EP4058927A1 - Method for estimating coverage of the area of traffic scenarios - Google Patents

Method for estimating coverage of the area of traffic scenarios

Info

Publication number
EP4058927A1
EP4058927A1 EP20803542.8A EP20803542A EP4058927A1 EP 4058927 A1 EP4058927 A1 EP 4058927A1 EP 20803542 A EP20803542 A EP 20803542A EP 4058927 A1 EP4058927 A1 EP 4058927A1
Authority
EP
European Patent Office
Prior art keywords
traffic scenarios
computer
implemented method
traffic
scenarios
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
Application number
EP20803542.8A
Other languages
German (de)
French (fr)
Inventor
Johannes DAUBE
Jochen Köhler
Mladjan RADIC
Amir OMERADZIC
Oliver SCHAUDT
Julian KING
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Publication of EP4058927A1 publication Critical patent/EP4058927A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

The invention relates to a computer-implemented method for estimating coverage of the area of traffic scenarios, characterised by the following steps: − providing various traffic scenarios, − classifying and/or clustering the traffic scenarios into known or unknown traffic scenarios, − applying a statistical method to the classified and/or clustered traffic scenarios for estimating predetermined characteristic numbers which describe the coverage of the area of the traffic scenarios, − generating further different traffic scenarios or terminating the method in accordance with the characteristic numbers. The invention further relates to a device for data processing.

Description

Verfahren zur Abschätzung einer Abdeckung des Raums von Verkehrsszenarien Method for estimating a coverage of the area of traffic scenarios
Die Erfindung betrifft ein Verfahren zur Abschätzung einer Abdeckung des Raums von Verkehrsszenarien sowie ein Computerprogramm. The invention relates to a method for estimating a coverage of the area of traffic scenarios and a computer program.
Ein autonomes Fahrzeug ist ein Fahrzeug, das in der Lage ist, seine Umgebung zu erfassen und mit geringfügiger oder gar keiner Benutzereingabe zu navigieren. Ein autonomes Fahrzeug erfasst seine Umgebung unter Verwendung von Sensorvorrich tungen, wie beispielsweise Radar-, Lidar-, Bildsensoren und dergleichen. An autonomous vehicle is one that is able to sense its surroundings and navigate with little or no user input. An autonomous vehicle detects its surroundings using sensor devices such as radar, lidar, image sensors and the like.
Es existieren verschiedene Stufen oder Level der Automatisierung: assistiert, teilau tomatisiert, hochautomatisiert, vollautomatisiert und autonom. There are different stages or levels of automation: assisted, partially automated, highly automated, fully automated and autonomous.
Beim Level 1 , dem assistierten Fahren, werden die Fahrer durch mindestens ein mo dernes Assistenzsystem unterstützt, etwa durch einen Tempomaten mit Abstandsre gelung oder einen Spurhaltewarner. In level 1, assisted driving, the drivers are supported by at least one modern assistance system, such as cruise control with distance control or a lane departure warning system.
Beim Level 2, dem teilautomatisierten Fahren, werden zwei oder mehr Assistenzsys teme kombiniert, beispielsweise der Stauassistent, die bei Stop-and-Go-Verkehr Ab stand und Spur halten. Level 2, semi-automated driving, combines two or more assistance systems, such as the traffic jam assistant, which keep a distance and keep lane in stop-and-go traffic.
Beim Level 3, dem bedingt automatisierten Fahren fährt das Fahrzeug in manchen Verkehrssituationen komplett selbständig, kann also selbst bremsen, lenken, be schleunigen und die Spuren wechseln. Dies funktioniert auch über längere Strecken oder Zeiträume. Die Route wird jedoch genau vorgegeben. With level 3, the conditionally automated driving, the vehicle drives completely independently in some traffic situations, so it can brake, steer, accelerate and change lanes itself. This also works over longer distances or periods of time. However, the route is precisely specified.
Beim Level 4, dem hochautomatisierten Fahren, das manchmal auch als vollautoma tisiertes Fahren bezeichnet wird, können Fahrer das Fahren längerfristig an die Steu erung übergeben. Es existieren jedoch gewisse Einschränkungen. So kann das hochautomatisierte Fahren beispielsweise nur auf bestimmte geographische Gebiete und/oder nur auf einen kleinen Geschwindigkeitsbereich beschränkt sein und/oder nur bei bestimmten Wetterbedingungen funktionieren. With level 4, highly automated driving, which is sometimes also referred to as fully automated driving, drivers can hand over driving to the control system for a longer period of time. However, there are certain restrictions. For example, highly automated driving can only be limited to certain geographical areas and / or only to a small speed range and / or only work under certain weather conditions.
Beim Level 5, dem autonomen Fahren, übernimmt das Fahrzeug alle Fahrfunktionen. Im Gegensatz zu Level 3 und Level 4 ist beim autonomen Fahren weder eine Fahrtüchtigkeit noch eine Fahrerlaubnis erforderlich - Lenkrad und Pedalerie sind so mit entbehrlich. With level 5, autonomous driving, the vehicle takes over all driving functions. In contrast to level 3 and level 4, there is neither one in autonomous driving In order to be able to drive, a driver's license is required - steering wheel and pedals are therefore also dispensable.
Alle Personen im Wagen werden dadurch zu Passagieren. All people in the car become passengers.
Im Vergleich zu Level 2, dem teilautomatisierten Fahren, vervielfacht sich der Test aufwand für Level 4 als auch Level 5 und die Validierungsaufgabe wird ungleich komplexer. Gerade Level 4 und Level 5 setzen einen enormen Entwicklungsaufwand voraus, da eine bislang noch nie dagewesene Menge an Verkehrs- und Testszena rien berücksichtigt werden muss, um die Systeme zur Marktreife zu bringen. Compared to level 2, the partially automated driving, the test effort for level 4 and level 5 is multiplied and the validation task becomes much more complex. Levels 4 and 5 in particular require an enormous amount of development effort, as an unprecedented amount of traffic and test scenarios must be taken into account in order to bring the systems to market maturity.
Eine Abdeckung allermöglichen Verkehrsszenarien mit realen Testdaten ist daher aus wirtschaftlichen Gründen nicht realisierbar. Covering all possible traffic scenarios with real test data is therefore not feasible for economic reasons.
Von daher wird versucht, Testdaten aus anderen Quellen zu erzeugen, beispiels weise durch Simulationen, welche die verschiedenen Verkehrsszenarien abbilden. Jedoch ist unklar, welche und wieviel Verkehrsszenarien simuliert werden müssen. Attempts are therefore made to generate test data from other sources, for example through simulations that depict the various traffic scenarios. However, it is unclear which and how many traffic scenarios have to be simulated.
Die Aufgabe der Erfindung ist es Mittel anzugeben, mit welchen eine Einschät zung/Abschätzung möglich ist, wieviel der gesammelten Verkehrsszenarien in Bezug auf die Gesamtheit aller Verkehrsszenarien bereits erfasst worden sind. The object of the invention is to specify means with which it is possible to estimate how many of the traffic scenarios collected have already been recorded in relation to the totality of all traffic scenarios.
Diese Aufgabe wird gelöst durch ein computerimplementiertes Verfahren mit den Merkmalen des Anspruchs 1 und eine Vorrichtung mit den Merkmalen des An spruchs 15. This object is achieved by a computer-implemented method having the features of claim 1 and a device having the features of claim 15.
In den Unteransprüchen sind weitere vorteilhafte Maßnahmen aufgelistet, die geeig net miteinander kombiniert werden können, um weitere Vorteile zu erzielen. In the subclaims, further advantageous measures are listed which can be combined with one another appropriately in order to achieve further advantages.
Die Aufgabe wird gelöst durch ein computerimplementiertes Verfahren zur Abschät zung einer Abdeckung des Raums von Verkehrsszenarien umfassend der nachfol genden Schritte: The object is achieved by a computer-implemented method for estimating the coverage of the area by traffic scenarios comprising the following steps:
- Bereitstellen verschiedener Verkehrsszenarien, - Provision of various traffic scenarios,
- Klassifizieren und/oder Clustern der Verkehrsszenarien in bekannte oder un bekannte Verkehrsszenarien, - Anwenden eines statistischen Verfahrens auf die klassifizierten und/oder geclusterten Verkehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die Abdeckung des Raums der Verkehrsszenarien beschreiben,- Classifying and / or clustering the traffic scenarios into known or unknown traffic scenarios, - Applying a statistical method to the classified and / or clustered traffic scenarios to estimate given key figures which describe the coverage of the area of the traffic scenarios,
- Erzeugen von weiteren verschiedenen Verkehrsszenarien oder Abbruch des Verfahrens in Abhängigkeit von den Kennzahlen. - Generation of further different traffic scenarios or termination of the procedure depending on the key figures.
Dabei wird unter Raum der Verkehrsszenarien die Gesamtheit aller auftretenden Ver kehrsszenarien im Verkehr verstanden. The area of traffic scenarios is understood to mean the entirety of all traffic scenarios that occur in traffic.
Ein Verkehrsszenario wird dabei als beschränkter Ausschnitt aus dem gesamten Ver kehrsgeschehen verstanden. A traffic scenario is understood as a restricted section of the entire traffic situation.
