AT528279A1 - Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien - Google Patents

Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien

Info

Publication number
AT528279A1
AT528279A1 ATA50379/2024A AT503792024A AT528279A1 AT 528279 A1 AT528279 A1 AT 528279A1 AT 503792024 A AT503792024 A AT 503792024A AT 528279 A1 AT528279 A1 AT 528279A1
Authority
AT
Austria
Prior art keywords
data
vehicle
anomaly
measurement data
classified
Prior art date
Application number
ATA50379/2024A
Other languages
English (en)
Inventor
Priller Dipl -Ing Peter
Original Assignee
Avl List Gmbh
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 Avl List Gmbh filed Critical Avl List Gmbh
Priority to ATA50379/2024A priority Critical patent/AT528279A1/de
Priority to PCT/AT2025/060188 priority patent/WO2025231497A1/de
Publication of AT528279A1 publication Critical patent/AT528279A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/01544—Passenger detection systems detecting seat belt parameters, e.g. length, tension or height-adjustment
    • 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
    • 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
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/04—Measuring characteristics of vibrations in solids by using direct conduction to the detector of vibrations which are transverse to direction of propagation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Prevention of errors by analysis, debugging or testing of software
    • G06F11/3668—Testing of software
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Prevention of errors by analysis, debugging or testing of software
    • G06F11/3668—Testing of software
    • G06F11/3672—Test management
    • G06F11/3692—Test management for test results analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Prevention of errors by analysis, debugging or testing of software
    • G06F11/3698—Environments for analysis, debugging or testing of software
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs, aufweisend: Erfassen von Messdaten, einer Fahrt mit einem Fahrzeug; Ermitteln von Anomaliedaten basierend auf den erfassten Messdaten welcher vordefinierten Zeitintervallen der Fahrt entspricht, wobei die Anomaliedaten einen Bereich der Messdaten beschreiben, wobei eine Anomalie durch Erreichen eines vordefinierten Schwellwerts der Anomaliedaten und/oder eine Bedingung in Bezug auf die Messdaten charakterisiert ist; automatisiertes Klassifizieren wenigstens eines relevanten Vorfalls basierend auf den ermittelten Anomaliedaten; und Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls an einen Benutzer über eine Benutzerschnittstelle; und Erfassen einer Eingabe des Benutzers, wobei die Eingabe ein Klassifizieren des wenigstens einen ausgegebenen klassifizierten relevanten Vorfalls beschreibt und wobei klassifizierte Daten gebildet werden, die wenigstens einen identifizierten relevanten Vorfall beschreiben.

Description

Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien
Die vorliegende Erfindung betrifft Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer Fahrt eines Fahrzeugs sowie ein System zum Identifizieren
von relevanten Vorfällen in einer Messserie einer Fahrt eines Fahrzeugs.
Die Verbreitung von Fahrerassistenzsystemen (Advanced Driver Assistance Systems — ADAS), welche in einer Weiterentwicklung autonomes Fahren (Autonomous Driving — AD) ermöglichen, nehmen sowohl im Bereich der Personenkraftwagen als auch bei Nutzfahrzeugen ständig zu. Fahrerassistenzsysteme leisten einen wichtigen Beitrag zur Erhöhung der aktiven Verkehrssicherheit und dienen zur Steigerung des Fahrkomforts
und/oder zur Steigerung einer Fahr-Effizienz.
Neben den insbesondere der Fahrsicherheit dienenden Systemen wie ABS (AntiBlockier-System) und ESP (Elektronisches Stabilitätsprogramm) werden im Bereich der Personenkraftwagen und der Nutzfahrzeuge eine Vielzahl von
Fahrerassistenzsystemen angeboten.
Fahrerassistenzsysteme, welche bereits zur Erhöhung der aktiven Verkehrssicherheit eingesetzt werden, sind ein Parkassistent, ein adaptiver Abstandsregeltempomat, der auch als Adaptive Cruise Control (ACC) bekannt ist, welcher eine vom Fahrer gewählte Wunschgeschwindigkeit adaptiv auf einen Abstand zu einem vorausfahrenden Fahrzeug einregelt. Ein weiteres Beispiel für solche Fahrerassistenzsysteme sind ACCStop-&-Go-Systeme, welche zusätzlich zum ACC die automatische Weiterfahrt des Fahrzeugs im Stau oder bei stehenden Fahrzeugen bewirkt, Spurhalte- oder LaneAssist-Systeme, die das Fahrzeug automatisch auf der Fahrzeugspur halten, und PreCrash-Systeme, die im Fall der Möglichkeit einer Kollision beispielsweise eine Bremsung vorbereiten oder einleiten, um die kinetische Energie aus dem Fahrzeug zu nehmen, sowie gegebenenfalls weitere Maßnahmen einleiten, falls eine Kollision
unvermeidlich ist. Diese Fahrerassistenzsysteme erhöhen sowohl die Sicherheit im Verkehr, indem sie
den Fahrer in kritischen Situationen warnen, bis zur Einleitung eines selbstständigen
Eingriffs zur Unfallvermeidung oder Unfallverminderung, beispielsweise indem eine
Notbremsfunktion aktiviert wird. Zusätzlich wird der Fahrkomfort durch Funktionen wie automatisches Einparken, automatische Spurhaltung und automatische
Abstandskontrolle erhöht.
Der Sicherheits- und Komfortgewinn eines Fahrerassistenzsystems wird von den Fahrzeuginsassen nur dann positiv wahrgenommen, wenn die Unterstützung durch das Fahrerassistenzsystem sicher, verlässlich und in — soweit verallgemeinerbar —
komfortabler Weise erfolgt.
Darüber hinaus muss jedes Fahrerassistenzsystem, je nach Funktion, im Verkehr auftretende Szenarien mit maximaler Sicherheit für das eigene Fahrzeug und auch ohne Gefährdung anderer Fahrzeuge bzw. anderer Verkehrsteilnehmer
bewerkstelligen.
Der jeweilige Automatisierungsgrad von Fahrzeugen wird dabei in sogenannte Automatisierungslevel 1 bis 5 unterteilt (vgl. beispielsweise Norm SAE J3016). Die vorliegende Erfindung betrifft insbesondere Fahrzeuge mit Fahrerassistenzsystemen des Automatisierungslevels 3 bis 5, welches im Allgemeinen als hoch-automatisiertes bzw. autonomes Fahren betrachtet wird.
Die Herausforderungen zum Testen solcher Systeme sind vielfältig. Insbesondere muss ein Ausgleich zwischen dem Testaufwand und der Testabdeckung gefunden werden. Dabei ist die Hauptaufgabe beim Testen von ADAS/AD-Funktionen, zu demonstrieren, dass die Funktion des Fahrerassistenzsystems in allen auftretenden Situationen gewährleistet ist, insbesondere auch bei relevanten Vorfällen, wie insbesondere in kritischen Fahrsituationen. Solche kritischen Fahrsituationen weisen eine gewisse Gefährlichkeit auf, da keine oder eine falsche Reaktion des jeweiligen
Fahrerassistenzsystems zu einem Unfall führen kann.
Das Testen von Fahrerassistenzsystemen erfordert daher eine Berücksichtigung einer großen Anzahl von Fahrsituationen, welche sich in verschiedenen Szenarien ergeben können. Der Variationsraum von möglichen Szenarien wird dabei im Allgemeinen durch viele Dimensionen aufgespannt, z.B. verschiedene Straßeneigenschaften, ein Verhalten von anderen Verkehrsteilnehmern, Wetterbedingungen, etc.. Aus diesem
nahezu unendlichen und multidimensionalen Parameterraum ist es zum Testen bzw.
Verbessern der Fahrerassistenzsysteme besonders relevant, solche Parameterkonstellationen für relevante Vorfälle, wie insbesondere kritische Szenarien, zu extrahieren, welche zu ungewöhnlichen oder gefährlichen Fahrsituationen führen
können.
Aufgabe der vorliegenden Erfindung ist es, eine Identifikation, insbesondere Klassifikation, von relevanten Vorfällen zu verbessern, weiter insbesondere ein Fahrerassistenzsystem, insbesondere basierend auf den relevanten Vorfällen, für ein Fahrzeug zu verbessern.
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst. Die anderen unabhängigen Ansprüche stellen ein System bzw. Computerprogramm bzw. Computerprogrammprodukt zur Durchführung eines hier beschriebenen Verfahrens unter Schutz. Die Unteransprüche betreffen vorteilhafte Weiterbildungen.
Nach einer ersten Ausführung der vorliegenden Erfindung wird ein, insbesondere computergestütztes bzw. computerimplementiertes, Verfahren bereitgestellt. Das Verfahren ist, in einer Ausführung, zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs eingerichtet bzw. ausgebildet, weiter insbesondere zum Klassifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs. In einer Ausführung weist das Verfahren ein Erfassen von Messdaten, insbesondere einer Fahrt mit einem Fahrzeug, auf, wobei, in einer Ausführung, die Messdaten wenigstens einen messbaren Parameter des Fahrzeugs und/oder wenigstens einen messbaren Parameter eines Fahrzeuginsassens beschreiben. In einer Ausführung weist das Verfahren ein Ermitteln von Anomaliedaten basierend auf den erfassten Messdaten und/oder basierend auf einem Teil der erfassten Messdaten, auf, wobei, in einer Ausführung, die Anomaliedaten einen Bereich der Messdaten beschreiben, welcher durch eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeugs und/oder wenigstens eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeuginsassens charakterisiert ist, wobei, in einer Ausführung, eine Anomalie durch Erreichen, insbesondere Unterschreiten und/oder Überschreiten, eines vordefinierten Schwellwerts der Anomaliedaten und/oder ein Erreichen, insbesondere Erfüllen, einer Bedingung in Bezug auf die Messdaten charakterisiert ist. In einer Ausführung ist eine Anomalie
zusätzlich oder alternativ durch eine , insbesondere erfüllte, Bedingung in Bezug auf
die Messdaten charakterisiert. In einer Ausführung weist das Verfahren ein automatisiertes Klassifizieren wenigstens eines relevanten Vorfalls basierend auf den ermittelten Anomaliedaten auf. In einer Ausführung bezieht sich ein automatisiertes Klassifizieren auf ein von einer Maschine bzw. einer Recheneinheit durchgeführtes Klassifizieren. In einer Ausführung weist das Verfahren ein Ausgeben des wenigstens einen (automatisiert) klassifizierten relevanten Vorfalls an einen Benutzer auf, insbesondere über eine, weiter insbesondere wenigstens optische, Benutzerschnittstelle, auf. In einer Ausführung weist die Benutzerschnittstelle eine optische, akustische, optische und/oder olfaktorische Schnittstelle für einen Benutzer auf. In einer Ausführung weist das Verfahren ein Erfassen einer Eingabe des Benutzers auf, wobei, in einer Ausführung, die (erfasste) Eingabe ein Klassifizieren des wenigstens einen ausgegebenen, insbesondere zuvor automatisiert, klassifizierten relevanten Vorfalls beschreibt. In einer Ausführung werden aus der erfassten Eingabe des Benutzers und/oder basierend auf der erfassten Eingabe des Benutzers klassifizierte Daten gebildet, insbesondere ermittelt werden, wobei die klassifizierten
Daten wenigstens einen identifizierten relevanten Vorfall beschreiben.
Das Verfahren ist vorzugsweise ein computer-implementiertes Verfahren, insbesondere kann das Verfahren von einem Computer oder einer vergleichbaren Recheneinheit durchgeführt werden bzw. ist das Verfahren, in einer Ausführung, hierzu
ausgebildet.
Nach einer alternativen Ausführung der vorliegenden Erfindung wird ein, insbesondere computergestütztes bzw. computerimplementiertes, Verfahren bereitgestellt, wobei das Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer simulierten und/oder teilsimulierten Fahrt eines Fahrzeugs eingerichtet bzw. ausgebildet ist, weiter insbesondere zum Klassifizieren von relevanten Vorfällen in einer Messserie der simulierten und/oder teilsimulierten Fahrt des Fahrzeugs. Hierbei weist das Verfahren, in einer Ausführung, analoge Verfahrensschritte auf wie das Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs, insbesondere wie hierin beschrieben. In einer Ausführung sind Teile des Fahrzeugs und/oder der Umgebung, insbesondere der Fahrt, simuliert und/oder
teilsimuliert, insbesondere auf einem (zumindest teilweise virtuellen) Prüfstand.
Unter dem Begriff „Anomaliedaten“, wie hierin verwendet, soll vorzugsweise ein Datenbereich, der insbesondere zeitlich- und oder ereignisdefiniert ist, verstanden werden. Unter dem Begriff „Anomalie“ soll, in einer Ausführung, vorzugsweise verstanden werden, dass Daten auf ein, insbesondere nach vordefinierten Kriterien beurteilbares, (ungewöhnliches) Ereignis in den erfassten Messdaten hindeuten und/oder, insbesondere vorbestimmte, Bedingungen erfüllt werden bzw. sind, die auf
ein ungewöhnliches/untypisches Ereignis hindeuten.
Unter dem Begriff „Klassifizieren“, wie hierin verwendet, soll vorzugsweise verstanden werden, dass Daten, insbesondere die hierin beschriebenen Anomaliedaten, eingeteilt bzw. voneinander abgegrenzt werden, insbesondere nach vorbestimmten Klassen und/oder Kategorien, wie insbesondere „relevanter Vorfall“ und „irrelevanter Vorfall“ oder dergleichen. Der Begriff „automatisiertes Klassifizieren“, wie hierin verwendet, soll vorzugsweise als durch einen Klassifikator (Algorithmus, künstliche
Intelligenz oder dergleichen) durchgeführte Klassifizierung verstanden werden.
Unter dem Begriff „relevanter Vorfall“, wie hierin verwendet, soll vorzugsweise ein Ereignis für ein Fahrerassistenzsystem und/oder einen Fahrzeuginsassen verstanden werden, das eine (vorbestimmte) Reaktion auslöst, insbesondere (fälschlicherweise) keine Reaktion auslöst bzw. ausgelöst hat.
Das „Ermitteln von Daten“, wie hierin verwendet, umfasst, in einer Ausführung, das Messen physikalischer Größen und das Umwandeln der Messwerte in Daten, insbesondere digitale Daten, und/oder das Berechnen (und z.B. Ausgeben) der Daten mittels eines Computers und insbesondere im Rahmen des erfindungsgemäßen Verfahrens. Ein Schritt des "Ermittelns", wie er hierin beschrieben ist, umfasst oder besteht insbesondere aus der Ausgabe eines Befehls zur Durchführung das hierin beschriebenen Ermitteln. Der Schritt umfasst oder besteht in einer Ausführung darin, einen Befehl auszugeben, um einen Computer, beispielsweise einen entfernten Computer (englisch: „remote computer“), beispielsweise einen entfernten Server, beispielsweise in der Cloud, zu veranlassen, das Ermitteln durchzuführen. Alternativ oder zusätzlich umfasst oder besteht ein Schritt des "Ermittelns", wie hierin beschrieben, insbesondere das Empfangen der Daten, die aus dem hierin beschriebenen Ermitteln
resultieren, insbesondere das Empfangen der resultierenden Daten von dem entfernten
Computer, beispielsweise von dem entfernten Computer, der veranlasst wurde, das Ermitteln durchzuführen.
Ein „Erfassen“, wie hierin verwendet, ist vorzugsweise ein Einlesen von gemessenen Daten über eine Datenschnittstelle. Alternativ oder zusätzlich beinhaltet ein Erfassen eine Bestimmung eines Messsignals mittels eines Sensors und/oder eine
Nachbearbeitung eines Messignals zum Erzeugen der Daten.
Die Bedeutung des Begriffs "Datenerfassung" umfasst in einer Ausführung auch das Szenario, in dem die Daten von dem computerimplementierten Verfahren oder Programm empfangen oder abgerufen werden (z. B. Eingabe in das Programm), insbesondere von einem anderen Programm, einem früheren Verfahrensschritt oder einem Datenspeichermedium, beispielsweise zur weiteren Verarbeitung durch das computerimplementierte Verfahren oder Programm. Die Erzeugung der zu erfassenden Daten kann, muss aber nicht Teil des erfindungsgemäßen Verfahrens sein. Der Ausdruck "Erfassen von Daten" kann daher beispielsweise auch das Warten auf den Empfang von Daten und/oder den Empfang der Daten bedeuten. Die empfangenen Daten können in einer Ausführung über eine Schnittstelle eingespeist werden. Der Ausdruck "Datenerfassung" kann in einer Ausführung auch bedeuten, dass das computerimplementierte Verfahren oder Programm Schritte durchführt, um die Daten (aktiv) von einer Datenquelle, beispielsweise einem Datenspeichermedium (wie beispielsweise einem ROM, RAM, einer Datenbank, einer Festplatte usw.), oder über die Schnittstelle (beispielsweise von einem anderen Computer oder einem Netzwerk) zu empfangen oder abzurufen. Die durch das beschriebene Verfahren bzw. die beschriebene Vorrichtung erfassten Daten können, in einer Ausführung, von einer Datenbank erfasst werden, die sich in einem Datenspeicher befindet, der mit einem Computer verbunden ist, um Daten zwischen der Datenbank und dem Computer zu übertragen, insbesondere von der Datenbank zum Computer. Der Computer erfasst in einer Ausführung die Daten, um sie als Eingabe für Schritte der Datenbestimmung zu verwenden. Die ermittelten Daten können, in einer Ausführung, wieder an dieselbe oder eine andere Datenbank ausgegeben werden, um sie zur späteren Verwendung zu speichern. Die Datenbank oder die Datenbank, die zur Durchführung des hierin beschriebenen Verfahrens verwendet wird, kann sich, in einer Ausführung, auf einem Netzwerkdatenspeicher oder einem Netzwerkserver (z. B. einem Cloud-Datenspeicher
oder einem Cloud-Server) oder einem lokalen Datenspeicher (z. B. einem
Massenspeicher, der funktionell mit mindestens einem Computer verbunden ist, der das hierin beschriebene Verfahren ausführt) befinden. Die Daten können, in einer Ausführung, "gebrauchsfertig" gemacht werden, indem ein zusätzlicher Schritt vor dem Erfassungsschritt durchgeführt wird. Gemäß diesem zusätzlichen Schritt werden die Daten, in einer Ausführung, erzeugt, um erfasst zu werden. Die Daten werden, in einer Ausführung, z.B. detektiert oder erfasst (z.B. durch ein Analysegerät). Alternativ oder zusätzlich werden die Daten, in einer Ausführung, nach dem zusätzlichen Schritt eingegeben, zum Beispiel über Schnittstellen. Die erzeugten Daten können, in einer Ausführung, z.B. eingegeben werden (z.B. in den Computer). Gemäß dem zusätzlichen Schritt (der dem Schritt des Erfassens vorausgeht) können die Daten, in einer Ausführung, auch dadurch bereitgestellt werden, dass der zusätzliche Schritt des Speicherns der Daten in einem Datenträger (wie z.B. ROM, RAM, CD und/oder Festplatte) durchgeführt wird, so dass sie im Rahmen des erfindungsgemäßen Verfahrens oder Programms zur Verwendung bereitstehen. Der Schritt des "Erfassens von Daten" kann daher, in einer Ausführung, auch darin bestehen, einer Vorrichtung den Befehl zu erteilen, die zu erfassenden Daten zu beschaffen und/oder bereitzustellen. Zur Unterscheidung der verschiedenen Daten, die im Rahmen des vorliegenden Verfahrens verwendet werden, werden die Daten als "XY-Daten" und dergleichen bezeichnet und in Bezug auf die Informationen definiert, die sie
beschreiben.
Die Begriffe "ein" oder "eine", wie sie hier verwendet werden, sind im Sinne von „ein/eine oder mehrere“ definiert. Die Begriffe "ein anderer" und „ein weiterer“ sowie
jede andere Variante davon sind im Sinne von „zumindest ein Weiterer“ zu verstehen.
Unter dem Begriff „konfiguriert“ oder „eingerichtet“ eine bestimmte Funktion zu erfüllen und den jeweiligen Abwandlungen von diesem Begriff, wie hier verwendet, ist zu verstehen, dass eine diesbezügliche Vorrichtung oder Komponente davon bereits in einer Ausgestaltung oder Einstellung vorliegt, in der sie die Funktion ausführen kann oder sie zumindest so einstellbar — d.h. konfigurierbar — ist, dass sie nach entsprechender Einstellung die Funktion ausführen kann. Die Konfiguration kann dabei beispielsweise über eine entsprechende Einstellung von Parametern eines Prozessablaufs oder von Schaltern oder ähnlichem zur Aktivierung bzw. Deaktivierung von Funktionalitäten bzw. Einstellungen erfolgen. Insbesondere kann die Vorrichtung
mehrere vorbestimmte Konfigurationen oder Betriebsmodi aufweisen, so dass das
Konfigurieren mittels einer Auswahl einer dieser Konfigurationen bzw. Betriebsmodi erfolgen kann.
Die Erfindung beruht, in einer Ausführung, auf dem Ansatz, zwei Bewertungsmethoden zu verknüpfen. Hierdurch kann, in einer Ausführung, vorteilhafterweise ein wesentlich genaueres Labeln unterstützt werden, insbesondere kann ein „Übersehen“ relevanter Vorfälle vermieden werden. Hierfür werden, in einer Ausführung, vorteilhafterweise
folgenden Bewertungen verknüpft:
Zum einen eine automatische Bewertung basierend auf bestimmten Indikatoren, insbesondere eine Anomalie in der Beschleunigung des Fahrzeugs, oder eine spontane untypische Bewegungen von Fahrer bzw. Fahrzeuginsassen; und zum anderen eine manuelle Bewertung durch einen Benutzer, vorzugsweise Fahrzeuginsassen, insbesondere (in einer Ausführung) externer (außerhalb des Fahrzeugs) Benutzer, die insbesondere durch Fotostories, wie insbesondere eine Abfolge von Bilder oder
dergleichen, unterstützt werden kann.
Weiterhin beruht die Erfindung, in einer Ausführung, auf dem Ansatz, ein aufwändiges manuelles Bewerten großer Datenmengen zu vereinfachen, indem automatisch bzw.
automatisiert vorgefiltert wird.
Die Verknüpfung kann, in einer Ausführung, in zwei Schritten erfolgen: In einem ersten Schritt kann, in einer Ausführung, in einem ersten Durchgang eine Bewertung, insbesondere direkt, als Label übernommen werden, wenn eine Übereinstimmung der Bewertungen vorliegt: z.B. automatische Bewertung bestimmt relevanten, insbesondere kritischen, Vorfall und manuelle Bewertung bestimmt relevanten, insbesondere kritischen Vorfall. In einem, in einer Ausführung, zweiten Durchgang, können all jene Fälle noch einmal einem Benutzer ausgegeben bzw. vorgelegt werden, bei denen es unterschiedliche Bewertungen bei automatischer oder automatisierter und Benutzerbewertung gab, sofern, in einer Ausführung, ein vorbestimmtes KonfidenzLevel der automatischen bzw. automatisierten Bewertung, insbesondere beim
automatisierten Klassifizieren, überschritten ist oder wird.
Eine Unterstützung und damit Vereinfachung der ansonsten zeitaufwändigen manuelle
Bewertung großer Datenmengen geschieht daher vorteilhafterweise, in einer
Ausführung, indem manuelles Labeln nicht für die Gesamtheit der aufgenommenen Daten erforderlich ist, sondern automatisiert eine Vorselektion getroffen wird. Nur bereits automatisch oder automatisiert als relevante Vorfälle erkannte Anomalien
werden der Testperson zum Entscheiden vorgelegt.
Eine weitere Unterstützung betrifft, in einer Ausführung, die Art der Präsentation der
Daten:
Diese werden, in einer Ausführung, als Fotostory präsentiert. Damit kann vorteilhafterweise, in einer Ausführung, das visuelle/emotionale Gedächtnis des Benutzers aktiviert werden. Weiterhin kann, in einer Ausführung, ein Belohnungssystem für die Benutzer bereitgestellt werden, die eine Eingabe,
insbesondere den mit dieser Eingabe verbundenen Informationen, liefern.
Hierdurch kann vorteilhafterweise, in einer Ausführung, insbesondere durch die Verknüpfung, ein Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs, weiter insbesondere zum Labeln solcher Messerien, insbesondere der erfassten Messdaten, bereitgestellt werden, welches insbesondere genauer als bisherige Verfahren ist.
