DE102007011169A1 - Verfahren und System für eine Erkennung einer Handhabungsgeschicklichkeit eines Fahrers durch das Lenkverhalten des Fahrers - Google Patents
Verfahren und System für eine Erkennung einer Handhabungsgeschicklichkeit eines Fahrers durch das Lenkverhalten des Fahrers Download PDFInfo
- Publication number
- DE102007011169A1 DE102007011169A1 DE102007011169A DE102007011169A DE102007011169A1 DE 102007011169 A1 DE102007011169 A1 DE 102007011169A1 DE 102007011169 A DE102007011169 A DE 102007011169A DE 102007011169 A DE102007011169 A DE 102007011169A DE 102007011169 A1 DE102007011169 A1 DE 102007011169A1
- Authority
- DE
- Germany
- Prior art keywords
- maneuver
- ann
- driver
- vehicle
- skill level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 17
- 229910003460 diamond Inorganic materials 0.000 description 12
- 239000010432 diamond Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
- B62D6/007—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits adjustable by the driver, e.g. sport mode
-
- 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
- B60W40/08—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 drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2540/12—Brake pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
- HINTERGRUND DER ERFINDUNG
- 1. Gebiet der Erfindung
- Diese Erfindung betrifft allgemein ein System und ein Verfahren zum Identifizieren eines Geschicklichkeitsniveaus eines Fahrers und insbesondere ein System und ein Verfahren zum Identifizieren eines Geschicklichkeitsniveaus eines Fahrers, das ein Identifizieren eines Fahrmanövers und dann ein Verwenden eines Ausgangs von einem künstlichen neuronalen Feedforward-Netz für dieses Manöver umfasst, um das Geschicklichkeitsniveau eines Fahrers bereitzustellen.
- 2. Erläuterung der verwandten Technik
- Das Fahren eines Fahrzeugs ist ein Prozess, der Fahrer/Fahrzeug-Interaktionen umfasst. Sichere und angenehme Fahrerlebnisse hängen nicht nur von der Fahr- und Handhabungsleistung des Fahrzeugs ab, sondern auch von der Fähigkeit des Fahrers, das Fahrzeug geeignet zu bedienen und zu steuern. Viele Aufgaben betreffen eine Fahrer/Fahrzeug-Interaktion von der direktesten Steuerung der Fahrzeugbewegung bis hin zu der Planung einer Fahrzeugführung und -navigation sowie andere zusätzliche Fahrzeugsteuerungen, wie beispielsweise eine Kommunikation und ein Betrieb von verschiedenen anderen Fahrzeugeinrichtungen. Alle diese Aufgaben erfordern für eine Ausführung verschiedene Grade von Fahrer aufmerksamkeit und mentaler Belastbarkeit sowie eine physikalische Ansprechbarkeit.
- Im Allgemeinen betreffen alle oben erläuterten Aufgaben die Fähigkeit des Fahrers, das Fahrzeug handzuhaben und zu steuern. Unter der Annahme eines gleichen Fahrzeugs und der gleichen Fahrsituation können sich die Fahrzeugmanöver und die Fahrzeugleistung aufgrund von verschiedenen Faktoren unterscheiden, die die Fähigkeit des Fahrers beeinflussen, das Fahrzeug zu steuern, und die spezifische Fähigkeit des Fahrers und den Umfang an durch sekundäre Aufgaben auferlegter Belastung umfassen. Zum Beispiel kann ein Ansprechen des Fahrzeugs dem Fahrer die Möglichkeit bieten, in Notfallsituationen schnell zu manövrieren. Es kann jedoch sein, dass ein junger oder unerfahrener Fahrer bestimmte Zustände, wie beispielsweise die hohe Lenkverstärkung, nicht gut handhabt. Andererseits kann bei demselben Fahrzeug und Fahrer die Fähigkeit, ein schwieriges Manöver handzuhaben, unterschiedlich sein, wenn sich der Fahrer vollständig auf das Fahren konzentriert bzw. sich mit den Fahrzeuginformations- und/oder -unterhaltungssystemen beschäftigt.
- Offensichtlich ist eine Fahrgeschicklichkeit, wie sie aus der Handhabung des fahrenden Fahrzeugs beurteilt wird, kein einfach zu behandelndes Problem, obwohl der Nutzen davon, solche Informationen für die Fahrzeugsteuerung zu besitzen, erkannt wird. Mit der Kenntnis der Fahrgeschicklichkeit können z.B. dementsprechend verschiedene mit Sicherheit und/oder mit Komfort in Verbindung stehende Dienste für den Fahrer bereitgestellt werden. Ferner können die Fahrwerksteuerungen neu abgestimmt werden, kann der Sicherheitsgurt gespannt werden und können dem Fahrer andere Informationen geliefert werden, wenn der Fahrer nicht geschickt ist.
- In den letzten Jahrzehnten gab es erhebliche Aktivitäten auf dem Gebiet der Fahrerantwortmodellierung. Das primäre Ziel der meisten dieser Aktivitäten ist, Fahrzeugsteuersignale oder -befehle zu erzeugen, so dass das Fahrzeug automatisch gefahren wird. Es wurden wenige Forschungsaktivitäten berichtet, die ausschließ1ich das Charakterisieren und Identifizieren des Fahrergeschicklichkeitsniveaus betreffen.
- Ein bekanntes Konzeptauto, bezeichnet als das Pod, untersucht das Potential für Kommunikationen zwischen Menschen und ihrem Fahrzeug. Es wurde berichtet, dass ein Pod die Fahrgeschicklichkeit seines Benutzers detektieren und sie mit vorab aufgezeichneten Fahrdaten eines erfahrenen Fahrers vergleichen kann. Dann zeigt es auf einem Monitor ein Lob oder eine Warnung an. Bei einem anderen Entwurf warnt ein Warnsystem für einen abweichenden Fahrer die Fahrer, wenn sie von einem normalen Fahren abweichen. Das System detektiert die Abweichung durch in Übereinstimmung bringen von aufgenommenen Informationen mit einer Datenbank einer durchschnittlichen Fahrleistung.
