DE102008007150A1 - Verfahren zum Erstellen einer Müdigkeitsprognose eines Kraftfahrzeugfahrers - Google Patents
Verfahren zum Erstellen einer Müdigkeitsprognose eines Kraftfahrzeugfahrers Download PDFInfo
- Publication number
- DE102008007150A1 DE102008007150A1 DE102008007150A DE102008007150A DE102008007150A1 DE 102008007150 A1 DE102008007150 A1 DE 102008007150A1 DE 102008007150 A DE102008007150 A DE 102008007150A DE 102008007150 A DE102008007150 A DE 102008007150A DE 102008007150 A1 DE102008007150 A1 DE 102008007150A1
- Authority
- DE
- Germany
- Prior art keywords
- driver
- eyelid
- duration
- data
- amplitude
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Abstract
Ein Verfahren zum Erstellen einer Prognose über die Müdigkeit eines Fahrers eines Kraftfahrzeugs aus gemessenen Lidschlussdaten des Fahrers weist die folgenden Schritte auf: Bestimmen einer prognostizierten Lidschlussdauer zu jeder gemessenen Lidschlussamplitude des Fahrers, Vergleichen der prognostizierten Lidschlussdauer mit der gemessenen Lidschlussdauer dieser Lidschlussamplitude des Fahrers, Bestimmen eines Residuum aus der prognostizierten und der gemessenen Lidschlussdauer, und Prognostizieren einer Müdigkeit des Fahrers, wenn das Residuum größer als eine vorgegebene Schwelle ist.
Description
- Die Erfindung betrifft ein Verfahren zur Standardisierung von bei einer Müdigkeitserkennung von Fahrern von Kraftfahrzeugen detektierten Größen, um daraus die Müdigkeitserkennung durchführen zu können, gemäß dem Oberbegriff des Anspruchs 1.
- Die Müdigkeit eines Führers eines Kraftfahrzeugs und die dadurch begründete verringerte Aufmerksamkeit, verringerte Reaktionsbereitschaft oder gar ein Einschlafen des Fahrers während einer Fahrt bildet eine der zentralen Unfallursachen im Straßenverkehr. So werden je nach Studie bei der statistischen Analyse aus der Unfallforschung 5% bis 25% der Fahrzeugunfälle auf Müdigkeit zurückgeführt. Müdigkeitsunfälle führen darüber hinaus tendenziell zu einem höheren Verletzungsgrad.
- Dies führt zur Entwicklung von insbesondere in Fahrerassistenzsystemen eingesetzten Verfahren und Vorrichtungen zur Detektion und Bewertung des Fahrerzustands sowie zur nachfolgenden Ausgabe einer Warnung oder sonstigem aktivem Eingreifen in das Fahrtgeschehen.
- Aus der
DE 10 2004 022 581 A1 ist ein Fahrerassistenzsystem bekannt, bei dem aus einer Vielzahl von Daten Parameter abgeleitet werden, mit deren Hilfe die Ermüdung eines Fahrzugführers beschrieben und/oder klassifiziert werden kann. Als Datenquellen kommen dabei erstens physiologische und behavoriale Daten des Fahrzeugführers, zweitens Fahrleistungs- und Fahrzeugdaten und drittens Umfelddaten in Betracht. Zu den physiologischen und behavorialen Daten gehören u. a. Augendaten, Lidschlussdaten, Blickrichtungsdaten, Hautwiderstandsdaten, Hirnaktivität, Pulsfrequenz, Mimikdaten etc. Zu den Fahrleistungs- und Fahrzeugdaten gehören Parameter wie beispielsweise der Lenkwinkel und dessen zeitliche Änderung , der Gierwinkel und dessen zeitliche Änderung, die Geschwindigkeit des Fahrzeugs, sowie die Stellung von Gas- und/oder Bremspedal. Ferner gehören zu den Umfelddaten Parameter wie Fahrspur, Fahrbahn, Licht- und Witterungsverhältnisse, Jahreszeit und Uhrzeit, usw. Dabei werden können und sinnvollerweise werden nicht alle diese Parameter im Fahrzeug erfasst. - Allgemein gilt, dass bei derartigen System die Daten der verschiedenen Sensorsysteme zur Detektion des Fahrerzustandes und zur Vorhersage von Einschlafereignissen algorithmisch aufbereitet werden, wobei verschiedene Methoden zur Mustererkennung und Algorithmusentwicklung verwendet. Beispielsweise wird die multiple Regression zur Vorhersage einer kontinuierlichen Größe wie dem Müdigkeitsgrad oder die logistische Regression zur Bestimmung der Einschlafwahrscheinlichkeit verwendet. Andere Herangehensweisen sind die Anwendung eines C5 Entscheidungsbaums oder die Grenzwertanalyse, bei der die gleichzeitige Überschreitung von Schwellwerten vorgegebener Parameter einen kritischen Zustand bestimmen.
