-
Die
Erfindung betrifft ein Verfahren und Anordnung zur näherungsweisen
Bestimmung einer von einem Fahrzeug aktuell befahrenen Fahrspur
gemäß dem Oberbegriff des Patentanspruches 1 und 16.
-
Navigationssysteme
für Kraftfahrzeuge, die anhand von Straßenkartendaten
und Satellitennavigationssignalen bzw. „Global Positioning
System" (GPS) Positionsdaten eine Fahrtroute zwischen einem Start-
und einem Zielort bestimmen und den Fahrer entsprechende Zielführungsinformationen
geben, sind hinreichend bekannt. Anhand von im Fahrzeug mitgeführten
Straßenkartendaten wird durch das Navigationssystem eine
Fahrtroute zwischen dem gegenwärtigen Standort und dem
Zielort ermittelt. Die Bestimmung des gegenwärtigen Standorts des
Fahrzeugs sowie auch eine Positionsbestimmung des Fahrzeugs während
der Fahrt erfolgt durch entsprechende Mittel zur Positionsbestimmung.
Zusätzlich kann auch auf Signale von im Fahrzeug mitgeführten
Sensoreinheiten zurückgegriffen werden.
-
Aus
der
US 6,446,000 B2 ist
beispielsweise ein Navigationssystem bekannt, bei dem zusätzlich Informationen über
die verfügbaren Fahrspuren einer mehrspurigen Straße
in einem Kreuzungsbereich im System hinterlegt sind. Dem Fahrer
wird hierbei eine Empfehlung gegeben, auf welcher der Fahrspuren
er fahren soll. Die Ausgabe dieser Fahrinformation erfolgt unabhängig
davon, auf welcher Fahrspur sich das Fahrzeug aktuell befindet.
-
Aus
der
EP 0 740 163 A2 ist
ein Gerät zur lokalen Positionsbestimmung eines Kraftfahrzeugs
bekannt. Das Gerät weist eine Erfassungseinrichtung auf,
mit der der Straßenverlauf vor dem Fahrzeug erfasst wird.
Dies erfolgt insbesondere anhand von Fahrbahnmarkierungen. Weiterhin
weist das Gerät eine Einrich tung zum Empfang und zur Verarbeitung von
Satellitennavigationssignalen auf. Mit diesen Informationen wird
die aktuelle Position des Fahrzeuges bestimmt. Das Positionierungsgerät
kann weiterhin Informationen von einem Navigationssystem erhalten.
Das Positionsgerät erkennt insbesondere Kurven im Straßenverlauf.
Die Signale des Positionierungsgerätes werden einer elektronischen
Motorsteuereinheit zugeführt, die anhand der erhaltenen Signale
Eingriffe in den Betrieb des Motors vornimmt.
-
Aus
der
DE 199 21 437
A1 ist ein Verfahren und eine Vorrichtung zur Ermittlung
der Position eines Fahrzeugs auf einer Straße bekannt.
Zur Positionsbestimmung werden Straßengeometriedaten sowie
Wegdaten des Fahrzeugs ermittelt und durch Vergleich der Straßengeometriedaten
mit den Wegdaten wird die Position des Fahrzeugs auf der Straße bestimmt.
Die Straßengeometriedaten betreffen insbesondere Fahrspuren
der Straße. Mit dem Verfahren kann eine Zuordnung des Fahrzeugs
zu einer Fahrspur erfolgen. Die Straßengeometriedaten werden
mithilfe von am Fahrzeug angebrachten optischen Sensoren erfasst.
-
Ein
Sicherheitssystem für Kraftfahrzeuge ist aus dem "Kraftfahrtechnischen
Taschenbuch" der Robert Bosch GmbH (Herausgeber), 24. Auflage, Braunschweig/Wiesbaden
2002, Seite 898 bis 900 bekannt, bei dem der Raum um ein Fahrzeug
ganz oder teilweise mithilfe geeigneter Sensoren, insbesondere Radarsensoren,
erfasst wird. Somit lassen sich Gegenstände oder andere
Fahrzeuge im so genannten „toten Winkel" erfassen.
