DE102004012148A1

DE102004012148A1 - Spracherkennung unter Berücksichtigung einer geografischen Position

Info

Publication number: DE102004012148A1
Application number: DE102004012148A
Authority: DE
Inventors: Alice Kloss; Klaus Lukas
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2004-03-12
Filing date: 2004-03-12
Publication date: 2005-10-06

Abstract

Eine Spracherkennung wird unter Berücksichtigung einer von Positionssensormitteln ermittelten geografischen Position durchgeführt.

Description

Die sprachliche Eingabe von Navigationsdaten in Fahrzeugumgebungen ist ein wichtiger Komfort- und Sicherheitsfaktor für Navigationssysteme. Aufgrund der großen Möglichkeiten von Städte- und Straßennamen ist eine direkte Erkennung für Spracherkenner mit eingeschränkten Ressourcen eine Herausforderung hinsichtlich der Erkennungsrate und Performance.
Es ist daher eine Lösung wünschenswert, welche auf der einen Seite eine komfortable Eingabe durch direktes Einsprechen ermöglicht, auf der anderen Seite eine hohe Erkennungswahrscheinlichkeit und gute Performance gewährleistet.

Neben der manuellen Eingabe von Straßen- und Städtenamen existieren bei der sprachlichen Eingabe verschiedene Lösungsansätze:

– Anbuchstabieren der Namen mit optionaler Gesamtworteingabe,
– kaskadierte Verfahren über Vorauswahl durch Postleitzahlen, Bundesländer, Telefonnummern oder Stadtteile,
– mit längeren n-Bestlisten.

Die genannten Verfahren haben den Nachteil, dass der Eingabekomfort eingeschränkt ist. Es wird entweder keine Vokabulareinschränkung vorgenommen und somit im gesamten Namensraum mit entsprechenden Fehlerquoten gesucht oder es werden mehrere Schritte im Dialogsystem durchlaufen, was erhöhte Aufmerksamkeit erfordert und somit die Sicherheit des Fahrers beeinträchtigen kann.

Davon ausgehend liegt der Erfindung die Aufgabe zugrunde, eine Spracheingabe, insbesondere in Navigationssystem von Fahr zeugen, zu ermöglichen, bei der die beschriebenen Nachteile des Standes der Technik nicht auftreten.

Diese Aufgabe wird durch die in den unabhängigen Ansprüchen angegebenen Erfindungen gelöst. Vorteilhafte Ausgestaltungen ergeben sich aus den abhängigen Ansprüchen.

Dementsprechend wird in einem Verfahren zur rechnergestützten, automatischen Spracherkennung die Spracherkennung unter Berücksichtigung einer geografischen Position durchgeführt, die von Positionssensormitteln (Positionsmessmittel, Positionsermittlungsmittel) zum automatischen Feststellen der geografischen Position ermittelt wird. Die Position, unter deren Berücksichtigung die Spracherkennung durchgeführt wird, muss also nicht mehr vom Benutzer in Form einer Postleitzahl oder eines Ortsnamens eingegeben werden.

Vorzugsweise wird aufgrund der geografischen Position ein Vokabular für die Spracherkennung ausgewählt. Dies kann dann das vollständige Vokabular der Spracherkennung darstellen, aber auch nur ein Teilvokabular sein, wenn noch andere Begriffe wie etwa Steuerbefehle erkannt werden sollen. Durch die gezielte Auswahl des Vokabulars aufgrund der geografischen Position wird das Vokabular für die Spracherkennung gegenüber einem sonst zu verwendenden Gesamtvokabular reduziert, aus dem das Vokabular ausgewählt wird.

Vorzugsweise werden aufgrund der geografischen Position Namen von Orten und/oder Straßen für das Vokabular ausgewählt.