- Als besonders aussagekräftig zur Detektion der Fitness bzw. der Müdigkeit eines Fahrers eines Kraftfahrzeugs erweisen sich beobachtbare Augendaten. Dies sind beispielsweise Lidschlag und Lidschlagdauer, Anzahl der Lidschläge pro Minute und Ableitungen davon wie die Lidschlussgeschwindigkeit. Allerdings ist eine genaue Prognose der Müdigkeit des Fahrers aus den Lidschlussdaten schwierig.
- Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zu schaffen, welches eine einfache und relativ genaue Prognose der Müdigkeit des Fahrers eines Kraftfahrzeugs aus seinen Lidschlussdaten ermöglicht.
- Dies Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst. Bevorzugte Ausführungsformen der Erfindung sind Gegenstand der Unteransprüche.
- Das erfindungsgemäße Verfahren zum Abgeben einer Prognose über die Müdigkeit eines Fahrers eines Kraftfahrzeugs aus gemessenen Lidschlussdaten des Fahrers, weist die folgenden Schritte auf:
- – Bestimmen einer prognostizierten Lidschlussdauer zu jeder gemessenen Lidschlussamplitude des Fahrers,
- – Vergleichen der prognostizierten Lidschlussdauer mit der gemessenen Lidschlussdauer dieser Lidschlussamplitude des Fahrers,
- – bestimmen eines Residuum als Differenz zwischen der prognostizierten und gemessenen Lidschlussdauer, und
- – Prognostizieren einer Müdigkeit des Fahrers, wenn das Residuum größer als ein vorgegebener Wert ist.
- Vorzugsweise kann der Schwellwert für das Residuum, also die Lidschlussdauerdifferenz, eine Funktion der Lidschlussamplitude sein, so dass quasi für jede Lidschlussamplitude ein entsprechender Schwellwert gegeben ist.
- Vorzugsweise wird die prognostizierte Lidschlussdauer aus einer vorbestimmten Regressionsfunktion bestimmt, wobei die Regressionsfunktion den Zusammenhang zwischen der Lidschlussdauer und den Lidschlussamplituden eines Fahrers wiedergibt. Sinnvollerweise gibt die Regressionsfunktion die Wachphase des Fahrers wieder.
- Einerseits kann die Regressionsfunktion aus vorab ermittelten Daten hinsichtlich Lidschlussdauer und Lidschlussamplitude als Mittel über eine Vielzahl von Versuchpersonen bestimmt werden, Andererseits ist es möglich die Regressionsfunktion aus für jeden Fahrer individuell ermittelten Daten hinsichtlich Lidschlussdauer und Lidschlussamplitude zu bestimmen.
- Im zweiten Fall, nämlich dass die Regressionsfunktion für jeden Fahrer individuell bestimmt wird, werden vorzugsweise die individuellen Daten des Fahrers während einer vorgegeben Zeit zu Beginn der aktuellen Fahrt ermittelt. Dabei wird davon ausgegangen, dass der Fahrer zu Beginn einer Fahrt sich im Wachzustand befindet und daher zu Beginn der Fahrt repräsentative Daten des Wachzustandes ermittelt werden können Zur Bestimmung der Regressionsfunktion kann vorzugsweise eine lineare oder nichtlineare Regression der ausgewählten Daten durchgeführt werden.