-
Nachteilig
treten bei den beschriebenen Systemen und Verfahren zur Bestimmung
einer von einem Fahrzeug aktuell befahrenen Fahrspur bei der Ermittlung
der Positions- und Fahrspurinformationsdaten häufig Erfassungsfehler
auf, die eine zuverlässige Bestimmung der aktuellen Fahrspur
behindern. Auch wird durch derartige Systeme fehlerhafter Weise
beispielsweise der Wechsel von einem Beschleunigungsstreifen einer
Autobahn auf die eigentliche Fahrspur als Fahrspurwechsel interpretiert
und dem Fahrer angezeigt.
-
Ausgehend
vom beschriebenen Stand der Technik ist es Aufgabe der vorliegenden
Erfindung, ein Verfahren und eine zugehörige Anordnung
zur näherungsweisen Bestimmung einer von einem Fahrzeug
aktuell befahrenen Fahrspur anzugeben, über welche(s) zuverlässig
und schnell die aktuelle Fahrspur zumindest näherungsweise
bestimmt werden kann.
-
Die
Aufgabe wird ausgehend vom Oberbegriff des Patentanspruches 1 und
16 jeweils durch dessen kennzeichnende Merkmale gelöst.
Vorteilhafte Weiterbildung der Erfindung sind den abhängigen Ansprüchen
zu entnehmen.
-
Der
wesentliche Aspekt des erfindungsgemäßen Verfahrens
ist darin zu sehen, dass mittels einem zumindest eine Eingabeschicht,
eine Aktivierungsschicht und eine Ausgabeschicht aufweisenden künstlichen
neuronalen Netzwerkes die von dem Fahrzeug aktuell befahrene Fahrspur
näherungsweise ermittelt wird. Besonders vorteilhaft können
durch schlechte Sichtverhältnisse oder schlechte Fahrbahnverhältnisse
bedingte fehlerbehaftete Spurbegrenzungsdaten oder durch veraltete
Kartendaten bedingte fehlerbehaftete Positions- und/oder Navigationsdaten
durch die Verwendung eines künstlichen neuronalen Netzwerkes
ausgeglichen werden und dadurch eine zuverlässige Schätzung
der aktuellen befahrenen Fahrspur gewährleistet werden.
Insbesondere werden hierbei beispielsweise Änderungen der
aktuell befahrenen Fahrspur, die nicht durch einen physikalischen
Spurwechsel bedingt sind, beispielsweise das Auffahren auf eine
Autobahn über den Beschleunigungsstreifen oder das Abbiegen
in eine Fahrbahn mit mehreren Fahrspuren von beispielsweise einer
einspurigen Fahrbahn frühzeitig und zuverlässig
durch das Spurerkennungssystem erkannt.
-
Weiterhin
vorteilhaft werden von den Positions- und/oder Navigationsdaten,
Spurbegrenzungsdaten und/oder Spurüberwachungsdaten eine
Vielzahl von Eingabeparametern abgeleitet, welche der Eingabeschicht
des künstlichen neuronalen Netzwerkes zugeführt
werden, die mittels unterschiedlicher die Akti vierungsschicht bildenden
Aktivierungsfunktionen miteinander verknüpft werden und
das Ergebnis der Verknüpfung in Form von Ausgabeparametern
ausgegeben wird, wobei die Ausgabeparameter jeweils den Grad der
Wahrscheinlichkeit angeben, mit welcher das Fahrzeug sich aktuell
auf einer der Fahrspuren der Fahrbahn befindet.
-
Als
Spurbegrenzungsdaten werden besonders vorteilhaft die links und/oder
rechts vom Fahrzeug befindliche Fahrspurmarkierung, die Fahrspurbreite,
der Versatz von der Mitte der aktuellen Fahrspur und/oder die Position
des Fahrzeuges innerhalb der Fahrspur direkt oder indirekt ermittelt.
-
Ferner
werden als Spurüberwachungsdaten solche Verkehrsteilnehmer,
insbesondere Fahrzeuge erfasst, die sich in einer zur aktuellen
Fahrspur benachbarten Fahrspur hinter oder neben dem Fahrzeug, insbesondere
im rechten und/oder linken „toten" Winkelbereichs des Fahrzeuges
befinden, wobei besonders vorteilhaft zusätzlich die Geschwindigkeit und/oder
die Entfernung der auf den benachbarten Fahrspuren befindlichen
Verkehrsteilnehmer, insbesondere Fahrzeuge ermittelt werden kann.
