DE102018218043A1 - Ermittlung einer Anzahl von Fahrspuren sowie von Spurmarkierungen auf Straßenabschnitten - Google Patents

Abstract

Offenbart ist ein Verfahren zum Erstellen von Beobachtungsdaten, insbesondere durch mindestens ein Fahrzeug, wobei befahrene Straßenabschnitte durch das Fahrzeug ermittelt werden, von dem Fahrzeug befahrene Spuren der Straßenabschnitte von dem Fahrzeug ermittelt werden, die ermittelten Straßenabschnitte mit den ermittelten befahrenen Spuren als Beobachtungsdaten von dem Fahrzeug an eine externe Servereinheit übertragen werden. Des Weiteren sind ein Verfahren zum Ermitteln einer Anzahl an Fahrspuren, ein System, eine externe Servereinheit sowie ein Steuergerät offenbart.

Description

• Die Erfindung betrifft ein Verfahren zum Erstellen von Beobachtungsdaten, ein Verfahren zum Ermitteln einer Anzahl an Fahrspuren, ein System zum Sammeln von Daten über Straßen, eine externe Servereinheit sowie ein Steuergerät.
• Stand der Technik
• Es sind bereits Fahrassistenzsysteme bekannt, welche einen Fahrer bei einem Einhalten einer Fahrspur unterstützen. Hierbei wird von dem System die derzeit vom Fahrzeug befahrene Fahrspur durch eine Eigenspurortung erkannt und der Fahrer beispielsweise vor einem unbeabsichtigten Verlassen der Fahrspur gewarnt.
• Des Weiteren sind Verfahren bekannt, welche durch Interpretation von Sensordaten sämtliche Spuren einer Fahrbahn anhand von geometrischen Eigenschaften ermitteln. Derartige Verfahren werten ein gesamtes Umfeld eines Fahrzeugs aus und benötigen hierfür komplexe Analysealgorithmen. Für die Analyse des gesamten Umfelds entstehen relativ hohe Datenmengen. Des Weiteren sind bei derartigen Verfahren hochgenaue und aufwändige Ortungsmechanismen notwendig.
• Die derzeit bekannten und eingesetzten Verfahren zur Generierung von spurgenauen Straßenkarten sind mit einem hohen manuellen Aufwand verbunden. Darüber hinaus verwenden die eingesetzten Fahrzeuge spezielle üblicherweise kostenintensive Hardware zum Aufzeichnen eines Umfelds.
• Offenbarung der Erfindung
• Die der Erfindung zugrunde liegende Aufgabe kann darin gesehen werden, ein Verfahren und ein System vorzuschlagen, welche mit möglichst geringem Aufwand eine Anzahl an Fahrspuren eines Straßenabschnitts feststellen können.
• Diese Aufgabe wird mittels des jeweiligen Gegenstands der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von jeweils abhängigen Unteransprüchen.
• Nach einem Aspekt der Erfindung wird ein Verfahren zum Erstellen von Beobachtungsdaten, insbesondere durch mindestens ein Fahrzeug, bereitgestellt. Es werden befahrene Straßenabschnitte durch das Fahrzeug ermittelt und von dem Fahrzeug befahrene Spuren der Straßenabschnitte von dem Fahrzeug ermittelt. Die ermittelten Straßenabschnitte werden mit den ermittelten befahrenen Spuren als Beobachtungsdaten von dem Fahrzeug an eine externe Servereinheit übertragen.
• Gemäß einem weiteren Aspekt der Erfindung wird ein Verfahren zum Ermitteln einer Anzahl an Fahrspuren durch Beobachtungen von mindestens einem Fahrzeug bereitgestellt. Von dem Fahrzeug ermittelte Straßenabschnitte werden mit ermittelten befahrenen Spuren als Beobachtungsdaten von einer externen Servereinheit empfangen. Basierend auf den übertragenen Beobachtungsdaten wird eine Anzahl von befahrbaren Spuren mindestens eines Straßenabschnitts von der externen Servereinheit festgestellt und als Information einer digitalen Karte zugeordnet.
• Nach einem weiteren Aspekt der Erfindung wird ein System zum Sammeln von Daten über Straßen bereitgestellt. Das System weist mindestens eine externe Servereinheit und mindestens zwei Fahrzeuge auf, wobei die Fahrzeuge ein Steuergerät aufweisen. Das Steuergerät ist mit mindestens einem Sensor zum Durchführen einer Eigenspurortung und mit einer Kommunikationseinheit zum Übermitteln von Informationen an die externe Servereinheit verbindbar. Das System ist vorzugsweise dazu eingerichtet, die erfindungsgemäßen Verfahren auszuführen.
• Gemäß einem weiteren Aspekt der Erfindung wird eine externe Servereinheit zum Empfangen und Auswerten von Beobachtungsdaten bereitgestellt, wobei die externe Servereinheit dazu eingerichtet ist, das Verfahren zum Ermitteln einer Anzahl an Fahrspuren durch Beobachtungen von mindestens einem Fahrzeug auszuführen.
• Nach einem weiteren Aspekt der Erfindung wird ein Steuergerät, insbesondere für ein Fahrzeug, bereitgestellt. Das Steuergerät ist mit mindestens einem Sensor zum Durchführen einer Eigenspurortung und mit mindestens einer Kommunikationseinheit verbindbar. Das Steuergerät ist dazu eingerichtet ein Verfahren zum Erstellen von Beobachtungsdaten auszuführen.
• Durch das Verfahren zum Erstellen von Beobachtungsdaten, zum Ermitteln einer Anzahl an Fahrspuren durch Beobachtungen von mindestens einem Fahrzeug und durch das System können Beobachtungen von Fahrzeugen mit einem minimalen technischen Aufwand dazu eingesetzt werden, digitale Straßenkarten zu aktualisieren oder zu erstellen. Basierend auf einer Vielzahl an Beobachtungen kann insbesondere die Anzahl an Spuren von Fahrbahnen festgestellt und in einer digitalen Straßenkarte hinterlegt werden. Hierfür wird von jedem Fahrzeug geprüft, auf welcher Fahrspur unter möglichen Fahrspuren es sich auf einem Straßenabschnitt befindet. Die Straßen einer digitalen Karte können durch gleichmäßige oder ungleichmäßige Abschnitte aufgeteilt werden, wobei jedem Straßenabschnitt Informationen zugeordnet werden. Beispielsweise kann ein Straßenabschnitt eine definierte Länge aufweisen oder durch markante Punkte, wie beispielsweise Kreuzungen oder Schilder begrenzt sein. Mit zunehmender Anzahl an Fahrzeugen werden statistisch alle möglichen Fahrbahnen durch die Fahrzeuge auch befahren und damit detektiert. Anhand der Identifikation der entsprechenden Spur durch die Fahrzeuge und der Übermittelung dieser Information an die externe Servereinheit, können alle befahrbaren Fahrbahnen von Straßenabschnitten in der Servereinheit detektiert werden. Diese Beobachtungen der Fahrzeuge können in Form von Sensordaten oder in Form von Datenpaketen an die Servereinheit übermittelt werden. Vorzugsweise können die Fahrzeuge hierfür eine drahtlose Kommunikationsverbindung, wie beispielsweise WLAN, GSM, UMTS, LTE und dergleichen, nutzen.
• Die Verfahren können vollautomatisiert ausgestaltet sein und somit aus einer Menge an Beobachtungen, welche von einer Fahrzeugflotte durchgeführt werden, eine Aktualisierung oder Erstellung einer spurgenauen digitalen Straßenkarte ermöglichen. Insbesondere kann eine automatische Generierung von Attributen für digitale Straßenkarten aus einer Reihe von Beobachtungen einer Flotte von Fahrzeugen realisiert werden. Die Attribute können beispielsweise die Anzahl von Spuren eines Straßenabschnittes und die Art der Spurmarkierungen sein, welche auf diesem Straßenabschnitt die jeweiligen Spuren voneinander abtrennen.
• Die Beobachtungen der Fahrzeugflotte können beispielsweise eine Abfolge der befahrenen Straßenabschnitte und die verwendeten Spuren entlang der Straßenabschnitte beinhalten. Diese Beobachtungen können von jedem Fahrzeug, das in der Lage ist sich spurgenau auf einer Straßenkarte zu verorten und beispielsweise über eine Kamera verfügt, durchgeführt werden.
• Aufgrund der statistischen Auswertung der an die Servereinheit übermittelten Beobachtungsdaten, ist das Verfahren tolerant gegenüber fehlerbehafteten Beobachtungen einzelner Fahrzeuge ausgeführt.
• Gemäß einem Ausführungsbeispiel wird die jeweils entlang eines Straßenabschnitts befahrene Fahrspur durch eine Eigenspurschätzung der mindestens zwei Fahrzeuge ermittelt, wobei die Eigenspurschätzung durch kamerabasierte Systeme von mindestens zwei Fahrzeugen durchgeführt wird. Das Verfahren kann technisch besonders einfach ausgestaltet sein, wenn hierfür nur eine Kamera eingesetzt wird. Bevorzugterweise kann eine derartige Kamera bereits im Fahrzeug verbaut sein, wie beispielsweise eine Rückfahrkamera. Insbesondere benötigen die Fahrzeuge zum Ausführen der Beobachtungen nur eine Möglichkeit der spurgenauen Selbstortung und eine Kamera. Die Voraussetzungen werden zunehmend von Serienfahrzeugen erfüllt, wodurch Spezialanfertigungen vermieden werden. Die Kamera kann dabei front- und/oder heckgerichtet sein und weist keine Anforderungen an die Bildqualität auf. Dadurch, dass derartige Fahrzeuge permanent Beobachtungen durchführen und an die externe Servereinheit melden, kann die spurgenaue Straßenkarte mit einer hohen Rate aktualisiert werden.
• Nach einem weiteren Ausführungsbeispiel wird eine Anzahl und/oder Art von Spurmarkierungen rechtseitig und linkseitig von den mindestens zwei Fahrzeugen ermittelt und in Form von Beobachtungsdaten an die externe Servereinheit übermittelt. Neben der jeweiligen spurgenauen Selbstortung können die Fahrzeuge zusätzlich die Fahrbahnmarkierungen ermitteln, welche seitlich die Fahrbahnen oder die Straße begrenzen. Hierdurch können die Spurmarkierungen als zusätzliche Informationen in die Beobachtungsdaten eingebracht werden, wodurch die Analyse der externen Servereinheit weitere Informationen basierend auf den den Spuren zugeordneten Fahrspurmarkierungen erlangen und der Straßenkarte zuordnen kann.
• Gemäß einem weiteren Ausführungsbeispiel werden die befahrenen Straßenabschnitte mit den entsprechenden Spuren in situ, nach einem Straßenabschnitt oder nach einer abgeschlossenen Fahrt an die externe Servereinheit übertragen. Das Verfahren kann hierdurch besonders flexibel ausgestaltet sein. Die Anzahl an hergestellten Verbindungen kann gesenkt werden, wenn die durchgeführten Beobachtungen der Fahrzeuge nach einer abgeschlossenen Fahrt oder nach einer definierten Zeit an die Servereinheit gesendet werden. Die Aktualisierung der Straßenkarten kann hingegen in Echtzeit erfolgen, wenn die Beobachtungsdaten sofort bzw. in situ an die Servereinheit übermittelt werden.