- Vorzugsweise werden nur Lidschlussamplituden innerhalb eines vorgegebenen Intervalls betrachtet, wobei das vorbestimmte Intervall von 1,5 mm bis 11,5 mm reicht. Dadurch wird sichergestellt, dass nur Lidschlussdaten verwendet werden, die mit einem akzeptablen Messfehler ausgestattet sind.
- Weiter bevorzugt werden die ermittelten Residuen geglättet. Dabei kann eine Glättung der Residuen durch die Bestimmung eines Residuenmittelwert aus einer vorgegebenen Anzahl von hintereinander bestimmten Residuen durchgeführt werden. Bevorzugt ist, dass der Residuenmittelwert aus den letzten 50 bis 70, vorzugsweise 60, bestimmten Residuen ermittelt wird.
- Eine bevorzugte Ausführungsform wird nachfolgende anhand der einzigen Zeichnung erläutert. Dabei zeigt
-
1 die Abhängigkeit der Lidschlussdauer von der Lidschlussamplitude für wache und müde Fahrer. - Allgemein gesprochen betrifft das erfindungsgemäße Verfahren einen Algorithmus, der aufgrund von beobachteten Augendaten wie Lidschlussdauer und Lidschlussamplitude eine Vorhersage oder Prognose abgibt, ob der Fahrer mit hoher Wahrscheinlichkeit in den nächsten z. B. fünf Minuten einschläft. Es soll also über die Müdigkeit des Fahrers eine Wertung getroffen werden.
- Es stellte sich heraus, dass eine Variable, die für diese Fragestellung sehr aussagekräftig ist, da sie bei Müdigkeit einer Person typischerweise einen niedrigeren Wert annimmt als bei deren Wachheit, die Lidschlussgeschwindigkeit bzw. der Kehrwert hiervon, also die Dauer des Lidschlusses geteilt durch die Lidschlussamplitude, ist. Diese Abhängigkeit der Lidschlussdauer von der Lidschlussamplitude zeigt bei Müdigkeit ein anderes Verhalten als bei Wachheit, wobei die beiden Größen von Person zu Person unterschiedlich sind.
-
1 zeigt nun in graphischer Darstellung die Lidschlussdauer D als Funktion der Lidschlussamplitude A, wobei sowohl die Lidschlussamplitude A als auch die Lidschlussdauer D in willkürlichen Einheiten a. u. dargestellt sind. Dabei bedeuten das Symbole ⧠ der Kurve I Daten für einen müden Fahrer während das Symbol der Kurve II ⟡ Lidschlussdaten eines wachen Fahrers darstellen. Die in1 dargestellten Daten sind Mittelungen über die Daten einer Vielzahl von Versuchspersonen einer Feldstudie. - Da die Lidschlussdauer insbesondere bei sehr kleinen und sehr großen Werten mit einer hohe Schwankungsbreite und beachtlicher Messungenauigkeit behaftet ist, betrachten wir für die Entwicklung einer praxistauglichen Prognose nur Lidschlüsse mit Amplituden zwischen 1,5 und 11,5 mm und einem hohen Vertrauensmaß bzgl. der Datenqualität. Dies ist in
1 schematisch dargestellt, da unterhalb von 2 a. u. und oberhalb von ca. 11.5 a. u keine Mesdaten mehr dargestellt sind. Geht man davon aus, dass der Zusammenhang , d. h. die Regression, zwischen Dauer und Amplitude des Lidschlusses für Wachphasen der betreffenden Person bekannt sind, so kann durch kontinuierliche Beobachtung dieser Lidschlussdaten entschieden werden, ob eine Wach- bzw. Müdigkeitsphase vorliegt. - Um den nicht bekannten Regressionszusammenhang zwischen der Lidschlussdauer und der Amplitude in Wachphasen des entsprechenden Fahrers zu schätzen wird auf Basis von ausgewählten Daten eine Kurvenanpassung, d. h. eine Regression, vorgenommen. Diese Regression wird sowohl linear als auch nichtlinear, beispielsweise durch S-Anpassung, d. h. durch eine Funktion der Form f(x) = exp(b/x + a) oder der Form f(x) = a bx, also In f(x) = In a + x In b) durchgeführt.