- ZUSAMMENFASSUNG DER ERFINDUNG
- Gemäß den Lehren der vorliegenden Erfindung sind ein Fahrerhandhabungsgeschicklichkeits-Erkennungssystem und ein in Beziehung stehender Algorithmus offenbart, die ein Fahrergeschicklichkeitsniveau identifizieren. Das System umfasst einen Lenkradwinkelprozessor, der auf ein Lenkradwinkelsignal anspricht und normalisierte DFT-Koeffizienten erzeugt. Das System umfasst auch mindestens ein künstliches neuronales Feedforward-Netz (FF-ANN), das auf die normalisierten DFT-Koeffizienten anspricht, wobei das FF-ANN ein Ausgangssignal liefert, das das Fahrergeschicklichkeitsniveau angibt. Bei einer Ausführungsform umfasst das System mehrere FF-ANNs für jedes mehrerer verschiedener Fahrzeugma növer. Das System umfasst einen Manöveridentifikator, der ein Fahrzeugmanöver identifiziert. Das System wählt in Abhängigkeit von dem identifizierten Manöver den Ausgang von einem der FF-ANNs aus. Bei einer alternativen Ausführungsform kann das System ein einzelnes FF-ANN umfassen, das für mehrere betreffende Fahrzeugmanöver entworfen ist.
- Zusätzliche Merkmale der vorliegenden Erfindung werden aus der folgenden Beschreibung und den beigefügten Ansprüchen in Verbindung mit den begleitenden Zeichnungen ersichtlich.
- KURZBESCHREIBUNG DER ZEICHNUNG
-
1 ist ein Graph mit einer Frequenz auf der horizontalen Achse und einem Wert auf der vertikalen Achse, der eine FFT eines Lenkradwinkels für einen erfahrenen Fahrer bei verschiedenen Geschwindigkeiten zeigt; -
2 ist ein Graph mit einer Frequenz auf der horizontalen Achse und einem Wert auf der vertikalen Achse, der eine FFT eines Lenkradwinkels für einen Fahranfänger bei verschiedenen Geschwindigkeiten zeigt; -
3 ist ein Blockdiagramm eines Systems zum Bereitstellen eines Lenkverhaltens auf der Grundlage einer Fahrerhandhabungsgeschicklichkeitserkennung gemäß einer Ausführungsform der vorliegenden Erfindung; -
4 ist ein Flussdiagramm, das einen Offline-Entwurfsprozess für eine FF-ANN-Erkennungseinrichtung ge mäß einer Ausführungsform der vorliegenden Erfindung zeigt; -
5 ist ein Flussdiagramm, das einen Prozess zum Berechnen normalisierter DFT-Koeffizienten gemäß einer Ausführungsform der vorliegenden Erfindung zeigt; -
6 ist ein Flussdiagramm, das einen Prozess für eine Manöveridentifikation gemäß einer Ausführungsform der vorliegenden Erfindung zeigt; -
7 ist ein Flussdiagramm, das einen Prozess für die Erkennung einer Mehrfach-FF-ANN-Erkennungseinrichtung zeigt; und -
8 ist ein Blockdiagramm eines einzelnen FF-ANN gemäß einer Ausführungsform der vorliegenden Erfindung. - DETAILLIERTE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
- Die folgende Erläuterung der Ausführungsformen der Erfindung, die ein System und einen in Beziehung stehenden Algorithmus zum Identifizieren eines Fahrergeschicklichkeitsniveaus betrifft, ist lediglich beispielhafter Natur und soll auf keine Weise die Erfindung oder ihre Anwendungen oder Verwendungen beschränken.
- Wie nachstehend erläutert stellt die vorliegende Erfindung ein System und ein in Beziehung stehendes Verfahren bereit, das ein Fahrerhandhabungsgeschicklichkeitsniveau erkennt. Um das Fahrergeschicklichkeitsniveau zu erkennen, ist es notwendig, Unterscheidungsmerkmale zu finden, die Fahrer mit verschiedenen Handhabungsgeschicklichkeitsniveaus am besten unterscheiden können. Gemäß der Erfindung zeigte sich, dass Koeffizienten einer diskreten Fouriertransformation (DFT) des Lenkradwinkels solche Unterscheidungsmerkmale liefern.
- Es ist für Fachleute zu verstehen, dass eine Fourieranalyse ein Wellenformsignal hinsichtlich Sinuskomponenten zerlegt und eine Darstellung des Signals im Frequenzbereich liefert.
1 zeigt den Wert von DFT-Koeffizienten von Fahrerlenkradauslesungen für einen Fahrer mit großer Geschicklichkeit während zwei Manövern eines doppelten Spurwechsels (DLC-Manövern) bei verschiedenen Geschwindigkeiten. Der Wert der DFT-Koeffizienten kann als die Leistung oder Energie der Komponenten bei verschiedenen Frequenzen in der Wellenform interpretiert werden. Die beiden Spitzen bei 0,5 Hz und 1,1 Hz bedeuten, dass das Lenkverhalten dieses Fahrers zwei Hauptfrequenzkomponenten aufweist, eine Langsame bei etwa 0,5 Hz und eine Schnelle bei etwa 1,1 Hz. -
2 zeigt den Wert von DFT-Koeffizienten von Fahrerlenkradauslesungen für einen Fahrer mit wenig Geschicklichkeit während zwei DLC-Manövern bei verschiedenen Geschwindigkeiten. Im Vergleich zu dem erfahrenen Fahrer erzeugt der Fahrer mit wenig Geschicklichkeit die Spitze mit hoher Frequenz nicht. Dieser Unterschied zwischen Fahrern mit großer Geschicklichkeit und Fahrern mit wenig Geschicklichkeit kann verwendet werden, um Fahrer mit verschiedenen Geschicklichkeitsniveaus zu unterscheiden. - Manöver bei verschiedenen Geschwindigkeiten erfordern ungeachtet des Geschicklichkeitsniveaus eines Fahrers verschiedene Lenkantworten von dem Fahrer. Für gewöhnlich lenkt eine Person das Fahrzeug zum Abschließen eines Manövers, wie beispielsweise eines Fahrens einer Kurve, um so schneller, je schneller sie fährt. Als ein Ergebnis skalieren sich die DFT-Koeffizienten des Lenkradwinkels entlang der Frequenzachse in Bezug auf die Fahrzeuggeschwindigkeit. Der Skalierungsfaktor verzerrt die Folgerichtigkeit der Unterscheidungsmerkmale innerhalb jeder Fahrergruppe und beeinflusst die Erkennungsleistung. Um dieses Problem zu reduzieren, kann eine Skalierungsnormalisierung ausgeführt werden mit: wobei g die normalisierten DFT-Koeffizienten sind, f die Frequenz ist, gv die ursprünglichen DFT-Koeffizienten des Manövers bei Geschwindigkeit v sind und v0 die normalisierte Geschwindigkeit ist.