Ferner kann ein kontinuierliches Aufzeichnen von Messdaten rasch zu großen Datenmengen führen, die in der Größenordnung von Terabytes pro Stunde liegen können. Nicht nur das Speichern und Übertragen, auch das nachgeschaltete Analysieren solcher Datenberge kann sehr kostenintensiv sein. Daher ist es, in einer Ausführung, vorteilhaft, "relevante Vorfälle“, wie insbesondere Fehlfunktionen oder sonstig unzureichendes Verhalten des Fahrzeugs oder der Fahrzeuge, möglichst früh in der Bewertungskette, in einer Ausführung: Speichern - Übertragen - Analysieren — Bewerten, zu identifizieren, und zeitlich bzw. räumlich korreliert aufgezeichnete Daten, in einer Ausführung, entsprechend zu markieren, insbesondere zu labeln.
Vorteilhafterweise können hierdurch, in einer Ausführung, objektivierte Messmethoden übertroffen werden, insbesondere wenn bei einer automatisierten Klassifikation nicht alle relevanten Szenarien erkannt werden, wie insbesondere Fast-Unfälle mit realen Objekten, die aber von der Sensorik nicht als solche erkannt werden (sogenannte
„false-negative“); weiter insbesondere kann fehlerhaftes Erkennen, wie insbesondere
Markieren oder Labeln von Szenarien, die nicht in der Realität eine oder mehrere Fehlfunktionen beinhalten (sogenannte „false-positive“) vermieden werden; und/oder weiter insbesondere kann ein Erfassen von subjektiven Eindrücken der Fahrzeuginsassen, wie insbesondere ein subjektives Gefühl der Sicherheit und/oder Unsicherheit während ein automatisiertes Fahrzeug fährt, mit in die Identifikation von
relevanten Vorfällen mit einfließen.
Vorteilhafterweise kann hierdurch, in einer Ausführung, eine Qualität vergleichbar mit einer rein manuellen Bewertung, insbesondere Labelung, von Szenarien erreicht werden, bei insbesondere weniger Zeitaufwand für den Benutzer und weiter insbesondere reduzierten Kosten. Vorteilhafterweise kann, in einer Ausführung, erreicht werden, dass Benutzer, wie insbesondere Fahrer/Fahrzeuginsassen — im Gegensatz zu einer rein manuellen Klassifizierung von Messdaten - vermehrt an einer entsprechenden Klassifizierung durch ihre Eingabe teilnehmen, da eine Benutzer-
Klassifizierung, in einer Ausführung, erleichtert bzw. vereinfacht wird.
In einer Ausführung wird das Fahrzeug als „Vehicle as a Testbed" (VaaTB) verwendet, wobei sich VaaTB darauf bezieht, dass ein Teil des Testens von Fahrzeugen in realer Verwendung anstatt auf Testeinrichtungen wie insbesondere Prüfständen durchgeführt wird. Vorteile von VaaTB sind, in einer Ausführung, u.a. die Skalierbarkeit, da potentiell viele Fahrzeuge getestet werden können, und ein mögliches reichhaltiges Portfolio an "real-world" Szenarien. Vorteilhafterweise können hierdurch, in einer Ausführung, die real aufgetretenen Szenarien und Umgebungsbedingungen genauer beschrieben werden, insbesondere in Hinblick auf eine fehlende Kontrollierbarkeit der Szenarien bei
einer realen Fahrt eines Fahrzeugs.
In einer vorteilhaften Ausführung weist das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls, insbesondere zusätzlich, eine Vorauswahl zum Klassifizieren des wenigstens einen ausgegebenen klassifizierten relevanten Vorfalls auf, insbesondere eine hierarchische Abstufung zur Relevanz des Vorfalls, wie beispielsweise „ineffizient“, „unangenehm“, „gefährlich“ oder dergleichen und/oder eine abgestufte Skala zum Bewerten der Relevanz für den Benutzer, insbesondere anhand
dieser, insbesondere vorbestimmten, Vorauswahl.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ein Klassifizieren eines relevanten Vorfalls durch einen Benutzer effizienter durchgeführt werden, insbesondere schneller eine Eingabe des Benutzers erhalten oder erfasst werden. Insbesondere kann diese Klassifikation des Benutzers, in einer Ausführung, einfacher und/oder besser zur Verbesserung der automatisierten Klassifikation beitragen bzw. hierfür verwendet
werden.
In einer weiteren vorteilhaften Ausführung sind erfasste Messdaten zeitlich und/oder räumlich zuordenbar, insbesondere können die erfassten Messdaten, in einer Ausführung, zusätzlich oder alternativ, basierend auf der zeitlichen und/oder räumlichen Zuordnung analysiert werden, insbesondere um andere Daten, wie
insbesondere Anomaliedaten, basierend auf den erfassten Messdaten, zu ermitteln.
In einer weiteren vorteilhaften Ausführung beschreibt die Eingabe des Benutzers, alternativ oder zusätzlich, ein Identifizieren, insbesondere Klassifizieren, wenigstens eines relevanten Vorfalls in den Messdaten. In einer Ausführung kann der Benutzer über die Benutzerschnittstelle eine geographische Angabe, einen geographischen Abschnitt einer Strecke, die das Fahrzeug bei seiner Fahrt zurückgelegt hat, einen Zeitpunkt und/oder einen Zeitabschnitt, insbesondere basierend auf den Messdaten, auswählen, wobei beim Erfassen der Eingabe des Benutzers die Eingabe des Benutzers einen relevanten Vorfall mit wenigstens einem von einer geographische Angabe, einem geographischen Abschnitt einer Strecke, die das Fahrzeug bei seiner Fahrt zurückgelegt hat, einem Zeitpunkt und/oder einem Zeitabschnitt, insbesondere basierend auf den Messdaten, verknüpft bzw. assoziiert und die erfasste Eingabe dies
beschreibt bzw. dazu ausgebildet ist.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ein nicht automatisiert klassifizierter relevanter Vorgang von einem Benutzer identifiziert und/oder klassifiziert werden. Hierdurch kann, in einer Ausführung, ermöglicht werden, dass relevante Vorfälle, die vom automatisierten Verfahren nicht erkannt oder übergangen werden, dennoch erkannt werden können, insbesondere von einem Benutzer, der insbesondere an der realen Fahrt des Fahrzeugs teilgenommen hat. Vorteilhafterweise kann hierdurch, in einer Ausführung, eine Fahrerassistenzsystem basierend auf den klassifizierten relevanten Vorfällen verbessert werden, insbesondere effizient(er)
relevante Vorfälle erkennen und, in einer Ausführung, gegebenenfalls adäquat(er)
reagieren, weiter insbesondere ohne Eingreifen eines bzw. des Fahrers oder eines bzw.
des Benutzers.
In einer weiteren vorteilhaften Ausführung weist das Verfahren ferner ein Verwerfen, insbesondere Löschen, der erfassten Messdaten auf, basierend auf den ermittelten Anomaliedaten, insbesondere teilweises Verwerfen und/oder löschen, basierend auf den ermittelten Anomaliedaten, insbesondere wenn die Anomaliedaten keine Anomalie des/der Parameter beschreiben und/oder die erfasste Eingabe des Benutzers eine Klassifizierung als „nicht relevanten Vorfall“ beschreibt.
Hierdurch kann, in einer Ausführung, vorteilhafterweise ermöglicht werden, dass ein Speicher, der zum Erfassen bzw. Aufzeichnen der Messdaten eingerichtet ist, klein(er) ausgelegt werden kann bzw. ist, insbesondere wenig(er) Messdaten gespeichert werden (müssen) und/oder über eine Datenschnittstelle, insbesondere eine drahtlose Datenschnittstelle, übertragen werden (müssen), insbesondere an einen (externen) Server, der insbesondere zum Erfassen und/oder Speichern der Messdaten eingerichtet ist.
In einer weiteren vorteilhaften Ausführung weist das Klassifizieren ferner ein Labeln der Messdaten basierend auf den Anomaliedaten auf. In einer Ausführung weist das Klassifizieren, alternativ oder zusätzlich, ein Labeln der Messdaten basierend auf der
erfassten Eingabe des Benutzers auf.
Der Begriff „Labeln“, wie hierin verwendet, soll vorzugsweise als kategorisieren von
Daten, insbesondere der Messdaten und/oder der Anomaliedaten, verstanden werden.
Hierdurch kann, in einer Ausführung, ermöglicht werden, dass eine künstliche Intelligenz und/oder ein Algorithmus des maschinellen Lernens basierend auf den Labeln trainiert werden kann bzw. wird. Hierdurch kann, in einer Ausführung, ferner ermöglicht werden, dass ein Fahrerassistenzsystem, insbesondere basierend auf dem
Training, verbessert werden kann bzw. wird. In einer weiteren vorteilhaften Ausführung beschreiben die Messdaten, insbesondere
die messbaren Parameter des Fahrzeugs, wenigstens einen Parameter des
Fahrzeugantriebs, insbesondere eine Geschwindigkeit, eine Beschleunigung, eine
Temperatur und/oder einen Energieverbrauch, oder dergleichen; einen Parameter eines Fahrerassistenzsystems, insbesondere wenigstens einen Wert wenigstens eines Lidarsensors, wenigstens eines optischen, weiter insbesondere Video-, Sensors, wenigstens eines Radarsensors, wenigstens eines Positionssensors, wenigstens eines Geschwindigkeitssensors, wenigstens eines _Beschleunigungssensors des Fahrerassistenzsystems, und/oder einen Parameter der Umgebung des Fahrzeugs, insbesondere Wetter und/oder Feuchtigkeit, insbesondere der Umgebungsluft und/oder der Fahrbahn bzw. des Fahrbahnbelags, beschreiben und/oder wobei die messbaren Parameter des Fahrzeuginsassens wenigstens eine Parameter der Fahrgastüberwachung beschreiben, wie insbesondere eine Blickrichtung des Fahrers und/oder der Passagiere, insbesondere über eine Innenkamera; eine Aufmerksamkeit des Fahrers, insbesondere über einen Lenkradsensor, eine Atemfrequenz, insbesondere mithilfe von Innen(raum)-Radar, einen emotionalen Zustand des/der Passagiers/e, insbesondere mithilfe von einem (Innen)Mikrofon, oder dergleichen, zu
erfassen.
In einer Ausführung beschreiben die messbaren Parameter eine Kombination aus, insbesondere messbaren, Parametern des Fahrzeugantriebs, des Fahrerassistenzsystems, der Umgebung des Fahrzeugs und/oder des
Fahrzeuginsassens.
Vorteilhafterweise können hierdurch, in einer Ausführung, einfach(er) Anomaliedaten ermittelt werden, insbesondere relevante Vorfälle einfach(er) identifiziert und/oder klassifiziert werden. Vorteilhafterweise kann, in einer Ausführung, eine Kombination von messbaren Parametern eine Anomalie beschreiben, die von messbaren Parametern
einer Klasse nicht erfassbar wäre bzw. ist.
In einer weiteren vorteilhaften Ausführung weist das Erfassen von Messdaten, insbesondere zusätzlich, ein Erfassen wenigstens eines Bildes, insbesondere einer Bildersequenz und/oder einer Videosequenz, auf. In einer Ausführung wird das Erfassen des wenigstens einen Bilds in regelmäßigen zeitlichen Abständen durchgeführt und/oder wird das Erfassen des wenigstens einen Bilds basierend auf den
Anomaliedaten durchgeführt.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ein Identifizieren bzw. Klassifizieren von relevanten Vorfällen visuell durch das wenigstens eine Bild, insbesondere eine Bildersequenz und/oder eine Videosequenz, unterstützt werden, insbesondere für einen Benutzer, weiter insbesondere für eine insbesondere auf Bilder
bzw. Videos trainierte künstliche Intelligenz.
In einer weiteren vorteilhaften Ausführung wird das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls beim und/oder nach dem Beenden der Fahrt durchgeführt oder wird das Ausgeben des wenigstens einen klassifizierten relevanten
Vorfalls während einer Unterbrechung der Fahrt durchgeführt.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ein Benutzer aufmerksamer sein, insbesondere bei der Auswahl (s)einer Eingabe. Hierdurch kann, in einer Ausführung, einen relevanten Vorfall einfach(er) und/oder besser identifizieren bzw.
klassifizieren.
In einer weiteren vorteilhaften Ausführung weist das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls einen Zeitstrahl und/oder eine geographische Darstellung, insbesondere mit einer Karte, auf. In einer Ausführung weist das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls zusätzlich oder alternativ eine Bildersequenz und/oder Videosequenz in einer Kartenansicht auf, wobei die Kartenansicht und/oder die Bildersequenz und/oder Videosequenz, in einer Ausführung, eine, insbesondere automatisiert erstellte, textuelle Beschreibung aufweist, basierend
auf den ermittelten Anomaliedaten.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ein Identifizieren und/oder Klassifizieren von relevanten Vorfällen verbessert werden, insbesondere für einen Benutzer erleichtert werden, insbesondere anhand der textuellen Beschreibung in Verbindung mit dem wenigstens einen Bild und/oder der Bilder-/Videosequenz, weiter insbesondere in Verbindung mit einer geographischen Angabe, wie insbesondere einer Kartendarstellung. In einer Ausführung kann hierdurch ermöglicht werden, dass ein Benutzer schnell(er) einen relevanten Vorfall erkennen, insbesondere identifizieren und/oder klassifizieren, kann und/oder durch die Synergie von Kartenansicht, textuelle Beschreibung und/oder das wenigstens eine Bild, insbesondere die Bilder-
/Videosequenz, sich besser erinnert und hierdurch die erfasste Eingabe des Benutzers
eine genaue(re) und/oder detailliertere Klassifikation des wenigstens einen ausgegebenen klassifizierten relevanten Vorfalls beschreibt.
Vorteilhafterweise kann hierdurch, in einer Ausführung, eine Fehlfunktion leicht(er) identifiziert werden, insbesondere ermittelt werden, ob eine Fehlfunktion vorgelegen hat, weiter insbesondere wodurch diese Fehlfunktion hervorgerufen wurde oder werden
konnte.
In einer weiteren vorteilhaften Ausführung weist das Verfahren ferner ein Vergleichen des automatisch klassifizierten relevanten Vorfalls und des von der Eingabe beschriebenen klassifizierten relevanten Vorfalls auf. In einer Ausführung, wenn das Vergleichen eine Diskrepanz ergibt, weist das Verfahren ein nochmaliges Ausgeben
des wenigstens einen automatisiert klassifizierten relevanten Vorfalls auf.
Hierdurch kann, in einer Ausführung, ermöglicht werden, dass eine automatisierte Klassifikation (nochmals) verifiziert wird, insbesondere dann, wenn eine bzw. die Eingabe des Benutzers basierend auf den ermittelten Anomaliedaten der automatisierten Klassifikation keinen relevanten Vorfall beschreiben und sich (dadurch) insbesondere von der automatisierten Klassifikation unterscheidet. In einer Ausführung kann hierdurch ermöglicht werden, dass eine automatisierte Klassifikation (weiter) verbessert werden kann bzw. wird. Vorteilhafterweise kann hierdurch, in einer Ausführung, eine automatische Bewertung relevanter Vorfällen in einer Messserie, insbesondere schnell(er), verifiziert werden, weiter insbesondere die automatisierte
Bewertung verbessert werden.
In einer weiteren vorteilhaften Ausführung beschreibt die erfasste Eingabe, zusätzlich oder alternativ, einen nicht automatisch klassifizierten relevanten Vorfall bzw. einen automatisch nicht identifizierten und/oder klassifizierten relevanten Vorfall, insbesondere eine Zeitspanne und/oder wenigstens eine geographische Angabe,
die/der dem nicht automatisch klassifizierten wenigstens einen Vorfall zugeordnet ist.
Vorteilhafterweise kann hierdurch, in einer Ausführung, ermöglicht werden, dass relevante Vorfälle, die nicht automatisiert erkannt, insbesondere identifiziert und/oder klassifiziert, werden, von einem Benutzer erkannt, insbesondere identifiziert und/oder
klassifiziert, werden können. Hierdurch kann, in einer Ausführung, eine automatisierte
Klassifikation weiter verbessert werden, insbesondere basierend auf der erfassten Eingabe des Benutzers, insbesondere dann, wenn eine automatisierte Klassifikation keinen relevanten Vorfall ergibt und eine Klassifikation eines Benutzers (beschrieben durch die erfasste Eingabe des Benutzers) einen relevanten Vorfall ergibt. Eine derartige Diskrepanz kann, in einer Ausführung, vorteilhafterweise dazu verwendet werden einen Klassifikationsalgorithmus zu verbessern, insbesondere einen Algorithmus des maschinellen Lernens und/oder eine künstliche Intelligenz zu
verbessern, insbesondere ein Training anzupassen bzw. zu verbessern.
In einer weiteren vorteilhaften Ausführung weist das Verfahren ein Belohnen des Benutzers auf, insbesondere für eine (erfasste) Eingabe. In einer Ausführung kann das Belohnen in Form eines Guthabens, insbesondere Auszahlung und/oder Gutschrift, erfolgen, insbesondere für Internetangebote, wie beispielsweise Streamingdienste und/oder (buchbare bzw. abonnierbare) Fahrzeugfunktionen; und/oder Energie, die beispielsweise bei Ladestationen für Elektrofahrzeuge und/oder Tankstellen für
Verbrenner.
In einer weiteren vorteilhaften Ausführung ist die Benutzerschnittstelle außerhalb und/oder losgelöst vom Fahrzeug ausgebildet, insbesondere auf einem mobilen Endgerät realisiert. In einer Ausführung weist das Ausgeben des wenigstens einen (automatisiert) klassifizierten relevanten Vorfalls ein Ausgeben auf einem mobilen Endgerät auf. In einer Ausführung kann das Erfassen einer Eingabe des Benutzers auf einem bzw. dem mobilen Endgerät durchgeführt werden, insbesondere außerhalb des Fahrzeugs.
Es liegt hierbei im Rahmen der Erfindung, dass die vorangehend beschriebenen Verfahrensschritte in einer anderen Reihenfolge durchgeführt werden und/oder Verfahrensschritte kombiniert und/oder ein Verfahrensschritt in einen anderen Verfahrensschritt integriert wird.
Nach einer zweiten Ausführung der vorliegenden Erfindung wird ein System zum Identifizieren von relevanten Vorfällen in einer Messserie einer, insbesondere realen, teilsimulierten oder simulierten, Fahrt eines Fahrzeugs bereitgestellt. In einer Ausführung ist das System zum Durchführen eines hierin beschriebenen Verfahrens
eingerichtet bzw. ausgebildet. Das System weist, in einer Ausführung, Mittel zum
Erfassen von Messdaten, insbesondere wenigstens einem Sensor, auf; Mittel zum Ermitteln von Anomaliedaten, insbesondere basierend auf den erfassten Messdaten, weiter insbesondere wenigstens eine hard- und/oder softwaretechnisch ausgebildete Verarbeitungseinheit; Mittel zum automatisierten Klassifizieren wenigstens eines relevanten Vorfalls, insbesondere basierend auf den ermittelten Anomaliedaten, weiter insbesondere wenigstens eine hard- und/oder softwaretechnisch ausgebildete Verarbeitungseinheit; Mittel zum Ausgeben, insbesondere zum Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls, insbesondere wenigstens eine Benutzerschnittstelle; und Mittel zum Erfassen einer Eingabe eines Benutzers,
insbesondere wenigstens eine bzw. die Benutzerschnittstelle.
Ein Mittel im Sinne der vorliegenden Erfindung kann hard- und/oder softwaretechnisch ausgebildet sein, insbesondere wenigstens eine, vorzugsweise mit einem Speicherund/oder Bussystem daten- bzw. Ssignalverbundene, insbesondere digitale, Verarbeitungs-, insbesondere Mikroprozessoreinheit (CPU), Graphikkarte (GPU) oder dergleichen, und/oder ein oder mehrere Programme oder Programmmodule aufweisen. Die Verarbeitungseinheit kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind, abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus abzugeben. Ein Speichersystem kann ein oder mehrere, insbesondere verschiedene, Speichermedien, insbesondere optische, magnetische, Festkörperund/oder andere nicht-flüchtige Medien aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, sodass die Verarbeitungseinheit die Schritte solcher Verfahren ausführen kann und damit insbesondere das Fahrzeug, insbesondere wenigstens ein Fahrerassistenzsystem des Fahrzeugs, betreiben bzw. überwachen
kann.
Ein Computerprogrammprodukt kann in einer Ausführung ein, insbesondere computerlesbares und/oder nicht-flüchtiges, Speichermedium zum Speichern eines Programms bzw. von Anweisungen bzw. mit einem darauf gespeicherten Programm bzw. mit darauf gespeicherten Anweisungen aufweisen, insbesondere sein. In einer Ausführung veranlasst ein Ausführen dieses Programms bzw. dieser Anweisungen durch ein System bzw. eine Steuerung, insbesondere einen Computer oder eine
Anordnung von mehreren Computern, das System bzw. die Steuerung, insbesondere
den bzw. die Computer, dazu, ein hier beschriebenes Verfahren bzw. einen oder mehrere seiner Schritte auszuführen, bzw. sind das Programm bzw. die Anweisungen
hierzu eingerichtet.
In einer anderen Implementierung kann das Computerprogramm(produkt) als eine Datei auf einer Datenverarbeitungseinheit, insbesondere auf einem Server vorliegen, und über eine Datenverbindung, beispielsweise das Internet oder eine dedizierte Datenverbindung, wie etwa ein proprietäres oder lokales Netzwerk, herunterladbar sein. Zudem kann das Computerprogramm eine Mehrzahl von zusammenwirkenden einzelnen Programmodulen aufweisen. Die Module können insbesondere dazu konfiguriert sein oder jedenfalls so einsetzbar sein, dass sie im Sinne von verteiltem Rechnen (engl. „Distributed computing“) auf verschiedenen Geräten (Computern bzw. Prozessoreinheiten) ausgeführt werden, die geografisch voneinander beabstandet und
über ein Datennetzwerk miteinander verbunden sind.
Das System kann entsprechend einen Programmspeicher aufweisen, in dem das Computerprogramm abgelegt ist. Alternativ kann das System auch eingerichtet sein, über eine Kommunikationsverbindung auf ein extern, beispielsweise auf einem oder mehreren Servern oder anderen Datenverarbeitungseinheiten verfügbares Computerprogramm zuzugreifen, insbesondere um mit diesem Daten auszutauschen, die während des Ablaufs des Verfahrens bzw. Computerprogramms Verwendung
finden oder Ausgaben des Computerprogramms darstellen.
In einer vorteilhaften Ausführung ist das System und/oder dessen Mittel in der Weise eingerichtet, um ein oder mehrere, insbesondere alle, Schritte des Verfahrens gemäß der ersten Ausführung vollständig oder teilweise durchzuführen.
Weitere Vorteile und Merkmale ergeben sich aus den Unteransprüchen und den Ausführungsbeispielen. Hierbei zeigt wenigstens teilweise schematisiert:
Fig. 1: eine Darstellung einer grafischen Ausgabe von automatisiert klassifizierten relevanten Vorfällen nach einem Ausführungsbeispiel eines Verfahrens zum Identifizieren von relevanten Vorfällen in einer
Messserie;
Fig. 2: ein Flussdiagramm eines Ausführungsbeispiels des Verfahrens zum
Identifizieren von relevanten Vorfällen in einer Messserie; und
Fig. 3: ein Ausführungsbeispiel eines Systems zum Identifizieren von relevanten
Vorfällen in einer Messserie.
In den Figuren dargestellte Elemente sind nicht notwendigerweise maßstabsgetreu dargestellt. Vielmehr sind die verschiedenen in den Figuren dargestellten Elemente derart wiedergegeben, dass ihre Funktion und genereller Zweck dem Fachmann verständlich werden. In den Figuren dargestellte Verbindungen und Kopplungen zwischen funktionellen Einheiten und Elementen können, soweit nicht ausdrücklich anders angegeben, auch als indirekte Verbindung oder Kopplung implementiert werden. Funktionale Einheiten können insbesondere als Hardware, Software oder eine
Kombination aus Hardware und Software implementiert werden.
Figur 1 zeigt schematisch eine Ausgabe von mittels einem Ausführungsbeispiel eines Verfahrens zum Identifizieren von relevanten Vorfällen in einer Messserie automatisiert klassifizierten relevanten Vorfällen auf einer graphischen ersten Benutzerschnittstelle 7, hier beispielhaft eine graphische Benutzeroberfläche.
Auf der graphische Benutzeroberfläche 7 ist eine grafische Repräsentation der Fahrt des Fahrzeugs 2 gezeigt. Ferner sind Bilder bzw. Videosequenzen eingeblendet, die auf einen relevanten Vorfall an einer Stelle der Fahrt hinweisen. Dem vorangegangen ist eine Fahrt oder ein Teil einer Fahrt mit dem Fahrzeug 2 bei der Messdaten erfasst wurden, wobei die Messdaten hierin beschriebene Parameter beschreiben. Ferner wurden Anomaliedaten basierend auf den Messdaten ermittelt, und eine automatisierte
Klassifikation vorgenommen.
Die graphische Benutzeroberfläche 7 erwartet beispielhaft auf eine Analyse durch einen Benutzer 3a, 3b, 3c, 3d bzw. auf eine Eingabe eines Benutzers 3a, 3b, 3c, 3d, die eine Klassifikation der eingeblendeten automatisiert klassifizierten relevanten Vorfälle durch den Benutzer 3a, 3b, 3c, 3d beschreibt. In einer Ausführung umfasst der Begriff „Benutzer“ einen außenstehenden Beobachter 3e, der insbesondere eine externe Bewertung des Verhaltens des Fahrzeugs bewertet bzw. bewerten kann, insbesondere
mithilfe eines mobilen Endgeräts oder dergleichen. Der Benutzer 3a, 3b, 3c, 3d kann
insbesondere, in einer Ausführung, weitere relevante Vorfälle hinzufügen, indem der Benutzer 3a, 3b, 3c, 3d insbesondere eine Stelle oder einen Abschnitt der Fahrt angibt und/oder einen Zeitpunkt bzw. eine Zeitspanne, in dem (nach seinem subjektiven Empfinden und/oder basierend auf vordefinierten objektiv zu beurteilenden Kriterien) ein relevanter Vorfall vorgelegen hat. Hierzu kann, in einer Ausführung, das System 1 wenigstens ein weiteres Bild, eine Bildersequenz und/oder eine Videosequenz bereitstellen, die insbesondere eine Beurteilung und damit eine Eingabe des Benutzers
3a, 3b, 3c, 3d vorteilhafterweise vereinfacht bzw. vereinfachen kann.
In einer Ausführung kann die graphische Benutzeroberfläche 7 für jeden automatisiert klassifizierten relevanten Vorfall Auswahlmöglichkeiten für eine Klassifizierung durch den Benutzer 3a, 3b, 3c, 3d bereitstellen, wie insbesondere eine kontinuierliche, eine diskontinuierliche Skala; beschreibende Begriffe, wie insbesondere „relevant“ oder „irrelevant“ oder dergleichen. Hierdurch kann, in einer Ausführung, vorteilhafterweise
eine Eingabe des Benutzers 3a, 3b, 3c, 3d vereinfacht werden.
Ein relevanter Vorfall kann, in einer Ausführung, ein gefährliches Einscheren eines anderen Fahrzeugs während der Fahrt; ein Unter- oder Übersteuern des Fahrzeugs, insbesondere auf einer nassen oder glatten Fahrbahn, eine Blendung eines Fahrzeuginsassens 3a, 3b, 3c, 3d durch ein, insbesondere entgegenkommendes, Fahrzeug, auf das der Fahrzeuginsasse 3a, 3b, 3c, 3d beispielsweise mit einem Abschirmen seiner Augen reagiert, eine spontane, untypische Bewegung von Fahrer oder eines anderen Fahrzeuginsassen 3a, 3b, 3c, 3d, beispielsweise ein plötzliches Aufschauen vom Handy, oder dergleichen sein.
Über eine berührungsempfindliche Oberfläche 8 der in Fig.1 gezeigten Benutzerschnittstelle kann der Benutzer 3a, 3b, 3c, 3d den automatisiert klassifizierten
relevanten Vorfall als, insbesondere aus seiner Sicht, relevanten Vorfall bestätigen.
Figur 2 zeigt schematisch ein Flussdiagramm zur Veranschaulichung einer
bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens.
Das Verfahren weist ein Erfassen von Messdaten in einem ersten Arbeitsschritt S10 auf. Bei den Messdaten handelt es sich beispielsweise um Messdaten des
Fahrzeugantriebs, vorzugsweise Geschwindigkeit, Beschleunigung, Temperatur
und/oder Energieverbrauch, um Messdaten der ADAS/AD Sensoren, vorzugsweise Lidar, Video, Radar, Position, V2X (wie insbesondere ein Notbremssignal des Fahrzeugs vor und/oder hinter dem (Ego-)Fahrzeug), und/oder um andere Umgebungsdaten, vorzugsweise das Wetter. Es können auch weitere Messdaten einer Fahrgastüberwachung berücksichtigt werden.
Auf der Grundlage der Messdaten werden in einem zweiten Arbeitsschritt S20 Anomaliedaten ermittelt, wenigstens ein relevanter Vorfalls in einem dritten Arbeitsschritt S30 automatisiert klassifiziert. In einem vierten Arbeitsschritt S40 wird der wenigstens eine klassifizierte relevante Vorfall ausgegeben und in einem fünften
Arbeitsschritt S50 ein Erfassen einer Eingabe des Benutzers durchgeführt.
Das Verfahren kann, in einer Ausführung, während einer, insbesondere jeder, Fahrt des Fahrzeugs ausgeführt werden. Ein Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls in dem vierten Arbeitsschritt S40 wird, in einer Ausführung, beim oder nach dem Beenden der Fahrt des Fahrzeugs 2 durchgeführt oder wenn die Fahrt des Fahrzeugs 2 für einen vorbestimmten Zeitraum unterbrochen wird oder ist.
Figur 3 zeigt schematisch ein System 1 zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen, simulierten und/oder teilsimulierten Fahrt eines
Fahrzeugs 2, insbesondere nach einer Ausführung der vorliegenden Erfindung.
Das Fahrzeug 2 weist beispielhaft mehrere Sensoren 4a, 4b auf, die dazu eingerichtet sind Messdaten zu erfassen. Es können, in einer Ausführung, weitere bzw. andere
Sensoren 4a, 4b im Fahrzeug 2 verbaut sein.
Gemäß dem Ausführungsbeispiel der Fig. 3 können erste Sensoren 4a die Fahrzeuginsassen 3a — 3d, hier beispielhaft vier, überwachen. Zweite Sensoren 4b können Daten zur Umgebung des Fahrzeugs 2 erfassen. In einer Ausführung können weitere Sensoren und/oder Daten erfasst werden (nicht dargestellt), insbesondere betreffend das Fahrzeug und/oder aus dem Fahrzeug, wie weiter insbesondere mithilfe
eines CAN Bus oder dergleichen.
Die erfassten Messdaten werden beispielhaft an eine Datenverarbeitungseinheit 6,
vorzugsweise einen Computer und/oder einen Server oder dergleichen, übertragen.
Vorzugsweise weist die Datenverarbeitungseinheit 6 Mittel 6a zum Ermitteln von Anomaliedaten und Mittel zum automatisierten Klassifizieren 6b auf. Darüber hinaus weist die Datenverarbeitungseinheit 6 vorzugsweist eine erste, insbesondere optische, Benutzerschnittstelle 7 auf, welche dazu eingerichtet ist, die automatisiert klassifizierten relevanten Vorfälle für eine Ausgabe an einen Benutzer bereitzustellen — in Fig. 3 angedeutet durch den gestrichelten Pfeil. Des Weiteren ist eine zweite Benutzerschnittstelle 8 zum Erfassen einer Eingabe des Benutzers 3a, 3b, 3c, 3d vorgesehen. Vorzugsweise handelt es sich hierbei um eine Tastatur oder eine berührungsempfindliche Oberfläche 8, insbesondere im Verbund mit der ersten
Benutzerschnittstelle 7.
In der vorliegenden Offenbarung impliziert „weist ein X auf“ allgemein keine abschließende Aufzählung, sondern ist eine Kurzform von „weist wenigstens ein X auf“ und umfasst auch „weist zwei oder mehr X auf“ sowie „weist außer X auch Y auf“.
Obwohl in der vorhergehenden Beschreibung exemplarische Ausführungen erläutert wurden, sei darauf hingewiesen, dass eine Vielzahl von Abwandlungen möglich ist. Außerdem sei darauf hingewiesen, dass es sich bei den exemplarischen Ausführungen lediglich um Beispiele handelt, die den Schutzbereich, die Anwendungen und den Aufbau in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung von mindestens einer exemplarischen Ausführung gegeben, wobei diverse Änderungen, insbesondere in Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich zu verlassen, wie er sich aus
den Ansprüchen und diesen äquivalenten Merkmalskombinationen ergibt.
Bezugszeichenliste
1 System
2 Fahrzeug
3a - 3e Fahrzeuginsasse / Benutzer, externer Beobachter 4a, 4b Sensor
6 Datenverarbeitungseinheit
6a Mittel zum Ermitteln von Anomaliedaten 6b Mittel zum automatisierten Klassifizieren 7 Benutzerschnittstelle
8 berührungsempfindliche Oberfläche S10 Erfassen von Messdaten
S20 Ermitteln von Anomaliedaten
S30 automatisiertes Klassifizieren
S40 Ausgeben
S50 Erfassen einer Eingabe

Claims (12)

Patentansprüche
1. Computerimplementiertes Verfahren zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen, teilsimulierten oder simulierten Fahrt eines Fahrzeugs (2), die folgenden Arbeitsschritte aufweisend:
- Erfassen ($S10) von Messdaten einer Fahrt mit einem Fahrzeug (2), wobei die Messdaten wenigstens einen messbaren Parameter des Fahrzeugs (2) und/oder wenigstens einen messbaren Parameter eines Fahrzeuginsassens beschreiben;
- Ermitteln (S20) von Anomaliedaten basierend auf den erfassten Messdaten, insbesondere basierend auf einem Teil der erfassten Messdaten, welcher vordefinierten Zeitintervallen der Fahrt entspricht, wobei die Anomaliedaten einen Bereich der Messdaten beschreiben, welcher durch eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeugs (2) und/oder wenigstens eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeuginsassens charakterisiert ist, wobei eine Anomalie durch Erreichen eines vordefinierten Schwellwerts der Anomaliedaten und/oder eine Bedingung in Bezug auf die Messdaten charakterisiert ist;
- _ automatisiertes Klassifizieren (S30) wenigstens eines relevanten Vorfalls basierend auf den ermittelten Anomaliedaten; und
- Ausgeben (S$S40) des wenigstens einen klassifizierten relevanten Vorfalls an einen Benutzer (3a, 3b, 3c, 30) über eine, insbesondere wenigstens optische, Benutzerschnittstelle; und
- Erfassen ($S50) einer Eingabe des Benutzers (3a, 3b, 3c, 3d), wobei die Eingabe ein Klassifizieren des wenigstens einen ausgegebenen klassifizierten relevanten Vorfalls beschreibt, wobei klassifizierte Daten gebildet werden, die wenigstens einen identifizierten relevanten Vorfall
beschreiben.
2. Verfahren nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Eingabe des Benutzers (3a, 3b, 3c, 3d) ein Klassifizieren wenigstens eines relevanten Vorfalls in den Messdaten beschreibt.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass das Verfahren ferner ein Verwerfen, insbesondere
Löschen, der erfassten Messdaten aufweist, basierend auf den ermittelten Anomaliedaten.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Klassifizieren ferner ein Labeln der Messdaten basierend auf den Anomaliedaten aufweist
und/oder basierend auf der erfassten Eingabe des Benutzers (3a, 3b, 3c, 30).
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der wenigstens eine messbare Parameter des Fahrzeugs (2) wenigstens einen Parameter des Fahrzeugantriebs, insbesondere eine Geschwindigkeit, eine Beschleunigung, eine Temperatur und/oder einen Energieverbrauch, einen Parameter eines _Fahrerassistenzsystems, insbesondere wenigstens einen Wert wenigstens eines Lidarsensors, wenigstens eines optischen, weiter insbesondere Video-, Sensors, wenigstens eines Radarsensors, wenigstens eines Positionssensors, wenigstens eines Geschwindigkeitssensors, wenigstens eines Beschleunigungssensors des Fahrerassistenzsystems, und/oder einen Parameter der Umgebung des Fahrzeugs (2), insbesondere Wetter und/oder Feuchtigkeit, beschreibt und/oder wobei der wenigstens eine messbare Parameter des Fahrzeuginsassens
wenigstens einen Parameter der Fahrgastüberwachung beschreibt.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Erfassen von Messdaten, insbesondere zusätzlich, ein Erfassen wenigstens eines Bildes, insbesondere einer Bildersequenz und/oder einer Videosequenz, aufweist, wobei das Erfassen des wenigstens einen Bilds in regelmäßigen zeitlichen Abständen durchgeführt wird und/oder wobei das Erfassen des wenigstens einen Bilds basierend auf den Anomaliedaten durchgeführt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls beim und/oder nach dem Beenden der Fahrt durchgeführt
wird oder während einer Unterbrechung der Fahrt.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls einen Zeitstrahl und/oder eine geographische Darstellung, insbesondere mit einer Karte, aufweist, weiter insbesondere eine Bildersequenz und/oder Videosequenz in einer Kartenansicht aufweist, wobei die Kartenansicht und/oder die Bildersegquenz und/oder Videosequenz eine, insbesondere automatisiert, erstellte textuelle Beschreibung aufweist, basierend
auf den ermittelten Anomaliedaten.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren ferner ein Vergleichen des automatisch klassifizierten relevanten Vorfalls und des von der Eingabe beschriebenen klassifizierten relevanten Vorfalls aufweist und wenn das Vergleichen eine Diskrepanz ergibt, ein nochmaliges Ausgeben des wenigstens einen
automatisiert klassifizierten relevanten Vorfalls.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erfasste Eingabe ferner einen nicht automatisch klassifizierten relevanten Vorfall beschreibt, insbesondere eine Zeitspanne und/oder wenigstens eine geographische Angabe, die/der dem nicht
automatisch klassifizierten wenigstens einen Vorfall zugeordnet ist.
11. System (1) zum Identifizieren von relevanten Vorfällen in einer Messserie einer realen Fahrt eines Fahrzeugs (2), das zur Durchführung eines Verfahrens nach einem der vorhergehenden Ansprüche eingerichtet ist und/oder aufweisend:
- Mittel (4a, 4b) zum Erfassen von Messdaten, einer Fahrt mit einem Fahrzeug (2), wobei die Messdaten wenigstens einen messbaren Parameter des Fahrzeugs (2) und/oder wenigstens einen messbaren Parameters eines Fahrzeuginsassens beschreiben;
- Mittel (6a) zum Ermitteln von Anomaliedaten basierend auf den erfassten Messdaten, insbesondere basierend auf einem Teil der erfassten Messdaten, welcher vordefinierten Zeitintervallen der Fahrt entspricht, wobei die Anomaliedaten einen Bereich der Messdaten beschreiben, welcher durch
eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeugs
(2) und/oder wenigstens eine Anomalie des wenigstens einen messbaren Parameters des Fahrzeuginsassens charakterisiert ist, wobei eine Anomalie durch Erreichen eines vordefinierten Schwellwerts der Anomaliedaten und/oder eine Bedingung in Bezug auf die Messdaten charakterisiert ist;
- Mittel (6b) zum automatisierten Klassifizieren wenigstens eines relevanten Vorfalls basierend auf den ermittelten Anomaliedaten; und
- eine, insbesondere wenigstens optische, erste Benutzerschnittstelle (7) zum Ausgeben des wenigstens einen klassifizierten relevanten Vorfalls an einen Benutzer (3a, 3b, 3c, 3d); und
- eine zweite Benutzerschnittstelle (8) zum Erfassen einer Eingabe des Benutzers (3a, 3b, 3c, 3d), wobei die Eingabe ein Klassifizieren des wenigstens einen ausgegebenen klassifizierten relevanten Vorfalls beschreibt und wobei klassifizierte Daten gebildet werden, die wenigstens
einen identifizierten relevanten Vorfall beschreiben.
12. Computerprogramm oder XComputerprogrammprodukt, wobei das Computerprogramm oder Computerprogrammprodukt, insbesondere auf einem computerlesbaren und/oder nicht-flüchtigen Speichermedium gespeicherte, Anweisungen enthält, die bei der Ausführung durch einen oder mehrere Computer oder ein System (1) nach Anspruch 11 den oder die Computer oder das System (1) dazu veranlassen, ein Verfahren nach einem der Ansprüche 1 bis 10 durchzuführen.
ATA50379/2024A 2024-05-06 2024-05-06 Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien AT528279A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
ATA50379/2024A AT528279A1 (de) 2024-05-06 2024-05-06 Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien
PCT/AT2025/060188 WO2025231497A1 (de) 2024-05-06 2025-05-05 Verfahren zum halbautomatischen markieren von relevanten vorfällen in messserien

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA50379/2024A AT528279A1 (de) 2024-05-06 2024-05-06 Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien

Publications (1)

Publication Number Publication Date
AT528279A1 true AT528279A1 (de) 2025-11-15

Family

ID=96092814

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA50379/2024A AT528279A1 (de) 2024-05-06 2024-05-06 Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien

Country Status (2)

Country Link
AT (1) AT528279A1 (de)
WO (1) WO2025231497A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112017007793T5 (de) * 2017-08-25 2020-05-28 Ford Global Technologies, Llc Anomalieerkennung im innenraum eines autonomen fahrzeugs
DE102020005023A1 (de) * 2020-08-17 2020-10-08 Daimler Ag Verfahren und Vorrichtung zur Erkennung von Anomalien während einer Fahrzeugnutzung
DE102023001624A1 (de) * 2023-04-24 2023-06-15 Mercedes-Benz Group AG Anomalie-Detektion im Fahrzeug mittels Analyse von Geräusch-Abfolgen
EP4339068A2 (de) * 2022-08-25 2024-03-20 Siemens Mobility GmbH Konzept zum detektieren einer sich in einer umgebung eines schienenfahrzeugs befindenden anomalie

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT513370B1 (de) * 2013-11-05 2015-11-15 Avl List Gmbh Virtuelle Testoptimierung für Fahrerassistenzsysteme
DE102022119711A1 (de) * 2022-08-05 2024-02-08 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren, System und Computerprogrammprodukt zur Überprüfung von Datensätzen für das Testen und Trainieren eines Fahrerassistenzsystems (ADAS) und/oder eines automatisierten Fahrsystems (ADS)

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112017007793T5 (de) * 2017-08-25 2020-05-28 Ford Global Technologies, Llc Anomalieerkennung im innenraum eines autonomen fahrzeugs
DE102020005023A1 (de) * 2020-08-17 2020-10-08 Daimler Ag Verfahren und Vorrichtung zur Erkennung von Anomalien während einer Fahrzeugnutzung
EP4339068A2 (de) * 2022-08-25 2024-03-20 Siemens Mobility GmbH Konzept zum detektieren einer sich in einer umgebung eines schienenfahrzeugs befindenden anomalie
DE102023001624A1 (de) * 2023-04-24 2023-06-15 Mercedes-Benz Group AG Anomalie-Detektion im Fahrzeug mittels Analyse von Geräusch-Abfolgen

Also Published As

Publication number Publication date
WO2025231497A1 (de) 2025-11-13

Similar Documents

Publication Publication Date Title
AT521607B1 (de) Verfahren und Vorrichtung zum Testen eines Fahrerassistenzsystem
DE112014007249B4 (de) Bildverarbeitungsvorrichtung, Fahrzeuganzeigesystem, Anzeigevorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm
EP2951804B1 (de) Erstellen eines umfeldmodells für ein fahrzeug
EP3438901A1 (de) Testfahrtszenario-datenbanksystem für realitätsnahe virtuelle testfahrtszenarien
DE102021107602A1 (de) Fahrassistenzvorrichtung und datensammelsystem
DE102018203591B3 (de) Verfahren und System zur Klassifikation von Verkehrsteilnehmern
DE102020113611A1 (de) Verfahren und Sicherheitssystem zum Absichern einer automatisierten Fahrzeugfunktion und Kraftfahrzeug
DE102012223360A1 (de) Vorrichtung und Verfahren zum Erfassen eines Hindernisses für ein Rundumsicht-Überwachungssystem
DE102014106506A1 (de) Verfahren zum Durchführen einer Diagnose eines Kamerasystems eines Kraftfahrzeugs, Kamerasystem und Kraftfahrzeug
EP3001380A1 (de) Diagnoseverfahren und erhebungsverfahren für fahrzeuge
EP3877231A1 (de) Prädiktion eines voraussichtlichen fahrverhaltens
DE102021201539A1 (de) Erzeugung von Trainingsdaten für einen Algorithmus des maschinellen Lernens
DE102022206603A1 (de) Verfahren zur Handdetektion, Computerprogramm, und Vorrichtung
DE102021201978A1 (de) Sammeln von sensordaten von fahrzeugen
DE102020006036A1 (de) Verfahren zum Erzeugen einer Freigabe für eine Nutzung eines Seitenstreifens mittels eines Überwachungssystems, sowie Überwachungssystem
DE102021214334B3 (de) Fahrzeugdatensystem und Verfahren zur Ermittlung von relevanten bzw. übertragenswerten Fahrzeugdaten eines Umgebungserfassungssensors
DE102020103029A1 (de) Verfahren und vorrichtung zum erhalten von ereignisbezogenen daten
DE102019118607A1 (de) Anomaliedetektor für fahrzeugsteuersignale
DE102020113193B4 (de) Verfahren und System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit
AT528279A1 (de) Verfahren zum halbautomatischen Markieren von relevanten Vorfällen in Messserien
DE112014003725B4 (de) Verfahren und System zur Feststellung von Fahrmerkmalen bei einem Fahrzeug
EP2549294B1 (de) Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen
DE112022003908T5 (de) Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, servervorrichtung, fahrzeugvorrichtung und informationsverarbeitungsprogramm
DE102024211146B3 (de) Fahrzeugumgebungsanzeigevorrichtung mit einer Systemarchitektur und Verfahren
DE102022207617B3 (de) Verfahren und Überwachungseinrichtung zur Steuerung wenigstens einer Fahrzeugfunktion eines Fahrzeugs