- Grundsätzlich bestehen zwei Möglichkeiten zur Bestimmung der Regressionsfunktionen für die Wachphasen:
- – Zum einen global als Mittel über alle Versuchspersonen aus einer Feldstudie, d. h. die Abhängigkeit der Lidschlussdauer von der Lidschlussamplitude im Wachzustand wird vorab aus erhobenen Daten ermittelt, was als globale Standardisierung bezeichnet wird, und
- – anderen individuell für jeden Fahrer neu. Hierbei wird jeweils aus den Daten, die während der ersten Minuten der aktuellen Fahrt aufgezeichnet werden, eine Regression speziell für diese Person durchgeführt und die Annahme verwendet, dass Fahrer sich zu Beginn einer Fahrt grundsätzlich in einer Wachphase befinden, was als individuelle Standardisierung bezeichnet wird.
- Mit Hilfe der global bzw. individuell ermittelten Regressionsfunktionen wird dann zu jeder beobachteten Lidschlussamplitude die dazugehörige „erwartete", bzw. genauer gesagt prognostizierte Lidschlussdauer aus der Regression für Wachphasen berechnet und diese mit dem tatsächlich gemessenen Wert der Lidschlussdauer zu dieser Amplitude verglichen.
- Die Abweichung beider Werte, ausgedrückt als Differenz oder Quotient, wird als Residuum bezeichnet.
- Wegen der großen statistischen Schwankung der Residuen müssen diese – etwa durch Bildung eines Mittelwertes über die letzten 60 Werte – geglättet werden. Erst die sich daraus ergebende Größe besitzt genügend Präzision, um eine vertrauenswürdige Vorhersage zu treffen.
- Diese geglätteten Residuen werden zur Vorhersage verwendet, ob Müdigkeit bei einer fahrenden Person eintritt. Erst durch die sogenannte Standardisierung der Lidschlussdauer über die Lidschlussamplitude und die anschließende Glättung der Abweichungen (Residuen) von in einer Wachphase erwarteter Lidschlussdauer wird ein praxistaugliches Verfahren geschaffen.
-
- A
- Lidschlussamplitude
- D
- Lidschlussdauer
- a. u.
- arbitray units
- I
- Kurve müder Fahrer
- II
- Kurve wacher Fahrer
- 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 102004022581 A1 [0004]
Claims (12)
- Verfahren zum Abgeben einer Prognose über die Müdigkeit eines Fahrers eines Kraftfahrzeugs aus gemessenen Lidschlussdaten des Fahrers, gekennzeichnet durch die Schritte: Bestimmen einer prognostizierte Lidschlussdauer zu jeder gemessenen Lidschlussamplitude des Fahrers, Vergleichen der prognostizierten Lidschlussdauer mit der gemessenen Lidschlussdauer dieser Lidschlussamplitude des Fahrers, Bestimmen eines Residuum aus der prognostizierten und der gemessenen Lidschlussdauer, und Prognostizieren einer Müdigkeit des Fahrers, wenn das Residuum größer als eine vorgegebene Schwelle ist.
- Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die vorgegebene Schwelle eines Residuum eine Funktion der Lidschlussamplitude ist.
- Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die prognostizierte Lidschlussdauer aus einer vorbestimmten Regressionsfunktion bestimmt wird, wobei die Regressionsfunktion den Zusammenhang zwischen der Lidschlussdauer und den Lidschlussamplituden eines Fahrers wiedergibt.
- Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die Regressionsfunktion die Wachphase des Fahrers wiedergibt.
- Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass die Regressionsfunktion aus vorab ermittelten Daten hinsichtlich Lidschlussdauer und Lidschlussamplitude als Mittel über eine Vielzahl von Versuchpersonen bestimmt wird.
- Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass die Regressionsfunktion aus für jeden Fahrer individuell ermittelten Daten hinsichtlich Lidschlussdauer und Lidschlussamplitude bestimmt wird.
- Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die individuellen Daten während einer vorgegeben Zeit zu Beginn der aktuellen Fahrt ermittelt werden.