Unbekannte Verkehrsszenarien sind bisher noch nicht erfasste Verkehrsszenarien. Unknown traffic scenarios are traffic scenarios that have not yet been recorded.
Erfindungsgemäß wurde erkannt, dass beim Testen und Validieren von Fahrfunktio nen für den Betrieb beispielsweise eines Level 4 oder Level 5 Fahrzeuges der Raum aller möglichen Verkehrsszenarien unbekannt ist. Weiterhin wurde erkannt, dass so wohl ein Testen als auch eine Validierung im klassischen Fahrversuch weder tech nisch, noch finanziell, noch zeitlich realisierbar ist. Daher wurde erkannt, dass der Validierungsaufwand reduziert werden muss. Mittels der Erfindung wird dieses Prob lem nun gelöst. According to the invention, it was recognized that when testing and validating driving functions for the operation of a level 4 or level 5 vehicle, for example, the space of all possible traffic scenarios is unknown. It was also recognized that testing and validation in classic driving tests are neither technically, financially nor temporally feasible. It was therefore recognized that the validation effort must be reduced. This problem is now solved by means of the invention.
Zunächst erfolgt eine Klassifizierung und/oder Clusterung der bisher gesammelten Verkehrsszenarien und eine Einteilung der Verkehrsszenarien in bekannte und unbe kannte Verkehrsszenarien. Diese Klassifizierung und/oder Clusterung erlaubt auf Ba sis eines darauf angewendeten statistischen Verfahrens die Abschätzung der Szena rienraumabdeckung sowie die Abschätzung des Auftretens zukünftiger, unbekannter Verkehrsszenarien. Dazu werden vorab Kennzahlen definiert. First, there is a classification and / or clustering of the previously collected traffic scenarios and a division of the traffic scenarios into known and unknown traffic scenarios. This classification and / or clustering allows, on the basis of a statistical method applied to it, the estimation of the scenario area coverage and the estimation of the occurrence of future, unknown traffic scenarios. For this purpose, key figures are defined in advance.
Mittels der Kennzahlen ist es nun möglich einen Abbruch des Verfahrens zu bewir ken; treten beispielsweise unbekannte Verkehrsszenarien "hinreichend" selten auf, so bedeutet das, dass eine hinreichend große Abdeckung des Szenarienraums vor handen ist. Durch das Verfahren wird somit eine statistische Prognose des zukünftigen Auftre tens "unbekannter" Verkehrsszenarien ermittelt. Ebenfalls wird durch das Verfahren erkannt, wann eine hinreichend genaue Szenarienraumabdeckung erzielt worden ist. Using the key figures, it is now possible to abort the process; If, for example, unknown traffic scenarios occur "sufficiently" rarely, this means that there is a sufficiently large coverage of the scenario space. The method thus determines a statistical forecast of the future occurrence of "unknown" traffic scenarios. The method also recognizes when a sufficiently precise scenario space coverage has been achieved.
Vorzugsweise werden die verschiedenen Verkehrsszenarien mittels Simulation er zeugt. Dazu kann ein virtuelles Simulationstool aus beispielsweise virtuellen Senso ren eine große Anzahl von Verkehrsszenarien, Straßen- und Umgebungsbedingun gen erzeugen. Anschließend können beispielsweise durch simulierte Störungen die ser Verkehrsszenarien neue Verkehrsszenarien erzeugt werden. Diese Verkehrssze narien werden dabei durch einen Störfaktor (beispielsweise Wetteränderung) variiert, um neue und zusätzliche Verkehrsszenarien zu erstellen. The various traffic scenarios are preferably generated by means of simulation. For this purpose, a virtual simulation tool can generate a large number of traffic scenarios, road and environmental conditions from, for example, virtual sensors. Then, for example, simulated disruptions in these traffic scenarios can be used to generate new traffic scenarios. These traffic scenarios are varied by a disruptive factor (e.g. weather change) in order to create new and additional traffic scenarios.
Alternativ oder zusätzlich werden die verschiedenen Verkehrsszenarien vorzugs weise aus Sensordaten, welche durch ein stationäres und/oder mobiles Verkehrser fassungssystem erfasst werden, erzeugt. Ein mobiles Verkehrserfassungssystem kann beispielsweise das Erfassungssystem eines Testfahrzeuges sein. Dazu können auch mehrere Testfahrzeuge eingesetzt werden. Alternativ können Handykameras etc. zum Einsatz kommen. Als stationäres Verkehrserfassungssystem kann bei spielsweise eine Verkehrskamera und/oder Verkehrsüberwachungseinrichtung zum Einsatz kommen. Diese stellen eine umfangreiche und gleichzeitig kostengünstige Datenquelle dar. As an alternative or in addition, the various traffic scenarios are preferably generated from sensor data that are recorded by a stationary and / or mobile traffic recording system. A mobile traffic detection system can, for example, be the detection system of a test vehicle. Several test vehicles can also be used for this purpose. Alternatively, cell phone cameras etc. can be used. For example, a traffic camera and / or traffic monitoring device can be used as the stationary traffic detection system. These represent a comprehensive and at the same time inexpensive data source.
Weiterhin vorzugsweise werden die verschiedenen Verkehrsszenarien alternativ oder zusätzlich aus rein aufzeichnenden Datenquellen, wie beispielsweise Drohnendaten, erzeugt. Furthermore, the various traffic scenarios are alternatively or additionally preferably generated from purely recording data sources, such as drone data, for example.
Andere Quellen können Datenbanksysteme sein, in denen real fahrende Fahrzeuge beispielsweise gegen Entgelt gefahrene Strecken als Verkehrsszenarien bereitstel len. Other sources can be database systems in which vehicles that are actually moving, for example, provide routes traveled for a fee as traffic scenarios.
In weiterer bevorzugter Ausgestaltung wird als Klassifikator ein Clustering -Verfahren verwendet. Dadurch kann das Verfahren beschleunigt werden. Vorzugsweise wird als Klassifikator ein selbstlernendes System aus der künstlichen Intelligenz verwendet. Der Klassifikator kann insbesondere als neuronales Netz, ins besondere als ein tiefes neuronales Netz ausgeführt werden. Diese können große Datenmengen verarbeiten. In a further preferred embodiment, a clustering method is used as the classifier. This can speed up the process. A self-learning system from artificial intelligence is preferably used as the classifier. The classifier can in particular be implemented as a neural network, in particular as a deep neural network. These can process large amounts of data.
Vorzugsweise wird das Klassifizieren mittels eines trainierten Klassifikators durchge führt, wobei der Klassifikator anhand von Unterscheidungsmerkmalen trainiert wird. Mögliche Unterscheidungsmerkmale umfassen beispielsweise physikalische Größen, wie die Position, Orientierung, Geschwindigkeit, Beschleunigung und die Zeit, die die Bewegung von Verkehrsobjekten zueinander beschreiben. The classification is preferably carried out by means of a trained classifier, the classifier being trained on the basis of distinguishing features. Possible distinguishing features include, for example, physical quantities, such as position, orientation, speed, acceleration and time, which describe the movement of traffic objects relative to one another.
Vorzugsweise wird als statistisches Verfahren ein Extrapolationsverfahren verwen det. Ein Extrapolationsverfahren trifft unter Berücksichtigung des bereits erfassten Bereiches, hier der Verkehrsszenenarien, eine Aussage über den nicht erfassten Be reich. Daher eignet sich dieses Verfahren besonders gut, um auf Basis der Klassifi- zierung/Clusterung das zukünftige Auftreten unbekannter Verkehrsszenarien zu prognostizieren. An extrapolation method is preferably used as the statistical method. An extrapolation method makes a statement about the area that has not been recorded, taking into account the area that has already been recorded, in this case the traffic scenarios. This method is therefore particularly suitable for predicting the future occurrence of unknown traffic scenarios on the basis of the classification / clustering.
Ebenso kann alternativ als ein statistisches Verfahren ein Kerndichteschätzer ver wendet werden. Kerndichteschätzer sind Verfahren, die eine stetige Schätzung der unbekannten Verteilung ermöglichen. Dieser Kerndichteschätzer ist dafür bekannt, nicht nur eine Gleichverteilung, sondern auch beliebige Verteilungen anzunähern und eignet sich daher besonders gut um das zukünftige Auftreten unbekannter Verkehrs szenarien zu prognostizieren. Alternatively, a kernel density estimator can also be used as a statistical method. Kernel density estimators are methods that enable a continuous estimation of the unknown distribution. This kernel density estimator is known to approximate not only a uniform distribution, but also arbitrary distributions and is therefore particularly suitable for predicting the future occurrence of unknown traffic scenarios.
Alternativ kann als statistisches Verfahren ein Good-Toulmin-Schätzer oder ein Efron-Thisted-Schätzer oder Varianten hiervon verwendet werden. Diese Schätzer sind in der Ökologie vertreten und beschäftigen sich mit der Schätzung der Anzahl der Arten, die in einem Ökosystem vertreten sind und welche bisher in entnommenen Proben nicht beobachtet wurden. Sie beziehen sich insbesondere darauf, wie viele neue Arten entdeckt werden würden, wenn mehr Proben in einem Ökosystem ent nommen werden würden. Somit können diese Schätzer durch geschickten Transfer verwendet werden, um das zukünftige Auftreten unbekannter Verkehrsszenarien zu prognostizieren. Der Good-Toulmin-Schätzer oder der Efron-Thisted-Schätzer oder Varianten hiervon sind insbesondere skalierbar und somit für große Datenmengen geeignet. Ferner können diese schnell berechnet werden. Der Good-Toulmin-Schät- zer oder der Efron-Thisted-Schätzer oder Varianten hiervon stellen somit sinnvolle und durchführbare Schätzer dar, welche unter den hier genannten Rahmenbedingun gen sehr gute Ergebnisse liefern. Alternatively, a Good-Toulmin estimator or an Efron-Thisted estimator or variants thereof can be used as statistical method. These estimators are represented in ecology and deal with the estimation of the number of species that are represented in an ecosystem and which have not previously been observed in samples taken. In particular, they relate to how many new species would be discovered if more samples were taken from an ecosystem. Thus these estimators can be used by skillful transfer to predict the future occurrence of unknown traffic scenarios forecast. The Good-Toulmin estimator or the Efron-Thisted estimator or variants thereof are particularly scalable and therefore suitable for large amounts of data. Furthermore, these can be calculated quickly. The Good-Toulmin-Estimator or the Efron-Thisted-Estimator or variants thereof thus represent sensible and feasible estimators which deliver very good results under the framework conditions mentioned here.
In weiterer bevorzugter Ausgestaltung umfassen die Kennzahlen eine Anzahl der un bekannten Verkehrsszenarien und/oder eine statistische Verteilung der unbekannten Verkehrsszenarien. Diese Kennzahlen eignen sich besonders gut für die Abschät zung der Szenarienraumabdeckung. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarienraum den Raum aller Ver kehrsszenarien abdeckt. Als Kennzahlen kommen beispielsweise die durch die Klas sifizierung/die Clusterung geschätzte Anzahl der unbekannten Verkehrsszenarien und die statistische Verteilung dieser unbekannten Verkehrsszenarien in Betracht. In a further preferred embodiment, the key figures include a number of the unknown traffic scenarios and / or a statistical distribution of the unknown traffic scenarios. These key figures are particularly suitable for estimating the scenario space coverage. The specified key figures provide information about the extent to which the previously recorded scenario area covers the area of all traffic scenarios. For example, the number of unknown traffic scenarios estimated by the classification / clustering and the statistical distribution of these unknown traffic scenarios come into consideration as key figures.
Ferner umfassen die Kennzahlen beispielsweise eine Kritikalität der unbekannten Verkehrsszenarien. Die Kritikalität beschreibt die Gefährlichkeit einer Verkehrssitua tion (kritische Verkehrssituation), in der ein Eingriff eines Fahrerassistenzsystems o- der eines Fahrers erforderlich ist. Furthermore, the key figures include, for example, a criticality of the unknown traffic scenarios. The criticality describes the danger of a traffic situation (critical traffic situation) in which an intervention of a driver assistance system or a driver is necessary.
Insbesondere können die Kennzahlen gewichtet in die Abschätzung miteingehen. So kann beispielsweise eine hohe Kritikalität höher wiegen als mehrere weniger kritische unbekannte Verkehrsszenarien. In particular, the key figures can be included in the assessment in a weighted manner. For example, one high criticality can outweigh several less critical, unknown traffic scenarios.
Vorzugsweise werden anhand der Kritikalität der unbekannten Verkehrsszenarien neue kritische Verkehrsszenarien simuliert. Vorzugsweise werden zudem oder statt- dessen anhand der erkannten, unbekannten Verkehrsszenarien neue kritische Ver kehrsszenarien simuliert. Dies kann beispielsweise durch Variation der gefundenen kritischen oder unbekannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrere Parameter der erkannten kritischen Verkehrsszenarien abgeändert werden. Dadurch kann die bereits vorhandene Menge an Verkehrsszenarien gezielt um neue simulierte kritische Verkehrsszenarien verdichtet werden. Anhand der erkannten, unbekannten Verkehrsszenarien können die so bereits vor handenen Verkehrsszenarien ebenfalls gezielt verdichtet werden. New critical traffic scenarios are preferably simulated on the basis of the criticality of the unknown traffic scenarios. In addition or instead, new critical traffic scenarios are preferably simulated on the basis of the recognized, unknown traffic scenarios. This can be done, for example, by varying the critical or unknown traffic scenarios found. One or more parameters of the identified critical traffic scenarios can be changed. As a result, the already existing number of traffic scenarios can be specifically condensed with new simulated critical traffic scenarios. Using the recognized, unknown traffic scenarios, the traffic scenarios that are already available can also be compressed in a targeted manner.
Vorzugsweise beziehen sich die Verkehrsszenarien auf ausgewählte Routen oder ein ausgewähltes Gebiet. Somit kann schneller ein Abbruch des Verfahrens erzielt werden. Diese Verkehrsszenarien können beispielsweise zur Validierung von Level 4- oder Level 5-Fahrfunktionen eingesetzt werden. The traffic scenarios preferably relate to selected routes or a selected area. The method can thus be terminated more quickly. These traffic scenarios can be used, for example, to validate level 4 or level 5 driving functions.
Weiterhin vorzugsweise erfolgt zunächst eine Clusterung der bereitgestellten Ver kehrsszenarien und anschließend eine Klassifikation der geclusterten Verkehrssze narien. Furthermore, there is preferably a clustering of the provided traffic scenarios and then a classification of the clustered traffic scenarios.
Ferner wird die Aufgabe gelöst durch eine Vorrichtung zur Datenverarbeitung, umfas send einen Prozessor, der so konfiguriert ist, dass er das wie oben beschriebene Verfahren ausführt. Furthermore, the object is achieved by a device for data processing, comprising a processor which is configured to carry out the method as described above.
Weitere Merkmale, Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Darin zeigen schematisch: Further features, properties and advantages of the present invention emerge from the following description with reference to the accompanying figures. They show schematically:
FIG 1 : eine erste Ausgestaltung eines erfindungsgemäßen Verfahrens. 1 shows a first embodiment of a method according to the invention.
FIG 2: eine zweite Ausgestaltung des erfindungsgemäßen Verfahrens, FIG 2: a second embodiment of the method according to the invention,
FIG 3: eine dritte Ausgestaltung des erfindungsgemäßen Verfahrens. 3 shows a third embodiment of the method according to the invention.
Dabei werden in einem ersten Schritt S1 mehrere Verkehrsszenarien bereitgestellt. Diese können beispielsweise durch Aufnahme realer Verkehrsszenarien durch Mess systeme von Testfahrzeugen oder auch durch Simulation erzeugt werden. Bei der Si mulation können beispielsweise reale Verkehrsszenarien abgewandelt werden, um neue Verkehrsszenarien zu erzeugen. Dabei beziehen sich die Verkehrsszenarien auf alle Routen, das heißt der Szenarienraum entspricht der Gesamtheit aller Ver kehrsszenarien im Verkehr. Alternativ oder zusätzlich können zur Generierung realer Verkehrsszenarien Handykameras, Drohnen etc. zum Einsatz kommen. Auch eine Generierung realer Verkehrsszenarien durch stationäre und/oder Verkehrserfas sungssysteme wie beispielsweise eine Verkehrskamera und/oder Verkehrsüberwa chungseinrichtung ist alternativ oder zusätzlich möglich. Diese stellen eine umfang reiche und gleichzeitig kostengünstige Datenquelle dar. Several traffic scenarios are provided in a first step S1. These can be generated, for example, by recording real traffic scenarios using measuring systems in test vehicles or by simulating them. During the simulation, for example, real traffic scenarios can be modified in order to generate new traffic scenarios. The traffic scenarios relate to all routes, i.e. the scenario space corresponds to the entirety of all traffic scenarios in traffic. Alternatively or additionally, cell phone cameras, drones, etc. can be used to generate real traffic scenarios. Also one Generation of real traffic scenarios by stationary and / or traffic detection systems such as a traffic camera and / or traffic monitoring device is alternatively or additionally possible. These represent a comprehensive and at the same time inexpensive data source.
Andere Quellen können Datenbanksysteme sein, in denen real fahrende Fahrzeuge beispielsweise gegen Entgelt gefahrene Strecken als Verkehrsszenarien bereitstel len. Other sources can be database systems in which vehicles that are actually moving, for example, provide routes traveled for a fee as traffic scenarios.
In einem zweiten Schritt S2 werden diese Verkehrsszenarien geclustert und in be kannte oder unbekannte Verkehrsszenarien eingeteilt. Die Clusterung kann durch ein Clusterverfahren erfolgen. Durch das Clusterverfahren können die bereitgestellten Verkehrsszenarien in bekannte oder unbekannte Verkehrsszenarien eingeteilt wer den. In a second step S2, these traffic scenarios are clustered and divided into known or unknown traffic scenarios. The clustering can take place by means of a clustering process. Using the cluster method, the provided traffic scenarios can be divided into known or unknown traffic scenarios.
In einem dritten Schritt S3 wird ein statistisches Verfahren auf die geclusterten Ver kehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die approxima tive Abdeckung des Szenarienraums beschreiben, angewendet. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarien raum den Raum aller Verkehrsszenarien abdeckt. In a third step S3, a statistical method is applied to the clustered traffic scenarios in order to estimate predetermined key figures which describe the approximate coverage of the scenario space. The specified key figures provide information about the extent to which the previously recorded scenario area covers the area of all traffic scenarios.
Als Kennzahlen kommen beispielsweise die durch die Clusterung geschätzte Anzahl der unbekannten Verkehrsszenarien und die statistische Verteilung der so ermittelten unbekannten Verkehrsszenarien und die Kritikalität der so ermittelten unbekannten Verkehrsszenarien in Betracht. For example, the number of unknown traffic scenarios estimated by the clustering and the statistical distribution of the unknown traffic scenarios determined in this way and the criticality of the unknown traffic scenarios determined in this way come into consideration as key figures.
Die Kritikalität beschreibt die Gefährlichkeit einer Verkehrssituation (kritische Ver kehrssituation), in der ein Eingriff eines Fahrerassistenzsystems oder eines Fahrers erforderlich ist. Ein Beispiel für eine kritische Verkehrssituation ist, wenn eine Kollisi onsgefahr zwischen dem Fahrzeug und einem anderen Fahrzeug/Hindernis besteht oder wenn ein Mindestabstand zwischen dem Fahrzeug und einem anderen Fahr zeug/Hindernis unterschritten wird. Auch andere kritische Verkehrssituationen sind denkbar. In einem vierten Schritt S4 werden die Kennzahlen abgeschätzt und anhand der Ab schätzung ein Abbruch des Verfahrens oder eine Fortsetzung des Verfahrens durch geführt. Ist z.B. eine noch zu geringe Szenarienraumabdeckung vorhanden, so müs sen weitere Verkehrsszenarien erzeugt werden. Treten jedoch beispielsweise unbe kannte Verkehrsszenarien "hinreichend" selten auf, bedeutet das eine hinreichend große Abdeckung des Szenarienraums und das Verfahren kann abgebrochen wer den. Dabei kann eine hinreichend große Abdeckung individuell, beispielsweise vom Hersteller, festgelegt werden. The criticality describes the dangerousness of a traffic situation (critical traffic situation) in which an intervention of a driver assistance system or a driver is necessary. An example of a critical traffic situation is when there is a risk of collision between the vehicle and another vehicle / obstacle or when a minimum distance between the vehicle and another vehicle / obstacle is not reached. Other critical traffic situations are also conceivable. In a fourth step S4, the key figures are estimated and, based on the estimate, the method is terminated or the method is continued. If, for example, the scenario space coverage is still insufficient, further traffic scenarios must be generated. However, if, for example, unknown traffic scenarios "sufficiently" rarely occur, this means a sufficiently large coverage of the scenario space and the method can be aborted. A sufficiently large coverage can be specified individually, for example by the manufacturer.
In einem fünften Schritt S5 wird anhand der Abschätzung ein Abbruch des Verfah rens durchgeführt. In diesem Fall wurde eine hinreichend große Abdeckung des Sze narienraums erzielt und das Verfahren kann abgebrochen werden. In a fifth step S5, the method is aborted on the basis of the estimate. In this case, sufficient coverage of the scenario space has been achieved and the procedure can be terminated.
In einem sechsten Schritt S6 ist eine noch zu geringe Szenarienraumabdeckung vor handen und es müssen anhand der gefundenen kritischen und/oder unbekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt werden. In a sixth step S6, the scenario area coverage is still insufficient and new traffic scenarios must be generated on the basis of the critical and / or unknown traffic scenarios found.
Dies kann beispielsweise durch Variation der gefundenen kritischen und/oder unbe kannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrere Parameter der erkannten kritischen und/oder unbekannten Verkehrsszenarien abgeändert wer den. So kann beispielsweise eine kritische bisher unbekannte Verkehrsszene ein Ma növer mit mehreren Fahrzeugen im Kreisverkehr sein, wobei das, die Sensordaten erzeugende Testfahrzeug den Kreisverkehr mit einer Geschwindigkeit von 20 km/h bewältigt. Durch Simulation können beispielsweise Verkehrsszenarien erzeugt wer den, in denen das Testfahrzeug den Kreisverkehr mit einer Geschwindigkeit von 50 km/h bewältigt. Ferner kann beispielsweise der Parameter Umweltbedingungen, wie Regen, Schnee oder Nebel geändert werden. This can be done, for example, by varying the critical and / or unknown traffic scenarios found. One or more parameters of the recognized critical and / or unknown traffic scenarios can be modified. For example, a critical previously unknown traffic scene can be a maneuver with several vehicles in the roundabout, with the test vehicle generating the sensor data managing the roundabout at a speed of 20 km / h. For example, simulation can be used to generate traffic scenarios in which the test vehicle negotiates the roundabout at a speed of 50 km / h. Furthermore, for example, the parameter environmental conditions, such as rain, snow or fog, can be changed.
Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt. The procedure is continued with newly generated traffic scenarios.
Durch das Verfahren kann eine statistische Prognose des zukünftigen Auftretens "unbekannter " Verkehrsszenarien abgeschätzt werden. Ist der Szenarienraum hinreichend genügend abgedeckt, so kann ein virtuelles Tes ten durch ein virtuelles Testfahrzeug der im Szenarienraum vorliegenden Verkehrs szenarien erfolgen. The method can be used to estimate a statistical forecast of the future occurrence of "unknown" traffic scenarios. If the scenario space is sufficiently covered, a virtual test of the traffic scenarios present in the scenario space can be carried out using a virtual test vehicle.
FIG 2 zeigt eine zweite Ausgestaltung des erfindungsgemäßen Verfahrens. 2 shows a second embodiment of the method according to the invention.
Dabei werden in einem ersten Schritt A1 wiederum mehrere Verkehrsszenarien be reitgestellt. Dabei beziehen sich die Verkehrsszenarien auf alle Routen, das heißt der Szenarienraum entspricht der Gesamtheit aller Verkehrsszenarien im Verkehr. In a first step A1, several traffic scenarios are again made available. The traffic scenarios relate to all routes, i.e. the scenario space corresponds to the entirety of all traffic scenarios in traffic.
In einem zweiten Schritt A2 werden diese Verkehrsszenarien mit einem trainierten Klassifikator klassifiziert und in bekannte oder unbekannte Verkehrsszenarien einge teilt. Der Klassifikator ist ein auf Unterscheidungsmerkmale trainierter Klassifikator. Mögliche Unterscheidungsmerkmale umfassen physikalische Größen (Position, Ori entierung, Geschwindigkeit, Beschleunigung und Zeit), die die Bewegung von Ver kehrsobjekten zueinander beschreiben. In a second step A2, these traffic scenarios are classified with a trained classifier and divided into known or unknown traffic scenarios. The classifier is a classifier trained on distinguishing features. Possible distinguishing features include physical quantities (position, orientation, speed, acceleration and time) that describe the movement of traffic objects in relation to one another.
In einem dritten Schritt A3 wird ein statistisches Verfahren auf die klassifizierten Ver kehrsszenarien zur Abschätzung der vorgegebenen Kennzahlen in Bezug auf die Szenarienraumabdeckung angewendet. Die vorgegebenen Kennzahlen geben dabei Auskunft darüber, inwieweit der bisher erfasste Szenarienraum den Raum aller Ver kehrsszenarien abdeckt. Als statistisches Verfahren kann dabei das Extrapolations verfahren herangezogen werden. Alternativ kann ein Kerndichteschätzer verwendet werden. Auch ist es möglich als statistisches Verfahren einen Good-Toulmin- Schät zer oder einen Efron -Th isted -Schätzer oder Varianten davon zu verwenden. In a third step A3, a statistical method is applied to the classified traffic scenarios in order to estimate the specified key figures with regard to the scenario area coverage. The specified key figures provide information about the extent to which the previously recorded scenario area covers the area of all traffic scenarios. The extrapolation method can be used as a statistical method. Alternatively, a kernel density estimator can be used. It is also possible to use a Good-Toulmin estimator or an Efron -Thisted estimator or variants thereof as the statistical method.
In einem vierten Schritt A4 werden wiederum die Kennzahlen abgeschätzt und an hand der Abschätzung ein Abbruch des Verfahrens oder eine Fortsetzung des Ver fahrens durchgeführt. In a fourth step A4, the key figures are again estimated and the method is terminated or the method is continued on the basis of the estimation.
In einem fünften Schritt A5 wird anhand der Abschätzung eine hinreichende Szenari enraumabdeckung erkannt und daraufhin ein Abbruch des Verfahrens durchgeführt. In einem sechsten Schritt A6 ist eine noch zu geringe Szenarienraumabdeckung vor handen und es müssen anhand der gefundenen kritischen und/ oder unbekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt werden. Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt. In a fifth step A5, a sufficient scenario coverage is recognized on the basis of the estimate and the method is then terminated. In a sixth step A6, the scenario area coverage is still insufficient and new traffic scenarios must be generated on the basis of the critical and / or unknown traffic scenarios found. The procedure is continued with newly generated traffic scenarios.
FIG 3 zeigt eine dritte Ausgestaltung der Erfindung. 3 shows a third embodiment of the invention.
Dabei werden in einem ersten Schritt B1 wiederum mehrere Verkehrsszenarien be reitgestellt. Dabei beziehen sich die Verkehrsszenarien vorzugsweise auf ausge wählte Routen oder ein bestimmtes vorab ausgewähltes Gebiet. In a first step B1, several traffic scenarios are again made available. The traffic scenarios preferably relate to selected routes or to a specific pre-selected area.
In einem zweiten Schritt B2 werden diese Verkehrsszenarien zunächst geclustert bei spielsweise mit einem dichtebasierten Clusterverfahren. Anschließend werden die Cluster mit einem trainierten Klassifikator klassifiziert und in bekannte oder unbe kannte Verkehrsszenarien eingeteilt. Der Klassifikator ist ein auf Unterscheidungs merkmale trainierter Klassifikator. Mögliche Unterscheidungsmerkmale umfassen physikalische Größen (Position, Orientierung, Geschwindigkeit, Beschleunigung und Zeit), die die Bewegung von Verkehrsobjekten zueinander beschreiben. In a second step B2, these traffic scenarios are first clustered, for example using a density-based clustering method. The clusters are then classified with a trained classifier and divided into known or unknown traffic scenarios. The classifier is a classifier trained on distinguishing features. Possible distinguishing features include physical quantities (position, orientation, speed, acceleration and time) that describe the movement of traffic objects in relation to one another.
In einem dritten Schritt B3 wird ein statistisches Verfahren beispielsweise ein Extra polationsverfahren auf die klassifizierten Verkehrsszenarien zur Abschätzung vorge gebener Kennzahlen, welche die Abdeckung des Szenarienraums beschreiben, an gewendet. In a third step B3, a statistical method, for example an extrapolation method, is applied to the classified traffic scenarios in order to estimate predetermined key figures which describe the coverage of the scenario space.
In einem vierten Schritt B4 werden wiederum die Kennzahlen bewertet. In a fourth step B4, the key figures are again evaluated.
In einem fünften Schritt B5 wird anhand der Abschätzung eine hinreichende Szenari enraumabdeckung erkannt und daraufhin ein Abbruch des Verfahrens durchgeführt. In a fifth step B5, an adequate scenario area coverage is recognized on the basis of the estimate and the method is then terminated.
In einem sechsten Schritt B6 werden anhand der gefundenen kritischen und/oder un bekannten Verkehrsszenarien neue Verkehrsszenarien erzeugt. Dies kann beispielsweise durch Variation der gefundenen kritischen und/oder unbe kannten Verkehrsszenarien erfolgen. Dabei können eine oder mehrerer Parameter der erkannten kritischen Verkehrsszenarien abgeändert werden. Das Verfahren wird mit neu erzeugten Verkehrsszenarien fortgesetzt. In a sixth step B6, new traffic scenarios are generated on the basis of the critical and / or unknown traffic scenarios that have been found. This can be done, for example, by varying the critical and / or unknown traffic scenarios found. One or more parameters of the identified critical traffic scenarios can be changed. The procedure is continued with newly generated traffic scenarios.
Bezuqszeichen Reference symbol
S1-S6 Verfahrensschritte A1-A6 Verfahrensschritte B1-B6 Verfahrensschritte S1-S6 process steps A1-A6 process steps B1-B6 process steps