-
3 ist ein Blockdiagramm eines Fahrerhandhabungsgeschicklichkeits-Erkennungssystems10 gemäß einer Ausführungsform der vorliegenden Erfindung. Das System10 umfasst einen Lenkradwinkelprozessor12 , der im Wesentlichen von einem Sensor58 an dem Lenkrad des Fahrzeugs ein Lenkradwinkelsignal empfängt. Der Prozessor12 berechnet die Unterscheidungsmerkmale und die normalisierten DFT-Koeffizienten des Lenkradwinkels. Der Lenkradwinkel kann auch von dem seriellen Datenlink des Fahrzeugs empfangen werden. Um die Dynamik des Fahrlenkverhaltens zu erfassen, wird der Lenkradwinkel mit einer Frequenz von beispielsweise 50 Hz abgetastet. Um die DFT-Koeffizienten zu erzeugen, muss eine Größe für das Zeitfenster des DFT-Koeffizienten identifiziert werden. Obwohl die optimale Größe durch weitere Untersuchungen ermittelt werden kann, ist eine Daumenregel, es lang genug zu machen, um ein gewöhnliches Manöver abzudecken, wie beispielsweise ein Fahren einer Kurve und ein Spurwechsel, was typischerweise innerhalb von zehn Se kunden passiert. In Bezug auf die Abtastrate von 50 Hz sollten 512 DFT-Koeffizienten genügen. - Gemäß der Erfindung ist für jedes verschiedene Manöver ein neuronales Netz vorgesehen, das ein Fahrerhandhabungsgeschicklichkeitsniveau auf der Grundlage von normalisierten DFT-Koeffizienten offline bereitstellt. Diese neuronalen Netze werden dann in das Fahrzeug implementiert, so dass das System
10 das Fahrergeschicklichkeitsniveau während des Fahrens identifizieren kann. In dem System10 gibt es zwei neuronale Netze für zwei verschiedene Fahrzeugmanöver. Insbesondere umfasst das System10 eine Fahrerhandhabungsgeschicklichkeitsniveau-Erkennungseinrichtung22 mit einem künstlichen neuronalen Feedforward-Netz (FF-ANN)14 für ein Manöver eines Spurwechsels in einer Kurve (LCIC-Manöver) und ein FF-ANN16 für ein Manöver eines doppelten Spurwechsels (DLC-Manöver). Die normalisierten DFT-Koeffizienten von dem Prozessor12 werden sowohl für das FF-ANN14 als auch für das FF-ANN16 bereitgestellt, so dass Ausgänge beider FF-ANNs14 und16 ein Fahrerhandhabungsgeschicklichkeitsniveau für dieses bestimmte Manöver liefern. Das LCIC- und das DLC-Manöver sind lediglich repräsentative Beispiele, da jede geeignete Anzahl von FF-ANNs in dem System10 für jedes erwünschte Manöver bereitgestellt sein kann. - Das System
10 umfasst auch einen Manöveridentifikatorprozessor18 , der verschiedene Eingänge empfängt, wie beispielsweise eine digitale Karte, GPS-Informationen, eine Gierrate, eine Querbeschleunigung, eine Längsbeschleunigung, eine Bremspedalposition etc. Der Manöveridentifikatorprozessor18 kann jeden geeigneten Algorithmus zum Identifizieren des Manövers verwenden, wie es für einen Fachmann zu verstehen ist. Der Prozessor18 identifiziert das Manöver, das der Fahrer ausführt, zu jedem Zeitpunkt während des Fahrens und liefert einen Manöverindexwert, der das bestimmte Manöver identifiziert. Der Manöverindexwert wird von einem Multiplexer20 empfangen, der den Ausgang von dem FF-ANN14 oder dem FF-ANN16 auswählt, wenn der Manöveridentifikatorprozessor18 ein LCIC oder ein DLC identifiziert. Der Ausgang des Multiplexers20 ist in Abhängigkeit von dem Manöver der Ausgangswert von dem FF-ANN14 oder dem FF-ANN16 . Bei einer Ausführungsform weisen die Ausgänge des FF-ANN14 und des FF-ANN16 ein Wert von 0, 1 oder 2 auf, wobei 0 für einen Fahranfänger steht, 1 für einen durchschnittlichen Fahrer steht und 2 für einen erfahrenen Fahrer steht. Diese Werte sind jedoch eine nicht beschränkende Ausführungsform, da für eine höhere Auflösung mehr Werte bereitgestellt sein können. - Der Fahrergeschicklichkeitsniveauwert kann in jedem geeigneten Fahrzeugsystem verwendet werden, um die Fahrzeugsteuerung zu erhöhen, wie beispielsweise in einem Fahrzeugstabilitäts-Verbesserungssystem, in einem Differentialbremsensystem, in einem Aktivlenkungssystem etc.