- Verfahren nach einem der Ansprüche 3 bis 7, dadurch gekennzeichnet, dass die Regressionsfunktion durch eine lineare oder nichtlineare Regression aus den ausgewählten Daten bestimmt wird.
- Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Lidschlussamplituden innerhalb eines vorgegebenen Intervalls betrachtet werden, wobei das vorbestimmte Intervall von 1,5 mm bis 11,5 mm reicht.
- Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die ermittelten Residuen geglättet werden.
- Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Glättung durch die Bestimmung eines Residuenmittelwert aus einer vorgegebenen Anzahl von hintereinander bestimmten Residuen durchgeführt wird.
- Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass der Residuenmittelwert aus den letzten 50 bis 70, insbesondere 60, bestimmten Residuen ermittelt wird.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007015848 | 2007-03-30 | ||
DE102007015848.5 | 2007-03-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102008007150A1 true DE102008007150A1 (de) | 2008-10-02 |
DE102008007150B4 DE102008007150B4 (de) | 2019-05-02 |
Family
ID=39719682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102008007150.1A Active DE102008007150B4 (de) | 2007-03-30 | 2008-01-31 | Verfahren zum Erstellen einer Müdigkeitsprognose eines Kraftfahrzeugfahrers |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102008007150B4 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011104203A1 (de) | 2011-06-15 | 2012-12-20 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Vorrichtung und Verfahren zur Müdigkeitserkennung eines Fahrers eines Kraftfahrzeugs |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19621435A1 (de) * | 1995-06-02 | 1996-12-05 | Siemens Corp Res Inc | Verfahren und Vorrichtung zum Überwachen von Augen für die Erfassung eines Schläfrigkeitszustands |
DE19715519A1 (de) * | 1996-04-12 | 1997-11-06 | Mitsubishi Motors Corp | Gerät zur Schätzung des Schläfrigkeitsgrades des Fahrers eines Fahrzeugs |
FR2784887A1 (fr) * | 1998-10-22 | 2000-04-28 | Renault | Systeme pour surveiller des yeux afin de detecter et de prevenir des baisses de vigilance d'un conducteur de vehicule |
JP2001005952A (ja) * | 1999-06-24 | 2001-01-12 | Mitsubishi Motors Corp | 瞬目状態検出方法 |
DE10042367A1 (de) * | 2000-08-29 | 2002-05-02 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Diagnose der Fahrtüchtigkeit eines Fahrers in einem Kraftfahrzeug |
DE102004022581A1 (de) | 2003-10-06 | 2005-04-21 | Volkswagen Ag | Fahrerassistenzsystem |
US20060202841A1 (en) * | 2001-11-08 | 2006-09-14 | Sleep Diagnostics, Pty., Ltd. | Alertness monitor |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4551766B2 (ja) | 2002-10-15 | 2010-09-29 | ボルボ テクノロジー コーポレイション | 被験者の頭及び目の動きを分析する方法及び装置 |
MX2007010513A (es) | 2005-03-04 | 2008-01-16 | Sleep Diagnostics Pty Ltd | Medicion de estado de alerta. |
-
2008
- 2008-01-31 DE DE102008007150.1A patent/DE102008007150B4/de active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19621435A1 (de) * | 1995-06-02 | 1996-12-05 | Siemens Corp Res Inc | Verfahren und Vorrichtung zum Überwachen von Augen für die Erfassung eines Schläfrigkeitszustands |
DE19715519A1 (de) * | 1996-04-12 | 1997-11-06 | Mitsubishi Motors Corp | Gerät zur Schätzung des Schläfrigkeitsgrades des Fahrers eines Fahrzeugs |
FR2784887A1 (fr) * | 1998-10-22 | 2000-04-28 | Renault | Systeme pour surveiller des yeux afin de detecter et de prevenir des baisses de vigilance d'un conducteur de vehicule |
JP2001005952A (ja) * | 1999-06-24 | 2001-01-12 | Mitsubishi Motors Corp | 瞬目状態検出方法 |
DE10042367A1 (de) * | 2000-08-29 | 2002-05-02 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Diagnose der Fahrtüchtigkeit eines Fahrers in einem Kraftfahrzeug |
