DE102018008024A1

DE102018008024A1 - Verfahren zur Bewertung einer Verkehrssituation

Info

Publication number: DE102018008024A1
Application number: DE102018008024.3A
Authority: DE
Inventors: Rene Wirtz
Original assignee: Daimler AG
Current assignee: Mercedes Benz Group AG
Priority date: 2018-10-10
Filing date: 2018-10-10
Publication date: 2019-04-11
Also published as: WO2020074195A1

Abstract

Die Erfindung betrifft ein Verfahren zur Bewertung einer Verkehrssituation für ein zumindest teilautonom betriebenes Fahrzeug. Erfindungsgemäß wird ein künstliches neuronales Netzwerk (2) mit während einer unkritischen Verkehrssituation (V), welche nicht zu einem Unfall des Fahrzeugs und/oder nicht zu einem manuellen Eingriff eines Fahrers während des zumindest teilautonomen Betriebs des Fahrzeugs geführt hat, mittels einer fahrzeugeigenen Umgebungssensorik (3) erfassten Daten (D) trainiert. Mittels des trainierten künstlichen neuronalen Netzwerks (2) wird eine zukünftige Verkehrssituation (V) prädiziert, wobei bei einer signifikanten Abweichung einer real auftretenden Verkehrssituation (V) von der prädizierten Verkehrssituation (V) auf eine kritische Verkehrssituation (V) geschlossen wird und bei Vorliegen einer kritischen Verkehrssituation (V) eine Intensität einer mittels der fahrzeugeigenen Umgebungssensorik (3) durchgeführten Überwachung zumindest eines Verkehrsteilnehmers, dessen Verhalten von einem prädizierten Verhalten signifikant abweicht, erhöht wird.

Description

Die Erfindung betrifft ein Verfahren zur Bewertung einer Verkehrssituation gemäß dem Oberbegriff des Anspruchs 1.
Aus der DE 10 2016 007 899 A1 ist ein Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, welche auf ein teilautonom betreibbares Kraftfahrzeug bezogene Eingangsdaten verarbeitet, bekannt. Die Eingangsdaten umfassen eine Umgebung des Kraftfahrzeugs beschreibende geografische Kartendaten und Positionen und Bewegungsrichtungen weiterer Verkehrsteilnehmer in der Umgebung des Kraftfahrzeugs beschreibende Umgebungsdaten. Das Verfahren weist folgende Schritte auf:

- Ermitteln einer einen prädizierten Bewegungsraum des Kraftfahrzeugs beschreibenden Bewegungsrauminformation aus den Kartendaten;
- Ermitteln einer einen prädizierten Bewegungsweg eines Verkehrsteilnehmers beschreibenden Bewegungsweginformation durch Anwenden eines Bewegungsprädiktionsmodells auf die Umgebungsdaten;
- Ermitteln einer die Relevanz für eine Verkehrssituationsanalyse eines Teilbewegungsraums beschreibenden Bewertungsinformation in Abhängigkeit der Bewegungsrauminformation und der Bewegungsweginformation; und
- Durchführen der Verkehrssituationsanalyse für den Teilbewegungsraum in Abhängigkeit der Bewertungsinformation.

Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zur Bewertung einer Verkehrssituation anzugeben.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren gelöst, welches die im Anspruch 1 angegebenen Merkmale aufweist.
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
In dem Verfahren zur Bewertung einer Verkehrssituation für ein zumindest teilautonom betriebenes Fahrzeug wird erfindungsgemäß ein künstliches neuronales Netzwerk mit während einer unkritischen Verkehrssituation, welche nicht zu einem Unfall des Fahrzeugs und/oder nicht zu einem manuellen Eingriff eines Fahrers während des zumindest teilautonomen Betriebs des Fahrzeugs geführt hat, mittels einer fahrzeugeigenen Umgebungssensorik erfassten Daten trainiert. Durch das Training wird das neuronale Netzwerk in die Lage versetzt, eine zukünftige Verkehrssituation zu prädizieren.
Mittels des trainierten künstlichen neuronalen Netzwerks wird die zukünftige Verkehrssituation prädiziert, wobei bei einer signifikanten Abweichung einer real auftretenden Verkehrssituation von der prädizierten Verkehrssituation auf eine kritische Verkehrssituation geschlossen wird und bei Vorliegen einer kritischen Verkehrssituation eine Intensität einer mittels der fahrzeugeigenen Umgebungssensorik durchgeführten Überwachung zumindest eines Verkehrsteilnehmers, dessen Verhalten von einem prädizierten Verhalten signifikant abweicht, erhöht wird.
Vorteilhafterweise wird das Training des neuronalen Netzwerks zunächst anhand von generischen Daten durchgeführt, die von der Umgebungssensorik vorab in unkritischen Verkehrssituationen erfasst worden sind, und erst anschließend anhand der Daten durchgeführt, die während des Betriebs des Fahrzeugs von der Umgebungssensorik erfasst werden.
Das Verfahren ermöglicht eine Verbesserung der Bewertung einer Verkehrssituation aufgrund der Erhöhung der Intensität der Überwachung. Hieraus resultiert die Möglichkeit, eine Unfallgefahr frühzeitig zu erkennen und somit eine Verkehrssicherheit zu erhöhen.
Ausführungsbeispiele der Erfindung werden im Folgenden anhand einer Zeichnung näher erläutert.
Dabei zeigt:

1 schematisch ein Blockschaltbild einer Vorrichtung zur Bewertung einer Verkehrssituation.

In der einzigen 1 ist ein Blockschaltbild eines möglichen Ausführungsbeispiels einer Vorrichtung 1 zur Bewertung einer Verkehrssituation für ein zumindest teilautonom betriebenes Fahrzeug dargestellt.
Die Vorrichtung 1 umfasst ein künstliches neuronales Netzwerk 2, eine fahrzeugeigene Umgebungssensorik 3 mit einer Anzahl von Sensoren 3.1 bis 3.n, beispielsweise einer Kamera, einem Radarsensor, einem Lidarsensor, einem Ultraschallsensor und/oder anderen Sensoren, eine Auswerteinheit 4 und eine Steuereinheit 5 zur Steuerung der Umgebungssensorik 3.
Für einen zuverlässigen autonomen oder teilautonomen Betrieb des Fahrzeugs ist es förderlich, Kenntnis über zukünftig auftretende Verkehrssituationen V zu haben. Hierzu ist es erforderlich, eine künftige Verkehrssituation V zu prädizieren.
Dies erfolgt mittels eines trainierten künstlichen neuronalen Netzwerks 2, welches mit während einer unkritischen Verkehrssituation V, welche nicht zu einem Unfall des Fahrzeugs und/oder nicht zu einem manuellen Eingriff eines Fahrers während des zumindest teilautonomen Betriebs des Fahrzeugs geführt hat, mittels der fahrzeugeigenen Umgebungssensorik 3 erfassten Daten D trainiert wird. Dabei werden die Daten D der Sensoren 3.1 bis 3.n, welche als Input zur Ausführung des zumindest teilautonomen Fahrbetriebs erforderlich sind, von dem künstlichen neuronalen Netzwerk 2 dahingehend ausgewertet, das dieses eine Prädiktion einer Bewegung von in der Umgebung des Fahrzeugs detektierten Verkehrsteilnehmern in die Zukunft durchführen kann. Ergebnis dieser Prädiktion ist eine prädizierte zukünftige Verkehrssituation V_praed .
Die prädizierte zukünftige Verkehrssituation V_praed wird gemeinsam mit einer ebenfalls anhand der mittels der Umgebungssensorik 3 erfassten Daten D ermittelten realen Verkehrssituation V verglichen, wobei hierzu Informationen über die prädizierte zukünftige Verkehrssituation V_praed und die reale Verkehrssituation V einer Auswerteeinheit 4 zugeführt werden. Dabei kann die Auswerteeinheit 4 in einer möglichen Ausgestaltung der Vorrichtung 1 Bestandteil des künstlichen neuronalen Netzwerks 2 sein. In diesem Vergleich wird ein reales Verhalten anderer Verkehrsteilnehmer kontinuierlich zu einem Zeitpunkt t + Δt, wobei Δt einem Prädiktionszeitraum bzw. Vorhersageintervall entspricht, mit einem zum Zeitpunkt t vorhergesagtem Verhalten verglichen.
Wird in dem Vergleich eine signifikante Abweichung der real auftretenden Verkehrssituation V von der prädizierten Verkehrssituation V_praed ermittelt, wird auf eine kritische Verkehrssituation V_krit geschlossen. Das heißt, kommt es zu einer signifikanten Abweichung zwischen dem realen Verhalten und dem vorhergesagtem Verhalten, welches vollständig auf Informationen der anhand von unkritischen Verkehrssituationen V prädizierten Verkehrssituation V_praed basiert, dann wird von einem anormalen Verhalten des beobachteten Verkehrsteilnehmers ausgegangen und auf die kritische Verkehrssituation V_krit geschlossen.
In diesem Fall wird eine Information über die kritische Verkehrssituation V_krit an die Steuereinheit 5 gesendet, welche die Umgebungssensorik 3 derart ansteuert, dass eine Intensität einer mittels der Umgebungssensorik 3 durchgeführten Überwachung des zumindest einen Verkehrsteilnehmers, dessen Verhalten von dem prädizierten Verhalten signifikant abweicht, erhöht wird. Das heißt, die Umgebungssensorik 3 kann größere Rechenressourcen zur Beobachtung des Verkehrsteilnehmers verwenden, um eine Unfallgefahr möglichst schnell zu detektieren und um durch Ansteuerung von Fahrzeugfunktionen gegebenenfalls frühzeitig Sicherheitsmaßnahmen zur Reduzierung der Unfallgefahr und/oder von Unfallfolgen zu aktivieren. Hierbei kann beispielsweise zumindest ein beweglich am Fahrzeug angeordneter hochauflösender Sensor 3.1 bis 3.n mit geringem Öffnungswinkel, beispielsweise eine Kamera, ein Radarsensor oder Lidarsensor, der fahrzeugeigenen Umgebungssensorik 3 gezielt auf den Verkehrsteilnehmer gerichtet werden oder ein Rastermaß eines örtlichen und zeitlichen Rahmens in einer Berechnung einer Bewegung des Verkehrsteilnehmers verringert wird, d. h. ein feinerer örtlicher und zeitlicher Rahmen, auch als Grid bezeichnet, in der Berechnung der Bewegung des Verkehrsteilnehmers genutzt wird.
Weiterhin wird ein optimaler Prädiktionszeitraum Δt ermittelt, der klein genug ist, um eine möglichst exakte Prädiktion zu erzeugen, jedoch nicht zu klein ist, um mögliche Abweichungen des realen Verhaltens von der Prädiktion zu erkennen. Die Größe des Prädiktionszeitraums Δt wird variabel in Abhängigkeit mittels der fahrzeugeigenen Umgebungssensorik 3 erfassten Umgebungsbedingungen eingestellt. Das heißt, der Prädiktionszeitraum Δt wird variabel ausgelegt, so dass dieser den äußeren Bedingungen, beispielsweise einer Geschwindigkeit des Fahrzeugs und/oder einer Sichtweite der Sensoren 3.1 bis 3.n, angepasst wird.
Bezugszeichenliste

1: Vorrichtung
2: Netzwerk
3: Umgebungssensorik
3.1 bis 3.n: Sensor
4: Auswerteeinheit
5: Steuereinheit
D: Daten
V: Verkehrssituation
V_krit: Verkehrssituation
V_praed: Verkehrssituation

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102016007899 A1 [0002]

Claims

Verfahren zur Bewertung einer Verkehrssituation für ein zumindest teilautonom betriebenes Fahrzeug, dadurch gekennzeichnet, dass - ein künstliches neuronales Netzwerk (2) mit während einer unkritischen Verkehrssituation (V), welche nicht zu einem Unfall des Fahrzeugs und/oder nicht zu einem manuellen Eingriff eines Fahrers während des zumindest teilautonomen Betriebs des Fahrzeugs geführt hat, mittels einer fahrzeugeigenen Umgebungssensorik (3) erfassten Daten (D) trainiert wird, - mittels des trainierten künstlichen neuronalen Netzwerks (2) eine zukünftige Verkehrssituation (V_praed) prädiziert wird, - bei einer signifikanten Abweichung einer real auftretenden Verkehrssituation (V) von der prädizierten Verkehrssituation (V_praed) auf eine kritische Verkehrssituation (V_krit) geschlossen wird und - bei Vorliegen einer kritischen Verkehrssituation (V_krit) eine Intensität einer mittels der fahrzeugeigenen Umgebungssensorik (3) durchgeführten Überwachung zumindest eines Verkehrsteilnehmers, dessen Verhalten von einem prädizierten Verhalten signifikant abweicht, erhöht wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Intensität der Überwachung erhöht wird, indem zumindest ein beweglich am Fahrzeug angeordneter hochauflösender Sensor (3.1 bis 3.n) der fahrzeugeigenen Umgebungssensorik (3) auf den Verkehrsteilnehmer gerichtet wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Intensität der Überwachung erhöht wird, indem ein Rastermaß eines örtlichen und zeitlichen Rahmens in einer Berechnung einer Bewegung des Verkehrsteilnehmers verringert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Größe eines Prädiktionszeitraums variabel in Abhängigkeit mittels der fahrzeugeigenen Umgebungssensorik (3) erfassten Umgebungsbedingungen eingestellt wird.