pkws eventuell eher zu einer Überschreitung der Höchstgeschwindigkeit als zum Beispiel Fahrer eines langsamen Pkws oder eines Lkws. Aus diesem Grund kann die erfindungsgemäße Recheneinheit dazu ausgeführt sein, für schnelle Pkws bzw. Pkws eines ersten Typs eine unterschiedliche Wahrscheinlichkeitsverteilung für das Überschreiten der Höchstgeschwindigkeit bei der Prädiktion des Verhaltens zu verwenden als für langsame Pkws bzw. Pkws eines zweiten Typs oder Lkws. Die Recheneinheit kann auch detektieren, ob es sich um einen Pkw ersten oder zweiten Typs handelt.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers, Uhrzeit und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Das Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug hat ein erhebliches Gefährdungspotenzial. Daher ist es bedeutsam, diese Verhalten bei der Prädiktion des Verhaltens der Verkehrsteilnehmer zu berücksichtigen. Das erfindungsgemäße Verhaltensmodell kann aus diesem Grund eine Statistik zum Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug aufweisen. Demgemäß kann die Recheneinheit dazu ausgeführt sein, die Statistik zum Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug zu lernen und für die Prädiktion des Verkehrsteilnehmerverhaltens zu verwenden.
-
Fahrer schneller Pkws neigen eventuell eher dazu, den Sicherheitsabstand zu vorausfahrenden Pkws nicht einzuhalten wie Fahrer langsamer Pkws. Aus diesem Grund kann die erfindungsgemäße Recheneinheit dazu ausgelegt sein, Bilddaten einer Kamera zu empfangen und den Fahrzeugtyp anderer Verkehrsteilnehmer in den Bilddaten zu detektieren. Ferner kann die Recheneinheit dazu ausgelegt sein, für Fahrer schneller und langsamer Fahrzeuge unterschiedliche Wahrscheinlichkeiten für das Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug zu lernen und bei der Prädiktion des Verkehrsteilnehmerverhaltens zu verwenden.
-
Darüber hinaus neigen Lkw-Fahrer insbesondere auf Autobahnen aufgrund von Zeitdruck zur Nichteinhaltung des Sicherheitsabstands zu vorausfahrenden Fahrzeugen. Die erfindungsgemäße Recheneinheit kann daher dazu ausgelegt sein, Lkws in den Bilddaten einer Kamera zu detektieren. Weiterhin kann die Recheneinheit dazu ausgelegt sein, aus den Bilddaten oder aus Daten anderer Sensoren das Fahren auf einer Autobahn zu detektieren. Dementsprechend kann die Recheneinheit dazu ausgelegt sein, für Lkws auf Autobahnen eine dedizierte Wahrscheinlichkeit für das Nichteinhalten des Sicherheitsabstandes zu einem vorausfahrenden Fahrzeug zu lernen und bei der Prädiktion des Verkehrsteilnehmerverhaltens zu verwenden.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum verspäteten Blinken vor dem Abbiegen auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum verspäteten Blinken vor dem Abbiegen in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Wie oben bereits erläutert stellen Lichtsignale wichtige Informationen zur Prädiktion des Verhaltens von Verkehrsteilnehmern dar. Allerdings können Verkehrsteilnehmer beispielsweise nicht oder zu spät vor dem Abbiegen blinken. Die erfindungsgemäße Recheneinheit kann dazu ausgeführt sein, ein Verhaltensmodell mit einer Statistik zum verspäteten Blinken vor dem Abbiegen zu lernen und für die Prädiktion des Verhaltens der Verkehrsteilnehmer zu verwenden. Dabei kann die Statistik zum verspäteten Blinken vor dem Abbiegen vom aktuellen Ort, der Ortsansässigkeit des Verkehrsteilnehmers, der Ortskunde des Verkehrsteilnehmers und/oder dem Fahrzeugtyp abhängen.
-
Beispielsweise kann die Recheneinheit dazu ausgeführt sein, den aktuellen Ort und die Ortsansässigkeit des Verkehrsteilnehmers zu vergleichen und so einen Hinweis auf die Ortskunde des Verkehrsteilnehmers zu gewinnen. Ortsfremde Verkehrsteilnehmer benötigen einige Zeit, um sich zu orientieren und die lokalen Begebenheiten zu erfassen. Aufgrund dieser zusätzlichen Belastung unterlaufen ortsfremden Verkehrsteilnehmern in der Regel mehr Fehler als ortskundigen Verkehrsteilnehmern. Aus diesem Grund neigen ortsfremde Verkehrsteilnehmer möglicherweise zu verspätetem Blinken vor dem Abbiegen. Das Verhaltensmodell kann daher unterschiedliche Wahrscheinlichkeiten für verspätetes Blinken vor dem Abbiegen für ortskundige und ortsfremde Verkehrsteilnehmer umfassen.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum unerwarteten Bremsen oder Anhalten auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum unerwarteten Bremsen oder Anhalten in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Zum Beispiel neigen ortsfremde Verkehrsteilnehmer zu unerwartetem Bremsen oder Anhalten, um nach dem Weg zu fragen. Um dieses von der Norm abweichende Verhalten bei der Prädiktion des Verhaltens von Verkehrsteilnehmern berücksichtigen zu können, kann die erfindungsgemäße Recheneinheit dazu ausgeführt sein, ein Verhaltensmodell mit einer Statistik zum unerwarteten Bremsen oder Anhalten zu lernen. Dabei können für ortsfremde und ortskundige Verkehrsteilnehmer unterschiedliche Wahrscheinlichkeiten für unerwartetes Bremsen oder Anhalten gelernt und für die Prädiktion des Verkehrsteilnehmerverhaltens verwendet werden.
-
Die Statistik zum unerwarteten Bremsen oder Anhalten kann auch von dem aktuellen Ort und dem Fahrzeugtyp abhängen. Beispielsweise neigen Lieferwagen in Wohn- und Gewerbegebieten zu unerwartetem Bremsen oder Anhalten, um Lieferungen zuzustellen. Demgemäß kann die Recheneinheit dazu ausgeführt sein, Bilddaten einer Kamera zu empfangen und mittels der Bilddaten Lieferwagen zu detektieren. Ferner kann die Recheneinheit dazu ausgelegt sein, mittels der Bilddaten einer Kamera oder mittels Positionsdaten eines Navigationsempfängers zu bestimmen, ob sich der aktuelle Ort in einem Wohn- oder Gewerbegebiet befindet. Die Recheneinheit kann daher dazu ausgelegt sein, in Abhängigkeit von dem aktuellen Ort und dem Fahrzeugtyp unterschiedliche Wahrscheinlichkeiten für unerwartetes Bremsen oder Anhalten zu lernen und für die Prädiktion des Verkehrsteilnehmerverhaltens zu verwenden.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Überfahren einer gelben oder roten Ampel auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Überfahren einer gelben oder roten Ampel in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Ortsansässigkeit des Verkehrsteilnehmers, Ortskunde des Verkehrsteilnehmers und Fahrzeugtyp zu berechnen und zu aktualisieren.
-
Das Überfahren einer gelben oder roten Ampel kann erhebliche Gefahren für andere Verkehrsteilnehmer zur Folge haben. Daher ist es wichtig, dass bei der Prädiktion des Verhaltens von Verkehrsteilnehmern die Möglichkeit des Überfahrens einer gelben oder roten Ampel berücksichtigt wird. Daher ist die erfindungsgemäße Recheneinheit dazu ausgelegt, ein Verhaltensmodell mit einer Statistik für das Überfahren einer gelben oder roten Ampel zu lernen und für die Prädiktion des Verkehrsteilnehmerverhaltens zu verwenden. Dabei kann die Statistik zum Überfahren einer gelben oder roten Ampel von dem aktuellen Ort, der Ortsansässigkeit des Verkehrsteilnehmers, der Ortskunde des Verkehrsteilnehmers und dem Fahrzeugtyp abhängen.
-
Ortsfremde Verkehrsteilnehmer neigen möglicherweise zu häufigeren Fehlern wie dem Überfahren einer gelben oder roten Ampel als ortskundige Verkehrsteilnehmer. Daher kann die erfindungsgemäße Recheneinheit dazu ausgeführt sein, für ortsfremde und ortskundige Verkehrsteilnehmer unterschiedliche Wahrscheinlichkeiten für das Überfahren einer gelben oder roten Ampel zu lernen und für die Prädiktion des Verhaltens der Verkehrsteilnehmer zu verwenden.
-
Weiterhin kann die Statistik zum Überfahren einer gelben oder roten Ampel unter anderem von der Uhrzeit abhängen. Während der Hauptverkehrszeit am Morgen neigen Verkehrsteilnehmer eventuell dazu, gelbe oder rote Ampeln zu überfahren, um rechtzeitig ihren Arbeitsplatz zu erreichen. Demgemäß kann die Recheneinheit dazu ausgeführt sein, unterschiedliche Wahrscheinlichkeiten für das Überfahren einer gelben oder roten Ampel in Abhängigkeit von der Uhrzeit zu lernen und für die Prädiktion des Verkehrsteilnehmerverhaltens basieren auf dem Verhaltensmodell zu verwenden.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Vorliegen eines Staus auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Vorliegen eines Staus in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Uhrzeit und Datum zu berechnen und zu aktualisieren.
-
Bei Vorliegen eines Staus weicht das Verhalten der Verkehrsteilnehmer deutlich von dem Normverhalten ab. Insbesondere fahren bei einem Stau die Kraftfahrzeuge mit geringem Abstand und niedriger Geschwindigkeit hintereinander her. Um dieses Verhalten der Verkehrsteilnehmer voraussagen zu können, kann das Verhaltensmodell eine Statistik zum Vorliegen eines Staus aufweisen. Die erfindungsgemäße Recheneinheit kann beispielsweise dazu ausgelegt sein, Bilddaten einer Kamera zu empfangen und aus den Bilddaten das Vorliegen eines Staus zu detektieren. Insbesondere kann die Recheneinheit dazu ausgeführt sein, das Vorliegen eines Staus zu erkennen, indem basierend auf den Bilddaten der Kamera detektiert wird, ob die anderen Verkehrsteilnehmer mit geringem Abstand und niedriger Geschwindigkeit hintereinander herfahren.
-
Das Auftreten von Staus weist eine signifikante Korrelation mit bestimmten Orten, Uhrzeiten und Tagen auf. Beispielsweise treten Staus an Wochentagen vermehrt zu den Hauptverkehrszeiten am Morgen und Abend auf. Daher kann die erfindungsgemäße Recheneinheit dazu ausgelegt sein, bei erstmaligem Auftreten eines Staus an dem aktuellen Ort und/oder in dem momentanen Zeitfenster ein neues Stauereignis zu generieren, welches in statistischer Weise das Vorliegen eines Staus an dem aktuellen Ort und/oder in dem momentanen Zeitfenster beschreibt. Dabei kann ein Zeitfenster beispielsweise auf einen Uhrzeitbereich und/oder bestimmte Wochentage beschränkt sein. Das Verhaltensmodell kann dieses Stauereignis umfassen und langfristig speichern. Ferner kann die Recheneinheit dazu ausgelegt sein, die Existenz eines Stauereignisses für den aktuellen Ort und/oder das momentane Zeitfenster abzufragen sowie bei Existenz eines Stauereignisses für den aktuellen Ort und/oder das momentane Zeitfenster die Wahrscheinlichkeit für das Vorliegen eines Staus des Stauereignisses zu aktualisieren. Insbesondere kann die Recheneinheit dazu ausgelegt sein, bei Detektion eines Staus die Wahrscheinlichkeit für das Vorliegen eines Staus des Stauereignisses zu erhöhen bzw., wenn kein Stau detektiert wurde, die Wahrscheinlichkeit für das Vorliegen eines Staus des Stauereignisses zu erniedrigen.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Vorliegen einer Baustelle auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Vorliegen einer Baustelle in Abhängigkeit von mindestens einer der Kenngrößen aktueller Ort, Uhrzeit und Datum zu berechnen und zu aktualisieren.
-
Bei Auftreten einer Fahrbahnsperrung aufgrund einer Baustelle müssen Verkehrsteilnehmer die Baustelle umfahren. Das Verhalten der Verkehrsteilnehmer weicht in diesem Fall also deutlich von dem Normverhalten ab. Um dieses Verhalten der Verkehrsteilnehmer voraussagen zu können, kann das Verhaltensmodell Statistiken zum Vorliegen einer Baustelle aufweisen. Die erfindungsgemäße Recheneinheit kann beispielsweise dazu ausgelegt sein, Bilddaten einer Kamera zu empfangen und aus den Bilddaten das Vorliegen einer Fahrbahnsperrung aufgrund einer Baustelle zu detektieren.
-
Ferner kann die Recheneinheit dazu ausgelegt sein, bei erstmaligem Auftreten einer Fahrbahnsperrung aufgrund einer Baustelle an dem aktuellen Ort ein Baustellenereignis zu generieren, welches in statistischer Weise das Vorliegen einer Fahrbahnsperrung aufgrund einer Baustelle an dem aktuellen Ort beschreibt. Dabei wird die Wahrscheinlichkeit für das Vorliegen einer Fahrbahnsperrung des Baustellenereignisses vorzugsweise mit eins initialisiert. Das Verhaltensmodell kann dieses Baustellenereignis umfassen und langfristig speichern. Ferner kann die Recheneinheit dazu ausgelegt sein, die Existenz eines Baustellenereignisses für den aktuellen Ort abzufragen sowie bei Existenz eines Baustellenereignisses für den aktuellen Ort die Wahrscheinlichkeit für das Vorliegen einer Fahrbahnsperrung des Baustellenereignisses zu aktualisieren. Insbesondere kann die Recheneinheit dazu ausgelegt sein, die Wahrscheinlichkeit für das Vorliegen einer Fahrbahnsperrung des Baustellenereignisses mit fortschreitender Zeit zu reduzieren bzw., wenn erneut eine Fahrbahnsperrung aufgrund einer Baustelle detektiert wird, die Wahrscheinlichkeit für das Vorliegen einer Fahrbahnsperrung des Baustellenereignisses auf eins zurückzusetzen. Daher ist die Recheneinheit vorzugsweise dazu ausgelegt, die Statistik für das Vorliegen einer Baustelle in Abhängigkeit von insbesondere dem Ort, der Uhrzeit sowie dem Datum zu berechnen und zu aktualisieren.
-
Gemäß einer weiteren Ausführungsform weist das Verhaltensmodell eine Statistik zum Unterschreiten der zulässigen Höchstgeschwindigkeit auf, und die Recheneinheit ist dazu ausgeführt, die Statistik zum Unterschreiten der zulässigen Höchstgeschwindigkeit in Abhängigkeit von mindestens einer der Kenngrößen Uhrzeit und Wetter zu berechnen und zu aktualisieren.
-
Während der Nacht sowie bei schlechtem Wetter fahren Verkehrsteilnehmer eventuell deutlich langsamer als die zulässige Höchstgeschwindigkeit bzw. die Regelgeschwindigkeit auf Autobahnen. Um dieses Verhalten der Verkehrsteilnehmer prädizieren zu können, weist das erfindungsgemäße Verhaltensmodell eine Statistik zum Unterschreiten der zulässigen Höchstgeschwindigkeit auf. Die Statistik zum Unterschreiten der zulässigen Höchstgeschwindigkeit kann Wahrscheinlichkeitsverteilungen für die Geschwindigkeit oder eine normierte Geschwindigkeit umfassen, wobei die Geschwindigkeit insbesondere auf die zulässige Höchstgeschwindigkeit normiert sein kann.
-
Die Recheneinheit kann dazu ausgelegt sein, Bilddaten einer Kamera sowie andere Sensordaten zu empfangen und aus diesen Daten Informationen über das Wetter zu gewinnen. Insbesondere kann die Recheneinheit unterschiedliche Wetterbedingungen detektieren wie zum Beispiel Sonnenschein, Regen, Nebel oder Schneefall. Ferner kann die Recheneinheit dazu ausgeführt sein, für unterschiedliche Wetterbedingungen unterschiedliche Geschwindigkeitsverteilungen zu lernen und für die Prädiktion des Verhaltens der Verkehrsteilnehmer zu verwenden.
-
Ein zweiter Aspekt der Erfindung betrifft ein Fahrerassistenzsystem zur Unterstützung eines Fahrers eines Kraftfahrzeugs, wobei das Fahrerassistenzsystem Sensoren sowie eine Recheneinheit zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern gemäß einem der vorhergehenden Ansprüche aufweist.
-
Das Fahrerassistenzsystem kann beispielsweise einen oder mehrere Sensoren aufweisen, wie sie bereits zuvor und im Folgenden beschrieben sind. Fahrerassistenzsysteme verfügen standardmäßig über Sensoren, um physikalische Kenngrößen des Kraftfahrzeugs oder dessen Umfelds zu erfassen. Die erfindungsgemäße Recheneinheit zeichnet sich dadurch aus, dass sie ein Verhaltensmodell lernt und bei der Prädiktion des Verhaltens der Verkehrsteilnehmer verwendet, welches Statistiken zu Abweichungen vom Normverhalten der Verkehrsteilnehmer umfasst. Daher kann das erfindungsgemäße Fahrerassistenzsystem dazu ausgelegt sein, eventuelle Abweichungen vom Normverhalten der Verkehrsteilnehmer zu prädizieren. Insbesondere kann das Fahrerassistenzsystem dazu ausgelegt sein, Wahrscheinlichkeiten für verschiedene Verhaltensweisen der Verkehrsteilnehmer zu berechnen, die Status der Verkehrsteilnehmer entsprechend der verschiedenen Verhaltensweisen zu prädizieren, die Gesamtsituation unter Berücksichtigung der wahrscheinlichen Verhaltensweisen der Verkehrsteilnehmer zu analysieren und aus der Gesamtsituationsanalyse geeignete Verhaltensentscheidungen zu treffen, die die Aktorik und/oder die Mensch-Maschine-Schnittstelle des Kraftfahrzeugs beeinflussen.
-
Ein dritter Aspekt der Erfindung betrifft ein Verfahren zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern für ein Fahrerassistenzsystem. Dabei weist das Verfahren die folgenden Schritte auf: Zum einen werden Sensordaten empfangen und ein aktueller Status eines Verkehrsteilnehmers aus den Sensordaten erfasst. Dabei umfasst der Status insbesondere Position und Geschwindigkeit. Zum anderen wird der aktuelle Status des Verkehrsteilnehmers unter Verwendung des Verhaltensmodells und mindestens einem zu einem früheren Zeitpunkt erfassten Status des Verkehrsteilnehmers prädiziert. Dabei umfasst das Verhaltensmodell Statistiken zu Abweichungen von einem Normverhalten von Verkehrsteilnehmern und der aktuelle Status des Verkehrsteilnehmers wird unter Berücksichtigung der Statistiken zu Abweichungen von dem Normverhalten prädiziert. Ferner werden der prädizierte und der erfasste aktuelle Status des Verkehrsteilnehmers verglichen. Des Weiteren werden das Verhaltensmodells und die Statistiken zu Abweichungen von einem Normverhalten basierend auf dem Ergebnis des Vergleichs des prädizierten und des erfassten aktuellen Status des Verkehrsteilnehmers aktualisiert.
-
Das Verfahren zum Lernen eines Verhaltensmodells von Verkehrsteilnehmern für ein Fahrerassistenzsystem kann als Programmcode implementiert, auf verschiedenen Speichermedien gespeichert und von verschiedenen Prozessoren ausgeführt werden.
-
Im Folgenden werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die Figuren beschrieben.
-
Figurenliste
-
- 1 zeigt eine Struktur eines Fahrerassistenzsystems gemäß einem Ausführungsbeispiel der Erfindung.
- 2 zeigt ein Konzept zum Lernen des Verhaltens von Verkehrsteilnehmern gemäß einem weiteren Ausführungsbeispiel der Erfindung.
-
Ähnliche oder gleiche Elemente in den Figuren werden mit ähnlichen oder gleichen Bezugszeichen beschrieben. Die Figuren sind schematische Darstellungen.
-
Detaillierte Beschreibung von Ausführungsbeispielen
-
1 zeigt die Struktur eines Fahrerassistenzsystems 100. Das Fahrerassistenzsystem umfasst Sensoren 101 zur Messung physikalischer Kenngrößen des Kraftfahrzeugs oder dessen Umfelds. Die Erfassung des Umfelds des Kraftfahrzeugs kann beispielsweise mittels Kamera-, Radar-, Lidar- sowie Ultraschallsystemen erfolgen. Die von den Sensoren erfassten Rohdaten werden in einem Signalverarbeitungsschritt 102 aufbereitet. Beispielsweise werden die von Radarantennen empfangenen Wellenformen verstärkt, gefiltert, ins Basisband verschoben, abgetastet und digitalisiert. Weiterhin können Signalverarbeitungsalgorithmen verwendet werden, um die Distanzen, Richtungen und Relativgeschwindigkeiten anderer Verkehrsteilnehmer zu schätzen. In einem Datenfusionsschritt 103 können die Daten unterschiedlicher Sensorsysteme miteinander fusioniert werden. Beispielsweise erlauben sowohl Kamera- als auch Radarsysteme die Schätzung der Distanzen, Richtungen und Relativgeschwindigkeiten anderer Verkehrsteilnehmer. In dem Schritt 103 können daher unter anderem die Daten von Radar- und Kamerasystemen miteinander fusioniert werden. Nach der Sensordatenfusion liegen insbesondere Daten zu stationären und dynamischen Objekten, Freiräumen, Fahrspurmarkierungen, Verkehrszeichen, Bodenunebenheiten etc. vor. Diese Daten werden in der nachfolgenden Szeneninterpretation 104 weiterverarbeitet. Dabei kann eine momentane oder prädiktive Situationsanalyse erfolgen. Bei einer momentanen Situationsanalyse wird beispielsweise detektiert, ob Verkehrsteilnehmer sich auf einer bestimmten Fahrspur bewegen. Demgegenüber handelt es sich bei der Erkennung des Einscherens auf eine andere Fahrspur um eine prädiktive Situationsanalyse. Die Ergebnisse der Szeneninterpretation werden den einzelnen Fahrerassistenzfunktionen zur Verfügung gestellt, um in Schritt 105 die Gesamtsituation zu bewerten sowie Verhaltensentscheidungen zu treffen. Basierend auf den Verhaltensentscheidungen kann in einem letzten Schritt 106 die Aktorik und/oder die Mensch-Maschine-Schnittstelle des Kraftfahrzeugs beeinflusst werden.
-
In 2 ist ein Grundkonzept zum Lernen des Verhaltens anderer Verkehrsteilnehmer gemäß einem Ausführungsbeispiel der Erfindung dargestellt. Nach der Signalverarbeitung und Datenfusion 203 liegt insbesondere eine Liste der detektierten anderen Fahrzeuge mit Statusdaten vor. Dabei umfasst der Status der Fahrzeuge insbesondere Position und Geschwindigkeit. Darüber hinaus kann der Status der Fahrzeuge Informationen über Lichtsignale, insbesondere Brems- und Blinklichtsignale, umfassen. Weiterhin können Daten zu stationären Objekten, Freiräumen, Fahrspurmarkierungen, Verkehrszeichen, Bodenunebenheiten etc. vorliegen. In dem Schritte 210 wird der aktuelle Status eines Fahrzeugs erfasst. Bei dem Block 211 handelt es sich um ein Verzögerungselement, sodass die nachfolgende Prädiktion 212 den aktuellen Status des Verkehrsteilnehmers unter Verwendung verzögerter Daten prädiziert. Ferner wird für die Prädiktion 212 ein Verhaltensmodell verwendet, welches Statistiken zu Abweichungen vom Normverhalten der Verkehrsteilnehmer umfasst. Es werden dann der aktuelle und der unter Verwendung des Verhaltensmodells sowie früherer Daten prädizierte Status des Verkehrsteilnehmers verglichen. In Schritt 213 wird das Ergebnis des Vergleichs des aktuellen und des prädizierten Status des Verkehrsteilnehmers verwendet, um das Verhalten der Verkehrsteilnehmer zu lernen. Dabei wird das Verhaltensmodell aktualisiert, wobei insbesondere die Statistiken zu Abweichungen vom Normverhalten der Verkehrsteilnehmer angepasst werden können.
-
Ergänzend sei darauf hingewiesen, dass „umfassend“ und „aufweisend“ keine anderen Elemente oder Schritte ausschließt und die unbestimmten Artikel „eine“ oder „ein“ keine Vielzahl ausschließen. Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen oder Schritten anderer oben beschriebener Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkungen anzusehen.