US20060202841A1 (en) * | 2001-11-08 | 2006-09-14 | Sleep Diagnostics, Pty., Ltd. | Alertness monitor |
DE102004022581A1 (de) | 2003-10-06 | 2005-04-21 | Volkswagen Ag | Fahrerassistenzsystem |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011104203A1 (de) | 2011-06-15 | 2012-12-20 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Vorrichtung und Verfahren zur Müdigkeitserkennung eines Fahrers eines Kraftfahrzeugs |
Also Published As
Publication number | Publication date |
---|---|
DE102008007150B4 (de) | 2019-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015203354B4 (de) | Einstellungen von fahrzeugbedienerüberwachung und betriebsabläufen | |
DE102014118479B4 (de) | Affektive Benutzerschnittstelle in einem autonomen Fahrzeug | |
EP3431355B1 (de) | Verfahren zur erkennung und zur charakterisierung eines fahrverhaltens eines fahrers oder eines autopiloten in einem kraftfahrzeug, steuereinheit und kraftfahrzeug | |
DE102006060849A1 (de) | Verfahren zur Ermittlung eines Fahrerzustands | |
EP1663694A1 (de) | Verfahren und vorrichtung zur erkennung von spurwechselvorg ngen f r ein fahrzeug | |
DE102016121768A9 (de) | Verfahren und vorrichtung zur unterscheidung von fahrern basierend auf dem fahrverhalten | |
DE102011106176A1 (de) | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit einer Situation zwischen zwei Fahrzeugen in einem Kreuzungsbereich | |
DE102008021150A1 (de) | Verfahren und Vorrichtung zur Erkennung fehlender Fahreraktivität am Lenkrad | |
DE102013218280A1 (de) | TTC-basierter Ansatz zur Bestimmung der Kollisionsgefahr | |
DE102021003489A1 (de) | Verfahren zur Erkennung einer graduell abnehmenden fahrerischen Leistungsfähigkeit eines Fahrzeugführers | |
DE102011000409A1 (de) | Verfahren zum Bewerten der fahrdynamischen Ausprägung eines mit einem Kraftfahrzeug realisierten Fahrprofils | |
EP3279051B1 (de) | Steuerungs-system und steuerungs-verfahren zur auswahl und verfolgung eines kraftfahrzeugs | |
EP3279049B1 (de) | Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn | |
EP2964503B1 (de) | Schätzung der zukünftigen geschwindigkeit und/oder entfernung eines fahrzeugs von einem referenzpunkt und schätzung der zukünftigen beschleunigung | |
DE102016203522B4 (de) | Verfahren und Vorrichtung zum Vorhersagen von Trajektorien eines Kraftfahrzeugs | |
DE102008007152B4 (de) | Verfahren zur Parametrisierung des Augenöffnungsgrades eines Fahrers eines Kraftfahrzeugs | |
EP2093093B1 (de) | Verfahren und Vorrichtung zur Erkennung fehlender Fahreraktivität am Lenkrad | |
DE102019129904A1 (de) | Automatische Fahrkompetenzanalyse | |
DE102008007150A1 (de) | Verfahren zum Erstellen einer Müdigkeitsprognose eines Kraftfahrzeugfahrers | |
DE102019206870A1 (de) | Verfahren zum Ermitteln einer durch einen Verkehrsteilnehmer verursachten Gefährdung und zum Einleiten einer Überwachung des Verkehrsteilnehmers und Steuergerät | |
DE102018214468A1 (de) | Verfahren, Steuereinheit, System und Computerprogrammprodukt zum Bereitstellen einer Information zum Betreiben eines Fahrzeugs | |
EP2549294B1 (de) | Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen | |
DE102010002300B4 (de) | Verfahren zum Ermitteln eines Fahrverhaltens | |
DE102021005092A1 (de) | Verfahren und Vorrichtung zur Erkennung von Emotionszuständen von Insassen eines Fahrzeuges | |
DE102017004114A1 (de) | Verfahren und Vorrichtung zum Betrieb eines vollautonom oder zumindest teilautonom fahrenden Fahrzeugs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
R012 | Request for examination validly filed | ||
R012 | Request for examination validly filed |
Effective date: 20141002 |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |