-
Stand der Technik
-
Die
Erfindung geht aus von einem Verfahren zur Erzeugung von Datensätzen
nach der Gattung des unabhängigen Patentanspruchs 1, und
von einem korrespondierenden Verfahren zur Crashklassifikation,
welches während eines Maschinenlernvorgangs die erzeugten
Datensätze in einer Datenbasis verwendet.
-
Lernende
Algorithmen, wie beispielsweise neuronale Netze und Support-Vector-Maschinen, werden
zur Klassifikation in vielen Gebieten erfolgreich genutzt. Auch
im Bereich der Crashklassifikation für Fahrzeugsicherheitssysteme
sind diese Ansätze bekannt. Hierbei besteht das Ziel von
lernbasierten Verfahren für die Crashklassifikation in
der Bestimmung von Klassifizierungsparametern für eine Trennung
von mindestens zwei Crashklassen. Diese Crashklassen umfassen beispielsweise
eine "Fire-Klasse", bei der die Personenschutzmittel angesteuert
werden, und eine "No-Fire-Klasse", bei der eine Ansteuerung der
Personenschutzmittel nicht erfolgt. Gemeinsam ist den lernenden
Algorithmen das datengetriebene Lernen, dass heißt, das
Klassifizierungssystem wird anhand einer möglichst großen Datenbasis,
die zur Abdeckung von vielen Klassenrepräsentanten eine
große Anzahl von Datensätzen umfassen sollte,
bezüglich der Klassifikation trainiert. Das trainierte
Klassifizierungssystem kann nach der abgeschlossenen Trainingsphase
einen neuen Datensatz klassifizieren. Ein Schwachpunkt dieser Verfahren
für einen Einsatz in einer Sicherheitsanwendung, wie beispielsweise
für die Crashklassifikation kann darin bestehen, dass die
Regeln nach denen kiassifiziert wird nur schwierig explizit darstellbar
oder überprüfbar sind. Die Frage, ob die Crashklassifikation
eine physikalisch sinnvolle Entscheidung trifft, kann also nicht
einfach beantwortet werden. So begünstigen zu kleine Datensätze
beispielsweise einen Effekt der Überbestimmung (Over-Fitting), d.
h. das Klassifikationsverfahren lernt die Trainingssätze
und trifft bei nur leicht abweichenden Testdaten falsche Entscheidungen.
Typischerweise sind Crashdaten zu einem bestimmten Fahrzeugtyp nur
begrenzt verfügbar, so dass dieser Effekt nicht vollständig
ausgeschlossen werden kann.
-
Die
Fahrzeugsicherheitssysteme sind beispielsweise als Insassen- und/oder
Fußgängerschutzsysteme ausgeführt, die
entsprechende Insassenschutzmittel bzw. Fußgängerschutzmittel
aufweisen, die beispielsweise als irreversible Schutzmittel, wie
z. B. Innen-Airbags, pyrotechnische Gurtstraffer, Außen-Airbags,
usw., und/oder als reversible Schutzmittel, wie z. B. elektromotorische
Gurtstraffer, aufstellbare Motorhaube usw., ausgeführt
sind. Die Ermittlung der aktuellen Fahrsituation und die Ansteuerung
der Personenschutzmittel erfolgt auf Grundlage von Sensorsignalen,
die zur Ermittlung einer aktuellen Fahrsituation und zur Erkennung
eines Unfalls von mindestens einem Sensorsystem, das einen oder
mehrere Sensoren umfasst, erfasst und entsprechend ausgewertet werden.
Für die einzelnen Sensoren können die verschiedensten
Sensorprinzipien, wie beispielsweise Beschleunigungs-, Druck-, Körperschallsensoren,
piezoelektrische und/oder optische Sensoren usw. benutzt werden.
Zudem können Sensordaten ausgewertet und verwendet werden,
welche von Sensoren von Fahrdynamiksystemen und/oder einer Drehbewegungssensorik
erfasst und zur Verfügung gestellt werden.
-
In
der Offenlegungsschrift
DE
198 54 380 A1 wird ein Verfahren zum Erkennen der Schwere
eines Fahrzeugzusammenstosses beschrieben, bei welchem Ausgangssignale
eines Beschleunigungssensors aufbereitet und einem neuronalen Netz
zugeführt werden, das eine Auslöseeinheit für
eine Insassenschutzeinrichtung steuert. Zum Erkennen des Verlaufs
des Fahrzeugzusammenstoßes sind weitere Crash-Sensoren
vorgesehen, die eine dem Ausgangssignal des Beschleunigungssensors
gleiche physikalische Größe zu einem definierten
Zeitpunkt als Eingangssignal für das neuronale Netz liefern. Durch
die Auslöseeinheit können mehrere Insassenschutzeinrichtungen
gesteuert werden.
