DE102020112036A1 - Fahrerassistenz für ein kraftfahrzeug - Google Patents

Abstract

Die Erfindung betrifft ein Fahrerassistenzverfahren (100) für ein Kraftfahrzeug von Interesse in diesem Fahrzeug von Interesse die zu einem Ausgangszeitpunkt in seiner Umgebung anwesenden Drittfahrzeuge erkennt (110). Bei einem ersten Prädiktionszyklus wird den zum Ausgangszeitpunkt erkannten Drittfahrzeugen und dem Fahrzeug von Interesse eine Rangfolge zugeordnet (130), die einer Reihenfolge entspricht, in der die Fahrzeuge Okder Menge in dem Fahrbereich ausgehend von einem Fahrzeug, das in einer am weitesten entfernten Position vor dem Fahrzeug von Interesse erkannt wurde, aufeinander folgen. Für jedes ausgewählte Fahrzeug O*kder Menge, in der Rangfolge genommen, wird ein anderes Fahrzeug der Menge identifiziert (150), das geeignet ist, ein Primärzielfahrzeug für dieses ausgewählte Fahrzeug zu sein, ein Manöver, das gerade im Gang ist, für das ausgewählte Fahrzeug ausgehend mindestens von dem identifizierten Primärzielfahrzeug, von Informationen über das bloße ausgewählte Fahrzeug O*kund von Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*kgeschätzt (160); die Fortbewegung des ausgewählten Fahrzeugs O*kzwischen dem Ausgangszeitpunkt und einem ersten Prädiktionszeitpunkt ausgehend von dem für das ausgewählte Fahrzeug O*kgeschätzten Manöver geschätzt (170); und eine erste relative Position und eine erste relative Geschwindigkeit des ausgewählten Fahrzeugs O*kfür den ersten Prädiktionszeitpunkt ausgehend von der geschätzten Fortbewegung prädiziert.

