-
Die
Erfindung betrifft Verfahren zur Ermittlung eines Zustandes eines
Fahrers eines Fahrzeuges, wobei das Verfahren die folgenden Schritte
umfasst:
- – Erfassen von Sensorwerten
von einer Mehrzahl von Sensoren;
- – ermitteln von aktuellen Werten einer Mehrzahl von
unterschiedlichen Indikatoren in Abhängigkeit von den erfassten
Sensorwerten;
- – ermitteln einer Wahrscheinlichkeit für das
Vorliegen mindestens eines möglichen Zustands des Fahrers
in Abhängigkeit von den aktuellen Werten der Indikatoren;
und
- – ermitteln des aktuellen Zustands des Fahrers in Abhängigkeit
von der ermittelten Wahrscheinlichkeit.
-
Die
Erfindung betrifft auch ein Rechengerät zur Ermittlung
eines Zustands eines Fahrers eines Fahrzeugs sowie ein Computerprogramm,
das auf einem Rechengerät, insbesondere einem Rechengerät zur
Ermittlung eines Zustands eines Fahrers eines Fahrzeugs, ablauffähig
ist.
-
Aus
der
DE 10 2004
029 825 A1 ist ein Verfahren zur Ermittlung eines als Fahrerzustand
bezeichneten Zustands des Fah rers eines Fahrzeugs bekannt, bei dem
ein aktueller Lenkradwinkel erfasst wird und daraus auf das Vorliegen
einer Ermüdung des Fahrers geschlossen wird.
-
Hierzu
wird innerhalb eines vorgebbaren Zeitintervalls mehrfach ein aktueller
Lenkradwinkel erfasst. In Abhängigkeit von den erfassten
Lenkwinkeln wird das Zeitintervall in als Lenkpausen bezeichnete lenk-passive
Phasen und in lenk-aktive Phasen unterteilt. Überschreitet
die Dauer einer Lenkpause einen vorgebbaren Schwellwert, so wird
auf einen Ermüdungszustand des Fahrers geschlossen.
-
Aus
der
DE 103 55 221
A1 ist ein Verfahren zur Ermittlung einer Unaufmerksamkeit
des Fahrers eines Fahrzeugs bekannt, bei dem ebenfalls Lenkpausen
ermittelt werden. Zusätzlich wird hierbei auch eine sich
an die Lenkpause anschließende Lenkaktion beobachtet. In
Abhängigkeit von der Dauer der Lenkpause sowie der Heftigkeit
der sich anschließenden Lenkreaktion wird auf die Wahrscheinlichkeit des
Vorliegens eines Ermüdungszustands des Fahrers geschlossen.
-
Das
aus der
DE 103 55
221 A1 bekannte Verfahren sieht ferner vor, neben dem aktuellen Lenkradwinkel
weitere Sensorsignale von anderen Sensoren als mögliche
Indikatoren für die Unaufmerksamkeit des Fahrers zu empfangen
und auszuwerten. Mittels eines probabilistischen Modells werden
dann Rückschlüsse auf mögliche Ursachen
der festgestellten Unaufmerksamkeit gezogen. Als weitere Sensorwerte
sind hierbei ein Gierwinkel des Fahrzeugs, ein Abstand des Fahrzeugs
zu einem vorausfahrenden Fahrzeug oder ein Abkommen von einer Fahrspur
genannt.
-
Aus
der
DE 102 10 130
A1 ist ein Verfahren zur Warnung eines Fahrers bei auftretenden
Fahrfehlern und vor potentiellen Gefahren in Folge von Unaufmerksamkeit
bekannt. Hierzu werden ebenfalls unterschiedliche Sensorwerte erfasst,
die eine Fahrpedalposition, eine Bremspedalposition, einen Lenkwinkel,
einen Abstand zu einer Randmarkierung der Fahrspur oder eine Körperhaltung
des Fahrers beschreiben. Jeder der erfassten Sensorwerte wird gewichtet
und anschließend aufsummiert. In Abhängigkeit
von der Summe wird auf die Intensität einer vorliegenden
Unaufmerksamkeit geschlossen.
-
Wird
bei den bekannten Verfahren auf eine Ermüdung oder eine
Unaufmerksamkeit des Fahrers geschlossen, so erfolgt eine Warnung
beispielsweise durch Ausgabe eines akustischen Signals oder durch einen
Eingriff in den Betrieb des Fahrzeugs, der beispielsweise durch
Aktivierung einer Bremseinrichtung realisiert wird. Um eine Irritation
des Fahrers auszuschließen muss dafür gesorgt
werden, dass nicht aufgrund einer Fehlinterpretation beziehungsweise
Fehlauswertung der Sensorwerte fälschlicherweise eine Warnung
oder ein Eingriff in den Betrieb des Fahrzeugs erfolgt, obwohl tatsächlich
keine Ermüdung oder Unaufmerksamkeit vorliegt.
-
Ist
ein derartiges Verfahren in einem Fahrzeug eingesetzt, so muss folglich
eine möglichst präzise Bestimmung des aktuellen
Fahrerzustands und insbesondere ein besonders präzises
Erkennen einer Ermüdung oder Unaufmerksamkeit möglich
sein. Dies ist insbesondere auch deshalb wichtig, da sich Fahrer
häufig darauf verlassen, dass eine Unaufmerksamkeit oder
Ermüdung angezeigt wird, wodurch die eigene Aufmerksamkeit
möglicherweise nochmals reduziert wird.
-
Der
vorliegenden Erfindung liegt daher die Aufgabe zugrunde, eine Möglichkeit
zu schaffen, die ein möglichst sicheres Erkennen des aktuellen
Zustands des Fahrers eine Fahrzeugs ermöglicht.
-
Die
Aufgabe wird durch ein Verfahren der eingangs genannten Art dadurch
gelöst, dass die aktuell erfassten Werte der Sensoren innerhalb
eines vorgebbaren ersten Zeitabschnitts in einem Datenpaket zusammengefasst
werden und Indikatorwerte gebildet werden, die jeweils eine statistische
Aussage über mindestens ein Datenpaket ermöglichen.
-
Ein
Indikator beschreibt beispielsweise einen Mittelwert der Sensorwerte
eines Datenpakets und ermöglicht damit eine Reduzierung
eines verfälschenden Einflusses möglicher Störimpulse
in den erfassten Sensorwerten. Bereits in diesem Stadium des Verfahrens
können beispielsweise negative Auswirkungen einzelner Ausreißer
in den ermittelten Sensorwerten eliminiert werden.
-
Erfindungsgemäß wird
für jeden Indikator innerhalb eines vorgebbaren zweiten
Zeitabschnitts eine Menge von aktuellen Indikatorwerten ermittelt und
eine Verteilung dieser Indikatorwerte bezüglich eines Referenzmodells
erstellt. Für die Ermittlung der Indikatorwerte wird folglich
nicht nur eine Historie von Sensorwerten herangezogen, sondern es
wird auch eine Historie von Indikatorwerten gesammelt und eine Verteilung
dieser innerhalb des zweiten Zeitabschnitts gesammelten Indikatorwerte
ermittelt.
-
Die
Verteilung der Indikatorwerte eines Indikators wird mit einem Referenzmodell
beziehungsweise einer Referenzverteilung verglichen, wobei das Referenzmodell
für jeden möglichen Fahrerzustand angibt, wie
eine Verteilung dieser Indikatorwerte typischerweise aussehen müsste.
Mittels dieses Vergleichs wird dann bestimmt, mit welcher Wahrscheinlichkeit
jeder der möglichen Fahrerzustände unter Berücksichtigung
dieses Indikators aktuell vorliegt.
-
In
einem weiteren Schritt wird für jeden möglichen
Zustand des Fahrers eine kumulierte Wahrscheinlichkeit aus den zuvor
für jeden Indikator und jeden möglichen Zustand
ermittelten Wahrscheinlichkeiten bestimmt. Dies ist beispielsweise
dadurch möglich, dass für einen bestimmten Zustand
ein Mittelwert aus den zuvor für jeden Indikator ermittelten Wahrscheinlichkeit
des Vorliegens dieses bestimmten Zustands berechnet wird.
-
In
einem weiteren Schritt wird ein probabilistisches Modell entwickelt,
das für jeden möglichen Zustand des Fahrers angibt,
mit welcher Wahrscheinlichkeit ein Übergang in einen anderen
Zustand erfolgt, beziehungsweise mit welcher Wahrscheinlichkeit
kein Wechsel in einen anderen der möglichen Zustände
erfolgt. Hierzu wird die aus jedem Indikatorwert beziehungsweise
dessen Verteilung bezüglich des Referenzmodells – also
dessen Abweichung von einem Referenzwert – und über
zu dem jeweiligen Zeitpunkt bestimmten kumulierten Wahrscheinlichkeiten
eine Folge von Wahrscheinlichkeiten für das Vorliegen eines
jeden der möglichen Zustande entwickelt. Durch eine Analyse
der kumulierten Wahrscheinlichkeiten für jeden Zustand kann
dann bestimmt werden, wann beziehungsweise ob innerhalb des betrachteten
zweiten Zeitabschnitts ein Zustandsübergang erfolgt. Daraus
wiederum kann die Wahrscheinlichkeit für jeden der möglichen Zustandsübergänge
ermittelt werden.
-
Erfindungsgemäß wird
mittels des Modells und ausgehend von aktuellen Zustandswahrscheinlichkeiten
derjenige Zustand als Fahrerzustand ermittelt, der in unendlicher
Zeit erreicht werden würde. Es wird folglich eine Grenzwertbildung
durchgeführt. Das Ergebnis der Grenzwertbildung ist derjenige
Zustand, der von dem Verfahren als Fahrerzustand ermittelt wird.
-
Das
erfindungsgemäße Verfahren ermöglicht
eine sehr präzise Ermittlung eines aktuellen Fahrerzustands,
da nicht nur eine Vielzahl von Sensorwerten erfasst und beobachtet
werden, sondern zusätzlich eine statistische Aussage über
eine vorgebbare Menge von Sensorwerten (diejenigen, die innerhalb
des ersten Zeitintervalls erfasst worden sind) eines Sensors mittels
eines oder mehrer Indikatoren ermittelt werden, wozu zunächst
ein Indikatorwert bestimmt wird. Für jeden möglichen
Indikator wird eine Mehrzahl von Indikatorwerten ermittelt und die
Gesamtheit der innerhalb des zweiten Zeitabschnitts für jeden
Indikator ermittelten Indikatorwerte wird dann für die
Ermittlung des aktuellen Fahrerzustands herangezogen, wobei eine
Grenzwertbetrachtung mittels eines probabilistischen Modells durchgeführt wird.
-
Vorteilhafterweise
wird ein Vertrauenswert ermittelt, der eine Einschätzung
der Richtigkeit des ermittelten Fahrerzustands ermöglicht.
Der Vertrauenswert ermittelt beispielsweise die Wahrscheinlichkeit,
dass der aktuell ermittelte Fahrerzustand nur um einen fest vorgebbaren
Wert bzw. um eine fest vorgebbare Wahrscheinlichkeit von dem tatsächlichen Fahrerzustand
abweicht. Dies ermöglicht folglich implizit eine Fehlerabschätzung.
-
In
einer besonders vorteilhaften Ausführungsform des erfindungsgemäßen
Verfahrens wird die kumulierte Wahrscheinlichkeit mittels der Formel von
Bayes ermittelt. Die Formel von Bayes ermöglicht die Bestimmung
einer sogenannten bedingten Wahrscheinlichkeit. Vorliegend wird
für jeden der möglichen Zustände ermittelt,
mit welcher Wahrscheinlichkeit dieser Zustand vorliegt unter der
Bedingung, dass die Indikatoren mit den zuvor ermittelten Wahrscheinlichkeiten
die Indikatorwerte angenommen haben. Die Formel von Bayes nutzt
hierbei bei spielsweise das Wissen der Referenzverteilungen beziehungsweise
der Referenzmodelle aus, die angeben, mit welcher Wahrscheinlichkeit
ein Indikator einen bestimmten Wert hat, wenn sich der Fahrer in einem
bestimmten Fahrerzustand befindet.
-
Die
Formel von Bayes ermöglicht also die Lösung der
Fragestellung, unter welcher Wahrscheinlichkeit ein bestimmter Fahrerzustand
vorliegt, wenn die den einzelnen Indikatorwerten zugeordneten Wahrscheinlichkeiten
vorliegen. Diese Ausführungsform ermöglicht eine
nochmals präzisere Bildung einer kumulierten Wahrscheinlichkeit
als dies beispielsweise mittels einer möglicherweise gewichteten
Mittelwertbildung möglich wäre.
-
Gemäß einer
anderen bevorzugten Ausführungsform wird das probabilistische
Modell, das für jeden möglichen Zustand die Wahrscheinlichkeit
des Übergangs in jeden der möglichen Zustände
darstellt, in Form einer Markov-Kette dargestellt. Eine Markov-Kette
ermöglicht die Abbildung eines stochastischen Prozesses
durch eindeutige Abbildung der Übergangswahrscheinlichkeiten
zwischen den möglichen Zuständen.
-
Vorteilhafterweise
werden die Zustandsübergänge mittels einer Übergangsmatrix
dargestellt. Dies ermöglicht eine besonders einfache Bestimmung
des Grenzwerts und damit des aktuellen Fahrerzustands. Der Grenzwert
wird vorzugsweise mittels eines Grenzvektors dargestellt.
-
Erfindungsgemäß wird
hierbei der Umstand ausgenutzt, dass eine Markov-Kette unter den
vorliegenden Bedingungen einen sogenannten Fixvektor besitzt, der
den Zustand angibt, in den das System nach unendlicher Zeit übergehen
würde. Eine derartige Betrachtung der stochastischen Prozesse
ermöglicht somit eine besonders präzise Bestimmung des
aktuellen Fahrerzu stands, da diese für jeden der möglichen
Zustände angibt, mit welcher Wahrscheinlichkeit der Fahrer
in jedem der Zustände ist, unter Berücksichtigung
zumindest der Historie der in dem zweiten Zeitabschnitt gesammelten
Indikatorwerte.
-
Die
Qualität des Verfahrens zur Ermittlung des Fahrerzustands
wird insbesondere auch durch die Art der verwendeten Sensorwerte
bestimmt. Besonders vorteilhaft ist es, wenn bei dem Verfahren ein Lenkwinkel,
ein Gierwinkel, eine Position des Fahrzeugs bezüglich einer
Fahrspur, eine Fahrbahnkrümmung, eine Anzahl von Spuren,
eine aktuelle Spur und/oder eine Spurbreite berücksichtigt
wird. Diese Größen sind einerseits sicher erfassbar
und ermöglichen einzeln oder in geeigneter Kombination
eine präzise Bestimmung des aktuellen Fahrerzustands mittels
des erfindungsgemäßen Verfahrens.
-
Ein
Indikator ist eine Größe, die eine Aussage über
einen möglichen Fahrerzustand erlaubt. Erfindungsgemäß werden
die Indikatorwerte unterschiedlicher Indikatoren jeweils über
einer Mehrzahl von Werten eines oder mehrerer Sensoren gebildet. Vorteilhafterweise
werden hierbei stochastische Größen gebildet.
Diese beschreiben beispielsweise einen Mittelwerk, eine Standardabweichung,
eine mittlere Differenz zu einem Referenzwert oder eine mittlere
Standardabweichung. Derartige Indikatorwerte ermöglichen
eine Reduzierung von Fehlern, die beispielsweise durch Störungen
in den Sensorwerten erfolgen können. Ferner ermöglichen
derartig gebildete Indikatorwerte die Berücksichtigung
einzelner oder mehrerer vorangegangener Indikatorwerte und damit
beispielsweise die Beschreibung eines Trends.
-
Beispielsweise
kann anhand einer Lenkgeschwindigkeit erkannt werden, ob eine besonders heftige
Reaktion stattfindet. Diese wiederum kann darauf hindeuten, dass
eine überraschte Reakti on des Fahrers vorliegt, wie dies
der Fall sein kann, wenn der Fahrer aus einem Ermüdungszustand hochschreckt.
Vorteilhafte Indikatorwerte, die eine Lenkgeschwindigkeit berücksichtigen,
sind eine mittlere Lenkgeschwindigkeit, eine Standardabweichung der
Lenkgeschwindigkeit oder eine Anzahl von Lenkgeschwindigkeiten,
die einen vorgebbaren Schwellwert überschreiten.
-
Grundsätzlich
ist es vorteilhaft, wenn eine möglicherweise erfolgende
Fehlinterpretation eines Indikatorwertes dadurch systemintern korrigierbar
ist, dass weitere Indikatorwerte berücksichtigt werden, die
eine korrigierende Beurteilung ermöglichen. Beispielsweise
kann eine besonders hohe Lenkgeschwindigkeit auch dann vorliegen,
wenn eine plötzliche Gefahrensituation auftritt, die nicht
vorhersehbar war. In diesem Fall sollte keineswegs eine Warnung
an den Fahrer aufgrund einer fälschlicherweise angenommenen
Ermüdungssituation erfolgen, da diese den Fahrer weiter
ablenken könnte. Um dies zu verhindern kann beispielsweise
ein Indikatorwert auf einer Veränderung einer aktuellen
Position des Fahrzeugs bezüglich der Spurmitte herangezogen
werden. War das Fahrzeug beispielsweise relativ nahe an der Spurmitte
und erfolgt von dort heraus eine plötzliche heftige Lenkbewegung,
so kann auf eine externe Gefahrensituation geschlossen werden. War jedoch
zuvor eine zunehmende Positionsdifferenz zur Spurmitte zu beobachten
und erfolgte dann eine heftige Lenkreaktion, so kann mit größerer
Wahrscheinlichkeit von einer Ermüdungssituation des Fahrers
ausgegangen werden.
-
Die
Aufgabe wird auch durch ein Rechengerät der eingangs genannten
Art dadurch gelöst, dass das Rechengerät zur Durchführung
des erfindungsgemäßen Verfahrens eingerichtet
ist.
-
Die
Aufgabe wird ferner durch ein Computerprogramm der eingangs genannten
Art dadurch gelöst, dass das Computerprogramm zur Durchführung des
erfindungsgemäßen Verfahrens programmiert ist,
wenn das Computerprogramm auf dem Rechengerät abläuft.
Damit stellt das Computerprogramm ebenso die Erfindung dar wie das
Verfahren, zu dessen Ausführung das Computerprogramm programmiert
ist.
-
Weitere
Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindung
ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen
der Erfindung, die in den Zeichnungen dargestellt sind. Dabei zeigen:
-
1 eine
stark schematisierte Darstellung des Datenflusses eines Ausführungsbeispiels
des erfindungsgemäßen Verfahrens und
-
2 ein
schematisiertes Ablaufdiagramm eines Ausführungsbeispiels
des erfindungsgemäßen Verfahrens.
-
1 zeigt
eine schematische Darstellung eines möglichen Datenflusses
während der Ausführung eines Ausführungsbeispiels
des erfindungsgemäßen Verfahrens. In 1 sind
Sensorwerte SA,1, SA,2 und
SA,m dargestellt, die in einem Datenpaket
DA,1 zusammengefasst werden. Aus dem Datenpaket
DA,1 wird ein Indikatorwert IA,1 eines
ersten Indikators IA gebildet. Analog hierzu
wird ein erster Indikatorwert IB,1 eines
zweiten Indikators IB ermittelt.
-
Aus
dem ersten Indikatorwert IA,1, IB,1 des ersten Indikators IA und
des zweiten Indikators IB sowie in analoger
Weise ermittelter weiterer Indikatorwerte, die nicht in 1 dargestellt
sind, wird eine erste kumulierte Wahrscheinlichkeit P1 ermittelt.
-
In
analoger Weise wird für jeden möglichen Indikator
IA, IB eine vorgebbare
Anzahl von weiteren Indikatorwerten IA,n,
IB,n ermittelt, aus denen jeweils weitere
kumulierte Wahrscheinlichkeiten P1 bis Pn ermittelt werden.
-
Aus
den kumulierten Wahrscheinlichkeiten P1 bis
Pn wird ein Markov-Modell M erzeugt, das
beispielsweise drei Zustände Z1,
Z2 und Z3 umfasst.
Die Zustände können beispielsweise einen besonders aufmerksamen
Zustand, einen leicht ermüdeten oder abgelenkten Zustand
und einen sehr ermüdeten Zustand beschreiben. Selbstverständlich
ist es vorstellbar, dass das Markov-Modell M weitere Zustände aufweist.
Das Markov-Modell M umfasst ferner Zustandsübergangswahrscheinlichkeiten
p11 bis p33.
-
Aus
dem Markov-Modell M wird unter Verwendung einer Gleichung G ein
Grenzwert ermittelt, der durch einen Grenzvektor dargestellt ist
und den Zustand angibt, welcher nach unendlicher Zeit erreicht werden
würde.
-
Eine
ausführlichere Beschreibung des Datenflusses erfolgt anhand
des in 2 dargestellten Ablaufdiagramms eines möglichen
Ausführungsbeispiels des erfindungsgemäßen
Verfahrens.
-
Das
Verfahren beginnt in einem Schritt 100, in dem ein Zähler
initialisiert wird, mittels dessen der Ablauf eines ersten Zeitabschnitts
messbar ist. Der erste Zeitabschnitt bestimmt eine Zeit, während
der Sensorwerte SA,1, SB,1 erfasst
und zu Datenpaketen DA,1, DA,1 zusammengefasst
werden.
-
Beispielsweise
werden in einem Schritt 101 ein erster Sensorwert SA,1 eines ersten Sensors SA und
ein erster Sensorwert SB,1 eines zweiten
Sensors SB erfasst. Der erste Sensor SA kann beispielsweise ein Lenkwinkelsensor
sein. Der zweite Sensor SB kann als System
ausgebildet sein, das eine Erfassung der Position des Fahrzeugs
bezüglich der Fahrbahnmitte ermöglicht. Der erste
Sensor SA, der zweite Sensor SB sowie
weitere nicht dargestellte Sensoren können beispielsweise
auch die Erfassung eines Gierwinkels, einer Fahrbahnkrümmung,
einer Anzahl von Spuren, einer aktuellen Spur oder einer Spurbreite
ermöglichen.
-
Die
in dem Schritt 101 erfassten Sensorwerte werden in geeigneter
Weise und an geeigneter Stelle, beispielsweise in einem Speicherbereich
des Rechengeräts, abgespeichert.
-
In
einem Schritt 102 wird geprüft, ob der erste Zeitabschnitt überschritten
ist. Ist dies nicht der Fall, so wird zu dem Schritt 101 zurückverzweigt
und es werden weitere Sensorwerte erfasst.
-
Ist
der erste Zeitabschnitt überschritten, so werden die innerhalb
dieses Zeitabschnitts erfassten Sensorwerte eines jeden Sensors
sensorspezifisch in einem Datenpaket DA,
DB abgelegt.
-
In
einem Schritt 103 werden Indikatorwerte IA,2,
IB,2 ermittelt. Hierzu werden die in den
Datenpaketen DA, DB erfassten
Sensorwerte statistisch bewertet.
-
Aus
den einen Lenkwinkel beschreibenden Sensorwerten eines Datenpakets
kann beispielsweise eine Standardabweichung des Steuerwinkels oder eine
mittlere Standardabweichung des Steuerwinkels ermittelt werden,
wobei der Steuerwinkel dem um die Fahrbahnkrümmung korrigierten
Lenkwinkel entspricht. Hierfür können die Daten
zweiter unterschiedlicher Datenpakete berücksichtigt werden, nämlich
eines Datenpakets, das Lenkwin kelwerte umfasst und eines weiteren
Datenpakets, das eine aktuelle Straßenkrümmung
beschreibende Sensorwerte umfasst.
-
Grundsätzlich
können Indikatorenwerte Sensorwerte von nur einem oder
aber von unterschiedlichen Sensoren statistisch erfassen.
-
Aus
einem Datenpaket, das mehrere Lenkwinkelwerte umfasst, kann beispielsweise
auch ein Indikatorwert für einen Indikator IA,
IB ermittelt werden, der eine mittlere Lenkgeschwindigkeit
oder eine Standardabweichung der Lenkgeschwindigkeit beschreibt.
-
Beispielsweise
beschreiben Indikatoren IA, IB eine
Standardabweichung einer lateralen Position aus einem Datenpaket,
das den Abstand zu den Seitenlinien der Fahrbahn umfasst. Weitere
mögliche Indikatoren IA, IB beschreiben eine mittlere Standardabweichung
der lateralen Position oder eine mittlere laterale Geschwindigkeit,
also die Ableitung des lateralen Abstands, welcher beispielsweise
zum äußersten rechten Spurrand gemessen wird.
-
Besonders
gut geeignet sind grundsätzlich Standardabweichungen, mittlere
Standardabweichungen, Berechnungen eines Mittelwerts, Berechnung
eines root-mean-square Wertes, Durchführung einer Hochpassfilterung,
Durchführung einer Tiefpassfilterung, Bildung eines mean-square
Wertes oder Bestimmung einer Häufigkeit bestimmter Ereignisse
innerhalb eines Datenpakets, beispielsweise Bestimmung einer Anzahl
von Lenkpausen von bestimmter Dauer oder Bestimmung einer Anzahl
von Lenkgeschwindigkeiten, die größer als eine
vorgegebene Geschwindigkeit sind.
-
Mittels
der oben genannten stochastischen Mittel können Längs-
und Quergeschwindigkeiten, Positionen bezüglich der Fahrbahnmitte
oder des Fahrbahnrands, des Gierwinkels, des Lenkwinkels, der Lenkgeschwindigkeit
oder des Steuerwinkels in geeigneter Weise aufbereitet werden.
-
In
einem Schritt 104 wird geprüft, ob ein zweiter
Zeitabschnitt überschritten ist. Der zweite Zeitabschnitt
umfasst den ersten Zeitabschnitt und bestimmt, wie lange Indikatorwerte
IA,1, IB,1–IA,n, IB,n berechnet
werden sollen. Damit wird implizit bestimmt, wie viele Indikatorwerte
für jeden Indikator IA, IB ermittelt werden sollen, beziehungsweise
wie viele Datenpakete ermittelt werden sollen.
-
Ist
der zweite Zeitabschnitt noch nicht überschritten, so wird
zu dem Schritt 100 zurückverzweigt, indem der
Zähler für den ersten Zeitabschnitt neu initialisiert
wird, so dass erneut Sensorwerte erfasst und für jeden
Sensor ein neues Datenpaket ermittelt wird, woraus dann neue Indikatorwerte
IA,2, IB,2 bestimmt
werden.
-
Ist
der zweite Zeitabschnitt jedoch überschritten, so wird
in einem Schritt 105 für jeden Indikator IA, IB eine Verteilung
der bisher ermittelten Indikatorwerte IA,1,
IB,1, IA,n, IB,n bestimmt.
-
In
einem Schritt 106 werden Referenzmodelle herangezogen,
die für die möglichen Fahrerzustände
eine Verteilung jedes Indikators IA, IB anzeigen. Die in dem Schritt 105 ermittelte
Verteilung eines jeden Indikators IA, IB wird dann mit dem jeweiligen Referenzmodell
verglichen. Daraus wird dann eine Wahrscheinlichkeit für
den jeweiligen Zustand und den jeweiligen Zeitpunkt ermittelt. Beispielsweise
wird für jeden erfassten Indikatorwert IA,1,
IB,1, IA,n, IB,n eines Indikators IA, IB bestimmt, mit welcher Wahrscheinlichkeit
jeder der möglichen Fahrerzustände vorliegt.
-
Ein
derartiges Referenzmodell kann beispielsweise dadurch erstellt werden,
dass beobachtet wird, mit welcher Häufigkeit ein Sensor
einen bestimmten Wert liefert, wenn der Fahrer sich in einem bestimmten
Zustand befindet. Das Referenzmodell gibt ferner an, wie eine Streuung
um diesen optimalen Wert in dem bestimmten Zustand ausgebildet sein
kann.
-
In
einem Schritt 107 wird eine kumulierte Wahrscheinlichkeit
P1 bis Pn ermittelt,
die eine Zustandswahrscheinlichkeit für jeden der möglichen
Zustände beschreibt, wobei jeweils alle zur Verfügung stehenden
Indikatoren IA, IB derart
verwendet werden, dass für jeden möglichen Indikator
IA, IB genau ein
Indikatorwert herangezogen wird. Es wird folglich zu jedem ersten
Zeitabschnitt eine kumulierte Wahrscheinlichkeit P1 bis
Pn ermittelt.
-
Die
kumulierte Wahrscheinlichkeit kann besonders gut mittels der an
sich aus der Stochastik bekannten Formel von Bayes ermittelt werden.
Die Formel von Bayes ermöglicht grundsätzlich
die Bestimmung sogenannter bedingter Wahrscheinlichkeiten. Vorliegend
wird damit für jeden ersten Zeitabschnitt und jeden möglichen
Fahrerzustand die Wahrscheinlichkeit des Vorliegens dieses Fahrerzustands
ermittelt, wobei jeweils ein Indikatorwert IA,1,
IB,1 jedes möglichen Indikators
IA, IB herangezogen
wird.
-
In
einem Schritt 108 werden die unabhängigen Resultate
aus der in dem Schritt 107 durchgeführten Wahrscheinlichkeitsberechnungen,
nämlich die kumulierten Wahrscheinlichkeiten P1 bis
Pn, verknüpft. Dies wird mittels
eines Markov-Modells M erreicht, in welchem die Fahrerzustände
und Übergangswahr scheinlichkeiten definiert werden. Übergangswahrscheinlichkeiten
geben beispielsweise an, mit welcher Wahrscheinlichkeit von einem
Zustand zu einem anderen Zustand übergegangen wird (Zustandsübergangswahrscheinlichkeiten
p12, p21, p23, p32, p31, p13 in 1),
beziehungsweise mit welcher Wahrscheinlichkeit kein Übergang
zu einem anderen Zustand erfolgt (Zustandsübergangswahrscheinlichkeiten
p11, p22, p33 in 1).
-
In
einem Schritt
108 wird der aktuelle Fahrerzustand ermittelt.
Hierzu wird beispielsweise ein Grenzwert berechnet, wozu die in
1 dargestellte Gleichung
G angewendet werden kann. Hierbei werden Übergangsmatrizen
gebildet, die den mittels des Markov-Modells M bestimmten Zustandsübergangswahrscheinlichkeiten
p
12, p
21, p
23, p
32, p
31, p
13 entsprechen.
Der Grenzwert zeigt damit den Zustand an, den das mittels des Markov-Modells
M beschriebene gesamte System in unendlicher Zeit annehmen würde. Dieser
Grenzwert kann auch als Grenzvektor
dargestellt werden.
-
In
einem Schritt 109 wird ein Vertrauenswert ermittelt, der
beschreibt, mit welcher Wahrscheinlichkeit der mittels des erfindungsgemäßen
Verfahrens ermittelte Fahrerzustand innerhalb eines vorgebbaren
Fehlerintervalls liegt. Ein derartiger Vertrauenswert kann beispielsweise
durch Interpolation der ermittelten Zustandswahrscheinlichkeiten
berechnet werden.
-
Das
erfindungsgemäße Verfahren ermöglicht
folglich eine besonders zuverlässige Bestimmung eines aktuellen
Fahrerzustands dadurch, dass eine Vielzahl unterschiedlicher Sensorwerte
erfasst werden und aus diesen Sensorwerten eine Vielzahl unterschiedlicher
Indikatorwerte gebildet werden. Für jeden möglichen
Indikator IA, IB werden
eine Mehrzahl von Indikatorwerten gebildet und es wird deren Verteilung
bezüglich eines Referenzmodells ermittelt. Daraus werden
Zustandswahr scheinlichkeiten ermittelt. Für jeden ersten
Zeitabschnitt, der innerhalb des zweiten Zeitabschnitts abläuft,
wird dann eine kumulierte Wahrscheinlichkeit für jeden
möglichen Zustand ermittelt. Innerhalb des zweiten Zeitabschnitts werden
eine Mehrzahl derartiger kumulierter Wahrscheinlichkeiten ermittelt,
so dass auch deren Verlauf berücksichtigt wird. Mittels
eines Markov-Modells M und einer Grenzwertbetrachtung wird schließlich
der aktuelle Fahrerzustand bestimmt.
-
Selbstverständlich
sind eine Vielzahl weiterer Ausführungsformen vorstellbar.
Insbesondere können weitere Sensoren herangezogen werden,
die nochmals andersartige Sensorwerte liefern. Ferner können
weitere Indikatoren IA, IB ermittelt
werden.
-
Insbesondere
kann das in 2 dargestellte Ausführungsbeispiel
durch Hinzunahme einzelner Schritte oder Veränderung der
Reihenfolge verändert werden. Beispielsweise kann direkt
nach dem Schritt 103 der Schritt 105 folgen. Der
Abfrageschritt 104 könnte dann zwischen dem Schritt 107 und
dem Schritt 108 angeordnet sein. Dies würde bedeuten, dass
jeweils nach dem Erfassen der Sensorwerte, die innerhalb eines Datenpakets
zusammengefasst werden sollen, die hiervon abhängigen Indikatorwerte
ermittelt werden und daraus die diesem Zeitabschnitt zugeordnete
kumulierte Wahrscheinlichkeit ermittelt wird.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 102004029825
A1 [0003]
- - DE 10355221 A1 [0005, 0006]
- - DE 10210130 A1 [0007]