-
4 ist ein Flussdiagramm24 , das einen Prozess zum Trainieren der FF-ANNs14 und16 offline zum Identifizieren des Fahrerhandhabungsgeschicklichkeitsniveaus für das bestimmte Manöver zeigt. Der Prozess bereitet in Kasten26 einen Trainingsdatensatz vor, der den Wert der DFT-Koeffizienten der Lenkradwinkelauslesungen für verschiedene Fahrer bei einem bestimmten Manöver umfassen kann. Die Kennzeichen der Daten, die von erfahrenen Fahrern bzw. Fahranfängern geliefert werden, sind 1 bzw. 0. Der Prozess initialisiert dann in Kasten28 ein FF-ANN mit drei Schichten. Die Dimension der Eingänge in das Netz ist 30, da bei dieser nicht beschränkenden Ausführungsform die ersten 30 Koeffizienten der DFT verwendet werden. Die Anzahl von Neuronen in der versteckten und der Ausgabeschicht kann 60 bzw. 1 betragen. Die Gewichtungen können als Zufallszahlen zwischen 0 und 1 initialisiert sein. Die Übertragungs funktion in der versteckten Schicht ist eine logarithmische sigmoidale Funktion, und die Übertragungsfunktion in der Ausgabefunktion ist eine Treppenfunktion. Der Prozess trainiert das FF-ANN dann in Kasten30 unter Verwendung der Trainingsdaten. Bei einer nicht beschränkenden Ausführungsform wird der Levenberg-Marquardt-Algorithmus zum Trainieren der Gewichtungen des FF-ANN verwendet, es können jedoch andere Algorithmen verwendet werden, wie es von Fachleuten verstanden wird. -
5 ist ein Flussdiagramm30 , das einen Prozess zum Ausführen der Lenkradwinkelsignalverarbeitung in dem Prozessor12 zeigt. In Kasten32 sammelt der Algorithmus während eines vorbestimmten Zeitfensters Lenkradwinkelauslesungen. In Kasten34 führt der Algorithmus dann eine diskrete Fouriertransformation an den Lenkradwinkelsignalen aus, um sie in den Frequenzbereich umzuwandeln und DFT-Koeffizienten zu erzeugen. In Kasten36 normalisiert der Prozessor12 dann die DFT-Koeffizienten in Bezug auf die Geschwindigkeit, beispielsweise unter Verwendung von Gleichung (1). -
6 ist ein Flussdiagramm40 , das einen Prozess zum Ermitteln des Manöverindex an dem Ausgang des Manöveridentifikatorprozessors18 zeigt. In Kasten42 sammelt der Manöveridentifikatoralgorithmus die Daten von den Fahrzeug- und Fahrwerksensoren, wie beispielsweise eine digitale Karte, GPS-Informationen, eine Gierrate, eine Querbeschleunigung, eine Längsbeschleunigung, einen Bremspedalschalter etc. Der Algorithmus ermittelt dann in einer Entscheidungsraute44 durch Ermitteln, ob die Längssteuerung des Fahrzeugs gleich 0 ist, ob das Fahrzeug geradeaus fährt. Wenn das Fahrzeug geradeaus fährt, setzt der Algorithmus den Manöverindexwert in Kasten46 auf 0. Wenn der Manöverindex0 ist, dann liefert der Ausgang des Multiplexers20 bei dieser Ausführungsform kein Fahrerhandhabungsgeschicklichkeitsniveau. Wenn die Längs steuerung in der Entscheidungsraute44 angibt, dass das Fahrzeug nicht geradeaus fährt, dann ermittelt der Algorithmus in einer Entscheidungsraute48 , ob das Fahrzeug ein Manöver eines Spurwechsels in einer Kurve ausführt. Wenn der Algorithmus in der Entscheidungsraute48 ermittelt, dass das Fahrzeug ein Manöver eines Spurwechsels in einer Kurve ausführt, dann gibt er in Kasten50 einen Manöverindex von 1 aus, was bewirkt, dass der Multiplexer20 den Geschicklichkeitsniveauwert aus dem FF-ANN14 ausgibt. Wenn der Algorithmus in der Entscheidungsraute48 ermittelt, dass das Fahrzeug kein Manöver eines Spurwechsels in einer Kurve ausführt, dann ermittelt der Algorithmus in einer Entscheidungsraute52 , ob das Fahrzeug ein Manöver eines doppelten Spurwechsels ausführt. Wenn der Algorithmus in der Entscheidungsraute32 ermittelt, dass das Fahrzeug ein Manöver eines doppelten Spurwechsels ausführt, gibt er in Kasten54 einen Manöverindex von 2 aus, was bewirkt, dass der Multiplexer20 den Geschicklichkeitsniveauwert aus dem FF-ANN16 ausgibt. Wenn der Algorithmus in der Entscheidungsraute52 ermittelt, dass das Fahrzeug kein Manöver eines doppelten Spurwechsels ausführt, dann gibt er in Kasten56 einen Manöverindex von 0 aus, was angibt, dass das Fahrzeug ein anderes Manöver als einen Spurwechsel in einer Kurve oder einen doppelten Spurwechsel ausführt. Wie oben liefert der Manöverindex von 0 keinen Ausgang des Multiplexers20 . - Die Funktion der Fahrerhandhabungsgeschicklichkeitsniveau-Erkennungseinrichtung
22 ist, Fahrer mit verschiedenen Geschicklichkeitsniveaus auf der Grundlage der Unterscheidungsmerkmale zu unterscheiden. Die obige Erläuterung verwendet das FF-ANN, um darzustellen, wie eine Erkennungseinrichtung für diesen Zweck zu entwerfen und zu verwenden ist. Es kann jedoch jede Mustererkennungstechnik verwendet werden, um das gleiche Ziel zu erreichen, wie beispielsweise ein Entscheidungsbaum, Entscheidungsregeln, neuronale Netze, eine Vektorquantisierung, Support Vector Machines, Bayessche Netze, verborgene Markov-Modelle etc. -
7 ist ein Flussdiagramm60 , das einen Prozess zum Betreiben der Fahrerhandhabungsgeschicklichkeitsniveau-Erkennungseinrichtung22 zeigt. Die normalisierten DFT-Koeffizienten des Lenkradwinkels werden in Kasten62 von dem Prozessor12 an die FF-ANNs14 und16 gesendet. Die Erkennungseinrichtung22 ermittelt dann in einer Entscheidungsraute64 , ob der Manöverindex 0 ist. Wenn der Manöverindex in der Entscheidungsraute64 0 ist, erkennt die Erkennungseinrichtung22 in Kasten66 das Manöver nicht. Wenn der Manöverindex in der Entscheidungsraute64 1 oder 2 ist, wählt der Multiplexer20 in Kasten68 entsprechend dem durch den Manöveridentifikator18 gelieferten Manöver den Ausgang von dem FF-ANN14 oder16 aus. Die Erkennungseinrichtung22 ermittelt dann in einer Entscheidungsraute70 , ob der Ausgang des FF-ANN14 oder16 1 ist, und gibt, wenn dies der Fall ist, in Kasten72 an, dass das Fahrerhandhabungsgeschicklichkeitsniveau einen erfahrenen Fahrer angibt. Wenn der Ausgang des FF-ANN14 oder16 nicht 1 ist, dann gibt die Erkennungseinrichtung in Kasten74 ein Signal für einen Fahranfänger aus. - Bei einer alternativen Ausführungsform können alle FF-ANNs zu einem einzelnen FF-ANN für alle identifizierten Manöver kombiniert sein.