• Nach einem weiteren Ausführungsbeispiel werden aus den Beobachtungsdaten in der externen Servereinheit für jeden Straßenabschnitt Beobachtungsmatrizen erstellt. Eine Beobachtungsmatrix weist eine statistische Verteilung von befahrbaren Fahrspuren und von den mindestens zwei Fahrspuren zugeordnete Arten von Spurmarkierungen auf. Hierdurch kann jede Straße in der digitalen Karte, die mit Spurinformationen annotiert werden soll, in Straßenabschnitte ihrer Länge nach unterteilt werden. Aus einer Vielzahl an übermittelten Beobachtungsdaten wird jedem Straßenabschnitt eine Beobachtungsmatrix zugeordnet, welche eine statistische Verteilung der möglichen bzw. befahrbaren Fahrspuren mit entsprechenden beidseitigen Fahrspurbegrenzungen bzw. Markierungen aufweist. Hierdurch kann eine straßenabschnittsweise Analyse durch die Servereinheit durchgeführt werden, welche technisch einfach durchführbar ist.
• Gemäß einem weiteren Ausführungsbeispiel weist die externe Servereinheit ein angelerntes neuronales Netz auf, wobei jede Beobachtungsmatrix durch das neuronale Netz analysiert und einer Fahrbahnklasse zugeteilt wird. Die Analyse der jeweiligen Beobachtungsmatrizen kann durch das neuronale Netz der Servereinheit erfolgen. Hierdurch kann eine robuste und schnelle Möglichkeit der Auswertung von statistischen Daten bereitgestellt werden. Insbesondere kann ein neuronales Netz derart trainiert sein, dass es unempfindlich gegenüber Beobachtungsfehlern einzelner Fahrzeuge ist. Somit kann die externe Servereinheit sowohl fehlerhafte spurgenaue Ortungen mit einer hohen Rate als auch fehlerhaft erkannte Spurmarkierungen effizient handhaben.
• Das neuronale Netz kann insbesondere für die Zuordnung der jeweiligen Beobachtungsmatrizen in Straßenklassen eingesetzt werden, auf welcher diese Beobachtungen von den Fahrzeugen gemacht wurden. Jede dieser Straßenklassen beschreibt eindeutig eine Möglichkeit, wie eine Straße in Spuren mit unterschiedlichen Spurmarkierungen eingeteilt werden kann. Ist die Straßenklasse des Straßenabschnittes bekannt, so können die entsprechenden Eigenschaften über Anzahl der Spuren und Typ der Spurmarkierungen in die digitale Karte übernommen werden.
• Nach einem weiteren Ausführungsbeispiel werden durch das neuronale Netzwerk Messfehler aus einer Beobachtungsmatrix entfernt. Hierdurch kann alternativ zu einer Vernachlässigung bzw. einem Ignorieren von Fehlern das neuronale Netz dazu eingesetzt werden, die in der Beobachtungsmatrix gespeicherten fehlerhaften Beobachtungen zu beseitigen. Derartige fehlerbehaftete Beobachtungen können beispielsweise fünfte oder sechste Fahrspuren bei einer vierspurigen Straße oder falsche Fahrbahnbegrenzungen sein. Hierbei kann das neuronale Netz eine Ausgabeebene aufweisen, welche die gleiche Interpretation aufweist, wie eine Eingabeebene, wodurch das neuronale Netz dazu verwendet wird, die Messfehler aus der Beobachtungsmatrix zu entfernen.
• Gemäß einem weiteren Ausführungsbeispiel wird eine Straße in gleichlange oder unterschiedlich lange Straßenabschnitte unterteilt. Hierdurch können Straßen flexibel in Straßenabschnitte unterteilt werden. Je nach Situation kann eine Unterteilung in Abschnitte, welche von einer Kreuzung zu einer nächsten Kreuzung oder eine Unterteilung durch Schilder oder markante Punkten vorteilhaft sein, da hierdurch die Anzahl an Straßenabschnitten reduziert wird. Die Auswertung durch die Servereinheit kann somit beschleunigt werden.
• Im Folgenden werden anhand von stark vereinfachten schematischen Darstellungen bevorzugte Ausführungsbeispiele der Erfindung näher erläutert. Hierbei zeigen
• 1 eine schematische Darstellung eines Systems gemäß einer Ausführungsform der Erfindung,
• 2 ein schematisches Diagramm zum Veranschaulichen eines Verfahrens gemäß einer erfindungsgemäßen Ausführungsform,
• 3 eine beispielhafte Beobachtungsmatrix für einen Straßenabschnitt, und
• 4 einen schematischen Straßenabschnitt, für welchen die Beobachtungsmatrix anhand von Beobachtungen von Fahrzeugen aus 3 erstellt wurde.
• In den Figuren weisen dieselben konstruktiven Elemente jeweils dieselben Bezugsziffern auf.
• In der 1 ist eine schematische Darstellung eines Systems 1 gemäß einer Ausführungsform der Erfindung gezeigt. Das System 1 weist eine Vielzahl an Fahrzeugen 2 auf, welche Beobachtungsdaten an eine externe Servereinheit 4 übermitteln.
• Die Fahrzeuge 2 weisen eine kamerabasierte Messvorrichtung 6 auf. Die Messvorrichtung 6 ist in Form einer frontseitigen Kamera mit entsprechender Ansteuerung ausgestaltet. Die Messvorrichtung 6 ist mit einem Steuergerät 8 datenleitend verbunden.
• Das Steuergerät 8 weist einen integrierten GPS-Sensor auf, welcher zusammen mit der Messvorrichtung 6 für eine spurgenaue Selbstortung eingesetzt wird.
• Durch die Messvorrichtung 6 können die Fahrzeuge 2 erkennen, welche Fahrbahnmarkierungen linksseitig und rechtsseitig des Fahrzeugs 2 auf der Fahrbahn angeordnet sind. Anhand des GPS-Sensors und/oder basierend auf der ermittelten Fahrbahnmarkierung kann das Fahrzeug 2 abschätzen, auf welcher Fahrspur es sich derzeit befindet. Die Fahrbahnmarkierung kann vorzugsweise durch eine Auswertung von Videodaten oder Bilddaten der Messvorrichtung 6 erfolgen. Die Messvorrichtung 6 kann hierfür eine kamerabasierte Messvorrichtung 6 sein. Des Weiteren kann das Fahrzeug 2 den derzeitig befahrenen oder bereits zurückgelegten Straßenabschnitt ermitteln.
• Die ermittelten Messdaten der Messvorrichtung 6 und des Steuergeräts 8 können als Beobachtungsdaten über eine drahtlose Kommunikationsverbindung 10 an die externe Servereinheit gesendet werden. Eine Kommunikationseinheit 12 des Steuergeräts 8 stellt hierbei die Kommunikationsverbindung 10 mit einer Kommunikationseinheit 14 der Servereinheit 4 her.
• Die übermittelten Beobachtungsdaten von einer Vielzahl an Fahrzeugen 2 werden in Verarbeitungseinheit 16 zu straßenabschnittspezifischen Beobachtungsmatrizen transformiert und anschließend von einem neuronalen Netz 18 analysiert. Die Ergebnisse des neuronalen Netzes 18 können von der externen Servereinheit 4 einer digitalen Straßenkarte 20 zugeordnet werden.
• Die 2 zeigt ein schematisches Diagramm zum Veranschaulichen eines Verfahrens 22 gemäß einer erfindungsgemäßen Ausführungsform.
• Jedes Fahrzeug 2 protokolliert 23 die von diesem Fahrzeug 2 gefahrene Strecke. Dazu wird zu der durchfahrenen Abfolge von Straßen jeweils protokolliert, auf welcher Spur sich das Fahrzeug 2 befunden hat. Die Straßen können dem Fahrzeug 2 beispielsweise aus einer Onboard-Karte bekannt sein. Die Information, auf welcher Spur sich das Fahrzeug 2 die Straße passierte, kann durch eine Eigenspurschätzung erfolgen. Des Weiteren können Spurwechsel von dem Steuergerät 8 registriert werden. Über die Messvorrichtung 6 kann das Fahrzeug 2 ermitteln, welche Spurmarkierungen zu beiden Seiten des Fahrzeugs 2 vorhanden sind. Die Eigenspurschätzung kann beispielsweise über GPS-Daten und/oder durch eine Auswertung von Videodaten oder Bilddaten, welche beispielsweise von der kamerabasierten Messvorrichtung 6 aufgezeichnet wurden, erfolgen.
• Die Eigenspurschätzung sowie die Spurmarkierungserkennung können fehlerbehaftet sein. Die entsprechenden fehlerbehafteten von den Fahrzeugen 2 protokollierten Straßenabschnitte weisen alle ermittelten Beobachtungsdaten R auf. Insbesondere können die Beobachtungsdaten R eine Menge P aller befahrbaren Straßenabschnitte, eine Menge S aller möglicher Spuren des Straßenabschnitts, die möglichen geografischen Positionen G und die möglichen Spurmarkierungen M aufweisen. Hierdurch gilt der folgende Zusammenhang: $$\text{R}\in \left(\text{P}\times \text{S}\times \text{G}\times \text{M}\times \text{M}\right)$$

  

  Die Spurmarkierung M ist hier doppelt berücksichtigt, sodass zwischen einer möglichen linksseitigen und rechtsseitigen Spurmarkierung unterschieden wird. Die möglichen Spurmarkierungen M können beispielsweise durchgezogen, gestrichelt, farbig durchgezogen und dergleichen sein. Die geografische Position G kann in Form von WGS85 Koordinaten ausgeführt sein.
• Beispielsweise kann basierend auf den folgenden Beobachtungsdaten einer möglichen fehlerbehafteten spurgenauen Route r $$\begin{array}{ll}\text{r}=\hfill & \left(({\text{p}}_0,{\text{ s}}_0,{\text{ g}}_0,{\text{ m}}_{\mathrm{1,1}},{\text{ m}}_{\mathrm{1,2}}\right)\hfill \\ \hfill & \left({\text{p}}_0,{\text{ s}}_1,{\text{ g}}_1,{\text{ m}}_{\mathrm{2,1}},{\text{ m}}_{\mathrm{2,2}}\right)\hfill \\ \hfill & \left({\text{p}}_1,{\text{ s}}_2,{\text{ g}}_2,{\text{ m}}_{\mathrm{1,3}},{\text{ m}}_{\mathrm{1,3}}\right)\hfill \\ \hfill & \left({\text{p}}_1,{\text{ s}}_3,{\text{ g}}_3,{\text{ m}}_{\mathrm{4,1}},{\text{ m}}_{\mathrm{4,2}}\right)\hfill \end{array}$$

  

  geschlussfolgert werden, dass ein Fahrzeug 2 bei g₀ auf Straße p₀ die Spur s₀ benutzt hat und bei g₁ auf p₀ von Spur s₀ nach S₁ gewechselt hat. Anschließend wurde bei g₂ von Straße p₀ Spur S₁ auf Straße P₁ Spur s₂ gewechselt und bei g₃ auf p₁ von Spur s₂ auf Spur s₃ gefahren. Dabei wurde auf (p₀, s₀) als linke Markierung m_1,1 und als rechte Markierung m_1,2 erkannt, für (p₀, s₁) wurde m_2,1 bzw. m_2,2 erkannt. Hierbei entsprechen p₀, p₁ ∈ P, s₀, s₁, s₂, s₃ ∈ S, g₀, g₁, g₂, g₃ ∈ G, sowie m_i,i, m_i,2 ∈ M.
• Diese Beobachtungsdaten R werden anschließend von den Fahrzeugen 2 an die externe Servereinheit 4 übermittelt 24. Die Beobachtungsdaten R können in der Servereinheit 4 gesammelt werden. Die Servereinheit 4 weist eine elektronische Straßenkarte 20 auf. Die Straßenkarte 20 muss hierbei weder aktuell sein noch über Informationen über die Straßen aufweisen. Durch das Verfahren 22 können relevante Informationen über die Spuren der Straßenkarte 20 automatisiert generiert werden.
• Jede Straße in der digitalen Karte 20, die mit Spurinformationen annotiert werden soll, wird in Straßenabschnitte in ihrer Längsrichtung geteilt 25. Beispielsweise können die Straßenabschnitte eine Länge von 15 m aufweisen. Die Straßenabschnitte können hierbei auch eine situationsabhängig angepasste Länge aufweisen.
• Anschließend werden für jeden dieser Straßenabschnitte die Beobachtungsdaten in straßenabschnittsweise extrahiert und in Beobachtungsmatrizen B transformiert 26. Beispielsweise können die Beobachtungsdaten R eine Vielzahl an Elementen r₁, ..., r_m ∈ R aufweisen, mit beispielsweise m = 10000, wobei diese Elemente r Beobachtungen auf dem entsprechenden Straßenabschnitt beschreiben. Die Informationen aus jedem Straßenabschnitt bilden eine eigene Beobachtungsmatrix.
• Dabei weist jede Beobachtungsmatrix Einträge B_i,j auf. Die Einträge der Beobachtungsmatrix B stellen Häufigkeiten dar, mit welchen die Spur-Spurmarkierung-Kombination (i, j) in den Beobachtungen vorgekommen ist. In der 3 ist eine derartige Beobachtungsmatrix B dargestellt. Insbesondere zeigt die Beobachtungsmatrix die von den Fahrzeugen 2 identifizierten Spuren S in Form von Nummern und die beidseitig identifizierten Fahrbahnmarkierungen M.
• Die in 3 dargestellte Beobachtungsmatrix B wurde von einem Straßenabschnitt 21 ermittelt, welcher in der 4 schematisch dargestellt ist. Der Straßenabschnitt 21 ist als eine sechsspurige Straße ausgebildet.
• Die Beobachtungsmatrix B wird anschließend von einem neuronalen Netz 8 analysiert 27, welches diese Beobachtungen zu einer von mehreren Klassen zuordnet. Jede dieser Klassen beschreibt eine Möglichkeit, wie eine Straße eindeutig in Spuren S mit unterschiedlichen Spurmarkierungen M eingeteilt werden kann. Ist die Klasse des Straßenabschnittes 21 bekannt, so können die entsprechenden Eigenschaften über Anzahl der Spuren und Typ der Spurmarkierungen in die digitale Karte 20 übernommen werden 28.
• Durch das neuronale Netz 18 kann bei Eingabe einer Beobachtungsmatrix B, die entsprechende Straßenklasse ausgegeben werden, auf der diese Beobachtungen gemacht worden sind. Es existieren endlich viele Straßenklassen, wobei jede Straßenklasse eine eindeutige Kombination von Spurmarkierungen beschreibt.
• Das eingesetzte neuronale Netz 18 kann als ein sogenanntes „Feedforward neural network“ mit mehreren verborgenen Ebenen ausgeprägt sein. Darüber hinaus können die Beobachtungsmatrizen in einem Wertebereich [0, 1] normalisiert werden. Das neuronale Netz 18 kann beispielsweise x · y Input-Knoten und o Output-Knoten aufweisen, wobei o die Anzahl aller (sinnvollen) Straßenklassen darstellt, x die maximale Anzahl an Spuren und y die Anzahl aller Kombinationen aus Straßenmarkierungen einer Spur ausbilden. Gemäß der in 3 dargestellten Beobachtungsmatrix B ist x = 15 und y = 9. Die Straßenklassen werden noch vor der Trainingsphase des neuronalen Netzes 18 vollständig (und eindeutig) nummeriert und jeweils genau einem der Output-Knoten des neuronalen Netzes 18 zugewiesen.

Claims (12)

1. Verfahren zum Erstellen von Beobachtungsdaten (R), insbesondere durch mindestens ein Fahrzeug (2), wobei befahrene Straßenabschnitte (21) durch das Fahrzeug (2) ermittelt werden, von dem Fahrzeug (2) befahrene Spuren (S) der Straßenabschnitte (21) von dem Fahrzeug (2) ermittelt werden, die ermittelten Straßenabschnitte (21) mit den ermittelten befahrenen Spuren (S) als Beobachtungsdaten (R) von dem Fahrzeug (2) an eine externe Servereinheit (4) übertragen werden.