-
Weiterhin
vorteilhaft werden die Navigationsdaten von den im Navigationssystem
hinterlegten digitalen Kartendaten direkt oder indirekt abgeleitet werden,
und zwar werden als Navigationsdaten die Anzahl der Fahrspuren der
aktuellen Fahrbahn, der Straßentyp und/oder eine vorliegende
Fahrtrichtungsbeschränkungen direkt abgeleitet und die
die aktuelle Position des Fahrzeuges auf einer Beschleunigungs-,
Ausfahrts- oder Abbiegespur oder in einem Kreuzungsbereich und/oder
die Anzahl der befahrbaren Fahrspuren in einem Kreuzungsbereich
und/oder die in einem Kreuzungsbereich verfügbaren nach links
bzw. rechts abzweigenden befahrbaren Fahrspuren angebenden Navigationsdaten
indirekt abgeleitet.
-
Zusätzlich
als Navigationsdaten der Fahrspurtyp sowie die jeweils um Einbiege-
und Abbiegespuren erweiterte Anzahl der Fahrspuren und/oder die
Verknüpfung von mehreren Fahrspuren beim Übergang
zwischen zumindest zweien eine unterschiedliche Anzahl von Fahrspuren
aufweisenden Straßenabschnitten ermittelt werden.
-
Weiterhin
vorteilhaft werden als Aktivierungsfunktionen verschiedene Funktionstypen,
insbesondere eine nicht-lineare Funktion oder eine stückweise
lineare Funktion oder eine Sprungfunktion verwendet, wobei eine
besonders effiziente Bestimmung der vom Fahrzeug aktuell befahrenen Fahrspur
bei Verwendung einer Logistischen, TanH- und/oder Sinus-Funktion
erreicht wird.
-
Die
Erfindung wird nachfolgend anhand eines Ausführungsbeispiels
in der Zeichnung näher erläutert. Es zeigen:
-
1 beispielhaft
in einem schematischen Blockschaltbild eine Anordnung zur näherungsweisen
Bestimmung der von einem Fahrzeug aktuell befahrenen Fahrspur,
-
2 beispielhaft
die logische Struktur des zur näherungsweisen Bestimmung
der aktuell befahrenen Fahrspur vorgesehenen künstlichen
neuronalen Netzwerks und
-
3 beispielhaft
eine schematische Draufsicht auf eine drei Fahrspuren aufweisende
Fahrbahn mit jeweils einem darauf befindlichen Fahrzeug.
-
In 3 ist
beispielsweise eine Fahrbahn FB mit einer ersten bis dritten Fahrspur
F1 bis F3 gezeigt. Hierbei befindet sich ein erstes Fahrzeug KF1 auf
der zweiten, mittleren Fahrspur F2, gefolgt von einem zweiten Fahrzeug
KF2 auf der ersten, links von der zweiten Fahrspur F2 befindlichen
Fahrspur F1 und einem dritten Fahrzeug KF3 auf der dritten, rechts
von der zweiten Fahrspur F2 befindlichen Fahrspur F3. Die einzelnen
Fahrspuren F1–F3 sind hierbei mittels erster bis vierter
Fahrspurmarkierungen FSM1–FSM4 gekennzeichnet und zur Fortbewegung
in derselben Fahrtrichtung vorgesehenen.
-
1 zeigt
beispielhaft ein schematisches Blockschaltbild einer beispielsweise
im ersten Fahrzeug KF1 befindlichen Anordnung AN zur näherungsweisen
Bestimmung der von einem Fahrzeug KF1 aktuell befahrenen zweiten
Fahrspur F2. Die Anordnung AN weist beispielsweise eine Umgebungssensorikeinheit
US sowie ein an sich aus dem Stand der Technik bekanntes Navigationssystem
NS auf, welche jeweils mit einem Spurerkennungssystem SKS verbunden
sind. Das Spurerkennungssystem SKS weist beispielsweise eine Prozessoreinheit
PU und zumindest eine Speichereinheit SU auf, wobei in der Prozessoreinheit
PU zumindest eine Steuer- und Auswerteroutine SAR ausgeführt
wird, welche zumindest teilweise die logische Struktur eines künstlichen
neuronalen Netzwerks KNN aufweist. Das künstliche neuronale
Netzwerk KNN ist zur näherungsweisen Bestimmung der aktuell
befahrenen Fahrspur F2 in Form von Fahrspurdaten FSD vorgesehen.