Die Orte und/oder Straßen liegen insbesondere in einer Umgebung der geografischen Position. Die Umgebung lässt sich entfernungsmäßig definieren, indem etwa alle Orte und/oder Straßen in einem vorgegebenen Radius in das Vokabular aufgenommen werden. Besser wird die Umgebung jedoch durch eine maximale Anzahl N von Namen von Orten und/oder Straßen definiert. Es werden also nur die N nächsten Orte und/oder Straßen aufge nommen. Danach ist die Umgebung abgeschlossen. N ist in Abhängigkeit der Erkennungsleistung des im Verfahren verwendeten Spracherkennung zu wählen.

Alternativ oder ergänzend kann die Auswahl der Orte und/oder Straßen neben dem rein geometrischen Radius auf vorberechneten Flächenquadraten, Quadranten, insbesondere GPS-Quadranten, oder anderen regionalen Zusammenhängen wie z.B. umliegenden Landkreisen beruhen.

Falls in der gewählten Umgebung kein Name eines Ortes und/oder einer Straße hinreichend gut erkannt wird, kann die Umgebung in einem weiteren Schritt erweitert werden.

Darüber hinaus ist es auch möglich, Namen von Orten und/oder Straßen, die näher an der geografischen Position liegen, gegenüber Namen von Orten und/oder Straßen, die weiter von der geografischen Position entfernt liegen, bei der Spracherkennung zu priorisieren. Bei sonst gleichem Konfidenzmaß wird so zum Beispiel ein Ort, der näher an der geografischen Position liegt, gegenüber einem Ort, der weiter von der geografischen Position entfernt liegt, ausgewählt und von der Spracherkennung als erkannter Ort ausgegeben.

Die Positionssensormittel arbeiten vorzugsweise nach einem satellitengestützten Positionsmessverfahren, insbesondere nach dem GPS-Verfahren.

Die geografische Position ist insbesondere die Position eines Fahrzeugs, in dem das Verfahren zur Spracherkennung durchgeführt wird.

Eine Vorrichtung weist Mittel zum Durchführen einer Spracherkennung unter Berücksichtigung einer geografischen Position und Positionssensormittel zum Ermitteln der geografischen Position auf. Die Vorrichtung ist insbesondere ein Navigationssystem oder ein Fahrzeug. Vorteilhafte Ausgestaltungen der Vorrichtung ergeben sich analog zu den vorteilhaften Ausgestaltungen des Verfahrens.

Eine Vorrichtung, die eingerichtet ist, eines der geschilderten Verfahren auszuführen, lässt sich zum Beispiel durch Programmieren und Einrichten einer Datenverarbeitungsanlage mit zu den genannten Verfahrensschritten gehörigen Mitteln realisieren.

Ein Programmprodukt für eine Datenverarbeitungsanlage, das Codeabschnitte enthält, mit denen eines der geschilderten Verfahren auf der Datenverarbeitungsanlage ausgeführt werden kann, lässt sich durch geeignete Implementierung des Verfahrens in einer Programmiersprache und Übersetzung in von der Datenverarbeitungsanlage ausführbaren Code ausführen. Die Codeabschnitte werden dazu gespeichert. Dabei wird unter einem Programmprodukt das Programm als handelbares Produkt verstanden. Es kann in beliebiger Form vorliegen, so zum Beispiel auf Papier, einem computerlesbaren Datenträger oder über ein Netz verteilt.

Weitere Vorteile und Merkmale der Erfindung ergeben sich aus der Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Dabei zeigt die Figur ein Ablaufdiagramm eines Verfahrens zur Spracherkennung.
Nach Wallentowitz H., Bady R. und Renner C.: „'Fahrwiderstände' für das Elektroauto – können wir sie überwinden?", Institut für Kraftfahrzeugwesen, Aachen, 27.11.2001 geschehen durchschnittlich 95% aller Fahrten mit einem Fahrzeug bis zu einer Entfernung von 50 km. Deshalb ist ein Vorwissen über die Position des Fahrzeugs ein Vorteil für die sprachliche Navigationseingabe. Dies gilt in der Regel auch, wenn der Fahrer bei einem auswärtigen Aufenthalt, also etwa auf einer Dienstreise oder im Urlaub, unterwegs ist und dort Ziele wie etwa Kunden oder Sehenswürdigkeiten in der Gegend anfährt.
Das Verfahren zur Spracherkennung basiert darauf, dass Umgebungsinformation in den Erkennungsprozess eingeht und damit die Möglichkeiten a priori einschränkt. In Navigationssystemen stehen das GPS-Signal und damit der Standort des Fahrzeugs zur Verfügung. Wird nun dieses Wissen dazu verwendet, um das Vokabular einzuschränken, kann eine Vorauswahl der umliegenden Orte für den Erkenner-Suchprozess getroffen werden. Auf der anderen Seite kann diese Fahrzeugstandort-Information auch für die Priorisierung bei der Suche verwendet werden. Der Benutzer kann dabei eine Ganzworteingabe des Straßen- oder Städtenamens mit hoher Erkennungsrate realisieren.
Da die Mehrzahl der Fahrziele in einem bestimmten Umgebungskreis von beispielsweise 50 km um den Standort vermutet werden, können die in diesem Umkreis liegenden Orte identifiziert werden und damit das zu durchsuchende Vokabular ausgewählt werden. Entsprechend der Leistungsfähigkeit des Spracherkenners werden sukzessive alle umliegenden Orte aufgenommen, bis eine definierte Vokabulargrenze von N Namen erreicht ist. Diese kann für eine hohe Erkennungsrate beispielsweise bei 1000 Worten liegen, für eine geringere beispielsweise bei 10.000. Die Suche der Spracherkennung wird in diesem Vokabularraum durchgeführt und erreicht damit eine hohe Trefferquote, falls der Ort in diesem Umfeld liegt. Sind bei der Suche ermittelte Konfidenzmaße ungenügend, wird der Suchraum sukzessive erweitert, um auch weiter entfernt liegende Fahrtziele zu suchen.
Als alternative oder zusätzliche Lösung kann die Standortinformation auch in die Priorisierung der Suchergebnisse eingehen. Liegt eine n-Bestliste der Suche vor, die gegebenenfalls über den gesamten Suchraum erfolgte, kann das Ergebnis nachträglich mit der Umgebungsinformation priorisiert werden, wodurch nähere Orte, die auf der n-Bestliste auftauchen, bevorzugt angezeigt werden.
Das Verfahren ist erweiterbar in dem Sinne, dass bereits angefahrene Zielgebiete einbezogen werden können. Dies kann im einfachsten Fall durch die standardmäßige Aufnahme der letzten angefahrenen Zielorte in die Vokabularliste erfolgen. Eine andere Möglichkeit besteht darin, dass umliegende Orte in öfter angefahrenen Gegenden aufgenommen werden. Waren beispielsweise mehrere zuvor angefahrene Ziele gemäß der GPS-Koordinaten in einem engeren Zielgebiet, so könnten dort auch alle umliegenden Orte mit aufgenommen werden.
Durch eine geeignete Dialogführung kann der Benutzer bei der Eingabe auch explizit auf das Verfahren zurückgreifen. Dies gelingt beispielsweise durch vorangestellte Schlüsselwörter wie "Nahziel Augsburg" oder "Fernziel Hamburg".
Bei der Auswahl der Orte können neben der reinen Entfernung auch Kriterien wie Ortsgröße, bedeutende Orte und Sehenswürdigkeiten, Staatsgrenzen usw. berücksichtigt werden, um ein optimiertes Vokabular auswählen zu können.
Als Auswahlkriterium können auch die aktuell auf dem Bildschirm angezeigten Orte verwendet werden. Hierdurch kann der Benutzer des Systems für einen ersten Erkennerdurchgang direkt alle ihm dargestellten Orte einsprechen. Wird keine Übereinstimmung gefunden, können in einem zweiten Durchlauf die restlichen Orte dem Spracherkenner zugeführt werden.
Gemäß der Figur wird erst die Fahrzeugposition aus dem GPS-Signal ermittelt. In einem nächsten Schritt werden umliegende Orte in das Spracherkennervokabular aufgenommen, bis die Vokabulargrenze von N Namen des Erkenners erreicht ist.
Auf dem so erzeugten Spracherkennervokabular wird nach einer Audioeingabe im nächsten Schritt ein Erkennungsvorgang durchgeführt.
Im darauf folgenden Schritt wird überprüft, ob ein genügendes Konfidenzmaß vorliegt. Ist dies der Fall, so wird der Ort bzw. sein Name erkannt und ausgegeben oder weiterverarbeitet. Ist dies nicht der Fall, so wird abgezweigt und in einem weiteren Schritt das Vokabular des Spracherkenners durch entfernter umliegende Orte ersetzt oder um diese ausgeweitet.
Durch geschickte Nutzung von Standortinformationen, beispielsweise aus GPS-Informationen, kann das Vokabular somit wesentlich eingeschränkt werden, was wiederum zu einer deutlichen Verbesserung der Erkennung in den meisten Suchvorgängen verhilft. Die Ganzworteingabe vereinfacht das Dialogsystem und erhöht den Benutzerkomfort, wobei aufgrund des eingeschränkten Suchvokabulars gleichzeitig die Erkennungsrate erhöht werden kann. Die eingeschränkte Vokabulargröße führt damit in den meisten Fällen auch zu einer kürzeren Antwortzeit.
Durch die Nutzung der Standort-Informationen bleiben diese Vorteile auch bestehen, wenn der Benutzer sich in einer anderen Gegend aufhält und dort Fahrtziele in der näheren Umgebung aussucht.
Das Verfahren ermöglicht Wettbewerbsvorteile, da es bestehende Hardwarekomponenten nutzt und daher kostengünstig in Navigationssysteme eingebaut werden kann. Die dynamische Füllung des Vokabulars erlaubt eine Anpassung auch an kleinere Spracherkennungssysteme, da die Anzahl der einbezogenen umliegenden Orte direkt mit der Vokabulargrenze von N Namen gekoppelt ist. Bei kleineren Systemen ergibt sich damit automatisch ein geringerer Umkreis.

Claims

Verfahren zur Spracherkennung, – bei dem über Positionssensormittel eine geografische Position ermittelt wird, – bei dem die Spracherkennung unter Berücksichtigung der geografischen Position durchgeführt wird.
Verfahren nach Anspruch 1, bei dem aufgrund der geografischen Position ein Vokabular für die Spracherkennung ausgewählt wird.
Verfahren nach Anspruch 2, bei dem aufgrund der geografischen Position Namen von Orten und/oder Straßen für das Vokabular ausgewählt werden.
Verfahren nach Anspruch 3, bei dem die Orte und/oder Straßen Orte und/oder Straßen in einer Umgebung der geografischen Position sind.
Verfahren nach Anspruch 4, bei dem die Umgebung durch eine maximale Anzahl von Namen von Orten und/oder Straßen definiert wird.
Verfahren nach einem der Ansprüche 4 oder 5, bei dem die Umgebung erweitert wird, wenn ein Konfidenzmaß für die Spracherkennung ungenügend ist.
Verfahren nach einem der Ansprüche 3 bis 6, bei dem Namen von Orten und/oder Straßen, die näher an der geografischen Position liegen, gegenüber Namen von Orten und/oder Straßen, die weiter von der geografischen Position entfernt liegen, bei der Spracherkennung priorisiert werden.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Positionssensormittel die geografische Position mit Hilfe eines satellitengestützten Positionsmessverfahrens ermitteln.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die geografische Position die Position eines Fahrzeugs ist, in dem das Verfahren zur Spracherkennung durchgeführt wird.
Vorrichtung mit – Positionssensormitteln zum Ermitteln einer geografischen Position, – Mitteln zum Durchführen einer Spracherkennung unter Berücksichtigung der geografischen Position.
Vorrichtung nach Anspruch 10, dadurch gekennzeichnet, dass die Vorrichtung ein Navigationssystem und/oder ein Fahrzeug ist.
Programmprodukt, das durch einen Datenverarbeitungsanlage ausführbar ist und dabei die Schritte nach einem der Ansprüche 1 bis 9 ausführt.