DE102018211835A1

DE102018211835A1 - Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente

Info

Publication number: DE102018211835A1
Application number: DE102018211835.3A
Authority: DE
Inventors: Michael Beuschel; Stefan Bauer; Norbert Seltner
Original assignee: Conti Temic Microelectronic GmbH
Current assignee: Conti Temic Microelectronic GmbH
Priority date: 2018-07-17
Filing date: 2018-07-17
Publication date: 2019-12-05

Abstract

Es ist ein Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente offenbart. Das Verfahren umfasst die folgenden Schritte: Ermitteln eines Fahrzeugmodells (VB) des Fahrzeugs (FZ) anhand von Fahrzeugidentifikationsdaten, Ermitteln eines, einen Nutzer (P4) des Fahrzeugs (FZ) identifizierenden Nutzerparameters (ID4) anhand von Nutzeridentifikationsdaten, Bereitstellen eines künstlichen neuronalen Netzes (NN), das mit einer Komponentenreferenzeinstellposition eines Referenznutzers (P1, P2) in dem ermittelten Fahrzeugmodell (VB), mit einer Komponentenreferenzeinstellposition des Referenznutzers (P1, P2) in einem Referenzfahrzeugmodell (VA) und mit einer Komponentenreferenzeinstellposition des Nutzers (P4) in dem Referenzfahrzeugmodell (VA) trainiert ist, und Bestimmen der Einstellposition der Komponente (SP, S, T) in dem Fahrzeug (FZ) durch Eingabe des Fahrzeugmodells (VB) und des Nutzerparameters (ID4) in das künstliche neuronale Netz (NN).

Description

Die Erfindung betrifft ein Verfahren zum Bestimmen einer in einer Position verstellbaren Komponente eines Fahrzeugs, insbesondere eines Sitzes, eines Spiegels oder einer Tür des Fahrzeugs. Weiterhin betrifft die Erfindung ein Computerprogrammprodukt sowie eine Einstelleinrichtung zum Einstellen einer Einstellposition einer derartigen Komponente. Ferner betrifft die Erfindung eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug, jeweils mit einer dementsprechenden Einstelleinrichtung.
Die optimale Einstellposition einer in einer Position verstellbaren Komponente wie beispielsweise einem Sitz, einem Spiegel oder einer Tür eines Fahrzeugs ist ein wichtiger Aspekt für Komfort und Sicherheit der Fahrzeugnutzer. Die optimale Einstellposition für derartige Komponenten zu finden ist oft nicht einfach und benötigt einigen Aufwand, insbesondere in einem für den Fahrzeugnutzer unbekannten Fahrzeug, wie einem Mietwagen. Es gibt vielfältige Einstellmöglichkeiten, wie beispielsweise Sitzhöhe, Sitzneigung, Spiegeleinstellung, Türöffnungswinkel, insbesondere Heckklappenöffnungswinkel etc.
Üblicherweise wird die Einstellposition von derartigen Komponenten von dem Fahrzeugnutzer zumindest bei der ersten Benutzung des Fahrzeugs manuell eingestellt. Die von dem Nutzer eingestellte Einstellposition der jeweiligen Komponente wird dann üblicherweise im Fahrzeug gespeichert, sodass der Fahrzeugnutzer bei einer erneuten Nutzung dieses Fahrzeugs auf die gespeicherte Einstellposition der jeweiligen Komponente zurückgreifen kann und die Komponenten dieses Fahrzeugs nicht jedes Mal aufs Neue einstellen muss.
Üblicherweise ist dies besonders relevant, wenn das Fahrzeug von unterschiedlichen Nutzern genutzt wird und die in ihrer Position verstellbaren Komponenten von den jeweiligen Nutzer regelmäßig verändert wird, wie dies beispielsweise bei Mietfahrzeugen der Fall ist.
Aufgabe der vorliegenden Erfindung ist es daher, ein Verfahren, ein Computerprogrammprodukt, eine Einstelleinrichtung, eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug bereitzustellen, bei welchem bzw. mit welchem eine Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs einfacher bestimmt werden kann.
Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt, eine Einstelleinrichtung, eine Servereinrichtung, ein Kommunikationsendgerät und ein Fahrzeug gemäß den unabhängigen Ansprüchen gelöst. Bevorzugte Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
Gemäß einem ersten Aspekt der Erfindung wird ein Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs geschaffen, wobei das Verfahren folgende Schritte aufweist: Ermitteln eines Fahrzeugmodells des Fahrzeugs anhand von Fahrzeugidentifikationsdaten, Ermitteln eines einen Nutzer des Fahrzeugs identifizierenden, insbesondere eindeutig identifizierenden, Nutzerparameters anhand von Nutzeridentifikationsdaten, Bereitstellen eines künstlichen neuronalen Netzes, dass mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) zumindest eines Referenznutzers in dem ermittelten Fahrzeugmodell, mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des zumindest einen Referenznutzers in zumindest einem Referenzfahrzeugmodell und mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Nutzers in dem zumindest einem Referenzfahrzeugmodell trainiert ist, und Bestimmen der Einstellposition der Komponente in dem Fahrzeug durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz.
Der Erfindung liegt die Erkenntnis zugrunde, dass eine Einstellposition der verstellbaren Komponente eines von einem Nutzer zuvor nicht genutzten Fahrzeugs mithilfe eines oben beschriebenen trainierten künstlichen neuronalen Netzes einfacher bestimmt werden kann. Dadurch muss ein Nutzer die Einstellposition in einem zuvor nicht benutzen Fahrzeug nicht selbst einstellen, sondern kann auf die durch das künstliche neuronale Netz bestimmte Einstellposition zurückgreifen. Ein besonderer Vorteil besteht darin, dass keine Daten des Nutzers für das ermittelte Fahrzeug notwendig sind, da das künstliche neuronale Netz anhand der Trainingsdaten die Einstellposition in dem Fahrzeug bestimmt. Durch die Verwendung des künstlichen neuronalen Netzes sind auch keine manuell erstellten Zuordnungsvorschriften für die Einstellposition im ermittelten Fahrzeug in Abhängigkeit des ermittelten Nutzers notwendig, denn das künstliche neuronale Netz erstellt derartige Zusammenhänge selbsttätig.
Das Ermitteln des Fahrzeugmodells umfasst dabei beispielsweise das Ermitteln des Herstellers, des Typs sowie der Ausstattung des Fahrzeugs, insbesondere der Sitz- und/oder Spiegelausstattung des Fahrzeugs. Das Ermitteln des Fahrzeugmodells erfolgt anhand von Fahrzeugidentifikationsdaten, die beispielsweise durch ein Bild des Fahrzeugs, durch eine Eingabe des Nutzers oder durch ein vom jeweiligen Nutzer hinterlegtes Fahrzeugmodellprofil bereitgestellt werden.
Das Ermitteln eines, den Nutzer des Fahrzeugs (eindeutig) identifizierenden Nutzerparameters erfolgt anhand von Nutzeridentifikationsdaten. Diese können beispielsweise durch einen Login bei einem Portal, wobei der Login den Nutzerparameter des Nutzers eindeutig zuweist, durch ein mobiles Kommunikationsendgerät, wobei dieses den Nutzer bzw. den Nutzerparameter eindeutig zuordnet, durch einen Fingerabdruck des Nutzers, durch ein Retinaabbild des Nutzers, oder durch eine Ausweisnummer oder ein Foto des Nutzers bereitgestellt werden. Die Nutzerparameter und die Nutzeridentifikationsdaten können identisch sein.
Um das künstliche neuronale Netz entsprechend zu trainieren ist es notwendig, dass zumindest eine Komponentenreferenzeinstellposition eines Referenznutzers in dem ermittelten Fahrzeugmodell, zumindest eine Komponentenreferenzeinstellposition des Referenznutzers in zumindest einem von dem ermittelten Fahrzeugmodell verschiedenen Referenzfahrzeugmodell und zumindest eine Komponentenreferenzeinstellposition des identifizierten Nutzers in dem zumindest einen Referenzfahrzeugmodell vorhanden sind. Besonders gut lässt sich das neuronale Netz trainieren, wenn Komponentenreferenzeinstellpositionen (Referenzeinstellpositionen der verstellbaren Komponente) von mehreren verschiedenen Referenznutzern in mehreren verschiedenen Referenzfahrzeugmodellen vorhanden sind.
Künstliche neuronale Netze, sind Netze aus künstlichen Neuronen. Damit ist eine Abstraktion bzw. Modellbildung zur Informationsverarbeitung ausgebildet. Künstliche neuronale Netze basieren meist auf der Vernetzung vieler McCulloch-Pitts-Neuronen. Es können noch andere künstlichen Neuronen Anwendung finden, beispielsweise das High-Order-Neuron. Insbesondere folgt nach der Konstruktion des neuronalen Netzes die Trainingsphase, in der das Netz lernt. Beim Lernen werden dabei neue Verbindungen entwickelt, existierende Verbindungen gelöscht, Gewichtungen geändert, Schwellenwerte der jeweiligen Neuronen angepasst, sofern diese solche Schwellenwerte besitzen, Neuronen gelöscht oder hinzugefügt und/oder Aktivierungsfunktionen, Propagierungsfunktionen oder Ausgabefunktionen modifiziert.
Ein besonderer Vorteil besteht darin, dass das neuronale Netz Einstellpositionen der Komponente von verschiedenen Nutzern (Referenznutzen) in verschiedenen Fahrzeugmodellen (Referenzfahrzeugmodellen) erlernt und dadurch eine für den identifizierten Nutzer optimale Einstellposition in dem ermittelten Fahrzeug bereitstellt.
Die Komponente, deren Einstellposition bestimmt wird, kann dabei aus der Gruppe aufweisend einen Sitz, einen Spiegel oder eine Tür des Fahrzeugs ausgewählt sein. Weitere Beispiele für derartige Komponenten können aber auch eine Lenksäule, ein Licht oder andere in ihrer Position verstellbare Komponenten des Fahrzeugs sein.
Gemäß einer Ausgestaltung des Verfahrens kann ferner die durch das künstliche neuronale Netz bestimmte Einstellposition durch den Nutzer korrigiert werden und kann das künstliche neuronale Netz unter Berücksichtigung der korrigierten Einstellposition trainiert werden. Dadurch kann die von dem künstlichen neuronalen Netz bestimmte Einstellposition auf die jeweiligen (korrigierten) Vorlieben des Nutzers angepasst werden.
Gemäß einer weiteren Ausgestaltung wird die korrigierte Einstellposition nur dann zum Trainieren des künstlichen neuronalen Netzes berücksichtigt, wenn das Korrigieren der Einstellposition durch den Nutzer mehrmals erfolgt, sodass beispielsweise dem künstlichen neuronalen Netz mitgeteilt wird, dass die von ihm ermittelte Einstellposition offensichtlich zu ändern ist. Alternativ oder zusätzlich ist es auch möglich, dass die korrigierte Einstellposition nur dann zum Trainieren des künstlichen neuronalen Netzes berücksichtigt wird, wenn die korrigierte Einstellposition gegenüber der bestimmten Einstellposition eine vorbestimmte Abweichung überschreitet. Dies ermöglicht, dass nur ausreichend große Korrekturen der Einstellposition beim Trainieren des künstlichen neuronalen Netzes berücksichtigt werden. Insgesamt wird dadurch die Qualität der Trainingsdaten erhöht und die Bestimmung der für den Nutzer optimalen Einstellposition verbessert.
Besonders bevorzugt kann bei einem mehrmaligen Korrigieren der Einstellposition durch den Nutzer ein zeitlicher Verlauf der korrigierten Einstellposition ermittelt werden und kann dieser zeitliche Verlauf beim Trainieren des künstlichen neuronalen Netzes berücksichtigt werden. Beispielsweise können korrigierte Einstellpositionen jüngeren Datums beim Trainieren des künstlichen neuronalen Netzes stärker gewichtet werden als korrigierte Einstellpositionen älteren Datums. Dadurch können auch zeitlich veränderte Vorlieben des Nutzers berücksichtigt werden.
Vorzugsweise ist es vorgesehen, dass die durch das künstliche neuronale Netz bestimmte Einstellposition der Komponente vor dem Einsteigen des Nutzers in das Fahrzeug an das Fahrzeug übermittelt wird und dass die Einstellposition der Komponente vor dem Einsteigen des Nutzers in das Fahrzeug in dem Fahrzeug eingestellt wird. Das Übermitteln der Einstellposition kann beispielsweise drahtlos erfolgen. Beispielsweise kann die Einstellposition von einer fahrzeugexternen Servereinrichtung oder von einem mobilen Kommunikationsendgerät des Nutzers an das Fahrzeug übertragen werden, bevor der Nutzer in das Fahrzeug einsteigt. Vorteilhaft ist das Einstellen der Einstellposition vor dem Einsteigen des Nutzers in das Fahrzeug, da der Nutzer das Fahrzeug dann schneller in Betrieb nehmen kann bzw. schneller losfahren kann und keine Zeit benötigt, um die Komponenten des Fahrzeugs entsprechend einzustellen.
Weiterhin ist es vorzugsweise vorgesehen, dass das ermittelte Fahrzeugmodell und der ermittelte Nutzerparameter an ein das Fahrzeug zur Verfügung stellendes Mietwagenunternehmen übermittelt werden und die Einstellposition der Komponente durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz durch das Mietwagenunternehmen erzeugt wird. Beispielsweise kann das Mietwagenunternehmen die Ausweisnummer des Nutzers zur Identifikation des Nutzers verwenden. So kann das Mietwagenunternehmen die Einstellposition schon vor der Anwesenheit des Nutzers bestimmen und das Fahrzeug entsprechend einrichten. Das Mietwagenunternehmen kann dann beispielsweise auch bestimmen, ob das Fahrzeug überhaupt den Anforderungen des Nutzers an dessen Einstellpositionen erfüllt. So kann es beispielsweise sein, dass der Nutzer eine Einstellposition wünscht, die nur mit einer Komfortsitzeinstellung möglich ist, wohingegen das von ihm gemietete Fahrzeug keine Komfortsitze sondern beispielsweise Sportsitze aufweist. In diesem Fall könnte das Mietwagenunternehmen beispielsweise den Nutzer im Vorfeld, beispielsweise vor Anreise des Nutzers, darüber informieren oder ein anderes Mietfahrzeug bereitstellen.
Gemäß einer weiteren Ausgestaltung des Verfahrens ist eine erste in einer Position verstellbare Komponente ein Sitz des Fahrzeugs und ist eine zweite in einer Position verstellbare Komponente ein Spiegel des Fahrzeugs und bestimmt das künstliche neuronale Netz sowohl eine Einstellposition des Sitzes als auch eine Einstellposition des Spiegels. In diesem Fall ist das künstliche neuronale Netz mit Referenzeinstellpositionen für Sitz und Spiegel trainiert worden.
Vorzugsweise ist es vorgesehen, dass das neuronale Netz beim Bestimmen der Einstellposition des Spiegels eine Einstellposition des Sitzes berücksichtigt. Dadurch kann die Spiegelposition auf die jeweilige Sitzposition angepasst werden. In einer besonders bevorzugten Ausgestaltung kann bei einer durch den Nutzer korrigierten Einstellposition des Sitzes das künstliche neuronale Netz die Einstellposition des Spiegels korrigieren. Dadurch wird auch bei einer nachträglichen Korrektur der Einstellposition des Sitzes die Einstellposition des Spiegels in dem Fahrzeug optimal auf den Nutzer angepasst. Auch ist es denkbar, dass die korrigierte Einstellposition des Spiegels wiederum als Trainingsdaten für das Bestimmen der Einstellposition des Sitzes verwendet werden kann.
Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Computerprogrammprodukt bereitgestellt, das zumindest ein computerlesbares Speichermedium mit darauf gespeicherten, von einem Computer ausführbare Programmcodeanweisungen aufweist, wobei die von einem Computer ausführbaren Programmcodeanweisungen dazu ausgebildet sind, ein Verfahren gemäß dem ersten Aspekt oder Ausgestaltungen davon auszuführen.
Das computerlesbare Speichermedium kann beispielsweise als Flashspeicher, beispielsweise eines mobilen Kommunikationsendgeräts, ausgebildet sein. Insbesondere ist das Computerprogrammprodukt als Anwendungsprogramm („App“) für ein mobiles Betriebssystem ausgebildet.
Gemäß einem dritten Aspekt der vorliegenden Erfindung wird eine Einstelleinrichtung zum Einstellen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs bereitgestellt. Die Einstelleinrichtung umfasst eine Empfangsschnittstelle, die dazu ausgebildet ist, ein Fahrzeugmodell des Fahrzeugs, einen, einen Nutzer des Fahrzeugs insbesondere eindeutig identifizierenden Nutzerparameter, und ein neuronales Netz zu empfangen, wobei das neuronale Netz mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) eines Referenznutzers in dem ermittelten Fahrzeugmodell, mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Referenznutzers in zumindest einem Referenzfahrzeugmodell und mit zumindest einer Referenzeinstellposition der Komponente (Komponentenreferenzeinstellposition) des Nutzers in dem zumindest einen Referenzfahrzeugmodell trainiert ist. Die Einstelleinrichtung umfasst ferner eine Auswerteeinheit, die dazu ausgebildet ist, eine Einstellposition der Komponente in dem Fahrzeug durch Eingabe des Fahrzeugmodells und des Nutzerparameters in das künstliche neuronale Netz zu bestimmen.
Die Empfangsschnittstelle kann beispielsweise als eine Programmierschnittstelle (API - Application Programming Interface) ausgebildet sein. Die Einstelleinrichtung kann das Fahrzeugmodell, den Nutzerparameter und das künstliche neuronale Netz, Masse drahtlos und/oder drahtgebunden empfangen.
Vorzugsweise ist es vorgesehen, dass die Einstelleinrichtung zumindest datenübertragend mit einer Ansteuerungseinrichtung der Komponente verbunden ist und dass die Ansteuerungseinrichtung dazu ausgebildet ist, ein Steuersignal zum Betreiben zumindest eines Aktors, welcher zum Einstellen der Komponente ausgebildet ist, zu erzeugen. Durch die Einstelleinrichtung wird der Ansteuerungseinrichtung die Einstellposition der jeweiligen Komponente mitgeteilt. Die Einstellposition der jeweiligen Komponente wird dann von der Ansteuerungseinrichtung in ein Steuersignal übersetzt. Durch das Steuersignal kann der zumindest eine Aktor der Komponente betrieben werden. Durch den Aktor kann dann die jeweilige Komponente, beispielsweise der Sitz, der Spiegel oder die Tür des Fahrzeugs bewegt und in die entsprechende Einstellposition verstellt werden. Die Einstelleinrichtung und die Ansteuerungseinrichtung können in einem gemeinsamen Gehäuse oder separat voneinander ausgebildet sein. So kann die Einstelleinrichtung beispielsweise an einem beliebigen Ort im Fahrzeug oder sogar fahrzeugextern angeordnet sein.
Gemäß einem vierten Aspekt der vorliegenden Erfindung wird eine Servereinrichtung mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon bereitgestellt, wobei die Servereinrichtung fahrzeugextern ausgebildet ist. So kann die Servereinrichtung beispielsweise als zentraler oder dezentraler bzw. verteilter Server ausgebildet sein. Vorteilhaft ist dies, da die Servereinrichtung die Einstelleinrichtung vorzugsweise rund um die Uhr zur Verfügung stellt. So kann beispielsweise ein Dritter, wie beispielsweise das Mietwagenunternehmen, beispielsweise bei Zustimmung des Nutzers, die Einstelleinrichtung nutzen, um die Einstellposition der Komponente für den Nutzer im Voraus zu bestimmen und gegebenenfalls im Fahrzeug einzustellen.
Gemäß einem fünften Aspekt der vorliegenden Erfindung wird ein Kommunikationsendgerät mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon bereitgestellt, wobei das Kommunikationsendgerät fahrzeugextern und mobil ausgebildet ist. Das mobile Kommunikationsendgerät kann beispielsweise als Smartphone, als intelligente Uhr, als Fitnessarmband oder als Tablet-Computer vorliegen. Durch das Kommunikationsendgerät mit der Einstelleinrichtung können Nutzer die Einstellposition der jeweiligen Komponente zu vielfältigen Zeitpunkten selbst bestimmen ohne beispielsweise auf eine Servereinrichtung angewiesen zu sein. Der Nutzer kann das Kommunikationsendgerät jederzeit mit sich führen und beispielsweise auch von einem Fahrzeug zu einem weiteren Fahrzeug transportieren.
Gemäß einem sechsten Aspekt der vorliegenden Erfindung wird ein Fahrzeug mit einer Einstelleinrichtung gemäß dem dritten Aspekt oder Ausgestaltungen davon sowie einer Ansteuerungseinrichtung bereitgestellt. Die Ansteuerungseinrichtung ist dazu ausgebildet, ein Steuersignal zu erzeugen zum Betreiben von zumindest einem Aktor, welcher zum Einstellen der Komponente ausgebildet ist. Vorteilhaft ist die Anordnung der Einstelleinrichtung im Fahrzeug, da die Einstelleinrichtung dann vorzugsweise auf freie Rechenkapazität des Fahrzeugs zurückgreifen kann, um anhand des neuronalen Netzes die Einstellposition der jeweiligen Komponente zu bestimmen.
Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens sind als vorteilhafte Ausgestaltungen des Computerprogrammprodukts, der Einstelleinrichtung, der Servereinrichtung, des Kommunikationsendgeräts und des Fahrzeugs anzusehen, und umgekehrt. Die gegenständlichen Komponenten der Einstelleinrichtung, der Servereinrichtung, des Kommunikationsendgeräts und des Fahrzeugs sind jeweils dazu ausgebildet, die jeweiligen Verfahrensschritte durchzuführen.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Zeichnungen und der Beschreibung.
Ausführungsbeispiele der Erfindung werden nachfolgenden anhand schematischer Zeichnungen näher erläutert.
Es zeigen:

1 eine schematische Seitenansicht eines Fahrzeugs und eines Ausführungsbeispiels einer erfindungsgemäßen Einstelleinrichtung;
2 eine schematische Darstellung eines Ausführungsbeispiels eines künstlichen neuronalen Netzes, das zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs verwendet wird;
3 eine schematische Darstellung eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente eines Fahrzeugs mittels eines künstlichen neuronalen Netzes, wie das von 2;
4 eine schematische Darstellung eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei eine durch den Nutzer korrigierte Einstellposition beim Trainieren des künstlichen neuronalen Netzes berücksichtigt wird; und
5 eine schematische Darstellung eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei ein zeitlicher Verlauf von korrigierten Einstellpositionen beim Trainieren des künstlichen neuronalen Netzes berücksichtigt wird.

In den Zeichnungen werden gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
Es sei zunächst auf 1 verwiesen, die eine schematische Seitenansicht eines Fahrzeugs FZ zeigt. Das Fahrzeug FZ hat mehrere in ihrer Position verstellbare Komponenten wie beispielsweise einen Sitz S, einen Spiegel SP und eine Tür T, die hier beispielhaft als Heckklappe dargestellt ist. Das Fahrzeug FZ hat ferner eine Ansteuerungseinrichtung A, mit der eine Einstellposition des Sitzes S, eine Einstellposition des Spiegels SP und/oder eine Einstellposition der Tür T eingestellt werden kann. Die Ansteuerungseinrichtung A erzeugt ein Steuersignal, mit dem ein Aktor AK betrieben werden kann. Der Aktor AK kann dann beispielsweise eine Position des Spiegels SP, eine Position des Sitzes S und/oder eine Position der Tür T einstellen. Im konkreten Beispiel von 1 wird lediglich ein Aktor AK gezeigt, der sowohl den Sitz S als auch den Spiegel SP als auch die Tür T ansteuern kann. In anderen Ausführungsformen ist es selbstverständlich möglich, dass jede Komponente durch einen separaten Aktor angesteuert wird.
Weiterhin zeigt 1 einen Nutzer N mit einem Kommunikationsendgerät K. Das Kommunikationsendgerät K kann beispielsweise ein Smartphone oder ein anderes mobiles Endgerät sein. Im konkreten Beispiel von 1 weist das Kommunikationsendgerät K eine Einstelleinrichtung E auf. Die Einstelleinrichtung E ist gemäß dem Ausführungsbeispiel datenübertragend mit der Ansteuerungseinrichtung A verbunden. Die datenübertragende Verbindung zwischen der Einstelleinrichtung E und der Ansteuerungseinrichtung A kann beispielsweise als Funkverbindung, wie beispielsweise einer Bluetooth-Verbindung, ausgebildet sein.
Gemäß einer weiteren in 1 dargestellten Ausführungsform kann die Einstelleinrichtung E auch in einer Servereinrichtung SE angeordnet sein.
Die Einstelleinrichtung E weist gemäß dem Ausführungsbeispiel eine Empfangsschnittstelle EM und eine Auswerteeinheit AE auf.
Die Empfangsschnittstelle EM ist dazu eingerichtet, einen den Nutzer N des Fahrzeugs FZ eindeutig identifizierenden Nutzparameter anhand von Nutzeridentifikationsdaten zu ermitteln. Die Nutzeridentifikationsdaten können beispielsweise eine Ausweisnummer ASN des Nutzers N, ein Retinaabbild RA das Nutzers N oder ein anderer biometrischer Parameter des Nutzers N wie beispielsweise ein Fingerabdruck des Nutzers N sein. Mithilfe der Nutzeridentifikationsdaten kann ein Nutzerparameter ermittelt werden, der den Nutzer N eindeutig identifiziert.
Die Empfangsschnittstelle ist ferner dazu eingerichtet, ein Fahrzeugmodell des Fahrzeugs FZ anhand von Fahrzeugidentifikationsdaten zu ermitteln. Die Fahrzeugidentifikationsdaten können beispielsweise durch ein Bild des Fahrzeugs FZ bereitgestellt werden, das der Nutzer N beispielsweise mit seinem mobilen Kommunikationsendgerät K aufnimmt. Anhand der Fahrzeugidentifikationsdaten kann ein Fahrzeugmodell des Fahrzeugs FZ ermittelt werden, das der Nutzer N benutzen möchte. Das Fahrzeugmodell umfasst dabei beispielsweise den Hersteller und den Typ des Fahrzeugs FZ wie auch eine Ausstattung des Fahrzeugs FZ, beispielsweise eine Sitzausstattung oder eine Spiegelausstattung des Fahrzeugs FZ.
Die Empfangsschnittstelle EM ist ferner dazu eingerichtet, ein künstliches neuronales Netz NN zu empfangen, mit dessen Hilfe es möglich ist, eine Einstellposition der in ihrer Position verstellbaren Komponente bzw. des Spiegels SP, des Sitzes S und/oder der Tür T zu bestimmen.
2 zeigt, wie das künstliche neuronale Netz NN erzeugt bzw. trainiert wird. Vorzugsweise wird das künstliche neuronale Netz NN vor dem Training modelliert, d. h. es wird beispielsweise bestimmt wie viele verdeckte Schichten das künstliche neuronale Netz NN aufweist.
In einem Schritt S1 werden Referenzeinstellpositionen von verschiedenen Referenznutzern in verschiedenen Referenzfahrzeugmodellen bereitgestellt. Eingangsdaten für das künstliche neuronale Netz sind dabei die Nutzerparameter der Referenznutzer, die hier beispielhaft als ID1, ID2, ID3 bezeichnet sind, und die Fahrzeugmodelle der Referenzfahrzeugmodelle, die hier beispielhaft als VA, VB, VC bezeichnet sind. Ausgangsdaten sind die Referenzeinstellpositionen. Die Referenznutzer, die Referenzfahrzeugmodelle und die Referenzeinstellpositionen der Referenznutzer in den Referenzfahrzeugmodellen liegen als sogenannte Trainingsdaten vor. Insbesondere sind die Beziehungen zwischen der Referenzeinstellposition, dem Referenznutzer und dem Referenzfahrzeugmodell bekannt. So ist beispielsweise bekannt, welcher Referenznutzer welche Referenzeinstellposition in welchem Referenzfahrzeugmodell hatte.
In einem Schritt S2 wird nun anhand der Eingangsdaten und anhand der Ausgangsdaten das künstliche neuronale Netz NN erzeugt bzw. trainiert. Dies kann beispielsweise durch das Lösen eines Optimierungsproblems von Eingangsdaten und Ausgangsdaten erfolgen.
In einem Schritt S3 wird schließlich anhand des erzeugten künstlichen neuronalen Netzes NN die Einstellposition der Komponente, also beispielsweise die Einstellposition des Spiegels SP, des Sitzes S und/oder der Tür T bestimmt.
Es sei nun auf 3 verwiesen, in der eine schematische Darstellung eines Verfahrens zum Bestimmen der Einstellposition einer in einer Position verstellbaren Komponente, wie dem Spiegel SP, dem Sitz S oder der Tür T mittels des künstlichen neuronalen Netzes von 2 gezeigt ist.
Im konkreten Beispiel von 3 wurde das künstliche neuronale Netz mit Referenzeinstellpositionen von vier unterschiedlichen Nutzern P1, P2, P3 und P4, die anhand ihrer zugehörigen Nutzerparameter ID1, ID2, ID3, ID4 ermittelt wurden, trainiert. Der Datensatz des Nutzers P1 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA, VB und VC. Der Datensatz des Nutzers P2 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA und VB. Der Datensatz des Nutzers P3 enthält Referenzeinstellpositionen für die Fahrzeugmodelle VA und VC. Der Datensatz des Nutzers P4 enthält zunächst nur eine Referenzeinstellposition für das Fahrzeugmodell VA. Mit anderen Worten hat der Nutzer P4 bisher nur das Fahrzeugmodell VA genutzt.
Nutzer P4 nähert sich nun dem Fahrzeug FZ. In einem Schritt S4 wird nun das Fahrzeugmodell des Fahrzeugs FZ anhand von Fahrzeugidentifikationsdaten des Fahrzeugs FZ ermittelt. Im konkreten Beispiel von 3 wird beispielsweise ermittelt, dass das Fahrzeug FZ das Fahrzeugmodell VB aufweist. In einem Schritt S5 wird ermittelt, das der Nutzer N, der das Fahrzeug FZ nutzen möchte, die Person P4 ist. Dies erfolgt anhand des den Nutzer P4 eindeutig identifizierenden Nutzerparameters ID4, beispielsweise mittels der Ausweisnummer ASN des Nutzers P4.
In einem Schritt S6 werden nun der Nutzerparameter ID4 und das Fahrzeugmodell VB in das neuronale Netz NN eingegeben. Das mit den zuvor beschriebenen Datensätzen trainierte neuronale Netz NN kann dann in einem Schritt S7 die für den Nutzer P4 und das Fahrzeugmodell VB optimale Einstellposition in dem Fahrzeug FZ bestimmen. Die durch das künstliche neuronale Netz NN bestimmte Einstellposition kann dann in einem Schritt S8 an das Fahrzeug FZ übermittelt werden. Die übermittelte Einstellposition kann dann beispielsweise von der Ansteuerungseinrichtung A in ein Steuersignal für den Aktor AK umgewandelt werden, wodurch die Komponenten des Fahrzeugs FZ, wie der Spiegel SP, der Sitz S oder die Tür T eingestellt werden. Dadurch wird für den Nutzer P4 eine Einstellposition der jeweiligen Komponente des Fahrzeugs FZ bestimmt, ohne dass dieser manuell die für ihn richtige Einstellposition finden muss.
Das künstliche neuronale Netz NN ist hierfür mit Referenzeinstellpositionen von Referenznutzern (hier Nutzer P1, P2) in dem ermittelten Fahrzeugmodell VB, mit Referenzeinstellpositionen der Referenznutzer in zumindest einem von dem ermittelten Fahrzeugmodell VB verschiedenen Referenzfahrzeugmodell (hier Fahrzeugmodell VA, VC) und mit Referenzeinstellpositionen des identifizierten Nutzers (hier Nutzer P4) in dem zumindest einen Referenzfahrzeugmodell (hier Fahrzeugmodell VA) trainiert worden. Durch die Wahl der Trainingsdaten kann somit ein künstliches neuronales Netz NN erstellt werden, mit dem es möglich ist, die Einstellposition für einen Nutzer in einem Fahrzeug zu bestimmen, dass der Nutzer bislang noch nicht verwendet hat.
Vorzugsweise wird die Einstellposition der jeweiligen Komponente bereits vor dem Einsteigen des Nutzers P4 in das Fahrzeug FZ an das Fahrzeug FZ übermittelt und wird die Einstellposition der jeweiligen Komponente vor dem Einsteigen des Nutzers P4 in das Fahrzeug FZ in dem Fahrzeug FZ eingestellt.
Auch ist es möglich, dass das Fahrzeugmodell VB und der Nutzerparameter ID4 an ein das Fahrzeug FZ zur Verfügung stellendes Mietwagenunternehmen übermittelt werden. Die durch das künstliche neuronale Netz NN bestimmte Einstellposition kann dann durch Eingabe des Fahrzeugmodells VB und des Nutzerparameters ID4 in das künstliche neuronale Netz NN von dem Mietwagenunternehmen erzeugt werden.
Das künstliche neuronale Netz NN kann alternativ oder zusätzlich zum Kommunikationsendgerät K auch auf einer Servereinrichtung SE abgespeichert sein, auf die das Mietwagenunternehmen beispielsweise zugreifen kann, gegebenenfalls mit Zustimmung des Nutzers P4.
Die Servereinrichtung SE kann, wie im konkreten Beispiel von 1 gezeigt ist, außerhalb des Fahrzeugs FZ angeordnet sein und kann beispielsweise durch ein mobiles Datenübertragungsverfahren mit dem Fahrzeug FZ und/oder mit dem Kommunikationsendgerät K verbunden sein. Die Einstelleinrichtung E, die die Empfangsschnittstelle EM zum Empfangen des Fahrzeugmodells VB und das Nutzerparameters ID4 sowie die Auswerteeinheit AE zum Bestimmen der Einstellposition der jeweiligen Komponente aufweist, kann im Kommunikationsendgerät K oder aber auch in der Servereinrichtung SE angeordnet sein. Wenn die Einstelleinrichtung E in der Servereinrichtung SE angeordnet ist, kann der Einstelleinrichtung E beispielsweise mehr Rechenleistung zur Verfügung gestellt werden.
Es sei nun auf 4 verwiesen, die eine schematische Darstellung eines weiteren Ausführungsbeispiels des Verfahrens zum Bestimmen der Einstellposition in dem Fahrzeug FZ zeigt. Das in 4 gezeigte Ausführungsbeispiel unterscheidet sich von dem in 3 gezeigten Ausführungsbeispiel darin, dass das künstliche neuronale Netz NN die Einstellposition bestimmt hat, der Nutzer P4 die Einstellposition der Komponente jedoch nachträglich manuell korrigiert. Dies ist beispielhaft in 4 durch den Pfeil KOR dargestellt, der andeuten soll, dass eine Sitzeinstellung des Sitzes S im Fahrzeug FZ durch den Nutzer P4 korrigiert wurde.
Die korrigierte Einstellposition EPKOR kann dann zum Trainieren des künstlichen neuronalen Netzes NN benutzt werden (angedeutet durch den Pfeil „Training“) . Dadurch kann die von dem künstlichen neuronalen Netz NN bestimmte Einstellposition auf die jeweiligen, korrigierten Vorlieben des Nutzers P4 angepasst werden.
Vorzugsweise wird die korrigierte Einstellposition EPKOR nur dann zum Korrigieren des künstlichen neuronalen Netzes NN verwendet, wenn das Korrigieren der Einstellposition durch den Nutzer P4 mehrmals erfolgt und/oder die korrigierte Einstellposition EPKOR gegenüber der von dem künstlichen neuronalen Netz NN bestimmten Einstellposition eine vorbestimmte Abweichung bzw. einen Schwellenwert überschreitet. Dies ist schematisch durch die Boxen B1, B2 links und rechts des Trainingspfeils angedeutet.
Es sei nun auf 5 verwiesen, die eine schematische Darstellung eines weiteren Ausführungsbeispiels des Verfahrens zum Bestimmen der Einstellposition in dem Fahrzeug FZ zeigt. Das in 5 gezeigte Ausführungsbeispiel unterscheidet sich von dem in 4 gezeigten Ausführungsbeispiel darin, dass der Nutzer P4 nun mehrmals die Einstellposition der Komponente, hier beispielhaft in Form des Sitzes S gezeigt, korrigiert.
In dem Ausführungsbeispiel von 5 wird nun ein zeitlicher Verlauf der korrigierten Einstellposition ermittelt. So wird beispielsweise ermittelt das zunächst der Sitz aufrecht gestellt wurde (dargestellt durch die 1. Sitzeinstellung) und anschließend die Rückenlehne nach hinten bewegt wurde (dargestellt durch die 2. Sitzeinstellung). Dieser zeitliche Verlauf der korrigierten Einstellposition kann nun beim Trainieren des künstlichen neuronalen Netzes NN berücksichtigt werden. Beispielsweise kann die korrigierte Einstellposition jüngeren Datums (hier die 2. Sitzeinstellung, die nach der 1. Sitzeinstellung erfolgt ist) stärker beim Trainieren des künstlichen neuronalen Netzes NN gewichtet werden als die korrigierte Einstellposition älteren Datums (hier die 1. Sitzeinstellung, die vor der 2. Sitzeinstellung erfolgt ist). Dies ist beispielhaft durch die Pfeile G1 und G2 gezeigt, die eine erste Gewichtung und eine zweite Gewichtung zum Trainieren des künstlichen neuronalen Netzes NN andeuten sollen. Dadurch können auch zeitlich veränderte Vorlieben des Nutzers P4 berücksichtigt werden.
Da das künstliche neuronale Netz NN wie in 2 gezeigt ist, mit Referenzeinstellpositionen von Spiegel SP, Sitz S und Tür T trainiert wurde, ist es selbstverständlich möglich, dass das künstliche neuronale Netz NN sowohl die Einstellposition des Spiegels SP als auch die Einstellposition des Sitzes S als auch die Einstellposition der Tür T bestimmt. Vorzugsweise kann das künstliche neuronale Netz NN beim Bestimmen der Einstellposition des Spiegels SP auf die von ihm bestimmte Einstellposition des Sitzes S zurückgreifen und beispielsweise über geometrische Zusammenhänge so leichter die Einstellposition des Spiegels S bestimmen. Auch kann das künstliche neuronale Netz NN eine durch den Nutzer wie in 4 und 5 angedeutete, korrigierte Einstellposition des Sitzes S beim Bestimmen der Einstellposition des Spiegels SP berücksichtigen. Dadurch werden sowohl der Sitz S als auch der Spiegel SP immer optimal auf die Bedürfnisse des Nutzers P4 angepasst.
Das oben beschriebene Verfahren kann beispielsweise als App bzw. als Computerprogrammprodukt auf dem Kommunikationsendgerät K oder auf der Servereinrichtung SE ausgeführt werden.
Mithilfe des Verfahrens kann die für den Nutzer des Fahrzeugs optimale Einstellposition der jeweiligen Komponente des Fahrzeugs im Vorfeld bestimmt werden, ohne dass der Nutzer das Fahrzeug bereits benutzt haben muss.

Claims

Verfahren zum Bestimmen einer Einstellposition einer in einer Position verstellbaren Komponente (SP, S, T) eines Fahrzeugs (FZ), wobei das Verfahren folgende Schritte aufweist: - Ermitteln eines Fahrzeugmodells (VB) des Fahrzeugs (FZ) anhand von Fahrzeugidentifikationsdaten, - Ermitteln eines, einen Nutzer (P4) des Fahrzeugs (FZ) identifizierenden Nutzerparameters (ID4) anhand von Nutzeridentifikationsdaten, - Bereitstellen eines künstlichen neuronalen Netzes (NN), das mit einer Komponentenreferenzeinstellposition eines Referenznutzers (P1, P2) in dem ermittelten Fahrzeugmodell (VB), mit einer Komponentenreferenzeinstellposition des Referenznutzers (P1, P2) in einem Referenzfahrzeugmodell (VA) und mit einer Komponentenreferenzeinstellposition des Nutzers (P4) in dem Referenzfahrzeugmodell (VA) trainiert ist, und - Bestimmen der Einstellposition der Komponente (SP, S, T) in dem Fahrzeug (FZ) durch Eingabe des Fahrzeugmodells (VB) und des Nutzerparameters (ID4) in das künstliche neuronale Netz (NN).
Verfahren nach Anspruch 1, wobei die Komponente (SP, S, T), deren Einstellposition bestimmt wird, aus der Gruppe aufweisend einen Sitz (S), einen Spiegel (SP) oder eine Tür (T) des Fahrzeugs (FZ) ausgewählt ist.
Verfahren nach Anspruch 1 oder 2, ferner mit den Schritten: - Korrigieren der durch das künstliche neuronale Netz (NN) bestimmten Einstellposition durch den Nutzer (P4), und - Trainieren des künstlichen neuronalen Netzes (NN) unter Berücksichtigung der korrigierten Einstellposition (EPKOR).
Verfahren nach Anspruch 3, wobei die korrigierte Einstellposition (EPKOR) nur dann zum Trainieren des künstlichen neuronalen Netzes (NN) berücksichtigt wird, wenn das Korrigieren der Einstellposition durch den Nutzer (P4) mehrmals erfolgt und/oder die korrigierte Einstellposition (EPKOR) gegenüber der bestimmten Einstellposition eine vorbestimmte Abweichung überschreitet.
Verfahren nach Anspruch 4, wobei beim mehrmaligen Korrigieren der Einstellposition durch den Nutzer (P4) ein zeitlicher Verlauf der korrigierten Einstellposition ermittelt wird und beim Trainieren des künstlichen neuronalen Netzes (NN) der zeitliche Verlauf berücksichtigt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die durch das künstliche neuronale Netz (NN) bestimmte Einstellposition der Komponente (SP, S, T) vor dem Einsteigen des Nutzers (P4) in das Fahrzeug (FZ) an das Fahrzeug (FZ) übermittelt wird und die Einstellposition der Komponente (SP, S, T) vor dem Einsteigen des Nutzers (N) in das Fahrzeug (FZ) in dem Fahrzeug (FZ) eingestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das Fahrzeugmodell (VB) und der Nutzerparameter (ID4) an ein das Fahrzeug (FZ) zur Verfügung stellendes Mietwagenunternehmen übermittelt werden und die Einstellposition der Komponente (SP, S, T) durch Eingabe des Fahrzeugmodells (VB) und des Nutzerparameters (ID4) in das künstliche neuronale Netz (NN) von dem Mietwagenunternehmen erzeugt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei eine erste in einer Position verstellbare Komponente ein Sitz (S) des Fahrzeugs (FZ) ist und eine zweite in einer Position verstellbare Komponente ein Spiegel (SP) des Fahrzeugs (FZ) ist und das künstliche neuronale Netz (NN) sowohl eine Einstellposition des Sitzes (S) als auch eine Einstellposition des Spiegels (SP) bestimmt.
Verfahren nach Anspruch 8, wobei das neuronale Netz (NN) beim Bestimmen der Einstellposition des Spiegels (SP) eine Einstellposition des Sitzes (S) berücksichtigt.
Computerprogrammprodukt mit zumindest einem computerlesbaren Speichermedium mit darauf gespeicherten, von einem Computer ausführbaren Programmcodeanweisungen, wobei die von einem Computer ausführbaren Programmcodeanweisungen dazu ausgebildet sind, ein Verfahren nach einem der vorangehenden Ansprüche auszuführen.
Einstelleinrichtung (E) zum Einstellen einer Einstellposition einer in einer Position verstellbaren Komponente (SP, S, T) eines Fahrzeugs (FZ), aufweisend: - eine Empfangsschnittstelle (EM), die dazu ausgebildet ist, - ein Fahrzeugmodell (VB) des Fahrzeugs (FZ), - einen einen Nutzer (P4) des Fahrzeugs identifizierenden Nutzerparameter (ID4), und - ein neuronales Netz (NN), das mit einer Komponentenreferenzeinstellposition eines Referenznutzers (P1, P2) in dem ermittelten Fahrzeugmodell (VB), mit einer Komponentenreferenzeinstellposition des Referenznutzers (P1, P2) in einem Referenzfahrzeugmodell (VA) und mit einer Komponentenreferenzeinstellposition des Nutzers (P4) in dem Referenzfahrzeugmodell (VA) trainiert ist, zu empfangen, und - eine Auswerteeinheit (AE), die dazu ausgebildet ist, eine Einstellposition der Komponente (SP, S, T) in dem Fahrzeug (FZ) durch Eingabe des Fahrzeugmodells (VB) und des Nutzerparameters (ID4) in das künstliche neuronale Netz (NN) zu bestimmen.
Einstelleinrichtung (E) nach Anspruch 11, wobei die Einstelleinrichtung (E) zumindest datenübertragend mit einer Ansteuerungseinrichtung (A) der Komponente (SP, S, T) verbunden ist und die Ansteuerungseinrichtung (A) dazu ausgebildet ist, ein Steuersignal zum Betreiben eines Aktors (AK), welcher zum Einstellen der Komponente (SP, S, T) ausgebildet ist, zu erzeugen.
Servereinrichtung (SE) mit einer Einstelleinrichtung (E) nach einem der Ansprüche 11 oder 12, wobei die Servereinrichtung (SE) fahrzeugextern ausgebildet ist.
Kommunikationsendgerät (K) mit einer Einstelleinrichtung (E) nach einem der Ansprüche 11 oder 12, wobei das Kommunikationsendgerät (K) fahrzeugextern und mobil ausgebildet ist.
Fahrzeug (FZ) mit einer Einstelleinrichtung (E) nach einem der Ansprüche 11 oder 12 und einer Ansteuerungseinrichtung (A), die dazu ausgebildet ist, ein Steuersignal zum Betreiben zumindest eines Aktors (AK), welcher zum Einstellen der Komponente (SP, S, K) ausgebildet ist, zu erzeugen.