8 zeigt ein FF-ANN80 , das für diesen Zweck verwendet wird. Bei dieser Ausführungsform wird der Manöveridentifikatorprozessor18 nicht benötigt, da das bestimmte Manöver nicht identifiziert wird. Ferner wird der Multiplexer20 nicht benötigt, da es nur ein FF-ANN gibt. Daher wird auf der Grundlage der Signalverarbeitung des Lenkradwinkels und auf der Grundlage davon, dass der Prozessor12 die normalisierten DFT-Koeffizienten liefert, ungeachtet des bestimmten Manövers ein bestimmter Index für das Fahrgeschicklichkeitsniveau von dem FF-ANN80 ausgegeben. Es kann sein, dass das FF-ANN80 nicht so genau ist wie ein für ein bestimmtes Manöver entworfenes FF-ANN, dass es jedoch ausreichend zufrieden stellend ist und eine Kostenreduzierung liefert. Das FF-ANN80 müsste unter Verwendung von Daten von allen verschiedenen in Frage kommenden Manövern trainiert werden. - Weiter kann es bei einer alternativen Ausführungsform erwünscht sein, den Fahrerhandhabungsgeschicklichkeitsniveauindex für ein bestimmtes Manöver für eine vorbestimmte Anzahl von Manövern zu akkumulieren, um eine genauere Auslesung zu erhalten. Wenn z.B. der Ausgang der FF-ANNs
14 oder16 über 10 bestimmte Manöver abgetastet wird, kann ein Durchschnitt ermittelt werden, um das Fahrerhandhabungsgeschicklichkeitsniveau genauer zu identifizieren. - Die vorangehende Erläuterung offenbart und beschreibt lediglich beispielhafte Ausführungsformen der Erfindung. Fachleute werden aus solch einer Erläuterung und aus den begleitenden Zeichnungen und den Ansprüchen leicht erkennen, dass verschiedene Änderungen, Abwandlungen und Variationen vorgenommen werden können, ohne von dem Gedanken und dem Schutzumfang der Erfindung, wie er in den folgenden Ansprüchen definiert ist, abzuweichen.
- Es werden ein Fahrerhandhabungsgeschicklichkeits-Erkennungssystem
10 und ein in Beziehung stehender Algorithmus vorgesehen, die ein Fahrergeschicklichkeitsniveau identifizieren. Das System10 umfasst einen Lenkradwinkelprozessor12 , der auf ein Lenkradwinkelsignal anspricht, welches normalisierte DFT-Koeffizienten liefert. Das System10 umfasst auch mindestens ein künstliches neuronales Feedforward-Netz (FF-ANN)14 ,16 , das auf die normalisierten DFT-Koeffizienten anspricht, wobei das FF-ANN14 ,16 ein Ausgangssignal liefert, das das Fahrergeschicklichkeitsniveau angibt. Bei einer Ausführungsform umfasst das System10 mehrere FF-ANNs14 ,16 , eines für jedes mehrerer verschiedener Fahrzeugmanöver. Das System10 umfasst einen Manöveridentifikator20 , der ein Fahrzeugmanöver identifiziert. Das System wählt in Abhängigkeit von dem identifizierten Manöver den Ausgang von dem FF-ANN14 oder16 aus. Bei einer alternativen Ausführungsform kann das System10 ein einzelnes FF-ANN80 umfassen, das für mehrere Fahrzeugmanöver entworfen ist.
Claims (21)
- Fahrergeschicklichkeits-Erkennungssystem (
10 ) zum Identifizieren eines Fahrergeschicklichkeitsniveaus, wobei das System (10 ) umfasst: einen Lenkradwinkelprozessor (12 ), der auf ein Lenkradwinkelsignal anspricht und normalisierte Koeffizienten einer diskreten Fouriertransformation (DFT) liefert; und mindestens ein künstliches neuronales Feedforward-Netz (FF-ANN) (14 ,16 ), das auf die normalisierten DFT-Koeffizienten anspricht, wobei das mindestens eine FF-ANN (14 ,16 ) ein Ausgangssignal liefert, das das Fahrergeschicklichkeitsniveau angibt. - System (
10 ) nach Anspruch 1, wobei das mindestens eine FF-ANN mindestens zwei FF-ANNs (14 ,16 ) sind, wobei ein erstes FF-ANN (14 ) ein Fahrergeschicklichkeitsniveausignal für ein erstes vorbestimmtes Fahrzeugmanöver liefert und ein zweites FF-ANN (16 ) ein Fahrergeschicklichkeitsniveausignal für ein zweites vorbestimmtes Fahrzeugmanöver liefert. - System (
10 ) nach Anspruch 2, ferner umfassend einen Manöveridentifikator (18 ), wobei der Manöveridentifikator (18 ) ein Fahrzeugmanöver identifiziert, wobei das System (10 ) in Abhängigkeit von dem identifizierten Manöver den Ausgang von dem ersten oder dem zweiten FF-ANN (14 ,16 ) auswählt. - System (
10 ) nach Anspruch 3, wobei der Manöveridentifikator (18 ) Informationen aus der Gruppe empfängt, die aus einer digitalen Karte, einem GPS-Empfänger, einer Fahrzeuggierrate, einer Fahrzeugquerbeschleunigung, einer Fahrzeuglängsbeschleunigung und einem Bremspedalschalter besteht. - System (
10 ) nach Anspruch 2, wobei das erste FF-ANN (14 ) für ein Manöver eines Spurwechsels in einer Kurve vorgesehen ist und das zweite FF-ANN (16 ) für ein Manöver eines doppelten Spurwechsels vorgesehen ist. - System (
10 ) nach Anspruch 1, wobei das mindestens eine FF-ANN (14 ,16 ) ein einzelnes FF-ANN (80 ) ist, das für mehrere Fahrzeugmanöver entworfen ist. - System (
10 ) nach Anspruch 1, wobei das Fahrergeschicklichkeitsniveau für einen erfahrenen Fahrer oder einen Fahranfänger vorgesehen ist. - System (
10 ) nach Anspruch 1, wobei das mindestens eine FF-ANN (14 ,16 ) offline trainiert wird. - System (
10 ) nach Anspruch 1, wobei der Lenkradwinkelprozessor (12 ) den Lenkradwinkel mit einer Frequenz von etwa 50 Hz abtastet. - System (
10 ) nach Anspruch 1, wobei das System (10 ) das Fahrergeschicklichkeitsniveau-Ausgangssignal von dem mindestens einen FF-ANN (14 ,16 ) über eine vorbestimmte Abtastperiode abtastet und die abgetasteten Fahrergeschicklichkeitsniveau-Ausgangssignale mittelt, um ein genaueres Fahrerhandhabungsgeschicklichkeitsniveau zu liefern. - Fahrergeschicklichkeits-Erkennungssystem (
10 ) zum Identifizieren eines Fahrergeschicklichkeitsniveaus, wobei das System (10 ) umfasst: einen Lenkradwinkelprozessor (12 ), der auf ein Fahrzeugzustandssignal anspricht und ein Darstellungssignal des Fahrzeugzustandssignals liefert; und mindestens ein künstliches neuronales Feedforward-Netz (FF-ANN) (14 ,16 ), das auf das Darstellungssignal anspricht, wobei das mindestens eine FF-ANN (14 ,16 ) ein Ausgangssignal liefert, das das Fahrergeschicklichkeitsniveau angibt. - System (
10 ) nach Anspruch 11, wobei das Fahrzeugzustandssignal ein Fahrzeuglenkwinkelsignal ist. - System (
10 ) nach Anspruch 11, wobei das Darstellungssignal normalisierte Koeffizienten einer diskreten Fouriertransformation (DFT) umfasst. - System (
10 ) nach Anspruch 11, wobei das mindestens eine FF-ANN (14 ,16 ) mindestens zwei FF-ANNs (14 ,16 ) sind, wobei ein erstes FF-ANN (14 ) ein Fahrergeschicklichkeitsniveau für ein erstes vorbestimmtes Fahrzeugmanöver liefert und ein zweites FF-ANN (16 ) ein Fahrergeschicklichkeitsniveausignal für ein zweites vorbestimmtes Fahrzeugmanöver liefert. - System (
10 ) nach Anspruch 14, ferner umfassend einen Manöveridentifikator (18 ), wobei der Manöveridentifikator (18 ) ein Fahr zeugmanöver identifiziert, wobei das System (10 ) in Abhängigkeit von dem identifizierten Manöver den Ausgang von dem ersten oder dem zweiten FF-ANN (14 ,16 ) auswählt. - System (
10 ) nach Anspruch 11, wobei das mindestens eine FF-ANN (14 ,16 ) ein einzelnes FF-ANN (80 ) ist, das für mehrere Fahrzeugmanöver entworfen ist. - System (
10 ) nach Anspruch 11, wobei das System (10 ) das Fahrergeschicklichkeitsniveau-Ausgangssignal von dem mindestens einen FF-ANN (14 ,16 ) über eine vorbestimmte Abtastperiode abtastet und die abgetasteten Fahrergeschicklichkeitsniveau-Ausgangssignale mittelt, um ein genaueres Fahrerhandhabungsgeschicklichkeitsniveau zu liefern. - Fahrergeschicklichkeits-Erkennungssystem (
10 ) zum Identifizieren eines Fahrergeschicklichkeitsniveaus, wobei das System umfasst: einen Lenkradwinkelprozessor (12 ), der auf ein Lenkradwinkelsignal anspricht und normalisierte Koeffizienten einer diskreten Fouriertransformation (DFT) liefert; mindestens zwei künstliche neuronale Feedforward-Netze (FF-ANNs) (14 ,16 ), die auf die normalisierten DFT-Koeffizienten ansprechen, wobei die mindestens zwei FF-ANNs (14 ,16 ) getrennt Ausgangswerte liefern, die das Fahrergeschicklichkeitsniveau für zwei verschiedene Fahrzeugmanöver angeben; einen Manöveridentifikator (18 ), der ein Fahrzeugmanöver identifiziert und ein Manöversignal liefert, das das Manöver identifiziert; und einen Multiplexer (20 ), der auf die Ausgangswerte von den FF-ANNs (14 ,16 ) und das Manöversignal anspricht, wobei der Multi plexer (20 ) in Abhängigkeit von dem identifizierten Manöver den Wert von einem der FF-ANNs (14 ,16 ) ausgibt. - System (
10 ) nach Anspruch 18, wobei der Manöveridentifikator (18 ) Informationen aus der Gruppe empfängt, die aus einer digitalen Karte, einem GPS-Empfänger, einer Fahrzeuggierrate, einer Fahrzeugquerbeschleunigung, einer Fahrzeuglängsbeschleunigung und einem Bremspedalschalter besteht. - System (
10 ) nach Anspruch 18, wobei die FF-ANNs (14 ,16 ) offline trainiert werden. - System (
10 ) nach Anspruch 18, wobei ein erstes FF-ANN (14 ) für ein Manöver eines Spurwechsels in einer Kurve vorgesehen ist und ein zweites FF-ANN (16 ) für ein Manöver eines doppelten Spurwechsels vorgesehen ist.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/372,807 | 2006-03-10 | ||
US11/372,807 US20070213886A1 (en) | 2006-03-10 | 2006-03-10 | Method and system for driver handling skill recognition through driver's steering behavior |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102007011169A1 true DE102007011169A1 (de) | 2007-11-15 |
Family
ID=38480000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007011169A Withdrawn DE102007011169A1 (de) | 2006-03-10 | 2007-03-07 | Verfahren und System für eine Erkennung einer Handhabungsgeschicklichkeit eines Fahrers durch das Lenkverhalten des Fahrers |
Country Status (3)
Country | Link |
---|---|
US (1) | US20070213886A1 (de) |
CN (1) | CN101034502B (de) |
DE (1) | DE102007011169A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016212097A1 (de) * | 2016-07-04 | 2018-01-04 | Volkswagen Ag | Verfahren und Vorrichtung zum Schätzen eines Lenkraddrehmoments für eine mechanische Rückkopplung an einem Lenkrad eines Kraftfahrzeugs |
DE102018207977A1 (de) * | 2018-05-22 | 2019-11-28 | Zf Friedrichshafen Ag | Innenüberwachung für Sicherheitsgurteinstellung |
CN112455460A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 车辆控制方法、装置、设备及存储介质 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5169011B2 (ja) * | 2007-05-07 | 2013-03-27 | 日産自動車株式会社 | 運転技量判定装置、可変操舵装置、自動車及び運転技量判定方法 |
US7809487B2 (en) * | 2007-09-14 | 2010-10-05 | Ford Global Technologies, Llc | Method and system for controlling a motive power system of an automotive vehicle |
US20100152951A1 (en) * | 2008-12-15 | 2010-06-17 | Gm Global Technology Operations, Inc. | Adaptive vehicle control system with driving style recognition based on vehicle accelerating and decelerating |
US9086297B2 (en) * | 2011-01-20 | 2015-07-21 | Telenav, Inc. | Navigation system having maneuver attempt training mechanism and method of operation thereof |
US8731736B2 (en) * | 2011-02-22 | 2014-05-20 | Honda Motor Co., Ltd. | System and method for reducing driving skill atrophy |
JP6206110B2 (ja) * | 2013-11-18 | 2017-10-04 | 日産自動車株式会社 | 運転支援装置 |
US9511778B1 (en) * | 2014-02-12 | 2016-12-06 | XL Hybrids | Controlling transmissions of vehicle operation information |
CN105869478B (zh) * | 2015-02-06 | 2019-12-06 | 福特全球技术公司 | 确定驾驶员的排名 |
CN105034986B (zh) * | 2015-06-10 | 2018-02-09 | 辽宁工业大学 | 一种驾驶员转向特性在线辨识方法及装置 |
JP6735166B2 (ja) * | 2016-06-28 | 2020-08-05 | 本田技研工業株式会社 | 運転技量判定装置 |
JP6606025B2 (ja) * | 2016-06-28 | 2019-11-13 | 本田技研工業株式会社 | 運転技量判定装置 |
CN106218641B (zh) * | 2016-08-04 | 2018-10-09 | 武汉理工大学 | 一种车辆新手驾驶员自动识别及安全预警方法 |
JP2018092290A (ja) * | 2016-12-01 | 2018-06-14 | 株式会社Subaru | 車両用表示装置 |
US10029697B1 (en) * | 2017-01-23 | 2018-07-24 | GM Global Technology Operations LLC | Systems and methods for classifying driver skill level |
US10124807B2 (en) | 2017-01-23 | 2018-11-13 | GM Global Technology Operations LLC | Systems and methods for classifying driver skill level and handling type |
US10442427B2 (en) | 2017-01-23 | 2019-10-15 | GM Global Technology Operations LLC | Vehicle dynamics actuator control systems and methods |
DE102017220973A1 (de) * | 2017-11-23 | 2019-05-23 | Volkswagen Aktiengesellschaft | Verfahren zum Konfigurieren und zum Steuern eines Lenksystems, Lenksystem und Fahrzeug |
CN110834640B (zh) * | 2018-08-10 | 2022-05-03 | 上海博泰悦臻网络技术服务有限公司 | 安全驾驶提醒方法、车机及车辆 |
DE102019206718A1 (de) * | 2019-05-09 | 2020-11-12 | Robert Bosch Gmbh | Verfahren zum personalisierten Verwenden von Kommunikationsmitteln |
CN110928618B (zh) * | 2019-10-30 | 2022-09-27 | 西北工业大学 | 一种座舱人机界面注意力分配计算方法 |
CN113204236B (zh) * | 2021-04-14 | 2022-05-20 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
EP4169794A1 (de) * | 2021-10-19 | 2023-04-26 | Volvo Truck Corporation | Verfahren zur bewertung und verbesserung des fahrstils eines fahrers basierend auf einem sicherheitsniveaukriterium |
CN116421953A (zh) * | 2023-06-15 | 2023-07-14 | 苏州城市学院 | 基于深度学习的网球训练方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6021369A (en) * | 1996-06-27 | 2000-02-01 | Yamaha Hatsudoki Kabushiki Kaisha | Integrated controlling system |