-
In
der Offenlegungsschrift
DE
103 48 999 A1 werden ein Verfahren und eine Vorrichtung
zur Steuerung von Sicherheitseinrichtungen in Kraftfahrzeugen beschrieben,
Zur Erkennung eines Aufpralls oder eines bevorstehenden Aufpralls
werden die Ausgangssignale von an oder im Kraftfahrzeug angeordneten
Sensoren mathematisch miteinander verknüpft, um so bei
gleichzeitiger Reduktion der Rechenleistung eine eindeutige Unterscheidung
zwischen Crashereignissen, die ein Auslösen der mindestens
einen Sicher heitseinrichtung erfordern, und Crashereignissen zu
gewährleisten, bei denen keine Auslösung der mindestens
einen Sicherheitseinrichtung erfolgen soll.
-
Offenbarung der Erfindung
-
Das
erfindungsgemäße Verfahren zur Erzeugung von Datensätzen
mit den Merkmalen des unabhängigen Patentanspruchs 1 hat
demgegenüber den Vorteil, dass zur Erzeugung einer großen
Anzahl von synthetischen Crashsignalen, die als Datensätze
für eine Datenbasis zur Durchführung eines Maschinenlernvorgangs
für ein lernbasiertes Crashklassifizierungsverfahren verwendet
werden können, eine intelligente Aufbereitung von vorhandenen
realen Crashsignalen durchgeführt wird, und so eine bestehende
Unsicherheit bezüglich der Verallgemeinerungsfähigkeit
beseitigt oder minimiert werden kann. Das erfindungsgemäße
Verfahren ist nicht Bestandteil des Maschinenlernvorgangs, sondern
kann offline auf einem leistungsfähigen Rechner, z. B.
einem Personal Computer, ausgeführt werden. Das erfindungsgemäße
Verfahen zur Erzeugung von Datensätzen führt eine
Analyse von Crashinformationen durch, die auf mindestens einem realen
Crashsignal basieren. Zur Erzeugung eines physikalischen Modells
wird in vorteilhafter Weise aus dem mindestens einen realen Crashsignal
ein Deformationssignalanteil extrahiert, der physikalisch auf mindestens
einem Deformationsprozess basiert, wobei aus dem Deformationssignalanteil
mindestens ein Modellparameter für das physikalische Modell
ermittelt wird. Aus dem verbleibenden Signal des Crashsignals wird
ein Differenzsignalanteil, der harmonische Signalanteile aufweist, durch
ein geeignetes Verfahren angenähert, wobei eine Korrelation
des angenäherten Differenzsignalanteils mit dem physikalischen
Modell bestimmt und ein Korrelationsergebnis ausgegeben wird. Durch Überlagern
mindestens eines Deformationssignals, das durch Interpolieren und/oder
Extrapolieren des mindestens einen Modellparameters erzeugt wird, mit
mindestens einem korrespondierenden Differenzsignal, das gemäß dem
Korrelationsergebnis erzeugt wird, wird mindestens ein synthetisches
Crashsignal erzeugt, welches als Datensatz in der Datenbasis für den
Maschinenlernvorgang abgelegt wird.
-
Diese
Modellierung der vorhandenen realen Crashsignale erlaubt in vorteilhafter
Weise eine Erzeugung von umfangreichen synthetischen Crashsignalen,
indem der zugrunde liegende Deformationsprozess in seinen Modellparametern,
die beispielsweise eine relative Geschwindigkeit, Toleranzen der Fahrzeugsteifigkeit,
eine Masse bzw. ein Massenverhältnis usw. umfassen, in
kleinen Schritten durchgestimmt werden kann. Die Grundla ge des Maschinenlernvorgangs
für das lernende Crashklassifizierungsverfahren besteht
also in einer verbreiterten Datenbasis, wobei die Verbreiterung
der Datenbasis in vorteilhafter Weise aus plausiblen physikalischen
Signalen besteht, welche die vorhandenen realen Crashsignale interpolieren
oder sogar extrapolieren. Zudem wird durch die Verbreiterung der
Datenbasis mit den synthetischen Crashdaten in vorteilhafter Weise
das Risiko reduziert, dass während der Crashklassifikation
unbekannte nicht trainierte Datensätze falsch klassifiziert
werden.