Description

• Technisches Gebiet
• Die vorliegende Erfindung betrifft ganz allgemein das Gebiet der Kraftfahrzeuge und insbesondere die Fahrerassistenz für ein Kraftfahrzeug.
• Allgemeiner Stand der Technik
• Zur Erhöhung der Verkehrssicherheit sind einige Kraftfahrzeuge, semiautonome Kraftfahrzeuge genannt, mit Teilautomatisierungssystemen oder Fahrerassistenzsystemen (auch unter der englischen Abkürzung ADAS bekannt) ausgestattet, insbesondere mit Systemen, die anstelle des Fahrers die Seitenkontrolle und/oder die Längskontrolle ausführen oder den Fahrer zumindest vor einer möglicherweise gefährlichen Situation warnen, um ihm ein rechtzeitiges Reagieren zu ermöglichen. Vorgesehen ist auch, Fahrzeuge vollautonom zu machen, das heißt fahrerlos.
• Damit ein autonomes oder semiautonomes Fahrzeug (im weiteren Verlauf als „Fahrzeug von Interesse“ bezeichnet) gefährliche Situationen erkennen und entsprechend reagieren kann, um die Unfallgefahren zu vermeiden oder zu verringern, muss das bordeigene Fahrerassistenzsystem dieses Fahrzeugs nicht nur in der Lage sein, alle dynamischen Objekte (im weiteren Verlauf als „Drittfahrzeuge“ bezeichnet) zu erkennen, die in der unmittelbaren Umgebung des Fahrzeugs anwesend sind, wie beispielsweise andere Motorfahrzeuge (Pkw, Lkw, Motorräder), sondern auch, die zukünftigen Bewegungen dieser Drittfahrzeuge zu prädizieren.
• Wie beispielsweise in dem Dokument mit dem Titel „A survey on motion prediction and risk assessment for intelligent vehicles“ (Lefevre et al., Robomech Journal 2014,1 :1 http://www.robometechjournal.com/content/1/1/1) beschrieben, beruhen die bekannten Trajektorienprädiktionsmethoden auf einem Bewegungsmodell, das unter den drei folgenden Bewegungsmodelltypen gewählt ist:
• - auf der Physik beruhende Bewegungsmodelle;
• - auf dem Manöver beruhende Bewegungsmodelle; und
• - auf Interaktionen reagierende Bewegungsmodelle.
• Die auf der Physik beruhenden Bewegungsmodelle sind die einfachsten, weil sie davon ausgehen, dass die zukünftige Bewegung eines Fahrzeugs nur von den Gesetzen der Physik abhängt. Diese Modelle sind stark abhängig von der Präzision der bordeigenen Sensoren des Fahrzeugs von Interesse und setzen voraus, dass das Drittfahrzeug seinen Zustand (Geschwindigkeit oder Fahrtrichtung) nicht ändert. Diese Modelle ermöglichen es infolgedessen nicht, die Trajektorie eines Drittfahrzeugs für eine langfristige Prädiktion, beispielsweise mehr als zwei Sekunden, zuverlässig zu prädizieren.
• Die auf dem Manöver beruhenden Bewegungsmodelle sind etwas komplizierter als die auf der Physik beruhenden Bewegungsmodelle, weil sie auch das Manöver berücksichtigen, das der Fahrer eines Drittfahrzeugs vorzunehmen beabsichtigt. Allerdings werden das Fahrzeug von Interesse und die Drittfahrzeuge, deren Manöver geschätzt werden, als sich unabhängig voneinander bewegend betrachtet, was zu Fehlinterpretationen bestimmter Verkehrssituationen führen kann und sich auf die Risikobewertung für das Fahrzeug von Interesse auswirken kann.
• Die auf Interaktionen reagierenden Bewegungsmodelle sind derzeit die höchstentwickelten, da sie berücksichtigen, dass die Bewegung eines Fahrzeugs durch die Bewegung der anderen in der Straßenszene anwesenden Fahrzeuge beeinflusst werden kann. Die meisten dieser Modelle verwenden dynamische Bayessche Netze, die es ermöglichen, paarweise Abhängigkeiten zwischen mehreren sich bewegenden Fahrzeugen zu betrachten. Diese Modelle ermöglichen zuverlässige und langfristigere Vorhersagen, sind jedoch unvereinbar mit dem Erfordernis, die Risiken für das Fahrzeug von Interesse in Echtzeit zu bewerten, da sie erhebliche Rechenzeitressourcen erfordern, um für alle möglichen Fahrzeugpaare alle möglichen Trajektorien der Fahrzeuge schätzen zu können.
• Zusammenfassung der Erfindung
• Aufgabe der vorliegenden Erfindung ist es, die Einschränkungen des bisherigen Standes der Technik zu überwinden, indem insbesondere eine vereinfachte Methode vorgeschlagen wird, die es ermöglicht, mindestens eine zukünftige Position jedes in einer Straßenszene, in der das Fahrzeug von Interesse fährt, anwesenden Fahrzeugs zuverlässig und wenig rechenzeitintensiv zu prädizieren.
• Aufgabe der Erfindung ist es auch, diese vereinfachte Methode zu verwenden, um die Trajektorie einer Vielzahl von Fahrzeugen, die sich in der Umgebung des Drittfahrzeugs bewegen, schnell über eine längere Prädiktionsdauer zu prädizieren als bei den Methoden, die ein auf der Physik beruhendes Bewegungsmodell verwenden.
• Entsprechend betrifft die vorliegende Erfindung ein Fahrerassistenzverfahren für ein Kraftfahrzeug von Interesse, beinhaltend:
• - einen Erkennungsschritt, bei dem ein bordeigenes System des Kraftfahrzeugs von Interesse eine Vielzahl von Drittfahrzeugen erkennt, die zu einem Ausgangszeitpunkt in der Umgebung des Kraftfahrzeugs von Interesse in einem Fahrbereich mit mehreren Fahrspuren anwesend sind;
• - einen ersten Prädiktionszyklus zur Prädiktion, durch das bordeigene System, einer ersten relativen Position und einer ersten relativen Geschwindigkeit jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für einen ersten Prädiktionszeitpunkt nach dem Ausgangszeitpunkt, wobei der erste Prädiktionszyklus beinhaltet:
  • o einen Speicherschritt zum Speichern, in einer Datenbank des bordeigenen Systems, von Ausgangsdaten für jedes Fahrzeug O_k einer Menge von K Fahrzeugen, die die zum Ausgangszeitpunkt erkannten Drittfahrzeuge und das Fahrzeug von Interesse umfassen, wobei die Ausgangsdaten eine Information über die aktuelle Fahrspur, eine aktuelle relative Position und eine aktuelle relative Geschwindigkeit jedes Fahrzeugs O_k der Menge zum Ausgangszeitpunkt und in einem ersten mit dem Fahrzeug von Interesse verbundenen Bezugssystem umfassen;
  • o einen Sortierschritt, bei dem den K Fahrzeugen O_k der Menge eine Rangfolge zugeordnet wird, wobei die Rangfolge in Abhängigkeit von der Position und der Fahrspur jedes Fahrzeugs O_k der Menge, die in der Datenbank gespeichert sind, bestimmt wird und einer Reihenfolge entspricht, in der die Fahrzeuge O_k der Menge in dem Fahrbereich ausgehend von einem Fahrzeug, das in einer am weitesten entfernten Position vor dem Fahrzeug von Interesse erkannt wird, aufeinander folgen;
  • o einen Auswählschritt zum Auswählen jedes Fahrzeugs O_k der Menge in der vorbestimmten Rangfolge und, für jedes ausgewählte Fahrzeug O*_k der Menge:
    • - einen Teilschritt des Identifizierens eines anderen Fahrzeugs der Menge, das geeignet ist, ein Primärzielfahrzeug für das ausgewählte Fahrzeug O*_k zu sein;
    • - einen Teilschritt des Schätzens eines Manövers, das gerade im Gang ist oder kurz davor steht, von dem ausgewählten Fahrzeug O*_k durchgeführt zu werden, ausgehend mindestens von dem identifizierten Primärzielfahrzeug, von Informationen über das bloße ausgewählte Fahrzeug O*_k und von Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k;
    • - einen Teilschritt des Schätzens der Fortbewegung des ausgewählten Fahrzeugs O*_k zwischen dem Ausgangszeitpunkt und dem ersten Prädiktionszeitpunkt ausgehend von dem für das ausgewählte Fahrzeug O*_k geschätzten Manöver;
wobei die erste relative Position und die erste relative Geschwindigkeit des ausgewählten Fahrzeugs O*_k für den ersten Prädiktionszeitpunkt ausgehend von der geschätzten Fortbewegung prädiziert werden.
• In einer möglichen Ausführungsform werden die Teilschritte ausgehend von Positions- und Geschwindigkeitsdaten ausgeführt, die in ein mit dem ausgewählten Fahrzeug O*_k verbundenes zweidimensionales Bezugssystem transformiert wurden.
• Das geschätzte Manöver wird bevorzugt aus einer vorgegebenen Menge möglicher Manöver ausgewählt. Die vorgegebene Menge möglicher Manöver für ein ausgewähltes Fahrzeug O*_k kann umfassen: das Halten seiner aktuellen Fahrspur; seinen Spurwechsel zur linken Spur; seinen Spurwechsel zur rechten Spur; sein Anhalten auf der aktuellen Spur.
• In einer möglichen Ausführungsform umfasst der Teilschritt der Identifizierung eines möglichen Primärzielfahrzeugs für das ausgewählte Fahrzeug O*_k ein Suchen eines Fahrzeugs der Menge, das sich auf derselben Spur wie das ausgewählte Fahrzeug O*_k vor diesem und am nächsten zu diesem befindet.
• In einer möglichen Ausführungsform umfassen die Informationen über das bloße ausgewählte Fahrzeug O*_k zum Beispiel seine seitliche Fortbewegung und/oder einen ein- oder ausgeschalteten Zustand einer seiner Blinkleuchten und/oder eine Historie seiner gespeicherten Positionen.
• In einer möglichen Ausführungsform umfassen die Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k den Markierungslinientyp der Fahrspur, auf der sich das ausgewählte Fahrzeug O*_k befindet, und/oder die Belegung der an die aktuelle Fahrspur des ausgewählten Fahrzeugs O*_k angrenzenden Fahrspuren und/oder die der Fahrspur zugeordnete aktuelle Geschwindigkeitsbeschränkung.
• In einer möglichen Ausführungsform beinhaltet das Verfahren einen zweiten Prädiktionszyklus zur Prädiktion, durch das bordeigene System, einer zweiten relativen Position {X; Y; θ}_k,2 und einer zweiten relativen Geschwindigkeit {V_X; V_Y; θ̇}_k,2 jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für einen zweiten Prädiktionszeitpunkt nach dem ersten Prädiktionszeitpunkt, wobei der zweite Prädiktionszyklus beinhaltet:
• - einen ersten Schritt der Reaktualisierung der Datenbank, in dem die Ausgangsdaten für die relative Position und die relative Geschwindigkeit durch die erste relative Position {X; Y; θ}_k,1 und die erste relative Geschwindigkeit {V_X; V_Y; θ̇}_k,1, die beim ersten Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, ersetzt werden, und
• - den Sortierschritt, den Auswählschritt und die Teilschritte des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt durch den ersten Prädiktionszeitpunkt ersetzt worden ist und der erste Prädiktionszeitpunkt durch den zweiten Prädiktionszeitpunkt ersetzt worden ist.
• Das Verfahren kann eine Anzahl N größer als 2 aufeinander folgende Prädiktionszyklen beinhalten, wobei jeder n-te Prädiktionszyklus es ermöglicht, eine n-te relative Position {X; Y; θ}_k,n und eine n-te relative Geschwindigkeit {V_X; V_Y; θ}_k,n jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für einen n-ten Prädiktionszeitpunkt nach einem vorhergehenden Prädiktionszeitpunkt zu prädizieren, wobei jeder n-te Prädiktionszyklus beinhaltet:
• - einen Schritt der Reaktualisierung der Datenbank, in dem die Daten für die relative Position und die relative Geschwindigkeit durch die relative Position und die relative Geschwindigkeit ersetzt werden, die beim vorhergehenden Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, und
• - den Sortierschritt, den Auswählschritt und die Teilschritte des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt durch den vorhergehenden Prädiktionszeitpunkt ersetzt worden ist und der erste Prädiktionszeitpunkt durch den n-ten Prädiktionszeitpunkt ersetzt worden ist.
• Die aufeinander folgenden Prädiktionszeitpunkte sind bevorzugt durch einen konstanten Zeitschritt getrennt.
• In einer möglichen Ausführungsform ist N gleich 33 und der konstante Zeitschritt gleich 200 ms.
• Die Erfindung betrifft auch ein bordeigenes Fahrerassistenzsystem eines Fahrzeug von Interesse, das dazu ausgestaltet ist, das erfindungsgemäße Verfahren zu implementieren.
• Figurenliste
• Die Erfindung wird durch die folgende Beschreibung unter Bezugnahme auf die anliegenden Zeichnungen verdeutlicht. Es zeigen:
• - 1 schematisch in der Draufsicht ein Beispiel für eine Straßenszene, das dazu dient, die Prinzipien der Erfindung zu veranschaulichen;
• - 2 schematisch Trajektorien, die mit einem erfindungsgemäßen Verfahren für das Beispiel der Straßenszene aus 1 prädiziert wurden;
• - 3 Schritte, die gemäß einer ersten Ausführungsform eines erfindungsgemäßen Erkennungsverfahrens implementiert werden können.
• Beschreibung einer Ausführungsform/von Ausführungsformen
• Die Erfindung wird nun im Rahmen des nicht einschränkenden Beispiels der Straßenszene beschrieben, die schematisch in der Draufsicht in 1 dargestellt ist.
• In dieser 1 bewegt sich ein Fahrzeug von Interesse O_I das über ein erfindungsgemäßes Fahrerassistenzsystem (nicht dargestellt) verfügt, in einem Fahrbereich mit drei Fahrspuren L₁ , L₂ , L₃ fort. Fünf weitere Fahrzeuge O₁ bis O₃ und O₅ , O₆ fahren ebenfalls in der Umgebung des Fahrzeugs von Interesse O_I . Der Einfachheit halber wird nicht einschränkend angenommen, dass der Fahrbereich einem Autobahnabschnitt mit zwei Fahrspuren L₂ , L₃ entspricht, wobei die Spur L₁ einem Beschleunigungsstreifen entspricht, und dass alle Fahrzeuge entsprechend der französischen Straßenverkehrsordnung (links überholen und Geschwindigkeitsbeschränkung auf 130 km/h) in die gleiche Richtung verkehren (in 1 von links nach rechts). In dem nicht einschränkenden Beispiel sind die Drittfahrzeuge O₁ , O₅ und O₆ sämtlich Pkw, ist das Drittfahrzeug O₂ ein Motorrad und ist das Drittfahrzeug O₃ ein Lkw. Im Übrigen hat in diesem Beispiel der Lkw O₃ angehalten und leuchten die Bremsleuchten des Drittfahrzeugs O₁ , weil sein Fahrer bremst. Die Art der in der Umgebung des Fahrzeugs von Interesse anwesenden Drittfahrzeuge ist für die Prinzipien dieser Erfindung nicht relevant. Mit anderen Worten, ein Drittfahrzeug kann unterschiedslos ein klassisches Fahrzeug, ein semiautonomes Fahrzeug oder ein autonomes Fahrzeug sein.
• Im weiteren Verlauf wird vorausgesetzt, dass das Fahrzeug von Interesse O_I ausgestattet ist mit:
• - verschiedenen Sensoren (nicht dargestellt) unterschiedlicher Art (zum Beispiel Bildsensoren, Radar, Lidar), die es ihm ermöglichen, zum einen die in seiner Umgebung anwesenden Drittfahrzeuge O₁ bis O₃ und O₅ , O₆ und zum anderen die Informationen zur Geometrie der Straßenszene zu erkennen (insbesondere die Markierungslinien, die Verkehrsschilder usw.);
• - einem ADAS (nicht dargestellt), das es ihm ermöglicht, die erkannten Informationen zu verarbeiten und geeignete Entscheidungen zu treffen (Warnen des Fahrers des Fahrzeugs von Interesse O_I und/oder Seiten- und Längskontrolle des Fahrzeugs von Interesse O_I ).
• Ein vollständiges erfindungsgemäßes Fahrerassistenzverfahren besteht darin, die Anwesenheit der verschiedenen Drittfahrzeuge zu einem Ausgangszeitpunkt t₀ zu erkennen und für das Fahrzeug von Interesse O_I und für alle Drittfahrzeuge, deren Anwesenheit zum Ausgangszeitpunkt t₀ erkannt wurde, die zukünftige Trajektorie (oder Prädiktionstrajektorie) über eine vorbestimmte Prädiktionsgesamtdauer zu prädizieren.
• Im weiteren Verlauf werden die folgenden Bezeichnungen verwendet:
• - O_k steht für ein Fahrzeug einer Menge von K Fahrzeugen, die das Fahrzeug von Interesse O_I und alle zum Ausgangszeitpunkt t₀ erkannten Drittfahrzeuge umfasst. In dem Beispiel von 1 beinhaltet die Menge somit insgesamt sechs Fahrzeuge, und zwar die erkannten Drittfahrzeuge O₁ bis O₃ und O₅ , O₆ , und das Fahrzeug von Interesse O_I , das im weiteren Verlauf unterschiedslos das Bezugszeichen O_I oder O₄ trägt.
• - P_k(0) steht für den Punkt, der einem Fahrzeug O_k der Menge von K Fahrzeugen zum Ausgangserkennungszeitpunkt t₀ zugeordnet ist, wobei dieser Punkt P_k(0) klassischerweise zugeordnet ist:
  • • der aktuellen relativen Position {X; Y; θ}_k,0 des Fahrzeugs O_k in einem mit dem Fahrzeug von Interesse O_I verbundenen ersten zweidimensionalen Bezugssystem (siehe 1), worin θ die relative Ausrichtung in Radian des Fahrzeugs O_k gegenüber dem ersten Bezugssystem O_I darstellt;
  • • der aktuellen relativen Geschwindigkeit {V_X; V_Y; θ}_k,0 des Fahrzeugs O_k in demselben mit dem Fahrzeug von Interesse O_I verbundenen ersten zweidimensionalen Bezugssystem, worin θ̈ die Änderung in Radian je Sekunde der relativen Ausrichtung des Fahrzeugs O_k gegenüber dem ersten Bezugssystem O_I darstellt;
• - P_k(n) steht für einen Punkt der Prädiktionstrajektorie für ein Fahrzeug O_k der Menge von K Fahrzeugen zu einem Prädiktionszeitpunkt t_k, so dass
$${\text{t}}_{\text{k}}={\text{t}}_{\text{0}}+\text{n}\Delta \text{t}$$