Claims

Patentansprüche Claims
1 . Computerimplementiertes Verfahren zur Abschätzung einer Abdeckung des Raums von Verkehrsszenarien, gekennzeichnet durch die Schritte: 1 . Computer-implemented method for estimating a coverage of the area of traffic scenarios, characterized by the steps:
- Bereitstellen verschiedener Verkehrsszenarien, - Provision of various traffic scenarios,
- Klassifizieren und/oder Clustern der Verkehrsszenarien in bekannte oder un bekannte Verkehrsszenarien, - Classifying and / or clustering the traffic scenarios into known or unknown traffic scenarios,
- Anwenden eines statistischen Verfahrens auf die klassifizierten und/oder geclusterten Verkehrsszenarien zur Abschätzung vorgegebener Kennzahlen, welche die Abdeckung des Raums der Verkehrsszenarien beschreiben,- Applying a statistical method to the classified and / or clustered traffic scenarios to estimate given key figures which describe the coverage of the area of the traffic scenarios,
- Erzeugen von weiteren verschiedenen Verkehrsszenarien oder Abbruch des Verfahrens in Abhängigkeit von den Kennzahlen. - Generation of further different traffic scenarios or termination of the procedure depending on the key figures.
2. Computerimplementiertes Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die verschiedenen Verkehrsszenarien mittels Simulation erzeugt werden. 2. Computer-implemented method according to claim 1, characterized in that the various traffic scenarios are generated by means of simulation.
3. Computerimplementiertes Verfahren nach Anspruch 1 oder 2, dadurch gekenn zeichnet, dass die verschiedenen Verkehrsszenarien aus Sensordaten, welche durch ein stationä res und/oder mobiles Verkehrserfassungssystem erfasst werden, erzeugt werden. 3. Computer-implemented method according to claim 1 or 2, characterized in that the various traffic scenarios are generated from sensor data which are recorded by a stationary and / or mobile traffic recording system.
4. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Klassifikator ein Clustering -Verfahren verwendet wird. 4. Computer-implemented method according to one of the preceding claims, characterized in that a clustering method is used as the classifier.
5. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche 1 bis 3, dadurch gekennzeichnet, dass als Klassifikator ein selbstlernendes System aus der künstlichen Intelligenz verwen det wird. 5. Computer-implemented method according to one of the preceding claims 1 to 3, characterized in that a self-learning system from artificial intelligence is used as the classifier.
6. Computerimplementiertes Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass das Klassifizieren mittels eines trainierten Klassifikators durchgeführt wird, wobei der Klassifikator anhand von Unterscheidungsmerkmalen trainiert wird. 6. Computer-implemented method according to claim 5, characterized in that the classification is carried out by means of a trained classifier, the classifier being trained on the basis of distinguishing features.
7. Computerimplementiertes Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Klassifikator als neuronales Netz, insbesondere ein tiefes neuronales Netz, aus geführt wird. 7. Computer-implemented method according to claim 6, characterized in that the classifier is implemented as a neural network, in particular a deep neural network.
8. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als statistisches Verfahren ein Extrapolationsverfahren oder ein Kerndichteschätzer verwendet wird. 8. Computer-implemented method according to one of the preceding claims, characterized in that an extrapolation method or a kernel density estimator is used as the statistical method.
9. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche 1 bis 7 dadurch gekennzeichnet, dass als statistisches Verfahren ein Good-Toulmin- Schätzer oder ein Efron-Thisted-Schätzer oder Varianten davon verwendet wird. 9. Computer-implemented method according to one of the preceding claims 1 to 7, characterized in that a Good-Toulmin estimator or an Efron-Thisted estimator or variants thereof is used as the statistical method.
10. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche dadurch gekennzeichnet, dass die Kennzahlen eine Anzahl der unbekannten Verkehrsszenarien und/oder eine sta tistische Verteilung der unbekannten Verkehrsszenarien umfassen. 10. Computer-implemented method according to one of the preceding claims, characterized in that the key figures include a number of the unknown traffic scenarios and / or a statistical distribution of the unknown traffic scenarios.
11. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprü che, dadurch gekennzeichnet, dass die Kennzahlen eine Kritikalität der unbekannten Verkehrsszenarien umfassen. 11. Computer-implemented method according to one of the preceding claims, characterized in that the key figures include a criticality of the unknown traffic scenarios.
12. Computerimplementiertes Verfahren nach Anspruch 11, dadurch gekennzeich net, dass anhand der Kritikalität der unbekannten Verkehrsszenarien neue kritische Verkehrs szenarien simuliert werden. 12. Computer-implemented method according to claim 11, characterized in that new critical traffic scenarios are simulated on the basis of the criticality of the unknown traffic scenarios.
13. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprüche dadurch gekennzeichnet, dass anhand der erkannten unbekannten Verkehrsszenarien neue Verkehrsszenarien si muliert werden. 13. Computer-implemented method according to one of the preceding claims, characterized in that new traffic scenarios are simulated on the basis of the recognized unknown traffic scenarios.
14. Computerimplementiertes Verfahren nach einem der vorhergehenden Ansprü che, dadurch gekennzeichnet, dass zunächst eine Clusterung und anschließend eine Klassifikation auf die geclusterten Verkehrsszenarien erfolgt. 14. Computer-implemented method according to one of the preceding claims, characterized in that first a clustering and then a classification to the clustered traffic scenarios takes place.
15. Vorrichtung zur Datenverarbeitung, umfassend einen Prozessor, der so konfigu riert ist, dass er das Verfahren nach einem der vorhergehenden Ansprüche ausführt. 15. An apparatus for data processing, comprising a processor which is configured so that it carries out the method according to any one of the preceding claims.
EP20803542.8A 2019-11-13 2020-11-06 Method for estimating coverage of the area of traffic scenarios Pending EP4058927A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019217533.3A DE102019217533A1 (en) 2019-11-13 2019-11-13 Method for estimating a coverage of the area of traffic scenarios
PCT/EP2020/081304 WO2021094222A1 (en) 2019-11-13 2020-11-06 Method for estimating coverage of the area of traffic scenarios