-
Das
erfindungsgemäße Verfahren zur Erzeugung von Datensätzen,
welche die Datenbasis eines Maschinenlernvorgangs verbreitern, ist
eine gute Ergänzung zu einer CAE-Simulation, da die Abtastung hochdimensionaler
Parameterräumen in vergleichsweise kurzer Zeit geleistet
werden kann und die Signale auf einer direkten Manipulation von
realen Crashdaten beruhen.
-
Zudem
weist das erfindungsgemäße Verfahren gegenuber
bisherigen Verfahren den Vorteil auf, dass nicht nur einfache Signalveränderungen,
wie z. B. eine Amplitudenvariation, durchgeführt werden, sondern
der Ablauf des Crashs in einer vollständig umgestellten
Reihenfolge erfolgen kann. Hierin unterscheidet sich das erfindungsgemäße
Verfahren von Verfahren, die eine lineare oder nicht-lineare Verzerrung
der Zeitachse durchführen.
-
Durch
die in den abhängigen Ansprüchen aufgeführten
Maßnahmen und Weiterbildungen sind vorteilhafte Verbesserungen
des im unabhängigen Patentanspruch 1 angegebenen Verfahrens
zur Erzeugung von Datensätzen möglich.
-
Besonders
vorteilhaft ist, dass die Erzeugung des mindestens einen synthetischen
Crashsignals wiederholt wird, bis eine vorgebbare Anzahl von Datensätzen
für die Datenbasis erzeugt ist. Das bedeutet, dass die
Datenbasis mit entsprechenden Datensätzen beliebig erweitert
werden kann.
-
In
Ausgestaltung des erfindungsgemäßen Verfahrens
wird ein verbleibender Restdifferenzsignalanteil des Signals vernachlässigt
oder als Rauschmodellparameter ausgegeben. Der Rauschmodellparameter
und/oder mindestens ein zusätzliches Rauschsignal können
beispielsweise bei der Erzeugung des Differenzsignals verwendet werden.
-
In
weiterer Ausgestaltung des erfindungsgemäßen Verfahrens
repräsentiert ein Merkmalsraum der Crashsignale bei der
Modellierung eine Beschleunigungs-Zeit-Abhängigkeit und/oder
eine Beschleunigungs-Deformations-Abhängigkeit.
-
Der
harmonische Signalanteile aufweisende Differenzsignalanteil kann
beispielsweise durch eine Wavelet-Analyse angenähert werden,
wobei die Korrelation mit dem physikalischen Modell über
die Wavelet-Koeffizienten des angenäherten Differenzsignalanteils
bestimmt werden kann.
-
In
weiterer Ausgestaltung des erfindungsgemäßen Verfahrens
können die synthetischen Crashsignale durch Überlagern
von realen Crashsignalanteilen mit synthetischen Signalanteilen
erzeugt werden. Das bedeutet, dass der aus dem realen Crashsignal
extrahierte Deformationssignalanteil direkt mit mindestens einem
Signalanteil überlagert wird, der aus dem angenäherten
Differenzsignalanteil erzeugt wird. Alternativ kann das Deformationssignal,
das durch Interpolieren und/oder Extrapolieren des mindestens einen
Modellparameters erzeugt wird, direkt mit dem Signal überlagert
werden, das nach der Extrahierung des Deformationssignalanteils
aus dem realen Crashsignals verbleibt und harmonische Signalanteile
und/oder Rauschanteile aufweist.
-
Ausführungsbeispiele
der Erfindung sind in den Zeichnungen dargestellt und werden in
der nachfolgenden Beschreibung näher erläutert.
-
Kurze Beschreibung der Zeichnungen
-
1 zeigt
ein schematisches Blockdiagramm zur Beschreibung des erfindungsgemäßen Verfahrens
zur Erzeugung von Datensätzen.
-
2 zeigt
eine schematische Darstellung eines Ausführungsbeispiels
einer Datenbasis, welche Datensätze enthält, die
mit dem Verfahren gemäß 1 erzeugt
wurden.
-
Ausführungsformen der Erfindung
-
Wie
aus 1 ersichtlich ist, führt ein erfindungsgemäßes
Verfahren zur Erzeugung von Datensätzen in einem ersten
Block 10 eine Analyse von Crashinformationen durch, die
auf mindestens einem realen Crashsignal 1 basieren, und
erzeugt durch eine Signalsyn these in einem zweiten Block 20 basierend
auf der Signalanalyse im ersten Block 10 mindestens ein
synthetisches Crashsignal 2.