US6879969B2 (en) * | 2001-01-21 | 2005-04-12 | Volvo Technological Development Corporation | System and method for real-time recognition of driving patterns |
US7389178B2 (en) * | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
US7537293B2 (en) * | 2005-12-22 | 2009-05-26 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill |
-
2006
- 2006-03-10 US US11/372,807 patent/US20070213886A1/en not_active Abandoned
-
2007
- 2007-03-07 DE DE102007011169A patent/DE102007011169A1/de not_active Withdrawn
- 2007-03-12 CN CN2007100855620A patent/CN101034502B/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016212097A1 (de) * | 2016-07-04 | 2018-01-04 | Volkswagen Ag | Verfahren und Vorrichtung zum Schätzen eines Lenkraddrehmoments für eine mechanische Rückkopplung an einem Lenkrad eines Kraftfahrzeugs |
DE102018207977A1 (de) * | 2018-05-22 | 2019-11-28 | Zf Friedrichshafen Ag | Innenüberwachung für Sicherheitsgurteinstellung |
DE102018207977B4 (de) | 2018-05-22 | 2023-11-02 | Zf Friedrichshafen Ag | Innenüberwachung für Sicherheitsgurteinstellung |
CN112455460A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 车辆控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101034502B (zh) | 2010-09-08 |
CN101034502A (zh) | 2007-09-12 |
US20070213886A1 (en) | 2007-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007011169A1 (de) | Verfahren und System für eine Erkennung einer Handhabungsgeschicklichkeit eines Fahrers durch das Lenkverhalten des Fahrers | |
EP3041726B1 (de) | Verfahren und vorrichtung zur analyse von fahrerassistenzsystemen | |
DE10354322B4 (de) | Verfahren und System zur Ermittlung der Fahrsituation | |
DE112012004000B4 (de) | Fahrunterstützungsvorrichtung und Verfahren | |
DE112012006465B4 (de) | Fahreigenschaftenabschätzvorrichtung und Fahrassistenzsystem | |
DE102018213364A1 (de) | Auf Deep Learning basierendes selbstfahrendes Fahrzeug, auf Deep Learning basierende Selbstfahr-Steuervorrichtung und auf Deep Learning basierendes Selbstfahr-Steuerverfahren | |
DE112009005472B4 (de) | Navigationseinrichtung | |
DE112009002603T5 (de) | Fahrzeug und Verfahren zum Angeben von Empfehlungen für einen darin befindlichen Fahrer | |
DE102017211005A1 (de) | Fahrerzustandsüberwachung unter verwendung der hornhautreflexionserfassung | |
DE102012207458A1 (de) | System und Verfahren zur Fahrzeug-Fahrstilbestimmung | |
DE102005026456A1 (de) | Verfahren und Vorrichtung zur Müdigkeitserkennung | |
DE102015013808B4 (de) | Vorrichtung und Verfahren zur Steuerung der Dämpfung eines Fahrzeugs | |
EP0952039B1 (de) | Vorrichtung zur Einschlafwarnung eines Kraftfahrzeugführers | |
WO2020200862A1 (de) | Verfahren und einrichtung zur überwachung eines fahrbetriebsbedingten gesundheitszustandes von insassen eines insbesondere autonomen fahrzeugs | |
DE102015208895A1 (de) | Diagnostische-Daten-Extraktionsvorrichtung und Fahrzeugdiagnostikvorrichtung | |
DE102020115390A1 (de) | VORRICHTUNG ZUM ERZEUGEN EINES BESCHLEUNIGUNGSPROFILS UND VERFAHREN ZUM AUTONOMEN FAHREN AUF EINER GEKRÜMMTEN STRAßE UNTER VERWENDUNG DESSELBEN | |
DE102020125989A1 (de) | System zum Steuern autonomer Fahrzeuge zum Verringern von Reisekrankheit | |
DE102019217346B4 (de) | Verfahren zur Darstellung von Informationen auf einer Mensch-Maschine-Schnittstelle eines Kraftfahrzeugs, Computerprogrammprodukt, Mensch-Maschine-Schnittstelle sowie Kraftfahrzeug | |
WO2019211169A1 (de) | VERFAHREN UND VORRICHTUNG ZUM ERKENNEN EINES STRAßENZUSTANDS | |
DE102022200536B3 (de) | Fahrassistenzeinrichtung und Verfahren zum Durchführen einer wenigstens teilautomatischen Fahrzeugfunktion in Abhängigkeit von einer zu bewertenden Fahrstrecke | |
WO2017178187A1 (de) | Verfahren und vorrichtung zum bestimmen einer sicherheitskritischen gierbewegung eines fahrzeugs | |
DE102019210767A1 (de) | Verfahren und Vorrichtung zum Fusionieren einer Mehrzahl von Signalen einer Ultraschallsensorik eines Fortbewegungsmittels | |
DE102008007152B4 (de) | Verfahren zur Parametrisierung des Augenöffnungsgrades eines Fahrers eines Kraftfahrzeugs | |
DE102010002300B4 (de) | Verfahren zum Ermitteln eines Fahrverhaltens | |
DE102018113518A1 (de) | Fahrzeugfahrer-Arbeitsbelastungsmanagement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT |
|
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT AUFGEHOBEN |
|
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT |
|
8127 | New person/name/address of the applicant |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC , ( N. D. , US |
|
R081 | Change of applicant/patentee |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC (N. D. GES, US Free format text: FORMER OWNER: GM GLOBAL TECHNOLOGY OPERATIONS, INC., DETROIT, US Effective date: 20110323 Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC (N. D. GES, US Free format text: FORMER OWNER: GM GLOBAL TECHNOLOGY OPERATIONS, INC., DETROIT, MICH., US Effective date: 20110323 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20131001 |