2. Verfahren nach Anspruch 1, wobei die jeweils entlang eines Straßenabschnitts (21) befahrene Fahrspur durch eine Eigenspurschätzung der Fahrzeuge ermittelt wird, wobei die Eigenspurschätzung durch kamerabasierte Systeme (6) der Fahrzeugen (2) durchgeführt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei eine Anzahl und/oder Art von Spurmarkierungen (M) rechtseitig und linkseitig von den Fahrzeugen (2) ermittelt und in Form von Beobachtungsdaten (R) an die externe Servereinheit (4) übermittelt wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei die befahrenen Straßenabschnitte (21) mit den entsprechenden Spuren (S) nach einem Straßenabschnitt (21) oder nach einer abgeschlossenen Fahrt an die externe Servereinheit (4) übertragen werden.
5. Verfahren (22) zum Ermitteln einer Anzahl an Fahrspuren (S) durch Beobachtungen von mindestens einem Fahrzeug (2), wobei von dem Fahrzeug (2) ermittelte Straßenabschnitte (21) mit ermittelten befahrenen Spuren (S) als Beobachtungsdaten (R) von einer externen Servereinheit (4) empfangen werden und basierend auf den übertragenen Beobachtungsdaten (R) eine Anzahl von befahrbaren Spuren mindestens eines Straßenabschnitts (21) von der externen Servereinheit (4) festgestellt und als Information einer digitalen Karte (20) zugeordnet wird.
6. Verfahren nach Anspruch 5, wobei aus den Beobachtungsdaten (R) in der externen Servereinheit (4) für jeden Straßenabschnitt (21) Beobachtungsmatrizen (B) erstellt werden, wobei eine Beobachtungsmatrix (B) eine statistische Verteilung von befahrbaren Fahrspuren (S) und den Fahrspuren (S) zugeordnete Arten von Spurmarkierungen (M) aufweist.
7. Verfahren nach Anspruch 5 oder 6, wobei die externe Servereinheit (4) ein angelerntes neuronales Netz (18) aufweist, wobei jede Beobachtungsmatrix (B) durch das neuronale Netz (18) analysiert und einer Fahrbahnklasse zugeteilt wird.
8. Verfahren nach einem der Ansprüche 5 bis 7, wobei durch das neuronale Netzwerk (18) Messfehler aus einer Beobachtungsmatrix (B) entfernt werden.
9. Verfahren nach einem der Ansprüche 5 bis 8, wobei eine Straße in gleichlange oder unterschiedlich lange Straßenabschnitte (21) unterteilt wird.
10. System (1) zum Sammeln von Daten über Straßen, mit mindestens einer externen Servereinheit (4) und mit mindestens zwei Fahrzeugen (2), wobei die Fahrzeuge (2) ein Steuergerät (8) aufweisen, welches mit mindestens einem Sensor (6) zum Durchführen einer Eigenspurortung und mit einer Kommunikationseinheit (12) zum Übermitteln von Informationen an die externe Servereinheit (4) verbindbar ist.
11. Externe Servereinheit (4) zum Empfangen und Auswerten von Beobachtungsdaten (R), wobei die externe Servereinheit (4) dazu eingerichtet ist, das Verfahren (22) gemäß einem der Ansprüche 5 bis 9 auszuführen.
12. Steuergerät (8), insbesondere für ein Fahrzeug, wobei das Steuergerät (8) mit mindestens einem Sensor (6) zum Durchführen einer Eigenspurortung und mit mindestens einer Kommunikationseinheit (12) verbindbar ist, wobei das Steuergerät dazu eingerichtet ist das Verfahren gemäß einem der Ansprüche 1 bis 4 auszuführen.

Images