wobei dieser Punkt P_k(n) klassischerweise auch zugeordnet ist:
• • der prädizierten relativen Position {X; Y; θ}_k,n des Fahrzeugs O_k zum Prädiktionszeitpunkt t_k in dem mit dem Fahrzeug von Interesse O_I verbundenen ersten Bezugssystem;
• • der prädizierten relativen Geschwindigkeit {V_X; V_Y; θ̇}_k,n des Fahrzeugs O_k zum Prädiktionszeitpunkt t_k in demselben mit dem Fahrzeug von Interesse O_I verbundenen Bezugssystem.
• Eine Prädiktionstrajektorie für jedes Fahrzeug O_k aus der Menge, welche die erkannten Drittfahrzeuge und das Fahrzeug von Interesse umfasst, wird somit ausgehend von einem Ausgangspunkt P_k(0), der zum Ausgangszeitpunkt t₀ gemessen wird, durch eine Folge von N Punkten P_k(n) gebildet, die nacheinander mit einem Zeitschritt Δt geschätzt werden, wobei n von 1 bis N variiert.
• In einem Implementierungsbeispiel ist der Zeitschritt Δt zwischen jedem folgenden Punkt einer prädizierten Trajektorie konstant. So wählt man beispielsweise einen Zeitschritt Δt gleich 200 ms und sieht eine Zahl N gleich 33 vor, was es ermöglicht, eine Trajektorienprädiktion für jedes Fahrzeug O_k über eine Prädiktionsgesamtdauer von 7 Sekunden ab dem Ausgangszeitpunkt t₀ vorzunehmen. 2 zeigt ein Beispiel für die Abschnitte verschiedener Trajektorien, die für die verschiedenen Fahrzeuge O_k gemäß den im Folgenden ausgeführten Prinzipien der Erfindung prädiziert wurden. Die Prädiktionstrajektorie für das Fahrzeug O₅ umfasst beispielsweise den Ausgangspunkt ausgehend vom Punkt P₅(0) und eine Folge von prädizierten Punkten wie den Punkt P₅(5) zum Prädiktionszeitpunkt t₅ und den Punkt P₅(10) zum Prädiktionszeitpunkt tio, und die Prädiktionstrajektorie für das Fahrzeug O₆ umfasst den Ausgangspunkt ausgehend vom Punkt P₆(0) und eine Folge von prädizierten Punkten wie den Punkt P₆(7) zum Prädiktionszeitpunkt t₇ und den Punkt P₅(19) zum Prädiktionszeitpunkt t₁₉.
• Unter Bezugnahme auf 3 wird nun ein erfindungsgemäßes Verfahren 100 beschrieben, das mindestens einen ersten Prädiktionszyklus umfasst, der es dem bordeigenen System des Fahrzeugs von Interesse O_I (O₄ ) ermöglicht, für jedes Fahrzeug O_k den ersten Punkt P_k(1) ausgehend vom Punkt P_k(0) zu prädizieren.
• Das Verfahren 100 beinhaltet einen Ausgangserkennungsschritt 110, bei dem das bordeigene System des Kraftfahrzeugs von Interesse O_I eine Vielzahl von Drittfahrzeugen erkennt, die zum Ausgangszeitpunkt t₀ in der Umgebung des Kraftfahrzeugs von Interesse O_I in einem Fahrbereich mit mehreren Fahrspuren anwesend sind. In dem Beispiel von 1 und 2 wird somit angenommen, dass das bordeigene System des Fahrzeugs von Interesse O_I zum Ausgangszeitpunkt to die Anwesenheit der Drittfahrzeuge O₁ bis O₃ , O₅ und O₆ erkennt.
• Gemäß den obigen Bezeichnungen ist es das Ziel dieses ersten Prädiktionszyklus, dem bordeigenen System des Fahrzeugs von Interesse O_I zu ermöglichen, die dem ersten Punkt P_k(1) zugeordneten Parameter zu prädizieren, das heißt die erste relative Position {X; Y; θ}_k,1 und die erste relative Geschwindigkeit {V_X; V_Y; θ̇̇}_k,1 jedes Fahrzeugs O_k, in dem Bezugssystem, das dem Fahrzeug von Interesse zugeordnet ist, für einen ersten Prädiktionszeitpunkt t₁ nach dem Ausgangszeitpunkt to.
• Dazu beginnt der erste Prädiktionszyklus mit einem Schritt 120 des Speicherns, in einer Datenbank des bordeigenen Systems, von Ausgangsdaten für jedes Fahrzeug O_k einer Menge von K Fahrzeugen, welche die zum Ausgangszeitpunkt to erkannten Drittfahrzeuge und das Fahrzeug von Interesse O_I umfasst. Die Ausgangsdaten umfassen:
• - zum einen die oben angegebenen jedem Ausgangszeitpunkt P_k(0) zugeordneten Parameter, das heißt eine aktuelle relative Position {X; Y; θ}_k,0 und eine aktuelle relative Geschwindigkeit {V_X; V_Y; θ̇}_k,₀ jedes Fahrzeugs O_k der Menge zum Ausgangszeitpunkt to, ausgedrückt in dem mit dem Fahrzeug von Interesse O_I verbundenen ersten Bezugssystem; zum anderen die aktuelle Fahrspur jedes Fahrzeugs O_k zum Ausgangszeitpunkt to, wie sie vom bordeigenen System des Fahrzeugs von Interesse O_I geschätzt wurde (klassische Schätzung, die beispielsweise darin besteht, die Fahrspur zu identifizieren, bei welcher der seitliche Abstand entlang der Achse Y, der zwischen dem Mittepunkt des Fahrzeugs von Interesse O_I und dem Mittelpunkt jeder Fahrspur L₁ , L₂ und L₃ berechnet wird, am kleinsten ist).
• Die unten stehende Tabelle 1 enthält ein Beispiel für den Inhalt der Datenbank zum Erkennungszeitpunkt t₀ für die in 1 und 2 dargestellte Straßenszene: Tabelle 1 - Ausgangsarbeitsdatenbank

  Fahrzeug	O1	O2	O3	OI = O4	O5	O6
  Punkt bei t0	P1(0)	P2(0)	P3(0)	P4(0)	P5(0)	Pe(0)
  	k=1	k=2	k=3	k=4	k=5	k=6
  {X; Y; θ}k,0	{60;0;0}	{70;3,5;0}	{100;0;0}	{0;0;0}	{-20;3,5;0}	{-25;-3,5;0}
  {VX; VY; θ̇}k,0	{-16,1;0;0}	{5,5;0;0}	{-36,1;0;0}	{0;0;0}	{0,2;0;0}	{-0,5;+0,8;0}
  Fahrspur Nr.	2	3	2	2	3	1

• Gemäß einem wichtigen Merkmal der Erfindung wird der erste Prädiktionszyklus mit einem Sortierschritt 130 fortgesetzt, bei dem den K Fahrzeugen O_k der Menge eine Rangfolge zugeordnet wird, wobei die Rangfolge in Abhängigkeit von der Position und von der Fahrspur jedes Fahrzeugs O_k der Menge, die in der Datenbank gespeichert sind, bestimmt wird und einer Reihenfolge entspricht, in der die Fahrzeuge O_k der Menge ausgehend von einem Fahrzeug, das in einer am weitesten entfernten Position vor dem Fahrzeug von Interesse O_I erkannt wird, in dem Fahrbereich aufeinander folgen. Im Fall der in 1 und 2 als Beispiel angegebenen Straßenszene ist es entsprechend den auf der Rückseite jedes Fahrzeugs angeordneten Nummern der Lkw O₃ , der als das erste zu betrachtende Fahrzeug erscheint, gefolgt von dem Motorrad O₂ , dann dem Fahrzeug O₁ , dem Fahrzeug von Interesse O₄ , dem Fahrzeug O₅ und schließlich dem Fahrzeug O₆ .
• Die unten stehende Tabelle 2 zeigt Tabelle 1, deren Spalten entsprechend der Rangfolge des Straßenszenenbeispiels aus 1 und 2 neu geordnet wurden: Tabelle 2 - Entsprechend der Rangfolge neu geordnete Ausgangsarbeitsdatenbank

  Fahrzeug	O3	O2	O1	OI = O4	O5	O6
  Punkt bei t0	P3(0)	P2(0)	P1(0)	P4(0)	P5(0)	P6(0)
  	k=3	k=2	k=1	k=4	k=5	k=6
  {X; Y; θ}k,0	{100;0;0}	{70;3,5;0}	{60;0;0}	{0;0;0}	{-20;3,5;0}	{-25;-3,5;0}
  {VX; VY; θ̇}k,0	{-36,1 ;0;0}	{5,5;0;0}	{-16,1 ;0;0}	{0;0;0}	{0,2;0;0}	{-0,5;+0,8;0}
  Fahrspur Nr.	2	3	2	2	3	1
  Rangfolge	1	2	3	4	5	6

• Der erste Prädiktionszyklus wird mit einer besonderen Prädiktionsverarbeitung fortgesetzt, die vom bordeigenen System des Fahrzeugs von Interesse für jedes der Fahrzeuge O_k der Menge (einschließlich des Fahrzeugs von Interesse O_I ) durchgeführt wird. Genauer gesagt, wählt (Schritt 140) das bordeigene System des Fahrzeugs von Interesse O_I jedes Fahrzeug O_k in der im Schritt 130 zugeordneten Rangfolge aus. Im Folgenden wird mit O_k* jedes in der Rangfolge ausgewählte Fahrzeug bezeichnet. Im Beispiel der in 1 und 2 dargestellten Straßenszene wird die besondere Prädiktionsverarbeitung somit zunächst für das ausgewählte Fahrzeug O₃* durchgeführt, das dem Lkw O₃ entspricht, dann für das ausgewählte Fahrzeug O₂*, das dem Motorrad O₂ entspricht, und so weiter bis zur Auswahl des letzten Fahrzeugs O₆* von Tabelle 2, das dem Fahrzeug O₆ entspricht.
• Die für jedes ausgewählte Fahrzeug O_k* durchgeführte besondere Verarbeitung umfasst im Wesentlichen die folgenden Teilschritte, die im weiteren Verlauf ausführlicher erläutert werden:
• - einen Teilschritt 150 der Identifizierung eines anderen Fahrzeugs der Menge, das geeignet ist, ein Primärzielfahrzeug für das ausgewählte Fahrzeug O*_k zu sein;
• - einen Teilschritt 160 des Schätzens eines Manövers, das gerade im Gang ist oder kurz davor steht, vom ausgewählten Fahrzeug O*_k durchgeführt zu werden, ausgehend von mindestens dem im Teilschritt 150 identifizierten Primärzielfahrzeug, von Informationen über das bloße ausgewählte Fahrzeug O*_k und von Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k;
• - einen Teilschritt 170 des Schätzens der Fortbewegung des ausgewählten Fahrzeugs O*_k zwischen dem Ausgangszeitpunkt t₀ und dem ersten
Prädiktionszeitpunkt t₁ ausgehend von dem im Teilschritt 160 für das ausgewählte Fahrzeug O*_k geschätzten Manöver.
• Zur Vereinfachung der Berechnungen werden die Teilschritte 150, 160 und 170 bevorzugt nicht ausgehend von Daten durchgeführt, die in dem mit dem Fahrzeug von Interesse O_I verbundenen ersten Bezugssystem ausgedrückt sind (außer in dem Fall, in dem die Verarbeitung das Fahrzeug O_I als ausgewähltes Fahrzeug betrifft), sondern von Daten, die in ein mit dem ausgewählten Fahrzeug O*_k verbundenes zweidimensionales Bezugssystem transformiert wurden. Die gesamte Prädiktionsverarbeitung wird demnach so durchgeführt, als ob das bordeigene System des Fahrzeugs von Interesse O_I eigentlich das des ausgewählten Fahrzeugs O*_k wäre. Das System muss somit für jede einem ausgewählten Fahrzeug O*_k zugeordnete Prädiktionsverarbeitung zuvor (durch Rotation und Translation) alle in der neu geordneten Ausgangsdatenbank gespeicherten Daten in das dem ausgewählten Fahrzeug O*_k zugeordnete Bezugssystem transformieren und diese Informationen in einer für das ausgewählte Fahrzeug O*_k repräsentativen temporären Datenbank speichern.
• Die unten stehende Tabelle 3 enthält beispielsweise die temporäre Datenbank, die erhalten wird, wenn das für die Verarbeitung gemäß den Teilschritten 150 bis 170 ausgewählte Fahrzeug O*_k dem Lkw O₃ entspricht (erste Verarbeitung gemäß der Rangfolge), und die unten stehende Tabelle 4 enthält die temporäre Datenbank, die erhalten wird, wenn das für die Verarbeitung gemäß den Teilschritten 150 bis 170 ausgewählte Fahrzeug O*_k dem Fahrzeug O₃ entspricht (zweite Verarbeitung gemäß der Rangfolge): Tabelle 3 - Temporäre Datenbank, ausgewähltes Fahrzeug O₃* = O₃

  Fahrzeug	O3* = O3	O2	O1	OI = O4	O5	O6
  {X; Y; θ}*k,0	{0;0;0}	{-30;3,5;0}	{-40;0;0}	{-100;0;0}	{-120;3,5;0}	{-125;-3,5;0}
  {VX; VY; θ̇̇}*k,0	{0;0;0}	{41,6;0;0}	{20;0;0}	{36,1;0;0}	{36,3;0;0}	{35,6;0;0}
  Fahrspur Nr.	2	3	2	2	3	1

  Tabelle 4 - Temporäre Datenbank, ausgewähltes Fahrzeug O₂*=O₂

  Fahrzeug	O3	O* = O2	O1	OI = O4	O5	O6
  {X; Y; θ}*k,0	{30;-3,5;0}	{0;0;0}	{-10;-3,5;0}	{-70;-3,5;0}	{-90;0;0}	{-95;0;0}
  {VX; VY; θ̇}*k,0	{-41,6;0;0}	{0;0;0}	{-21,6;0;0}	{-5,5;0;0}	{-5,3;0;0}	{-6;+0,8;0}
  Fahrspur Nr.	2	3	2	2	3	1

• In den oben stehenden Tabellen 3 und 4:
• - steht {X; Y; θ}*_k,0 für die aktuelle relative Position jedes Fahrzeugs O_k nach der Transformation in ein mit dem ausgewählten Fahrzeug O*_k verbundenes zweidimensionales Bezugssystem;
• - steht {V_X; V_Y; θ̇}_k,0 für die aktuelle relative Geschwindigkeit jedes Fahrzeugs O_k nach der Transformation in das mit dem Fahrzeug von Interesse O*_k. verbundene zweidimensionale Bezugssystem.
• Ausgehend von den transformierten Informationen, die in der für ein ausgewähltes Fahrzeug repräsentativen temporären Datenbank gespeichert sind, wird das bordeigene System identifizieren können (oben erwähnter Teilschritt 150), ob sich in der Menge der K Fahrzeuge ein Primärziel für das ausgewählte Fahrzeug O*_k. befindet. Das Identifizieren eines solchen möglichen Primärziels wird vom bordeigenen System des Fahrzeugs von Interesse klassischerweise ausgeführt, indem ein Fahrzeug der Menge gesucht wird, das sich den transformierten Informationen zufolge, die in der für das ausgewählte Fahrzeug O*_k repräsentativen temporären Datenbank gespeichert sind, auf derselben Spur wie das ausgewählte Fahrzeug O*_k vor diesem und am nächsten zu diesem befindet. Diese Suche wird klassischerweise durchgeführt, indem das Fahrzeug gesucht wird, bei dem die geschätzte Zeit bis zum Aufprall (auch abgekürzt als TTC für Time-To-Collision) mit dem ausgewählten Fahrzeug O*_k am geringsten ist.
• In dem in 1 und 2 dargestellten Straßenszenenbeispiel wird kein Primärziel erkannt, wenn der Teilschritt 150 für das ausgewählte Fahrzeug ausgeführt wird, das dem Lkw O₃ , dem Motorrad O₂ oder dem Fahrzeug O₆ entspricht, weil sich kein Fahrzeug auf derselben Fahrspur unmittelbar vor diesen Fahrzeugen befindet. Das Primärziel, das nach Abschluss des Teilschritts 150 erkannt wird, ist dagegen:
• - der Lkw O₃ , wenn das zur Verarbeitung ausgewählte Fahrzeug dem Fahrzeug O₁ entspricht;
• - das Fahrzeug O₁ , wenn das zur Verarbeitung ausgewählte Fahrzeug dem Fahrzeug O₄ entspricht, und
• - das Motorrad O₂ , wenn das zur Verarbeitung ausgewählte Fahrzeug dem Fahrzeug O₅ entspricht.
• Das bordeigene System wird anschließend das Manöver schätzen können (oben genannter Teilschritt 160), das gerade im Gang ist oder kurz davor steht, von dem ausgewählten Fahrzeug O*_k durchgeführt zu werden, wobei insbesondere verwendet werden:
• - das Primärziel (oder das Nichtvorhandensein eines Primärziels), das im vorhergehenden Teilschritt 150 für das ausgewählte Fahrzeug O*_k identifiziert wurde;
• - Informationen über das bloße ausgewählte Fahrzeug O*_k, zum Beispiel:
  • • seine seitliche Fortbewegung und/oder
  • • den ein- oder ausgeschalteten Zustand einer seiner Blinkleuchten und/oder
  • • eine Historie seiner gespeicherten Positionen,
• - Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k wie:
  • • der Markierungslinientyp (unterbrochen oder durchgezogen) der Fahrspur, auf der sich das ausgewählte Fahrzeug O*_k befindet, und/oder
  • • die Belegung der zu aktuellen Fahrspur des ausgewählten Fahrzeugs O*_k benachbarten Fahrspuren und/oder
  • • die der Fahrspur zugeordnete aktuelle Geschwindigkeitsbeschränkung (die beispielsweise aus einem GPS-System oder einer im bordeigenen System bereits aufgezeichneten digitalen Karte stammt oder dem Bild eines Verkehrsschildes entnommen wird, das von einer bordeigenen Kamera des Fahrzeugs von Interesse erfasst wurde).
• Das für das ausgewählte Fahrzeug O*_k prädizierte Manöver gehört bevorzugt zu einer vorgegebenen Menge möglicher Manöver wie:
• - KL_k oder Halten seiner aktuellen Fahrspur: Das ausgewählte Fahrzeug O*_k fährt weiter auf seiner aktuellen Fahrspur;
• - LLC_k oder Spurwechsel zur linken Spur: Das ausgewählte Fahrzeug O*_k wird auf die links an seine aktuelle Fahrspur angrenzende Spur wechseln;
• - RLC_k oder Spurwechsel zur rechten Spur: Das ausgewählte Fahrzeug O*_k wird auf die rechts an seine aktuelle Fahrspuren angrenzende Spur wechseln;
• - S_k oder Anhalten auf der aktuellen Spur: Das ausgewählte Fahrzeug O*_k wird auf seiner aktuellen Fahrspur anhalten.
• Die vorgenannten Manöver sind nicht einschränkend. Weitere Manöver, die für andere Straßenkonfigurationen geeigneter sind (zum Beispiel das Heranfahren an einen Kreisverkehr oder eine Kreuzung), können in Betracht gezogen werden, ohne den Schutzbereich der vorliegenden Erfindung zu verlassen.
• Die unten stehende Tabelle 5 enthält insbesondere die Primärziele, die prädizierten Manöver, die aktuelle Spur und die Zielspur, die für die verschiedenen Fahrzeuge der in 1 und 2 dargestellten Straßenszene nach Abschluss des Teilschritts 160 für den Prädiktionszeitpunkt t₁ erhalten wurden: Tabelle 5

  Ausgewähltes Fahrzeug O*k	Primärziel	Prädiziertes Manöver	Aktuelle Spur	Zielspur
  O1	O3	KL1	L2	L2
  O2	Ø	KL2	L3	L3
  O3	Ø	S3	L2	L2
  O4=OI	O1	KL4	L2	L2
  O5	O2	KL5	L3	L3
  O6	Ø	LLC6	L1	L2

• Das bordeigene System kann daraufhin im Bezugssystem des ausgewählten Fahrzeugs O*_k die prädizierte Fortbewegung im Hinblick auf Position und Geschwindigkeit für das ausgewählte Fahrzeug O*_k zwischen dem Ausgangszeitpunkt t₀ und dem ersten Prädiktionszeitpunkt t₁ ausgehend von dem Primärziel (oder dem Nichtvorhandensein eines Primärziels) und dem geschätzten Manöver für das ausgewählte Fahrzeug O*_k schätzen (Teilschritt 170). Die unten stehende Tabelle 6 enthält ein Beispiel für die so geschätzten Fortbewegungen, wenn die vorhergehende Prädiktionsverarbeitung entsprechend der Rangfolge für alle Fahrzeuge der Menge, die der Reihe nach ausgewählt wurden, durchgeführt worden ist: Tabelle 6 - Fortbewegungen jedes Fahrzeugs in seinem eigenen Bezugssystem

  Fahrzeug	O3	O2	O1	OI = O4	O5	O6
  {ΔX; ΔY, Δθ}*k	{0; 0; 0}	{1,1; 0; 0}	···	{1; 0; 0}	···	···
  {ΔVX; ΔVY; Δθ}*k	{0; 0; 0}	{0; 0; 0}	···	{0; 0; 0}	···	···

• Die vorhergehenden Ergebnisse werden anschließend erneut transformiert (Translation und Rotation), um in dem mit dem Fahrzeug von Interesse O_I verbundenen Bezugssystem ausgedrückt zu werden, so dass es ausgehend von den berechneten Fortbewegungen möglich ist, die für den Prädiktionszeitpunkt t₁ prädizierte Position und die prädizierte Geschwindigkeit für jedes Fahrzeug anzugeben (Schritt 180, 3), wobei diese Position und diese Geschwindigkeit im Bezugssystem des Fahrzeugs von Interesse O_I ausgedrückt werden. Für den Lkw O₃ gehen beispielsweise die relative Position {X; Y; θ}_3,1 und die relative Geschwindigkeit {V_X; V_Y; θ̇}_3,1, die nach Abschluss des ersten Prädiktionszyklus erhalten werden und dem Punkt P₃(1) zugeordnet sind, aus den folgenden Berechnungen hervor: $$\left\{\begin{array}{c}\Delta \text{X}\\ \Delta \text{Y}\end{array}\right\}=\underset{\Delta \mathrm{\theta }=\Delta \mathrm{\theta }{*}_3+\mathrm{\theta }\text{i}}{\left(\begin{array}{cc}\text{cos}\left(\mathrm{\theta }\text{i}\right)& -\text{sin}\left(\mathrm{\theta }\text{i}\right)\\ \text{sin}\left(\mathrm{\theta }\text{i}\right)& \text{cos}\left(\mathrm{\theta }\text{i}\right)\end{array}\right)}\left(\begin{array}{c}\Delta \text{X}\\ \Delta \text{Y}\end{array}\right)*3$$

  

  $$\left(\begin{array}{c}\text{X}\\ \text{Y}\end{array}\right)\mathrm{3,1}=\left(\begin{array}{c}\text{X}\\ \text{Y}\end{array}\right)\mathrm{3,0}\underset{{\mathrm{\theta }}_{\mathrm{3,1}}={\mathrm{\theta }}_{\mathrm{3,0}}+\Delta \mathrm{\theta }}{+\left(\begin{array}{cc}\text{cos}\left(\Delta \mathrm{\theta }\right)& -\text{sin}\left(\Delta \mathrm{\theta }\right)\\ \text{sin}\left(\Delta \mathrm{\theta }\right)& \text{cos}\left(\Delta \mathrm{\theta }\right)\end{array}\right)}\left(\begin{array}{c}\Delta \text{X}\\ \Delta \text{Y}\end{array}\right)$$

  

  $$\left(\begin{array}{c}\text{Vx}\\ \text{Vy}\end{array}\right)\mathrm{3,1}=\left(\begin{array}{c}\text{Vx}\\ \text{Vy}\end{array}\right)\mathrm{3,0}\underset{{\dot{\theta }}_{\mathrm{3,1}}={\dot{\theta }}_{\mathrm{3,0}}+\Delta \dot{\theta }}{+\left(\begin{array}{cc}\text{cos}\left(\Delta \dot{\theta }\right)& -\text{sin}\left(\Delta \dot{\theta }\right)\\ \text{sin}\left(\Delta \dot{\theta }\right)& \text{cos}\left(\Delta \dot{\theta }\right)\end{array}\right)}\left(\begin{array}{c}\Delta V_x\\ \Delta V_y\end{array}\right)$$

  
• Ein zweiter Prädiktionszyklus (nicht dargestellt), der dem oben beschriebenen ersten Prädiktionszyklus ähnlich ist, kann vom bordeigenen System des Fahrzeugs von Interesse O_I ausgeführt werden, um die Punkte P_k(2) zu prädizieren, die von jedem der K Fahrzeuge der Menge zu einem zweiten Prädiktionszeitpunkt t₂ eingenommen werden, der vom ersten Zeitpunkt t₁ um den Zeitschritt Δt getrennt ist, das heißt, um eine zweite relative Position {X; Y; θ}_k,2 und eine zweite relative Geschwindigkeit {V_X; V_Y; θ}_k,2 jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für den zweiten Prädiktionszeitpunkt zu schätzen. Dazu beinhaltet der zweite Prädiktionszyklus:
• - einen ersten Schritt der Reaktualisierung der Datenbank, in dem die Ausgangsdaten für die relative Position und die relative Geschwindigkeit durch die erste relative Position {X; Y; θ}_k,1 und die erste relative Geschwindigkeit {V_X; V_Y; θ̇}_k,1, die beim ersten Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, ersetzt werden, und
• - den Sortierschritt 130, den Auswählschritt 140 und die Teilschritte 150-170 des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt t₀ durch den ersten Prädiktionszeitpunkt t₁ ersetzt worden ist und der erste Prädiktionszeitpunkt t₁ durch den zweiten Prädiktionszeitpunkt t₂ ersetzt worden ist.
• Unter Verallgemeinerung der vorhergehenden Prinzipien kann man vorsehen, das Verfahren mit einer Anzahl N größer als 2 aufeinander folgende Prädiktionszyklen zu ergänzen, wobei jeder n-te Prädiktionszyklus es ermöglicht, eine n-te relative Position {X; Y; θ}_k,n und eine n-te relative Geschwindigkeit {V_X; V_Y; θ̇}_k,n jedes Fahrzeugs O_k der Ausgangsmenge zu prädizieren, in dem mit dem Fahrzeug von Interesse verbundenen ersten Bezugssystem und für einen n-ten Prädiktionszeitpunkt tn nach einem vorhergehenden Prädiktionszeitpunkt tn-1, wobei dann jeder n-te Prädiktionszyklus beinhaltet:
• - einen ersten Schritt der Reaktualisierung der Datenbank, in dem die Daten für die relative Position und für die relative Geschwindigkeit durch die relative Position {X; Y; θ}_k,n-1 und die relative Geschwindigkeit {V_X; V_Y; θ̇}_k,n-1 ersetzt werden, die beim vorhergehenden Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, und
• - den Sortierschritt 130, den Auswählschritt 140 und die Teilschritte 150-170 des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt t₀ durch den vorhergehenden Prädiktionszeitpunkt t_n-1 ersetzt worden ist und der erste Prädiktionszeitpunkt durch den n-ten Prädiktionszeitpunkt tn ersetzt worden ist.

