-
Die
Erfindung betrifft ein Verfahren und Anordnung zur näherungsweisen
Bestimmung einer von einem Fahrzeug aktuell befahrenen Fahrspur
gemäß dem Oberbegriff
der Patentansprüche
1 und 15.
-
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 dem 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 6446000 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.
-
Die
DE 103 27 869 A1 zeigt
ein Navigationssystem mit Fahrspurhinweisen, das die Bestimmung einer
vom Fahrzeug aktuell befahrenen Fahrspur aus mehreren parallel,
für dieselbe
Fahrtrichtung vorgesehenen Fahrspuren ermöglicht.
-
Der
DE 693 18 898 T2 ist
ein Steuerungssystem mit einem neuronalen Netzwerk zum Voraussagen
und Vermeiden von Zusammenstößen eines Fahrzeugs
zu entnehmen.
-
Die
DE 100 09 850 A1 zeigt
ein Navigationssystem und ein Navigationsverfahren, bei dem der Fahrer
auf einen bestimmten Fahrspurwechsel auf einer Straße mit mehreren
Fahrspuren aufmerksam gemacht wird.
-
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 der Patentansprüche 1 und
15 jeweils durch deren kennzeichnende Merkmale gelöst. Vorteilhafte Weiterbildungen
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. Von den Positions- und/oder
Navigationsdaten, Spurbegrenzungsdaten und/oder Spurüberwachungsdaten
werden eine Vielzahl von Eingabeparametern abgeleitet, welche der
Eingabeschicht des künstlichen
neuronalen Netzwerkes zugeführt
werden, die mittels unterschiedlicher, die Aktivierungsschicht 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, und
zwar werden als Navigationsda ten 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 werden
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.
-
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 kön nen
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 SBD bereitgestellt werden.
-
Im
vorliegenden Ausführungsbeispiel
werden die durch die Spurerfassungseinheit SEE ermittelten Spurbegrenzungsdaten
SBD 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 ausgeführte Steuer-
u. Auswerteroutine SAR erfolgen.
-
Über die
beschriebene Spurerfassungseinheit SEE können somit beispielsweise folgende Spurbegrenzungsdaten
SBD 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
SBD 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, insbesondere 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 Eingabeparameter 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
vorgesehen. Mit Ausnahme der erweiterten Spuranzahl werden die geschilderten Spurtopologiedaten
zur Kontrolle und ggf. Korrektur der Ausgabeparameter O1–Ox des
künstlichen
neuronalen Netzwerks KNN verwendet.
-
Auch
können
von den digitalen Kartendaten KD weitere Eingabeparameter 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 befahrbaren Fahrspuren können ermittelt
werden. Unter zusätzlicher
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
neurona len 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 Aktivierungsfunktion H1–Hn werden ausgehend von den
Eingabeparametern I1–Im
bzw. gewichteten 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 SBD, Positions- und/oder Navigationsdaten PD, ND werden
die oben genannten Eingabeparameter I1–Im abgeleitet, welche einzeln 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 vorgesehenen Topologie sind. Eine Aktivierungsfunktion
H1–Hn kann
beispielsweise eine nicht-lineare Funktion oder stückweise
lineare 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 zu sammen 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
unterschiedliche 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 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
- Eingabeschicht
- 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
- NS
- Navigationssystem