-
Zur
Ausgabe der durch die Steuer- und Auswerteroutine SAR ermittelten
Fahrspurdaten FSD, insbesondere der aktuell befahrenen Fahrspur
F2 ist zumindest eine Ausgabeeinheit OU vorgesehen, welche beispielsweise
durch optische, haptische oder akustische Ausgabemittel gebildet
sein kann. Alternativ können die ermittelten Fahrspurdaten
FSD an das Navigationssystem NS zur Weiterverarbeitung übertragen
werden.
-
Die
Umgebungssensorikeinheit US kann beispielsweise durch eine Spurerfassungseinheit
SEE („Lane Departure Warning"-Einheit) und eine Spurüberwachungseinheit
SUE („Blind-Spot-Detection”-Einheit) gebildet
sein. Die Spurerfassungseinheit SEE weist zumindest eine in den
Figuren nicht dargestellte Kameraeinheit auf, mit der die Fahrbahn FB
vor dem ersten Fahrzeug KF1 in Form von Bilddaten BD aufgezeichnet
wird. Die Bilddaten BD können beispielsweise über
eine in der Spurerfassungseinheit SEE vorgesehen Bildverarbeitungsroutine
(nicht in den Figuren dargestellt) ausgewertet werden und in Form
von Spurbegrenzungsdaten SED bereitgestellt werden.
-
Im
vorliegenden Ausführungsbeispiel werden die durch die Spurerfassungseinheit
SEE ermittelten Spurbegrenzungsdaten SED an das Spurerkennungssystem
SKS übertragen, welche von der durch das erste Fahrzeug
FK1 aktuell befahrenen zweiten Fahrspur F2 abhängig sind.
Alternativ kann die Spurerfassungseinheit SEE lediglich zur Erfassung
der Bilddaten BD ausgebildet sein und die Auswertung der erfassten
Bilddaten BD jedoch über die in der Prozessoreinheit PU
des Spurerkennungssystem SKS ausgeführten Steuer- u. Auswerteroutine SAR
erfolgen.
-
Über
die beschriebene Spurerfassungseinheit SEE können somit
beispielsweise folgende Spurbegrenzungsdaten SED direkt oder indirekt
ermittelt werden, und zwar die links und/oder rechts vom Fahrzeug
KF1 befindliche Fahrspurmarkierung FSM2, FSM3, die Fahrspurbreite
FSB, der Versatz von der Mitte der aktuellen Fahrspur F2 und/oder
die Position des Fahrzeuges KF1 innerhalb der Fahrspur FB („mittig", „Tendenz
nach Links/Rechts", „Überqueren der linken/rechten
Fahrspurmarkierung FSM2, FSM3"). Die Spurbegrenzungsdaten SED werden einzeln
oder in Kombination als Eingabeparameter I1–Im des künstlichen
neuronalen Netzwerks KNN verwendet.
-
Die
Spurüberwachungseinheit SUE ist durch ein in oder am ersten
Fahrzeug KF1 vorgesehenes Sensorsystem bestehend aus beispielsweise
mehreren optischen Sensoren und/oder Radarsensoren gebildet, welche
beispielsweise zur Überwachung des jeweils seitlichen Umgebungsbereiches
eines Fahrzeugs KF2, insbesondere des rechten und/oder linken „toten"
Winkelbereichs TWL, TWR vorgesehen sind. Derartige Überwachungssysteme
sind als Einzelsysteme aus dem Stand der Technik bekannt und können
beispielsweise mit dem oben beschriebenen Navigationssystem NS zusammenwirken.
-
Durch
die Spurüberwachungseinheit SUE werden Spurüberwachungsdaten
SUD bereitgestellt, welche ebenfalls an das Spurerkennungssystem SKS übertragen
werden. Beispielsweise werden als Spurüberwachungsdaten
SUD solche Verkehrsteilnehmer, ins besondere Fahrzeuge KF2, KF3 erfasst, die
sich in einer zur aktuellen Fahrspur F2 benachbarten Fahrspur F1,
F3 hinter oder neben dem Fahrzeug KF1, insbesondere im rechten und/oder
linken „toten" Winkelbereichs TWL, TWR befinden. Auch kann
die Spurüberwachungseinheit SUE zur Erfassung der Geschwindigkeit
und/oder der Entfernung der auf den benachbarten Fahrspuren F1,
F3 befindlichen Verkehrsteilnehmer, insbesondere weiteren Fahrzeugen
KF2, KF3 eingerichtet sein. Die genannten Spurüberwachungsdaten
SUD können ebenfalls als Eingabeparametern I1–Im
des künstlichen neuronalen Netzwerks KNN verwendet werden.
-
Durch
das Navigationssystem NS können in an sich bekannter Weise
Positionsdaten PD, insbesondere GPS-Positionsdaten bereitgestellt
werden, welche die aktuelle Position des Fahrzeuges KF1 in einem
standardisierten Koordinatensystem wiedergeben. Durch Auswertung
von im Navigationssystem NS hinterlegten digitalen Kartendaten KD
können abhängig vom aktuellen Standort direkt
oder indirekt zusätzliche Informationen ermittelt werden,
welche ebenfalls vom Navigationssystem NS in Form von Navigationsdaten
ND an das Spurerkennungssystem SKS übertragen werden.
-
Beispielsweise
können direkt aus den digitalen Kartendaten KD die Anzahl
der Fahrspuren F1–F3 der Fahrbahn FB, der Straßentyp
wie „Autobahn", „Bundesstrasse", „Ländliche
Strasse", „Strasse im Stadtgebiet", usw. sowie ggf. vorliegende Fahrtrichtungsbeschränkungen
(„Einbahnstrasse" etc.) erfasst werden. Auch ist die Ermittlung
von Spurtopologiedaten bestehend aus dem Spurtyp sowie der um Einbiege-
und Abbiegespuren erweiterten Spuranzahl und/oder die Verknüpfung
von mehreren Fahrspuren beim Übergang zwischen eine unterschiedliche
Anzahl von Fahrspuren aufweisenden Straßensegmenten. Mit
Ausnahme der erweiterten Spuranzahl werden die geschilderten Spurtopologiedaten
zur Kontrolle und ggf. Korrektur der Ausgabeparametern O1–Ox
des künstlichen neuronalen Netzwerks KNN verwendet.
-
Auch
können von den digitalen Kartendaten KD weitere Eingabeparametern
I1–Im für das künstliche neuronale Netzwerk
KNN abgeleitet werden. Beispielsweise kann ermittelt werden, ob
die aktuelle Position des Fahrzeuges KF1 eine Beschleunigungs-,
Ausfahrts- oder Abbiegespur oder einen Kreuzungsbereich betrifft.
Die Anzahl der befahrbaren Fahrspuren im Kreuzungsbereich bzw. die
im Kreuzungsbereich verfügbaren nach links bzw. rechts
abzweigenden befahrbare Fahrspuren können ermittelt werden.
Unter zusätzlichen Auswertung der digitalen Kartendaten
KD kann die geplante Fahrtrichtung im Kreuzungsbereich („links", „rechts", „geradeaus")
berechnet werden.
-
In 2 ist
beispielhaft die logische Struktur eines derartigen künstlichen
neuronalen Netzwerkes KNN dargestellt, über welche näherungsweise
die von dem Fahrzeug KF1 aktuell befahrene Fahrspur F2 aus mehreren,
für dieselbe Fahrtrichtung vorgesehenen Fahrspuren F1–F3
ermittelt werden kann.
-
Das
zumindest teilweise die logisches Struktur der Steuer- und Auswerteroutine
SAR bildende künstliche neuronale Netzwerk KNN kann hierzu
beispielsweise die Topologie eines „Feed-Forward"-Netzwerkes
aufweisen. In künstlichen neuronalen Netzwerken KNN bezeichnet
die Topologie die Struktur des Netzes, d. h. wie viele künstliche
Neuronen sich auf wie vielen Schichten („Hidden Lagers") befinden
und deren jeweilige Verknüpfung untereinander. Reine „Feed-Forward"-Netzwerke
weisen jeweils ausschließlich eine Verbindung einer Schicht mit
der nachfolgenden Schicht auf.
-
Ein
künstliches neuronales Netzwerk weist beispielsweise mehrere
Funktionsschichten auf (nicht im Einzelnen in den Figuren dargestellt).
Beispielsweise können die Eingabeparameter I1–Im
des künstlichen neuronalen Netzwerkes KNN vor Ihrer Weiterverarbeitung,
d. h. späteren Aktivierung einer Gewichtung unterzogen
werden. Abhängig vom Vorzeichen der Gewichtung kann eine
Eingabe hemmend („inhibitorisch") oder erregend („exhibitorisch") wirken.
Mittels einer Aktivierungs funktion H1–Hn werden ausgehend
von den Eingabeparametern I1–Im bzw. gewichtete Eingabeparametern
normalisierte Eingabeparameter berechnet, welche die Ausgabeparameter
O1–Ox des künstlichen neuronalen Netzwerkes KNN
darstellen.
-
Im
vorliegenden Ausführungsbeispiel gemäß 2 weist
das künstliche neuronale Netzwerk KNN eine „Feed-Forward"-Topologie
mit einer Eingabeschicht IL, einer Aktivierungsschicht HL und einer Ausgabeschicht
OL auf, wobei die Aktivierungsschicht HL eine Vielzahl von Aktivierungsfunktionen H1–Hn
umfasst.
-
Aus
den im Spurerkennungssystem SKS vorliegenden Spurüberwachungsdaten
SUD, Spurbegrenzungsdaten SED, Positions- und/oder Navigationsdaten
PD, ND werden die oben genannten Eingabeparameter I1–Im
abgeleitet, welche einzelnen über die Eingabeschicht IL
dem künstlichen neuronalen Netzwerk KNN zugeführt
werden und gemäß der bestehenden Verknüpfung
zwischen der Eingabeschicht IL und der Aktivierungsschicht HL durch
die unterschiedlichen Aktivierungsfunktionen H1–Hn bearbeitet
werden.
-
Zusätzlich
zu den zuvor beschriebenen aktuell ermittelten Eingabeparametern
I1–Im können „historische" in der Speichereinheit
SU gespeicherte Eingabeparameter I1–Im ebenfalls dem künstlichen
neuronalen Netzwerk KNN zugeführt werden und dadurch die
zeitliche Änderung einzelner Eingabeparametern I1–Im
mitberücksichtigt werden. Beispielsweise können
die vor der Aktualisierung der Eingabeparametern I1–Im
ermittelte Fahrspur F1–F3, die zuletzt ermittelte Position
des Fahrzeuges FK1 innerhalb der Fahrspur F1–F3, die jeweilige
Fahrspur F1–F3 vor dem Verlassen eines Kreuzungsbereiches
oder die geplante Fahrtrichtung beim Verlassen eines Kreuzungsbereich
ebenfalls ausgewertet werden.
-
Als
Aktivierungsfunktionen H1–Hn können verschiedene
Funktionstypen verwendet werden, die unter anderem abhängig
von der jeweils vorgesehen Topologie sind. Eine Aktivierungsfunk tion
H1–Hn kann beispielsweise eine nicht-lineare Funktion oder stückweise
linear Funktion oder eine Sprungfunktion sein. Im Allgemeinen sind
derartige Aktivierungsfunktionen H1–Hn monoton steigend.
-
In
einer bevorzugten Ausführungsform werden als Aktivierungsfunktionen
H1–Hn Logistische, TanH- und/oder Sinus-Funktionen verwendet,
wobei deren prozentuale Zusammensetzung abhängig von den
jeweils verwendeten Eingabeparametern I1–Im ist. Beispielsweise
sind in etwa 40% der Aktivierungsfunktionen H1–Hn Logistische
Funktionen, weitere 40% TanH-Funktionen und die restlichen 20% Sinus-Funktionen.
-
Das
Ergebnis der Verknüpfung der unterschiedlichen Eingabeparameter
I1–Im mit der jeweiligen Aktivierungsfunktion H1–Hn
wird somit durch die Ausgabeparameter O1–Ox wiedergegeben,
und zwar geben diese jeweils den Grad der Wahrscheinlichkeit an,
mit der das Fahrzeug KF1 sich aktuell auf einer der Fahrspuren F1–F3
der Fahrbahn FB befindet. Die Ausgabeparameter O1–Ox entsprechen
bereits zumindest teilweise einzelnen Fahrspurdaten FSD bzw. werden
durch die Auswerte- und Steuerroutine SAR zur Erzeugung von Fahrspurdaten
FSD zusammen mit den weiteren Spurüberwachungsdaten SUD,
Spurbegrenzungsdaten SBD, Positions- und/oder Navigationsdaten PD,
ND ausgewertet.
-
Vor
Inbetriebnahme des künstlichen neuronalen Netzwerks KNN
wird ein Trainings- bzw. Lernprozess durchgeführt. Hierzu
werden durch Testfahrten ermittelte Datensätze, insbesondere
Eingabeparameter I1–Im und Ausgabeparameter O1–Ox
zur Ermittlung und Optimierung der Aktivierungsfunktion H1–Hn
vorgesehen. Nach einer Vielzahl von Trainings- bzw. Lernprozess
ist das künstliche neuronale Netzwerks KNN in der Lage,
zu einem unbekannten, den gelernten Beispielen ähnlichen
Eingabeparameter I1–Im, einen korrekten Ausgabeparameter
O1–Ox zu liefern. Um eine Unabhängigkeit vom jeweiligen Fahrstil
des Fahrers zu erhalten werden beispielsweise unterschiedli che Fahrer
und unterschiedliche Teststrecken im Rahmen des Trainings- bzw.
Lernprozesses verwendet.
-
Besonders
vorteilhaft kann das beschriebene Verfahren bei Navigationssystemen
NS zur Erzeugung und Ausgabe von spurbezogenen Anweisung unter Einbeziehung
der aktuellen Fahrsituation verwendet werden. Hierzu werden die
ermittelten Ausgabeparameter O1–Ox bzw. die Fahrspurdaten FSD
direkt dem Navigationssystem NS zur Weiterverarbeitung zur Verfügung
gestellt.
-
Alternativ
können die erhaltenen Ausgabeparameter O1–Ox einem
Fahrerassistenzsystem beispielsweise einem Geschwindigkeits- und
Abstandsregelassistenten („Adaptive Cruise Control") oder
einem Spurhalteassistenten („Lane Departure Warning") etc.
zur Verfügung gestellt und durch dieses ausgewertet werden.
-
Die
Erfindung wurde voranstehend an einem Ausführungsbeispiel
beschrieben. Es versteht sich, dass zahlreiche Änderungen
und Modifikationen möglich sind, ohne dass der Erfindung
zugrunde liegende Gedanke verlassen wird.
-
- AN
- Anordnung
- BD
- Bilddaten
- F1–F3
- erste
bis dritte Fahrspur
- FB
- Fahrbahn
- FSB
- Fahrspurbreite
- FSD
- Fahrspurdaten
- FSM1–FSM4
- erste
bis vierte Fahrspurmarkierungen
- H1–Hm
- Aktivierungsfunktionen
- HL
- Aktivierungsschicht
- I1–Im
- Eingabeparameter
- IL
- Eingangsschicht
- KD
- Kartendaten
- KF1–KF3
- erstes
bis drittes Fahrzeug
- KNN
- künstliches
neuronales Netzwerk
- NA
- Navigationssystem
- ND
- Navigationsdaten
- O1–Ox
- Ausgabeparameter
- OL
- Ausgabeschicht
- OU
- Ausgabeeinheit
- PD
- Positionsdaten
- PU
- Prozessoreinheit
- SAR
- Steuer-
und Auswerteeinheit
- SBD
- Spurbegrenzungsdaten
- SEE
- Spurerfassungseinheit
- SKS
- Spurerkennungssystem
- SU
- Speichereinheit
- SUD
- Spurüberwachungsdaten
- SUE
- Spurüberwachungseinheit
- TWL
- linker
toter Winkelbereich
- TWR
- rechter
toter Winkelbereich
- US
- Umgebungssensorikeinheit
-
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
-
- - US 6446000
B2 [0003]
- - EP 0740163 A2 [0004]
- - DE 19921437 A1 [0005]