-
Wie
aus 1 weiter ersichtlich ist, extrahiert eine erste
Signalanalysestufe 11 zur Erzeugung eines physikalischen
Modells aus dem mindestens einen realen Crashsignal 1 einen
Deformationssignalanteil 17, der physikalisch auf mindestens
einem Deformationsprozess basiert. Zudem ermittelt die erste Signalanalysestufe 11 aus
dem Deformationssignalanteil 17 mindestens einen Modellparameter 13 für
das physikalische Modell, welcher zur Signalsynthese an den zweiten
Block 20 ausgegeben wird. Die Modellierung der Fahrzeugstruktur
unter Anpassung an die realen Crashsignale erfolgt durch wenigstens
ein physikalisches Modell, wobei der Merkmalsraum beispielsweise
durch eine Beschleunigungs-Zeit-Abhängigkeit, eine Beschleunigungs-Deformations-Abhängigkeit
usw. bestimmt werden kann. Zudem kann zur Modellierung beispielsweise ein
Elasto-Plastic-Force-Deflection-Model verwendet werden. Für
einen Frontal-Crash können die zu modellierenden Fahrzeugstrukturen
beispielsweise Stoßfänger, Deformationselemente,
Längsträger usw. umfassen.
-
Das
nach der Extraktion des Deformationsanteils 17 verbleibende
Signal 14 des realen Crashsignals 1 wird an eine
zweite Signalanalysestufe 12 ausgegeben. Die zweite Signalanalysestufe 12 nähert
einen Differenzsignalanteil 18 des verbleibenden Signals 14,
der harmonische Signalanteile aufweist, durch ein geeignetes Verfahren
an, welches nicht notwendigerweise modellbasiert ist. Die Annäherung des
Differenzsignalanteils 18 kann beispielsweise durch eine
Wavelet-Analyse erfolgen. Zudem bestimmt die zweite Signalanalysestufe 12 eine
Korrelation des angenäherten Differenzsignalanteils 18 mit dem
physikalischen Modell und gibt das Korrelationsergebnis 15 zur
Signalsynthese an den zweiten Block 20 aus. Die Korrelation
des physikalischen Modells mit den Wavelet-Koeffizienten wird bestimmt,
d. h. es wird der Zusammenhang von auftretenden Schwingungen und
der Deformation von Elementen des physikalischen Modells ermittelt.
Ein nach der Annäherung des Differenzsignalanteils 18 verbleibender Restdifferenzsignalanteil
des Signals 14 kann vernachlässigt oder als Rauschmodellparameter 16 zur Signalsynthese
an den zweiten Block 20 ausgegeben werden.
-
Wie
aus 1 weiter ersichtlich ist, erzeugt der zweite Block 20 das
mindestens eine synthetische Crashsignal 2 im Block 25 durch
eine Überlagerung von mindestens einem Deformationssignal 1', das
in einer ersten Signalsynthesestufe 21 durch Interpolieren und/oder
Extrapolieren des vom ersten Block 10 empfangenen mindestens
einen Modellparameters 13 erzeugt wird, mit mindestens
einem korrespondierenden Differenzsignal 14', das in einer zweiten
Signalsynthesestufe 22 gemäß dem vom ersten
Block 10 empfangenen Korrelationsergebnis 15 erzeugt
wird. Bei der Erzeugung des Differenzsignals 14' kann die
zweite Signalsynthesestufe 22 die vom ersten Block 10 empfangenen
Rauschmodellparameter 16 verwenden. Zusätzlich
wird im dargestellten Ausführungsbeispiel ein weiteres
Rauschsignal 23 verwendet, welches über eine Signalsummierung 24 zum
Differenzsignals 14' hinzugefügt wird. Für
die Erzeugung des neuen Deformationssignals 1' können
die ermittelten Modellparameter 13 des physikalischen Modells
in kleinen Schritten durchgestimmt werden, um eine möglichst
gute Abdeckung der Parameterräume zu erreichen. Durch die
korrespondierende Überlagerung der neuen Deformationssignale 1' mit
den korrespondierenden Differenzsignalen 14' kann eine
beliebige Anzahl von zusätzlichen synthetischen Crashsignalen 2 erzeugt
werden, welche als Datensätze 2 in einer Datenbasis
abgelegt werden. Die durch die zusätzlichen synthetischen
Crashsignale 2 erweiterte bzw. verbreiterte Datenbasis
kann von einem Maschinenlernvorgang zum Training eines Crashklassifikationsverfahrens
verwendet werden.
-
2 zeigt
eine schematische Darstellung eines Ausführungsbeispiels
einer solchen Datenbasis, welche Datensätze enthält,
die mit dem Verfahren gemäß 1 erzeugt
wurden und mit den synthetischen Crashsignalen 2 korrespondieren,
und schraffiert dargestellte Datensätze enthält,
die mit den realen Crashsignalen 1 korrespondieren. Die dargestellte
Datenbasis umfasst Datensätze, welche beispielhaft auf
Grundlage der Modellparameter relative Geschwindigkeit, Massenverhältnis
und Überlappung erzeugt wurden. Selbstverständlich
können auch andere Modellparameter zur Erzeugung der synthetischen
Crashsignale 2 verwendet werden. Die Grundlage für
den Maschinenlernvorgang des lernenden Crashklassifizierungsverfahrens
besteht also in einer verbreiterten Datenbasis, wobei die Verbreiterung
der Datenbasis in vorteilhafter Weise aus plausiblen physikalischen
Signalen besteht, welche die vorhandenen realen Crashsignale interpolieren oder
extrapolieren. Zudem wird durch die Verbreiterung der Datenbasis
mit den synthetischen Crashdaten in vorteilhafter Weise das Risiko
reduziert, dass während der Crashklassifikation unbekannte
nicht trainierte Datensätze falsch klassifiziert werden.
-
Zusätzlich
zu der beschriebenen Erzeugung können die synthetischen
Crashsignale 2 auch durch eine direkte Überlagerung
des aus dem realen Crashsignal 1 extrahierten Deformationssignalanteils 17 mit
mindestens einem Differenzsignal 14' erzeugt werden, das aus
dem angenäherten Differenzsignalanteil 18 erzeugt
wird. Diese zusätzliche Möglichkeit wird in 1 durch
die gestrichelt ausgeführte Verbindung der ersten Signalanalysestufe 11 mit
dem Überlagerungsblock 25 dargestellt. Alternativ
kann das Deformationssignal 1', das durch Interpolieren und/oder
Extrapolieren des mindestens einen Modellparameters 13 von
der ersten Signalsynthesestufe 21 erzeugt wird, direkt
mit dem Signal 18 überlagert werden, das nach
der Extrahierung des Deformationssignalanteils 17 aus dem
realen Crashsignals 1 verbleibt und harmonische Signalanteile und/oder
Rauschanteile aufweist. Diese zusätzliche Möglichkeit
wird in 1 durch die gepunktet ausgeführte
Verbindung der zweiten Signalanalysestufe 12 mit dem Überlagerungsblock 25 dargestellt.
Somit können die synthetischen Crashsignale 2 auch
durch Überlagern von realen Crashsignalanteilen 17, 18 mit synthetischen
Signalanteilen erzeugt werden.
-
Das
erfindungsgemäße Verfahren erzeugt die Datensätze
der Datenbasis offline auf einem leistungsfähigen Rechner
und stellt die erzeugte Datenbasis dem Maschinenlernvorgang eines
Verfahrens zur Crashklassifikation für ein Fahrzeugsicherheitssystem
zur Verfügung, Das Verfahren zur Crashklassifikation klassifiziert
eine aktuell ermittelte Fahrsituation basierend auf dem Maschinenlernvorgang
dahingehend, ob eine erste Crashklasse vorliegt, welche eine Aktivierung
mindestens eines Personenschutzmittels des Fahrzeugsicherheitssystems
erfordert, oder ob eine zweite Crashklasse vorliegt, welche keine
Aktivierung des mindestens einen Personenschutzmittels des Fahrzeugsicherheitssystems erfordert.
Während des Maschinenlernvorgangs wird basierend auf der
Datenbasis mindestens ein Klassifikationsparameter zur Unterscheidung
der Crashklassen erzeugt.
-
Das
erfindungsgemäße Verfahren zu Erzeugung eines
Datensatzes erhöht die Sicherheit und Zuverlässigkeit
eines korrespondierenden lernenden Verfahrens zur Crashklassifikation
und schafft damit die Voraussetzung für ein verbessertes
Training durch eine breite Abdeckung realer Szenarien im Straßenverkehr.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 19854380
A1 [0004]
- - DE 10348999 A1 [0005]