Claims (12)

1. Fahrerassistenzverfahren (100) für ein Kraftfahrzeug von Interesse (O_I), beinhaltend: - einen Erkennungsschritt (110), bei dem ein bordeigenes System eines Kraftfahrzeugs von Interesse (O_I) eine Vielzahl von Drittfahrzeugen (O₁-O₃, O₅-O₇) erkennt, die zu einem Ausgangszeitpunkt in der Umgebung des Kraftfahrzeugs von Interesse (O_I) in einem Fahrbereich mit mehreren Fahrspuren anwesend sind; - einen ersten Prädiktionszyklus zur Prädiktion, durch das bordeigene System, einer ersten relativen Position und einer ersten relativen Geschwindigkeit jedes Fahrzeugs O_k der Menge in einem mit dem Fahrzeug von Interesse (O_I) verbundenen ersten Bezugssystem und für einen ersten Prädiktionszeitpunkt nach dem Ausgangszeitpunkt, wobei der erste Prädiktionszyklus beinhaltet: o einen Schritt (120) des Speicherns, in einer Datenbank des bordeigenen Systems, von Ausgangsdaten für jedes Fahrzeug O_k einer Menge von K Fahrzeugen, welche die zum Ausgangszeitpunkt erkannten Drittfahrzeuge und das Fahrzeug von Interesse (O_I) umfasst, wobei die Ausgangsdaten eine Information über die aktuelle Fahrspur, eine aktuelle relative Position und eine aktuelle relative Geschwindigkeit jedes Fahrzeugs O_k der Menge zum Ausgangszeitpunkt und in dem ersten Bezugssystem umfassen; o einen Schritt (130) des Sortierens, bei dem den K Fahrzeugen O_k der Menge eine Rangfolge zugeordnet wird, wobei die Rangfolge in Abhängigkeit von der Position und der Fahrspur jedes Fahrzeugs O_k der Menge, die in der Datenbank gespeichert sind, bestimmt wird und einer Reihenfolge entspricht, in der die Fahrzeuge O_k der Menge in dem Fahrbereich ausgehend von einem Fahrzeug, das in einer am weitesten entfernten Position vor dem Fahrzeug von Interesse (O_I) erkannt wird, aufeinander folgen; o einen Schritt (140) des Auswählens jedes Fahrzeugs O_k der Menge in der vorbestimmten Rangfolge und, für jedes ausgewählte Fahrzeug O*_k der Menge: - einen Teilschritt (150) des Identifizierens eines anderen Fahrzeugs der Menge, das geeignet ist, ein Primärzielfahrzeug für das ausgewählte Fahrzeug O*_k zu sein; - einen Teilschritt (160) des Schätzens eines Manövers, das gerade im Gang ist oder kurz davor steht, vom ausgewählten Fahrzeug O*_k ausgeführt zu werden, ausgehend mindestens von dem identifizierten Primärzielfahrzeug, von Informationen über das bloße ausgewählte Fahrzeug O*_k und von Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k; - einen Teilschritt (170) des Schätzens der Fortbewegung des ausgewählten Fahrzeugs O*_k zwischen dem Ausgangszeitpunkt und dem ersten Prädiktionszeitpunkt ausgehend von dem für das ausgewählte Fahrzeug O*_k geschätzten Manöver; wobei die erste relative Position und die erste relative Geschwindigkeit des ausgewählten Fahrzeugs O*_k für den ersten Prädiktionszeitpunkt ausgehend von der geschätzten Fortbewegung prädiziert werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Teilschritte (150, 160, 170) ausgehend von Positions- und Geschwindigkeitsdaten ausgeführt werden, die in ein mit dem ausgewählten Fahrzeug O*_k verbundenes zweidimensionales Bezugssystem transformiert wurden.
3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass das geschätzte Manöver aus einer vorgegebenen Menge möglicher Manöver gewählt wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die vorgegebene Menge möglicher Manöver für ein ausgewähltes Fahrzeug O*_k umfasst: - das Halten seiner aktuellen Spur; - seinen Spurwechsel zur linken Spur; - seinen Spurwechsel zur rechten Spur; - sein Anhalten auf der aktuellen Spur.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass der Teilschritt (150) des Identifizierens eines möglichen Primärzielfahrzeugs für das ausgewählte Fahrzeug O*_k ein Suchen eines Fahrzeugs der Menge umfasst, das sich auf derselben Spur wie das ausgewählte Fahrzeug O*_k vor diesem und am nächsten zu diesem befindet.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Informationen über das bloße ausgewählte Fahrzeug O*_k seine seitliche Fortbewegung und/oder einen ein- oder ausgeschalteten Zustand einer seiner Blinkleuchten und/oder eine Historie seiner gespeicherten Positionen umfassen.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass die Informationen über die aktuelle Umgebung des ausgewählten Fahrzeugs O*_k den Markierungslinientyp der Fahrspur, auf der sich das ausgewählte Fahrzeug O*_k befindet, und/oder die Belegung der an die aktuelle Fahrspur des ausgewählten Fahrzeugs O*_k angrenzenden Fahrspuren und/oder die der Fahrspur zugeordnete aktuelle Geschwindigkeitsbeschränkung umfassen.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es einen zweiten Prädiktionszyklus zur Prädiktion, durch das bordeigene System, einer zweiten relativen Position {X; Y; θ}_k,2 und einer zweiten relativen Geschwindigkeit {V_X; V_Y; θ̇}_k,2 jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für einen zweiten Prädiktionszeitpunkt nach dem ersten Prädiktionszeitpunkt beinhaltet, wobei der zweite Prädiktionszyklus beinhaltet: - einen ersten Schritt der Reaktualisierung der Datenbank, in dem die Ausgangsdaten für die relative Position und die relative Geschwindigkeit durch die erste relative Position {X; Y; θ}_k,1 und die erste relative Geschwindigkeit {V_X; V_Y; θ̇}_k,1, die beim ersten Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, ersetzt werden, und - den Sortierschritt (130), den Auswählschritt (140) und die Teilschritte (150-170) des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt durch den ersten Prädiktionszeitpunkt ersetzt worden ist und der erste Prädiktionszeitpunkt durch den zweiten Prädiktionszeitpunkt ersetzt worden ist.
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass es eine Anzahl N größer als 2 aufeinander folgende Prädiktionszyklen beinhaltet, wobei jeder n-te Prädiktionszyklus es ermöglicht, eine n-te relative Position {X; Y; θ}_k,n und eine n-te relative Geschwindigkeit {V_X; V_Y; θ̇}_k,n jedes Fahrzeugs O_k der Menge in dem ersten Bezugssystem und für einen n-ten Prädiktionszeitpunkt nach einem vorhergehenden Prädiktionszeitpunkt zu prädizieren, wobei jeder n-te Prädiktionszyklus beinhaltet: - einen Schritt der Reaktualisierung der Datenbank, in dem die Daten für die relative Position und die relative Geschwindigkeit durch die relative Position und die relative Geschwindigkeit ersetzt werden, die beim vorhergehenden Prädiktionszyklus für jedes Fahrzeug O_k der Menge prädiziert wurden, und - den Sortierschritt (130), den Auswählschritt (140) und die Teilschritte (150-170) des ersten Prädiktionszyklus, in denen der Ausgangszeitpunkt durch den vorhergehenden Prädiktionszeitpunkt ersetzt worden ist und der erste Prädiktionszeitpunkt durch den n-ten Prädiktionszeitpunkt ersetzt worden ist.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die aufeinander folgenden Prädiktionszeitpunkte durch einen konstanten Zeitschritt getrennt sind.
11. Verfahren nach Anspruch 10, bei dem N gleich 33 ist und der konstante Zeitschritt gleich 200 ms ist.
12. Bordeigenes Fahrerassistenzsystem eines Fahrzeugs von Interesse (O_I), das dazu ausgestaltet ist, das Verfahren nach einem der Ansprüche 1 bis 11 zu implementieren.

Images