Publications (1)

Publication Number Publication Date
EP4058927A1 true EP4058927A1 (en) 2022-09-21

Family

ID=73172732

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20803542.8A Pending EP4058927A1 (en) 2019-11-13 2020-11-06 Method for estimating coverage of the area of traffic scenarios

Country Status (6)

Country Link
US (1) US20220383736A1 (en)
EP (1) EP4058927A1 (en)
CN (1) CN114730494A (en)
DE (1) DE102019217533A1 (en)
IL (1) IL292906A (en)
WO (1) WO2021094222A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214095A1 (en) 2021-12-10 2023-06-15 Zf Friedrichshafen Ag Method and system for recognizing critical traffic scenarios and/or traffic situations
DE102022116564A1 (en) 2022-07-04 2024-01-04 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method, system and computer program product for evaluating test cases for testing and training a driver assistance system (ADAS) and/or an automated driving system (ADS)

Also Published As

Publication number Publication date
CN114730494A (en) 2022-07-08
WO2021094222A1 (en) 2021-05-20
US20220383736A1 (en) 2022-12-01
DE102019217533A1 (en) 2021-05-20
IL292906A (en) 2022-07-01

Similar Documents

Publication Publication Date Title
DE102018128290A1 (en) METHOD AND DEVICE FOR PRODUCING SCENARIOS AND PARAMETRIC SWEEPS FOR THE DEVELOPMENT AND EVALUATION OF AUTONOMOUS DRIVE SYSTEMS
DE102018128289B4 (en) METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION
DE102017200180A1 (en) Method and test unit for the motion prediction of road users in a passively operated vehicle function
DE102017205093A1 (en) Method and system for predicting sensor signals of a vehicle
EP2402827B1 (en) Method and device for testing the functionality of an object recognition device of a motor vehicle
DE102013005362A1 (en) Method for analyzing traffic conditions between vehicle and road user at e.g. road crossings, involves dynamically determining danger areas based on points of intersection of predicted movement trajectories
DE102016007899B4 (en) Method for operating a device for traffic situation analysis, motor vehicle and data processing device
DE102019203712B4 (en) Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system
DE102016003424A1 (en) Method and device for detecting traffic signs
EP4058927A1 (en) Method for estimating coverage of the area of traffic scenarios
DE102020200169B3 (en) Method for merging several data sets for the generation of a current lane model of a roadway and device for data processing
EP3945338A2 (en) Signal processing path, environment recognition device and method for validating an automated driving system
DE102018128563A1 (en) METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND COMPARISON
DE102018203744A1 (en) Method, device, mobile application device, and corresponding computer program for operating a vehicle function
DE102018005864A1 (en) Method for testing a blind spot assistance system for a vehicle
DE102017201796A1 (en) Control device for determining a self-motion of a motor vehicle and motor vehicle and method for providing the control device
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
EP3665057B1 (en) Method and device for ascertaining a frictional value of a roadway
EP3414142B1 (en) Method and system for validating an obstacle identification system
DE102021000792A1 (en) Method for operating a vehicle
DE102020200876A1 (en) Method for processing sensor data from a sensor system of a vehicle
DE102017207958B4 (en) A method of generating training data for a machine learning based pattern recognition method for a motor vehicle, motor vehicle, method of operating a computing device, and system
DE102019124257A1 (en) Method, device, computer program and computer program product for determining AI training data in a vehicle and method, device, computer program and computer program product for determining relevant situation parameters for training an artificial intelligence unit of an automatically drivable vehicle
DE102019211017A1 (en) Method for clustering different time series values of vehicle data and use of the method
WO2019029889A1 (en) Method and device for ascertaining a frictional value of a roadway

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220531

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS