-
Die vorliegende Erfindung betrifft ein zum Bereitstellen einer Reibwertinformation für einen Verkehrsflächenabschnitt an ein Fahrzeug. Ferner betrifft die Erfindung ein System zum Bereitstellen einer Reibwertinformation für einen Verkehrsflächenabschnitt an ein Fahrzeug.
-
Stand der Technik
-
Der Reibwert zwischen einem Fahrzeug, insbesondere dessen Reifen, und einem Verkehrsflächenabschnitt, wie beispielsweise einer Fahrbahn, beeinflusst die fahrdynamischen Grenzen eines Fahrzeugs hinsichtlich der Längs- und Querführung. Bei einem herkömmlichen Fahrzeug, das von einem menschlichen Fahrzeugführer gelenkt wird, kann dieser z.B. durch Erfahrungswerte, durch kurzes Anbremsen, durch optische Wahrnehmung oder ähnliches zumindest ansatzweise ermitteln, ob der aktuelle Reibwert eher hoch oder eher niedrig ist. So kann der aktuelle Reibwert bei gut ausgebauter und sauberer Fahrbahn sowie bei Trockenheit eher hoch sein und damit eine gute Haftreibung zwischen Fahrzeug und Fahrbahn begünstigen, wohingegen Nässe, Glatteis, Verschmutzung der Fahrbahn oder ähnliches den Reibwert ungünstige beeinflussen können.
-
Bei einem teil- oder vollautonomen Fahrbetrieb eines Fahrzeugs ist die Einschätzung des aktuellen Reibwerts eines Verkehrsflächenabschnitts schwieriger, da die Informationen des menschlichen Fahrzeugführers zumindest teilweise wegfallen. Um diesem Problem zu begegnen, schlägt z.B. die
WO 2016/120092 A1 eine datenbankgestützte Reibwertkarte vor, bei der von sendenden Fahrzeugen ausgesandte Informationen empfangen und in der Datenbank gespeichert werden, wobei die Informationen zumindest das bestimmte Reibwertpotential eines Straßensegments beschreibende Reibwertdaten, die geometrische Lage dieses Straßensegments beschreibende Ortsdaten sowie den Ermittlungszeitpunkt der Reibwertdaten beschreibende Zeitdaten umfassen und die in der Datenbank gespeicherten Daten von empfangenden Fahrzeugen abgerufen werden können. Obwohl dem Fahrzeug damit hilfreiche Informationen zum aktuellen Reibwert eines Verkehrsflächenabschnitts zur Verfügung gestellt werden können, besteht der Wunsch, einem Fahrzeug noch genauere Reibwertdaten zur Verfügung stellen zu können.
-
Offenbarung der Erfindung
-
Ausführungsformen der Erfindung stellen ein verbessertes Verfahren sowie ein verbessertes System zum Bereitstellen einer Reibwertinformation an ein Fahrzeug gemäß den unabhängigen Ansprüchen zur Verfügung. Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen, der Beschreibung sowie den begleitenden Figuren.
-
Das vorgeschlagene Verfahren kann z.B. mit einem Computersystem, das einen Prozessor, einen Speicher für Programmanweisungen, eine Datenschnittstelle usw. aufweisen kann, durchgeführt werden. Das Computersystem kann beispielsweise eine Servereinrichtung sein, auf die eine Mehrzahl von Fahrzeugen über ein Datennetzwerk Zugriff haben kann. Das Verfahren eignet sich insbesondere zum Bereitstellen einer Reibwertinformation für einen Verkehrsflächenabschnitt, z.B. eine Fahrbahn, eine Straße, eine sonstige Verkehrsfläche, die möglichst kartiert ist, an ein Fahrzeug. Das Verfahren sieht die folgenden Schritte vor:
- - Es wird eine Reibwertprädiktion durch ein KI-Modul bestimmt, dem eine einzige oder eine Mehrzahl von dem Verkehrsflächenabschnitt zuordbaren Eingangsgrößen zugeführt werden.
Der Reibwert lässt sich ohne eine lokale, spezialisierte Messeinrichtung üblicherweise nicht genau, sondern nur näherungsweise bestimmen. Deshalb wird der Reibwert hier prädiziert, idealerweise für einen zukünftigen Zeitpunkt oder Zeitabschnitt, in dem das Fahrzeug den Verkehrsflächenabschnitt voraussichtlich erreichen wird.
- - Es wird eine Abweichung zwischen der Reibwertprädiktion und einer Reibwertmessung für einen gemeinsamen oder ähnlichen Zeitpunkt, Zeitabschnitt usw. bestimmt und diese Abweichung bewertet.
In anderen Worten wird aus der Abweichung eine Art Belohnung, die positiv oder negativ sein kann, für das KI-Modul bestimmt, um insbesondere eine möglichst kleine Abweichung zu belohnen und für eine zu große Abweichung zu bestrafen. Unter Reibwertmessung kann zwar, aber muss hier keine gesonderte Reibwertmessung durch ein mit spezieller Messtechnik ausgestattetes Messfahrzeug verstanden werden. Vielmehr kann die Reibwertmessung durch ein oder mehrere Fahrzeuge erfolgen, die den betrachteten Verkehrsflächenabschnitt befahren oder bereits befahren haben bzw. in Nachbarschaft dazu passieren bzw. bereits passiert haben. Die Fahrzeuge können ein elektronisches Steuergerät oder einen elektronischen Steuergeräteverbund aufweisen, der aus z.B. Daten einer Fahrdynamikregelung, einem Regensensor usw. einen Reibwert des Verkehrsflächenabschnitts fahrzeugseitig bestimmen bzw. schätzen, also eine indirekte Messung durchführen.
- - Zuführen der bestimmten bewerteten Abweichung an das KI-Modul und Anpassen der Bestimmung, z.B. einer Bestimmungsmethodik, der Reibwertprädiktion auf Basis der bewerteten Abweichung.
In anderen Worten kann aufgrund der bewerteten Abweichung, einer Art Belohnung oder Bestrafung, das KI-Modul dazu veranlasst werden, eine Methode zum Bestimmen der Reibwertprädiktion anzupassen und ein zukünftiges Bestimmen dann unter Berücksichtigung dieser Anpassung durchzuführen.
-
Das Verfahren kann eine präzisere Reibwertinformation erzeugen bzw. sich auch während des Betriebs eines nach dem Verfahren arbeitenden Computersystems kontinuierlich verbessern. Das KI-Modul erhält durch die Bewertung der Abweichung, also der Belohnung oder Bestrafung, ein direktes Feedback, so dass die Reibwertprädiktion hinsichtlich ihrer Genauigkeit nach und nach verbessert werden kann. Dadurch kann eine noch präzisere Reibwertinformation zur Verfügung gestellt werden.
-
In einer Weiterbildung kann die Abweichung als positiv bewertet werden, wenn diese kleiner ist als ein Schwellwert, und als negativ bewertet werden, wenn diese größer ist als der Schwellwert. Die Abweichung kann in einer beliebigen Skala erfasst werden, beispielsweise mit Werten zwischen 0 und 1, wobei 0 keine Abweichung und 1 keine Übereinstimmung, also größtmögliche Abweichung der Vergleichswerte bedeuten kann.
-
Gemäß einer Weiterbildung kann das KI-Modul die Reibwertprädiktion für das Fahrzeug vor dessen Erreichen des Verkehrsflächenabschnitts bereitstellen. Dadurch kann das Fahrzeug, bei dem es sich auch um ein zumindest teilautomatisiert fahrendes Fahrzeug handeln kann, diese Information für z.B. eine Routenplanung, Trajektorienplanung, Geschwindigkeitsplanung, allgemein einer Bestimmung einer Fahrstrategie usw. berücksichtigen. Insbesondere kann ein anhand der Reibwertprädiktion vereister Verkehrsflächenabschnitt gemieden, insbesondere umfahren, werden.
-
In einer Weiterbildung kann die Eingangsgröße wenigstens einem künstlichen neuronalen Netz (KNN) des KI-Moduls zugeführt werden. Dieses kann ein- oder mehrschichtig, faltend usw. ausgebildet sein. Es ist möglich, dass das KNN mit Trainingsdatensätzen trainiert ist, wobei die Trainingsdatensätze mit dem hier beschriebenen Verfahren, ggf. auch einem leicht abgewandelten Verfahren, erstellt worden sein können.
-
Gemäß einer Weiterbildung kann die Reibwertprädiktion eine zeitliche Änderung des Reibwerts enthalten. In anderen Worten, kann das KI-Modul dazu eingerichtet sein, einer Zeitreihe einen jeweiligen Reibwert zuzuordnen. Dadurch kann beispielsweise für das Fahrzeug noch genauer bestimmt werden, wann der Verkehrsflächenabschnitt mit welcher Fahrstrategie befahren werden kann.
-
In einer Weiterbildung kann die Eingangsgröße fahrzeugseitig bestimmte Reibwertdaten des Verkehrsflächenabschnitts umfassen. Wie oben angedeutet, können ein oder mehrere Fahrzeuge, die den Verkehrsflächenabschnitt befahren oder passiert (haben), fahrzeugseitig einen Reibwert bestimmen oder schätzen und diesen über z.B. eine Funkverbindung als Eingangsgröße für das KI-Modul zur Verfügung stellen. Dies kann eine gute Basis für eine möglichst genaue Reibwertprädiktion darstellen.
-
Gemäß einer anderen Weiterbildung kann die Eingangsgröße Straßenzustandsdaten eines Straßensensors umfassen. Dieser kann z.B. eine Anzahl von Fahrzeugen erfassen, die den Verkehrsflächenabschnitt befahren, eine Straßentemperatur usw. zur Verfügung stellen. So kann der Reibwert noch genauer prädiziert werden.
-
In einer Weiterbildung kann die Eingangsgröße wetterbezogene Umweltdaten des Verkehrsflächenabschnitts umfassen. Diese können entweder durch lokale oder nahe Wettermessstellen, einen Wetterdienst oder ähnliches z.B. über die Datenschnittstelle zur Verfügung gestellt werden. So können beispielsweise eine Niederschlagsmenge, eine Nebeldichte, eine Regenmenge, eine Schneefallmenge, Sonnenintensität oder ähnliches erfasst werden. So kann der Reibwert noch genauer prädiziert werden.
-
In einer anderen Weiterbildung kann die Eingangsgröße auch eine Information über die Bebauung und/oder Bepflanzung im Bereich des Verkehrsflächenabschnitts bzw. angrenzend dazu umfassen. dadurch kann beispielsweise bestimmt werden, ob bzw. wie stark der Verkehrsflächenabschnitt Wind, Sonne usw. ausgesetzt ist, um daraus bestimmen zu können, wie lange ein Abtrocknen des feuchten oder nassen Verkehrsflächenabschnitts dauern wird usw. So kann der Reibwert noch genauer prädiziert werden.
-
Gemäß einer Weiterbildung kann auf Basis von zumindest den wetterbezogenen Umweltdaten eine Zwischenschicht des Verkehrsflächenabschnitts als weitere Eingangsgröße für das KI-Modul bestimmt werden. Die Bestimmung der Zwischenschicht kann durch einen ersten Teil des KI-Moduls erfolgen und einem für die Reibwertprädiktion vorgesehenen, zweiten Teil des KI-Modul zur Verfügung gestellt werden. Es kann auch ein anderes System oder KI-Modul zur Zwischenschichtbestimmung vorgesehen sein. Unter einer Zwischenschicht kann in diesem Zusammenhang ein auf einer Oberfläche des Verkehrsflächenabschnitts vorhandenes Medium, wie Wasser, Schnee, Eis, Laub, Schotter oder ähnliches, verstanden werden. Das KI-Modul kann auch dazu eingerichtet sein, nach der Bestimmung der Zwischenschicht auch eine zeitliche Änderung der Zwischenschicht, beispielsweise eine Zeitreihe, zu bestimmen und diese als Eingangsgröße für die Reibwertprädiktion zu verwenden. So kann der Reibwert noch genauer prädiziert werden.
-
Die Erfindung betriff auch ein System zum Bereitstellen einer Reibwertinformation für einen Verkehrsflächenabschnitt an ein Fahrzeug. Das System weist eine Servereinrichtung, die ein Künstliches-Intelligenz-Modul, Kl-Modul, und eine Datenschnittstelle aufweist, wobei die Servereinrichtung dazu eingerichtet ist, eine Reibwertprädiktion durch das KI-Modul zu bestimmen, dem über die Datenschnittstelle eine einzige oder eine Mehrzahl von dem Verkehrsflächenabschnitt zuordbaren Eingangsgrößen zugeführt werden. Ferner ist das KI-Modul dazu eingerichtet, eine bewertete Abweichung zwischen der Reibwertprädiktion und einer Reibwertmessung für einen gemeinsamen Zeitpunkt zu bestimmen und die Bestimmung der Reibwertprädiktion auf Basis der bewerteten Abweichung anzupassen.
-
Das System kann beispielsweise mit vorstehend erläuterten Verfahren in einer oder mehreren der beschriebenen Ausführungsvarianten betrieben werden und kann damit die oben erläuterten Vorteile bieten.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Figurenliste
-
Im Folgenden werden vorteilhafte Ausführungsbeispiele der Erfindung mit Bezug auf die begleitenden Figuren detailliert beschrieben. Es zeigen:
- 1 eine schematische Übersicht über ein System zum Bereitstellen einer Reibwertinformation an ein Fahrzeug und
- 2 ein Blockdiagramm eines Systems zum Bereitstellen einer Reibwertinformation an ein Fahrzeug.
-
Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. In den Figuren sind gleiche, gleichwirkende oder ähnliche Elemente durchgängig mit gleichen Bezugszeichen versehen.
-
Ausführungsformen der Erfindung
-
1 zeigt ein System 100, das sich zum elektronischen Bereitstellen einer Reibwertinformation, z.B. eines Reibwerts, einer Zeitreihe eines Reibwerts usw., eignet. Diese Reibwertinformation betrifft insbesondere einen Reibwert einer Oberfläche eines Verkehrsflächenabschnitts 200, beispielsweise einer kartierten Straße oder eines Straßenabschnitts, und wird einer Mehrzahl von Fahrzeugen 300 zentral zur Verfügung gestellt, von dem hier nur eines exemplarisch dargestellt ist.
-
Das System 100 verfügt über einen Server 110, der einen Speicher für Programmanweisungen, einen Prozessor zum Ausführen der Programmanweisungen usw. aufweist, und über eine Kommunikationsschnittstelle zu einem Datennetzwerk, das insbesondere eine Funkverbindung ermöglicht. In dem Server 110 ist ein Künstliches-Intelligenz-Modul 120, Kl-Modul (siehe 2), z.B. durch Programmanweisungen implementiert, das ein zum bestärkenden Lernen eingerichtetes Machine-Learning-Modell in Form eines künstlichen neuronalen Netzwerks (KNN) umfasst. Das KNN ist einschichtig, mehrschichtig, faltend usw. aufgebaut und idealerweise mit Trainingsdatensätzen bereits trainiert, wobei dies beim bestärkenden Lernen auch entbehrlich sein kann. Das KI-Modul 120 kann aber auch selbst Trainingsdatensätze erzeugen, um diese anderen Anwendungen zur Verfügung zu stellen.
-
Dem System 100 werden über die Kommunikationsschnittstelle verschiedene Eingangsgrößen 400, 500, 600 zur Verfügung gestellt. Hier werden die Eingangsgrößen 400, 500, 600 dem KI-Modul 120, also z.B. als Eingangsgrößen einer Eingangsschicht des KNN, zugeführt.
-
Gemäß 1 werden dem System 100 die Eingangsgrößen exemplarisch in Form von Wetterdaten 400, die für den Verkehrsflächenabschnitt 200 durch Wetterstationen, lokale Wettersensoren, Wetterdienste oder ähnliches ermittelt und/oder bereitgestellt werden, von fahrzeugseitigen Sensordaten 500, die von Fahrzeugsensoren erfasst werden, die den Verkehrsflächenabschnitt 200 befahren oder in der Nähe passieren, und von Straßensensordaten 600 bereitgestellt, die in dem Verkehrsflächenabschnitt 200 oberflächennah angeordnet oder in diesen integriert oder benachbart dazu angeordnet sind.
-
2 zeigt das System 100 in einem Blockdiagramm. Die Servereinrichtung 110 umfasst das KI-Modul 120 und ein Belohnungs-Bestimmungs-Modul 130 umfasst, das hier zur besseren Veranschaulichung zwar separat zu dem KI-Modul 120 dargestellt ist, aber auch Bestandteil des bestärkenden Machine-Learning-Modells bzw. des KNN des KI-Moduls 120 sein kann.
-
Das Belohnungs-Bestimmungs-Modul 130 umfasst hier exemplarisch zwei Eingänge für Eingangsgrößen und einen Ausgang für eine Ausgangsgröße. Gemäß 2 besteht eine erste Rückkopplung, z.B. ein erster Datenpfad, von einem Ausgang des KI-Moduls 120 zu dem ersten Eingang des Belohnungs-Bestimmungs-Moduls 130, so dass eine Ausgangsgröße des KI-Moduls 120 dem Belohnungs-Bestimmungs-Modul 130 zugeführt werden kann. Eine zweite Rückkopplung, z.B. ein zweiter Datenpfad, besteht zwischen dem Ausgang des Belohnungs-Bestimmungs-Moduls 130 hin zu einem weiteren Eingang des Kl-Moduls 120. Somit können sich das KI-Modul 120 und das Belohnungs-Bestimmungs-Modul 130 durch einen Datenaustausch und eine Berücksichtigung eines Bestimmungsergebnisses des jeweils anderen Moduls wechselseitig beeinflussen, was für ein bestärkendes Lernen, insbesondere des KI-Moduls 120, genutzt werden kann.
-
Das KI-Modul 120 ist dazu eingerichtet, die Eingangsgrößen 400, 500, 600 zu erhalten, die je nach Genauigkeit des Systems 100 mehr oder weniger verschiedene Daten von einem oder mehreren Systemen umfassen können. Hier exemplarisch, werden dem KI-Modul 120 die Wetterdaten 400 zugeführt, die beispielsweise eine Niederschlagsmenge, eine Regenmenge, eine Schneefallmenge, eine Sonnenintensität, eine Windstärke, eine Nebeldichte usw. enthalten. Ebenfalls exemplarisch, werden dem KI-Modul 120 die fahrzeugseitigen Sensordaten 500 zugeführt, die beispielsweise einen fahrzeugseitig geschätzten bzw. bestimmten Reibwert, Roh-Sensordaten von einer Fahrdynamikregelung usw. enthalten. Weiter exemplarisch, werden dem KI-Modul 120 die Straßensensordaten 600 zugeführt, die beispielsweise eine Straßentemperatur, eine Anzahl von den Verkehrsflächenabschnitt 200 befahrenden Fahrzeugen 300 usw. enthalten. Zudem werden dem KI-Modul 120 exemplarisch auch (nicht näher bezeichnete) topographische Eigenschaften zugeführt, die eine topographische Eigenschaft in Nachbarschaft des Verkehrsflächenabschnitts 200, wie beispielsweise eine Bebauung und/oder einen Bewuchs, die z.B. zu einer Schattenbildung auf dem Verkehrsflächenabschnitt 200 führen und damit z.B. eine Verdunstung von Wasser beeinträchtigen können, berücksichtigen.
-
Das KI-Modul 120 ist ferner dazu eingerichtet, auf Basis der Eingangsgrößen 400, 500, 600 eine Reibwertprädiktion für den Verkehrsflächenabschnitt 200 zu bestimmen und diese als Ausgangsgröße auszugeben. Die Reibwertprädiktion wird einerseits dem Belohnungs-Bestimmungs-Modul 130 als Eingangsgröße zugeführt und andererseits dem Fahrzeug 300 zur Verfügung gestellt.
-
Gemäß 2 ist das Belohnungs-Bestimmungs-Modul 130 dazu eingerichtet, zwei Eingangsgrößen zu erhalten, von denen eine erste Eingangsgröße die die Reibwertprädiktion umfassende Ausgangsgröße des KI-Moduls 120 ist und eine zweite Eingangsgröße Daten einer Reibwertmessung 700 an dem Verkehrsflächenabschnitt 200 umfasst. Die Reibwertmessung 700 findet hier exemplarisch indirekt über die Mehrzahl von Fahrzeugen statt, die auch die Eingangsgrößen 500 zur Verfügung stellen. Das heißt, dass die Fahrzeuge, die den Verkehrsflächenabschnitt 200 befahren bzw. nahelegen passieren oder dies bereits getan haben, z.B. Daten von einer Fahrdynamikregelung, einem Regensensor usw. zur Verfügung stellen, um den Reibwert daraus zu bestimmen bzw. zu schätzen oder dies bereits fahrzeugseitig in einem elektronischen Steuergerät oder Steuergeräteverbund tun. Alternativ oder zusätzlich kann auch eine lokale Messeinrichtung zur Reibwertmessung herangezogen werden. Daraus wird die zweite Eingangsgröße 700 für das Belohnungs-Bestimmungs-Modul 130 gebildet und diesem zugeführt.
-
Das Belohnungs-Bestimmungs-Modul 130 ist ferner dazu eingerichtet, eine z.B. betragsmäßige, quantitative, qualitative usw. Abweichung zwischen den beiden Eingangsgrößen, nämlich der Reibwertprädiktion des KI-Moduls 120 und der Reibwertmessung 700, zu bestimmen und zu bewerten. Diese Abweichung bzw. deren Bewertung kann in einer beliebigen Skala vorliegen. Lediglich exemplarisch kann eine Bewertung der Abweichung von 0 angeben, dass keine Abweichung gegeben ist, also beide Eingangsgrößen übereinstimmen. Gleichermaßen kann eine Bewertung der Abweichung von 1 angeben, dass die Abweichung so groß ist, dass insbesondere die vom KI-Modul 120 zugeführte Eingangsgröße praktisch unbrauchbar ist.
-
Durch die Rückkopplung zwischen dem Belohnungs-Bestimmungs-Modul 130 und dem KI-Modul 120 erhält dieses die Bewertung des Belohnungs-Bestimmungs-Moduls 130 als direktes Feedback, das je nach Wert als Belohnung oder Bestrafung für das Bestimmungsergebnis der Reibwertprädiktion durch das KI-Modul 120 interpretiert werden kann, so dass das KI-Modul 130 die Bestimmung, z.B. eine Bestimmungsmethodik, ein Rechenmodell usw., anpassen kann. So kann das KI-Modul 120 durch bestärkendes Machine-Learning nach und nach eine genauere Reibwertprädiktion zur Verfügung stellen.
-
Das KI-Modul 120 ist auch dazu eingerichtet, z.B. durch Trainingsdatensätze dazu trainiert, aus zumindest einer Teilmenge der Eingangsgrößen 400, 500, 600 das Vorhandensein einer Zwischenschicht auf einer Oberfläche des Verkehrsflächenabschnitts 200 zu bestimmen. So werden beispielsweise Wetterdaten 400 dazu verwendet, um aus einer Regenmenge auf einen vorhandenen Wasserfilm oder aus einer Niederschlagsmenge in Verbindung mit einer Oberflächentemperatur auf eine Eisbildung zu schließen. Zudem kann aufgrund der fahrzeugseitigen Sensordaten 500 auf eine vereiste oder reibwertverminderte Fahrbahnoberfläche geschlossen werden, wenn mehrere unterschiedliche Fahrzeuge einen Fahrdynamikregeleingriff erfassen. Hierfür verfügt das KI-Modul 120 über ein oder mehrere Modelle, die eine Bestimmung der Zwischenschicht zulassen. Zusätzlich ist das KI-Modul 120 dazu eingerichtet, eine der Zwischenschicht zugeordnete Zwischenschichteigenschaft, wie z.B. geometrische Daten in Form einer Wasserfilmdicke, einer Temperatur der Fahrbahn, einer Schneebelagdicke, einer Eisschichtdicke, eine Laubschichtdicke usw. zu bestimmen. Durch das Feedback des Belohnungs-Bestimmungs-Moduls 130 kann auch die Bestimmung der Zwischenschicht nach und nach verbessert werden.
-
Anhand der vom KI-Modul 120 zur Verfügung gestellten Reibwertinformation kann das Fahrzeug 300, bei dem es sich beispielsweise auch um ein zumindest teilweise automatisiert fahrendes Fahrzeug handeln kann, seine Route, Fahrstrategie, Fahrtrajektorie usw. planen oder bei ungünstigem Reibwert den Verkehrsflächenabschnitt 200 meiden bzw. umfahren.
-
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
-
