DE102016207276A1 - Method for releasing a driving function in a vehicle - Google Patents
Method for releasing a driving function in a vehicle Download PDFInfo
- Publication number
- DE102016207276A1 DE102016207276A1 DE102016207276.5A DE102016207276A DE102016207276A1 DE 102016207276 A1 DE102016207276 A1 DE 102016207276A1 DE 102016207276 A DE102016207276 A DE 102016207276A DE 102016207276 A1 DE102016207276 A1 DE 102016207276A1
- Authority
- DE
- Germany
- Prior art keywords
- driving
- vehicle
- record
- reliability
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims description 36
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 74
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0083—Setting, resetting, calibration
- B60W2050/0088—Adaptive recalibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/17—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle with provision for special action when the preceding vehicle comes to a halt, e.g. stop and go
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
Es wird ein Verfahren zur Freigabe einer Fahrfunktion eines Fahrzeugs für einen vorausliegenden Fahrbahn-Abschnitt beschrieben. Das Verfahren umfasst das Ermitteln eines ersten Fahrszenario-Datensatzes, der eine erste Fahrsituation beschreibt, die durch die Fahrfunktion in dem vorausliegenden Fahrbahn-Abschnitt autonom zu bewältigen ist. Außerdem umfasst das Verfahren das Bestimmen, auf Basis eines Klassifikators und auf Basis des ersten Fahrszenario-Datensatzes, ob die Fahrfunktion für den vorausliegenden Fahrbahn-Abschnitt freigeben wird.A method for releasing a driving function of a vehicle for a preceding roadway section is described. The method comprises determining a first driving scenario data record that describes a first driving situation that is to be handled autonomously by the driving function in the preceding roadway section. In addition, the method includes determining, based on a classifier and based on the first driving scenario data set, whether the driving function will release for the preceding roadway section.
Description
Die Erfindung betrifft ein Verfahren und eine entsprechende Steuereinheit zur Freigabe von ein oder mehreren Fahrfunktionen in einem Fahrzeug. The invention relates to a method and a corresponding control unit for releasing one or more driving functions in a vehicle.
Ein Fahrzeug kann ein oder mehrere unterschiedliche teilautomatisierte, hochautomatisierte oder vollautomatisierte Fahrfunktionen umfassen, die einen Fahrer des Fahrzeugs bei der Führung des Fahrzeugs unterstützen. Beispielhafte Fahrfunktionen sind: ein Längsführungsassistent, ein Querführungsassistent, ein Spurhalteassistent, ein Stauassistent, autonomes Fahren, etc. A vehicle may include one or more different semi-automated, highly automated or fully automated driving functions that assist a driver of the vehicle in driving the vehicle. Exemplary driving functions are: a longitudinal guidance assistant, a lateral guidance assistant, a lane departure warning, a congestion assistant, autonomous driving, etc.
Eine Fahrfunktion greift typischerweise aus Sensordaten von ein oder mehreren Umfeldsensoren des Fahrzeugs zurück. Die Sensordaten werden durch die Logik einer Fahrfunktion verarbeitet und es werden, in Abhängigkeit von den Sensordaten, ein oder mehrere Aktuatoren des Fahrzeugs gesteuert, um das Fahrzeug zumindest teilweise autonom zu führen. A driving function typically uses sensor data from one or more environmental sensors of the vehicle. The sensor data is processed by the logic of a driving function and, depending on the sensor data, one or more actuators of the vehicle are controlled to at least partially autonomously guide the vehicle.
Die Tatsache, ob eine zumindest teilweise automatisierte bzw. autonome Fahrfunktion in einer bestimmten Fahrsituation verwendet werden kann, hängt von der konkreten Implementierung der Fahrfunktion in einem Fahrzeug und von aktuellen Umfeldbedingungen (z.B. von bestimmten Witterungsbedingungen, Fahrbahnbedingungen, Verkehrsbedingungen, etc.) ab. The fact whether an at least partially automated or autonomous driving function can be used in a particular driving situation depends on the concrete implementation of the driving function in a vehicle and on current environmental conditions (for example, certain weather conditions, road conditions, traffic conditions, etc.).
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, ein Verfahren und eine entsprechende Steuereinheit bereitzustellen, mit denen in zuverlässiger Weise frühzeitig ermittelt werden kann, ob in einem bestimmten Fahrbahn-Abschnitt eine Fahrfunktion in einem Fahrzeug genutzt werden kann oder nicht. The present document deals with the technical problem to provide a method and a corresponding control unit, with which it can reliably be determined in good time whether or not a driving function in a vehicle can be used in a certain roadway section.
Die Aufgabe wird durch die unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. The object is solved by the independent claims. Advantageous embodiments are described i.a. in the dependent claims.
Gemäß einem Aspekt wird ein Verfahren zur Ermittlung eines Klassifikators zur Bewertung einer Fahrfunktion eines Fahrzeugs beschrieben. Die Fahrfunktion kann dabei ausgebildet sein, das Fahrzeug autonom längs und/oder quer zu führen. Beispielhafte Fahrfunktionen sind: (ggf. teil-, hoch-, oder voll-) automatisiertes Fahren, ein Stauassistent, ein Längsführungsassistent, ein Spurhalteassistent, etc. According to one aspect, a method for determining a classifier for evaluating a driving function of a vehicle is described. The driving function can be designed to guide the vehicle autonomously along and / or transversely. Exemplary driving functions are: (possibly partially, highly, or fully) automated driving, a traffic jam assistant, a longitudinal guidance assistant, a lane departure warning system, etc.
Das Verfahren kann umfassen, das Bereitstellen von Trainingsdaten mit einer Vielzahl von Trainings-Datensätzen. Dabei umfasst ein Trainings-Datensatz einen Fahrszenario-Datensatz, der eine Fahrsituation beschreibt, die durch die Fahrfunktion autonom zu bewältigen ist. Dabei kann ein Fahrszenario-Datensatz Merkmalswerte für eine Mehrzahl von Merkmalen umfassen, um eine Fahrsituation eines Fahrzeugs zu beschreiben. Der Fahrszenario-Datensatz kann somit eine Ausprägung eines Merkmalsvektors darstellen, wobei der Merkmalsvektor die Mehrzahl von Merkmalen als Dimensionen umfasst. The method may include providing training data with a plurality of training records. In this case, a training record comprises a driving scenario data record which describes a driving situation that is to be handled autonomously by the driving function. In this case, a driving scenario data record may comprise feature values for a plurality of features in order to describe a driving situation of a vehicle. The driving scenario data record can thus represent an expression of a feature vector, wherein the feature vector comprises the plurality of features as dimensions.
Die Mehrzahl von Merkmalen kann umfassen: ein oder mehrere Merkmale in Bezug auf eine Fahrbahn, auf der das Fahrzeug fährt (z.B. den Fahrbahnverlauf, die Anzahl von Fahrspuren, einen Tunnel, eine Brücke, etc.); ein oder mehrere Merkmale in Bezug auf ein Objekt in einem Umfeld des Fahrzeugs (z.B. eine Position und/oder eine Trajektorie eines Objektes, insbesondere eines anderen Verkehrsteilnehmers); ein oder mehrere Merkmale in Bezug auf ein durch die Fahrfunktion des Fahrzeugs geplantes Fahrmanöver (z.B. eine geplante Trajektorie des Fahrzeugs); und/oder ein oder mehrere Merkmale, die Witterungsbedingungen im Umfeld des Fahrzeugs beschreiben (z.B. Niederschlag). The plurality of features may include: one or more features related to a lane on which the vehicle is traveling (e.g., lane travel, number of lanes, a tunnel, a bridge, etc.); one or more features relating to an object in an environment of the vehicle (e.g., a position and / or a trajectory of an object, particularly another road user); one or more features related to a driving maneuver planned by the driving function of the vehicle (e.g., a planned trajectory of the vehicle); and / or one or more features describing weather conditions around the vehicle (e.g., precipitation).
Dabei kann die durch einen Fahrszenario-Datensatz beschriebene Fahrsituation einen bestimmten Planungshorizont (von z.B. einer Minute oder weniger) ausgehend von einem aktuellen Zeitpunkt umfassen. Mit anderen Worten, ein Fahrszenario-Datensatz kann eine Fahrsituation beschreiben, die eine Fahrfunktion in einem bestimmten vorausliegenden Zeitraum (d.h. dem Planungshorizont) bewältigen muss. Herein, the driving situation described by a driving scenario record may include a certain planning horizon (for example, one minute or less) from a current time. In other words, a driving scenario record may describe a driving situation that has to cope with a driving function in a certain preceding time period (i.e., the planning horizon).
Ein Trainings-Datensatz umfasst weiter einen Zuverlässigkeits-Datensatz, der anzeigt, wie die (durch den entsprechenden Fahrszenario-Datensatz beschriebene) Fahrsituation von der Fahrfunktion bewältigt wurde. Insbesondere kann der Zuverlässigkeits-Datensatz einen Zuverlässigkeitswert umfasst (oder einem solchen Wert entsprechen), der anzeigt, ob eine durch den entsprechenden Fahrszenario-Datensatz beschriebene Fahrsituation von der Fahrfunktion bewältigt wurde oder nicht. Dabei kann der Zuverlässigkeitswert Werte aus einem vorbestimmten Werteintervall (z.B. zwischen 0 und 1) annehmen. A training record further includes a reliability record indicating how the driving situation (described by the corresponding driving scenario record) was handled by the driving function. In particular, the reliability record may include (or correspond to such a value of) a reliability value indicating whether or not a driving situation described by the corresponding driving scenario record has been handled by the driving function. In this case, the reliability value may assume values from a predetermined value interval (for example, between 0 and 1).
Das Verfahren umfasst weiter das Ermitteln eines Klassifikators durch Anlernen eines Modells mittels der Trainingsdaten, derart, dass der Klassifikator ausgebildet ist, für eine bestimmte Fahrsituation Zuverlässigkeits-Information anzugeben. Insbesondere kann der Klassifikator ausgebildet sein, für einen bestimmten Fahrszenario-Datensatz (durch den eine bestimmte Fahrsituation beschrieben wird) Zuverlässigkeits-Information (z.B. einen Zuverlässigkeits-Datensatz) anzugeben. Dabei kann das Modell insbesondere ein neuronales Netz umfassen. Wie oben dargelegt, kann ein Fahrszenario-Datensatz einen Merkmalsvektor umfassen oder einem solchen entsprechen. Ein Merkmalsvektor weist eine bestimmte Dimension auf und definiert in Zusammenhang mit den Wertebereichen der einzelnen Merkmale einen möglichen Fahrszenario-Raum (mit der bestimmten Dimension). Der Klassifikator (insbesondere das verwendete Modell) kann derart ausgelegt sein, dass jedem möglichen Punkt in dem Fahrszenario-Raum ein Zuverlässigkeits-Datensatz bzw. Zuverlässigkeits-Information zugewiesen werden kann. The method further comprises determining a classifier by teaching a model by means of the training data, such that the classifier is designed to provide reliability information for a specific driving situation. In particular, the classifier can be designed to indicate reliability information (for example a reliability data record) for a specific driving scenario data record (by means of which a specific driving situation is described). In this case, the model may in particular comprise a neural network. As discussed above, a driving scenario record may include or include a feature vector correspond. A feature vector has a certain dimension and, in connection with the value ranges of the individual features, defines a possible driving scenario space (with the specific dimension). The classifier (in particular, the model used) may be configured such that a reliability record can be assigned to each possible point in the driving scenario space.
Die Bereitstellung eines mit Trainings-Datensätzen angelernten Klassifikators ermöglicht die effiziente und zuverlässige Freischaltung oder ggf. Degradierung von Fahrfunktionen während des Fahrbetriebs eines Fahrzeugs. Dabei können die Trainingsdaten reale Trainings-Datensätze umfassen, die anhand von ein oder mehreren Sensoren eines Fahrzeugs erfasst wurden. Alternativ oder ergänzend können die Trainingsdaten synthetische Trainings-Datensätze umfassen, die durch Simulation des Verhaltens der Fahrfunktion ermittelt wurden. Durch die Bereitstellung von synthetischen Trainings-Datensätzen kann in effizienter Weise die Anzahl von Trainings-Datensätzen erhöht und die Abdeckung des möglichen Merkmalsraums erweitert werden. So kann die Qualität des Klassifikators weiter erhöht werden. The provision of a classifier trained with training data sets enables the efficient and reliable activation or possibly degradation of driving functions during the driving operation of a vehicle. The training data may include real training data sets that have been acquired from one or more sensors of a vehicle. Alternatively or additionally, the training data may include synthetic training data sets determined by simulating the behavior of the driving function. By providing synthetic training datasets, the number of training datasets can be efficiently increased and the coverage of the possible feature space expanded. Thus, the quality of the classifier can be further increased.
Die Trainingsdaten können von einem Typ der Fahrfunktion und/oder von einem Typ des Fahrzeugs abhängen. So können Fahrfunktions-Typ spezifische und/oder Fahrzeug-Typ spezifische Klassifikatoren bereitgestellt werden, wodurch die Zuverlässigkeit der Funktionsfreigabe weiter erhöht werden kann. Die Trainingsdaten können dabei im Rahmen der Entwicklung einer Fahrfunktion und/oder eines Fahrzeugs ermittelt werden. The training data may depend on a type of driving function and / or on a type of vehicle. Thus, driving function type-specific and / or vehicle-type-specific classifiers can be provided, whereby the reliability of the function release can be further increased. The training data can be determined as part of the development of a driving function and / or a vehicle.
Gemäß einem weiteren Aspekt wird ein Verfahren zur Freigabe einer Fahrfunktion eines Fahrzeugs für einen vorausliegenden Fahrbahn-Abschnitt beschrieben. Das Verfahren kann durch eine Steuereinheit eines Fahrzeugs ausgeführt werden. Das Verfahren umfasst das Ermitteln eines ersten Fahrszenario-Datensatzes, der eine erste Fahrsituation beschreibt, die durch die Fahrfunktion in dem vorausliegenden Fahrbahn-Abschnitt autonom zu bewältigen ist. Der Fahrszenario-Datensatz kann Merkmalswerte für ein oder mehrere der o.g. Merkmale umfassen. Dabei kann der erste Fahrszenario-Datensatz auf Basis von Umfelddaten von ein oder mehreren Umfeldsensoren des Fahrzeugs ermittelt werden. Alternativ oder ergänzend kann der erste Fahrszenario-Datensatz auf Basis von externen Daten von ein oder mehreren Fahrzeug-externen Sensoren ermittelt werden, wobei die externen Daten Information in Bezug auf den vorausliegenden Fahrbahn-Abschnitt umfassen können, die nicht oder nicht ausreichend von den ein oder mehreren Umfeldsensoren des Fahrzeugs erfasst werden können. Durch Berücksichtigung von externen Daten kann der Vorausschauhorizont bzw. Planungshorizont für die Freigabe der Fahrfunktion erweitert werden. According to a further aspect, a method for enabling a driving function of a vehicle for a preceding roadway section is described. The method may be performed by a control unit of a vehicle. The method comprises determining a first driving scenario data record that describes a first driving situation that is to be handled autonomously by the driving function in the preceding roadway section. The driving scenario record may include characteristic values for one or more of the above. Features include. In this case, the first driving scenario data record can be determined on the basis of environmental data from one or more environment sensors of the vehicle. Alternatively or additionally, the first driving scenario data record can be determined on the basis of external data from one or more vehicle-external sensors, wherein the external data may include information relating to the preceding roadway section that is not or insufficiently provided by the on or several environment sensors of the vehicle can be detected. By taking into account external data, the forecast horizon or planning horizon for the release of the driving function can be extended.
Das Verfahren umfasst weiter das Bestimmen, auf Basis eines Klassifikators und auf Basis des ersten Fahrszenario-Datensatzes, ob die Fahrfunktion für den vorausliegenden Fahrbahn-Abschnitt freigeben wird (oder ggf. degradiert wird). Dabei kann der Klassifikator mit dem in diesem Dokument beschriebenen Verfahren ermittelt worden sein. Insbesondere kann der Klassifikator ausgebildet sein, unterschiedlichen Fahrszenario-Datensätzen unterschiedliche Zuverlässigkeits-Datensätze zuzuweisen, wobei ein Zuverlässigkeits-Datensatz eine Zuverlässigkeit anzeigt, mit der eine, durch einen entsprechenden Fahrszenario-Datensatz beschriebene, Fahrsituation von der Fahrfunktion bewältigt wird. Mit anderen Worten, der Klassifikator kann ausgebildet sein, für eine bestimmte Fahrsituation (die z.B. durch einen bestimmten Fahrszenario-Datensatz beschrieben wird) Zuverlässigkeits-Information (z.B. einen Zuverlässigkeits-Datensatz) anzugeben. Dabei kann die Zuverlässigkeits-Information eine Zuverlässigkeit anzeigen, mit der die bestimmte Fahrsituation von der Fahrfunktion bewältigt wird. The method further comprises determining, based on a classifier and based on the first driving scenario data set, whether the driving function will release (or possibly be degraded) for the preceding roadway section. The classifier may have been determined by the method described in this document. In particular, the classifier may be configured to assign different reliability data sets to different driving scenario data records, wherein a reliability data record indicates a reliability with which a driving situation described by a corresponding driving scenario data record is managed by the driving function. In other words, the classifier may be configured to indicate reliability information (e.g., a reliability record) for a particular driving situation (described, for example, by a particular driving scenario record). In this case, the reliability information can indicate a reliability with which the specific driving situation is managed by the driving function.
Es kann somit mittels des Klassifikators ein erster Zuverlässigkeits-Datensatz (bzw. erste Zuverlässigkeits-Information) für den ersten Fahrszenario-Datensatz bzw. für die erste Fahrsituation ermittelt werden. Es kann dann auf Basis des ersten Zuverlässigkeits-Datensatzes entschieden werden, ob die Fahrfunktion freigegeben oder degradiert wird. Durch die Berücksichtigung eines Klassifikators wird so eine flexible und zuverlässige Freigabe von Fahrfunktionen während des Fahrbetriebs eines Fahrzeugs ermöglicht. It can thus be determined by means of the classifier, a first reliability record (or first reliability information) for the first driving scenario record or for the first driving situation. It can then be decided based on the first reliability record, whether the driving function is enabled or degraded. The consideration of a classifier thus enables a flexible and reliable release of driving functions during the driving operation of a vehicle.
Das Verfahren kann umfassen, das Ermitteln eines tatsächlichen Zuverlässigkeits-Datensatzes, der eine Zuverlässigkeit anzeigt, mit der die, durch den ersten Fahrszenario-Datensatz beschriebene, erste Fahrsituation von der Fahrfunktion tatsächlich bewältigt wurde. Insbesondere kann nach Freigabe der Fahrfunktion ermittelt werden, mit welcher Zuverlässigkeit die Fahrfunktion die erste Fahrsituation tatsächlich bewältigt hat. Der Klassifikator kann dann in Abhängigkeit von dem ersten Fahrszenario-Datensatz und dem tatsächlichen Zuverlässigkeits-Datensatz angepasst werden. So kann die Qualität des Klassifikators und somit die Robustheit der Fahrfunktionsfreigabe kontinuierlich verbessert werden. The method may include determining an actual reliability record indicative of reliability actually coping with the first driving situation of the driving function described by the first driving scenario data set. In particular, it can be determined after release of the driving function with which reliability the driving function has actually mastered the first driving situation. The classifier may then be adjusted depending on the first driving scenario record and the actual reliability record. Thus, the quality of the classifier and thus the robustness of the driving function release can be continuously improved.
Gemäß einem weiteren Aspekt wird eine Steuereinheit für ein Fahrzeug beschrieben, die eingerichtet ist, das in diesem Dokument beschriebene Verfahren zur Freigabe einer Fahrfunktion auszuführen. In another aspect, a control unit for a vehicle configured to execute the method of releasing a driving function described in this document is described.
Gemäß einem weiteren Aspekt wird ein Fahrzeug (insbesondere ein Straßenkraftfahrzeug z.B. ein Personenkraftwagen, ein Lastkraftwagen oder ein Motorrad) beschrieben, das die in diesem Dokument beschriebene Steuereinheit umfasst. According to a further aspect, a vehicle (in particular a road motor vehicle, for example a passenger car, a lorry or a motorbike) is described which comprises the control unit described in this document.
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor ausgeführt zu werden, und um dadurch die in diesem Dokument beschriebenen Verfahren auszuführen. In another aspect, a software (SW) program is described. The SW program can be set up to run on a processor, thereby performing the procedures described in this document.
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch die in diesem Dokument beschriebenen Verfahren auszuführen. In another aspect, a storage medium is described. The storage medium may include a SW program that is set up to run on a processor and thereby perform the methods described in this document.
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Desweiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden. It should be understood that the methods, devices and systems described herein may be used alone as well as in combination with other methods, devices and systems described in this document. Furthermore, any aspects of the methods, devices, and systems described herein may be combined in a variety of ways. In particular, the features of the claims can be combined in a variety of ways.
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen Furthermore, the invention will be described in more detail with reference to exemplary embodiments. Show
Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der robusten und ggf. vorausschauenden Ermittlung von Zuverlässigkeits-Daten in Bezug auf eine zumindest teilweise autonom fahrende Fahrfunktion eines Fahrzeugs. In diesem Zusammenhang zeigt
Eine Steuereinheit
- • die Position und die (prädizierte) Trajektorie von ein oder mehreren Objekten (z.B. anderen Verkehrsteilnehmern) in dem Umfeld des
Fahrzeugs 110 ; - • die Position und die (geplante) Trajektorie des
Fahrzeugs 110 ; dabei kann die geplante Trajektorie desFahrzeugs 110 von einer aktivierten Fahrfunktion bestimmt werden; und/oder - • die Witterungsbedingungen.
- The position and the (predicated) trajectory of one or more objects (eg other road users) in the environment of the
vehicle 110 ; - • the position and the (planned) trajectory of the
vehicle 110 ; doing this may be the planned trajectory of thevehicle 110 be determined by an activated driving function; and or - • the weather conditions.
Die Fahrszenario-Daten können in strukturierter Form als eine Ausprägung eines Merkmalsvektors mit einer Vielzahl von Dimensionen (und einer entsprechenden Vielzahl von Merkmalen) dargestellt werden. Mit anderen Worten, die Fahrszenario-Daten können Merkmalswerte für eine Vielzahl von unterschiedlichen Merkmalen umfassen, um eine aktuell vorliegende Fahrsituation des Fahrzeugs
Zur Erweiterung des Planungshorizonts kann für die Fahrszenario-Daten auf externe Daten zurückgegriffen werden, wobei die externen Daten Information in Bezug auf eine vorausliegende Umgebung des Fahrzeugs
Auf der Speichereinheit
Zu einem bestimmten Zeitpunkt kann eine Mehrzahl von Fahrszenario-Datensätzen ermittelt werden, wobei jeder Fahrszenario-Datensatz eine mögliche Fahrsituation beschreibt. Die unterschiedlichen Fahrszenario-Datensätze können sich z.B. in Bezug auf die geplante Trajektorie des Fahrzeugs
Ein Klassifikator bzw. Beobachter kann im Rahmen der Entwicklung einer Fahrfunktion angelernt werden. Dabei können Methoden des Maschinenlernens verwendet werden. Insbesondere kann ein Modell (z.B. ein neuronales Netz) auf Basis von Trainingsdaten angelernt werden, um einen Klassifikator bereitzustellen, der eingerichtet ist, einem Fahrszenario-Datensatz (mit einer bestimmten Ausprägung von Merkmalen) einen Zuverlässigkeits-Datensatz (insbesondere einen Zuverlässigkeitswert) zuzuweisen, der anzeigt, wie gut ein durch den Fahrszenario-Datensatz beschriebenes Fahrszenario durch das Fahrzeug
Die Trainingsdaten umfassen eine Vielzahl von Trainings-Datensätzen (typischerweise 100000, 1 Millionen oder mehr Trainings-Datensätze). Dabei umfasst ein Trainings-Datensatz einen (real gemessenen oder einen synthetisch generierten) Fahrszenario-Datensatz und einen dazu gehörigen (real gemessenen oder simulierten) Zuverlässigkeits-Datensatz (z.B. einen Wert der anzeigt, ob das Fahrszenario fehlerfrei umgesetzt werden konnte oder nicht). Die Trainings-Datensätze werden dabei typischerweise im Rahmen der Entwicklung einer Fahrfunktion für Testzwecke erfasst. The training data includes a variety of training records (typically 100,000, 1 million or more training records). Here, a training record comprises a (real measured or a synthetically generated) driving scenario record and an associated (real measured or simulated) reliability record (e.g., a value indicating whether the driving scenario could be implemented properly or not). The training datasets are typically recorded as part of the development of a driving function for test purposes.
Die Trainingsdaten können dann dazu verwendet werden, das Modell (z.B. ein neuronales Netz) für den Klassifikator anzulernen. The training data may then be used to train the model (e.g., a neural network) for the classifier.
Durch die Verwendung eines Klassifikators bzw. Beobachters kann die Funktionsfreigabe von Fahrfunktionen in einem Fahrzeug
Zum Anlernen des Klassifikators bzw. des Beobachters können reale und typischerweise auch virtuelle Fahrszenarien berücksichtigt werden. Durch die Fahrszenarien sollte dabei der stochastische Raum von möglichen Fahrsituationen (auch als möglicher Fahrszenario-Raum bezeichnet) mit einem bestimmten Planungshorizont möglichst gut abgedeckt sein. Insbesondere kann dabei ein besonderer Fokus auf Fahrszenarien gelegt werden, die für eine Fahrfunktion zu Schwierigkeiten (z.B. zu einer relativ geringen Zuverlässigkeit) führen könnten. To teach the classifier or the observer, real and typically virtual driving scenarios can be taken into account. By means of the driving scenarios, the stochastic space of possible driving situations (also referred to as a possible driving scenario space) should be covered as well as possible with a specific planning horizon. In particular, a particular focus may be placed on driving scenarios that could lead to difficulties (e.g., relatively low reliability) for a driving function.
Ein derart angelernter Klassifikator bzw. Beobachter kann dann im Fahrzeug
Der Klassifikator bzw. Beobachter kann in einer Speichereinheit
Während des Betriebs des Fahrzeugs
Der Planungshorizont für die Freigabe von Fahrfunktion kann dabei variieren. Insbesondere kann durch Berücksichtigung von externen Daten der Planungshorizont ggf. substantiell erweitert werden. Durch Erweiterung des Planungshorizonts kann die Sicherheit von (teilweise) autonomen Fahrfunktionen erhöht werden. The planning horizon for the release of driving function can vary. In particular, by considering external data, the planning horizon can possibly be substantially extended. By extending the planning horizon, the safety of (partially) autonomous driving functions can be increased.
Die Verwendung eines Klassifikators bzw. Beobachters ermöglicht es Fahrfunktionen für bestimmte Fahrszenarien während des Betriebs eines Fahrzeugs
Das Verfahren
Das Verfahren
Die in diesem Dokument beschriebenen Verfahren
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen. The present invention is not limited to the embodiments shown. In particular, it should be noted that the description and figures are intended to illustrate only the principle of the proposed methods, apparatus and systems.
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016207276.5A DE102016207276A1 (en) | 2016-04-28 | 2016-04-28 | Method for releasing a driving function in a vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016207276.5A DE102016207276A1 (en) | 2016-04-28 | 2016-04-28 | Method for releasing a driving function in a vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016207276A1 true DE102016207276A1 (en) | 2017-11-02 |
Family
ID=60081551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016207276.5A Pending DE102016207276A1 (en) | 2016-04-28 | 2016-04-28 | Method for releasing a driving function in a vehicle |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102016207276A1 (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017222874A1 (en) * | 2017-12-15 | 2019-06-19 | Zf Friedrichshafen Ag | Control of a motor vehicle |
WO2019211282A1 (en) * | 2018-05-02 | 2019-11-07 | Audi Ag | Operating method for an autonomously operatable device, and autonomously operatable device |
WO2020053170A1 (en) * | 2018-09-10 | 2020-03-19 | Volkswagen Aktiengesellschaft | Method for generating a collection of information relating to driving scenarios for at least one vehicle and vehicle, arrangement and system composed thereof |
DE102019101515A1 (en) * | 2019-01-22 | 2020-07-23 | Bayerische Motoren Werke Aktiengesellschaft | Device and method for monitoring vehicle functions of a vehicle |
DE102019104974A1 (en) * | 2019-02-27 | 2020-08-27 | Zf Automotive Germany Gmbh | Method and system for determining a driving maneuver |
CN113276863A (en) * | 2021-07-01 | 2021-08-20 | 浙江吉利控股集团有限公司 | Vehicle control method, apparatus, device, medium, and program product |
CN113811894A (en) * | 2019-05-09 | 2021-12-17 | 大众汽车股份公司 | Monitoring of a KI module for a driving function of a vehicle |
DE102021201177A1 (en) | 2021-02-09 | 2022-08-11 | Zf Friedrichshafen Ag | Computer-implemented method and computer program for generating routes for an automated driving system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011107974A1 (en) * | 2011-07-16 | 2013-01-17 | Valeo Schalter Und Sensoren Gmbh | Method of maneuvering vehicle in environment, involves carrying out the reference switching processes in learning mode, controlled by driver of vehicle in environment |
DE102014018913A1 (en) * | 2014-12-17 | 2016-06-23 | Daimler Ag | Driver assistance device for a motor vehicle and method for operating such |
-
2016
- 2016-04-28 DE DE102016207276.5A patent/DE102016207276A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011107974A1 (en) * | 2011-07-16 | 2013-01-17 | Valeo Schalter Und Sensoren Gmbh | Method of maneuvering vehicle in environment, involves carrying out the reference switching processes in learning mode, controlled by driver of vehicle in environment |
DE102014018913A1 (en) * | 2014-12-17 | 2016-06-23 | Daimler Ag | Driver assistance device for a motor vehicle and method for operating such |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017222874A1 (en) * | 2017-12-15 | 2019-06-19 | Zf Friedrichshafen Ag | Control of a motor vehicle |
WO2019211282A1 (en) * | 2018-05-02 | 2019-11-07 | Audi Ag | Operating method for an autonomously operatable device, and autonomously operatable device |
CN112041213A (en) * | 2018-05-02 | 2020-12-04 | 奥迪股份公司 | Operating method for an autonomously operable device and autonomously operable device |
CN112041213B (en) * | 2018-05-02 | 2023-08-15 | 奥迪股份公司 | Method for operating an autonomously operable device and autonomously operable device |
WO2020053170A1 (en) * | 2018-09-10 | 2020-03-19 | Volkswagen Aktiengesellschaft | Method for generating a collection of information relating to driving scenarios for at least one vehicle and vehicle, arrangement and system composed thereof |
DE102019101515A1 (en) * | 2019-01-22 | 2020-07-23 | Bayerische Motoren Werke Aktiengesellschaft | Device and method for monitoring vehicle functions of a vehicle |
DE102019104974A1 (en) * | 2019-02-27 | 2020-08-27 | Zf Automotive Germany Gmbh | Method and system for determining a driving maneuver |
CN113811894A (en) * | 2019-05-09 | 2021-12-17 | 大众汽车股份公司 | Monitoring of a KI module for a driving function of a vehicle |
DE102021201177A1 (en) | 2021-02-09 | 2022-08-11 | Zf Friedrichshafen Ag | Computer-implemented method and computer program for generating routes for an automated driving system |
CN113276863A (en) * | 2021-07-01 | 2021-08-20 | 浙江吉利控股集团有限公司 | Vehicle control method, apparatus, device, medium, and program product |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016207276A1 (en) | Method for releasing a driving function in a vehicle | |
EP3970077B1 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system | |
EP3438901A1 (en) | Test drive scenario database system for realistic virtual test drive scenarios | |
DE102017120707A1 (en) | WATER DEVICE RECOGNITION FOR VEHICLE NAVIGATION | |
DE102016125279A1 (en) | SYSTEM AND METHOD FOR COORDINATING V2X AND STANDARD VEHICLES | |
DE102020104862A1 (en) | Creation of inference models for computer-aided (CA) / autonomous driving (AD) vehicles | |
DE102016007899B4 (en) | Method for operating a device for traffic situation analysis, motor vehicle and data processing device | |
DE102017215749A1 (en) | - Offboard trajectories for difficult situations - | |
EP3271231A1 (en) | Method and device for monitoring a target trajectory to be travelled by a vehicle for absence of collisions | |
DE102019203712B4 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system | |
DE102015223656A1 (en) | Driver assistance system and method for lane recommendation | |
WO2020015888A1 (en) | Method and control device for determining a trajectory for a lateral-dynamic driving manoeuvre for a vehicle | |
DE102021105159A1 (en) | DETECTION OF VEHICLES AND RESPONSE TO IT | |
WO2018134026A1 (en) | Method for navigating a motor vehicle along a prescribable route | |
DE102018005954A1 (en) | Method for updating map material by at least one at least partially autonomous vehicle, driver assistance system, set up for carrying out such a method, and vehicle having such a driver assistance system | |
DE102018211726A1 (en) | Method for automatic machine training of an electronic vehicle guidance system, and motor vehicle | |
DE102017223621A1 (en) | Method and control unit for controlling a function of an at least partially automated vehicle | |
WO2021175821A1 (en) | Computer-implemented method for route calculation for an autonomously driving motor vehicle, method for driving an autonomously driving motor vehicle, computer program product and motor vehicle | |
DE102020206128A1 (en) | Method for controlling a fleet-based condition monitoring of a road section of a road network as well as associated system and motor vehicle and associated server device | |
DE102020118589A1 (en) | IMPROVED VEHICLE OPERATION | |
DE102017207441A1 (en) | Method for checking a digital environment map for a driver assistance system of a motor vehicle, computing device, driver assistance system and motor vehicle | |
DE102017200865A1 (en) | Method for the lane-specific positioning of a vehicle | |
DE102018213378B4 (en) | Driver assistance system for a vehicle, vehicle with the same and driver assistance method for a vehicle | |
WO2019211293A1 (en) | Method for operating a driver assistance system of an ego vehicle having at least one surroundings sensor for detecting the surroundings of the ego vehicle, computer readable medium, system and vehicle | |
WO2023016919A1 (en) | Computer-implemented method and computer program for generating virtual routes and developing and/or validating functionalities of an automated driving system on the generated routes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R012 | Request for examination validly filed |