DE102009000080A1 - Driving condition detecting method for vehicle, involves executing algorithm to accomplish classification of condition characteristics, and providing signal to indicate driving conditions of vehicle based on classification - Google Patents

Driving condition detecting method for vehicle, involves executing algorithm to accomplish classification of condition characteristics, and providing signal to indicate driving conditions of vehicle based on classification Download PDF

Info

Publication number
DE102009000080A1
DE102009000080A1 DE102009000080A DE102009000080A DE102009000080A1 DE 102009000080 A1 DE102009000080 A1 DE 102009000080A1 DE 102009000080 A DE102009000080 A DE 102009000080A DE 102009000080 A DE102009000080 A DE 102009000080A DE 102009000080 A1 DE102009000080 A1 DE 102009000080A1
Authority
DE
Germany
Prior art keywords
driving
classification
vehicle
driving condition
feature space
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
Application number
DE102009000080A
Other languages
German (de)
Other versions
DE102009000080B4 (en
Inventor
Josef Kolatschek
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102009000080.1A priority Critical patent/DE102009000080B4/en
Publication of DE102009000080A1 publication Critical patent/DE102009000080A1/en
Application granted granted Critical
Publication of DE102009000080B4 publication Critical patent/DE102009000080B4/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

The method involves arranging a vehicle in a driving condition, which corresponds to normal driving or in another driving condition, which corresponds to a dangerous driving condition. Driving condition characteristics (100) are received over an interface, and a classification algorithm (102) is executed to accomplish classification of the driving condition characteristics with respect to the former driving condition. An evaluation signal (104) is provided to indicate the driving conditions of the vehicle based on the classification. An independent claim is also included for a computer program product having a set of programs for executing a driving condition detecting method for a vehicle.

Description

Stand der TechnikState of the art

Die vorliegende Erfindung bezieht sich auf ein Verfahren gemäß Anspruch 1, ein Steuergerät gemäß Anspruch 10, sowie ein Computerprogrammprodukt gemäß Anspruch 11.The The present invention relates to a method according to claim 1, a control device according to claim 10, and a computer program product according to claim 11th

Heutzutage existiert eine Reihe von spezialisierten Anwendungen, die zur Erkennung gefährlicher Fahrzustände von Fahrzeugen geeignet sind. Die Anwendungen sind dabei jeweils an bestimmte Situationen angepasst.nowadays There are a number of specialized applications for detection dangerous driving conditions suitable for vehicles are. The applications are in each case to specific situations customized.

Eine Klasse dieser Anwendungen verwendet Messungen des Fahrzeugbewegungszustandes um gefährliche Fahrzustände zu detektieren. Ein Beispiel hierzu ist das ESP System. Hier wird aus Messungen der Raddrehzahlen, des Lenkwinkels und der Querbeschleunigung errechnet, ob sich das Fahrzeug in einem von Durchschnittsfahrer kontrollierbarem Fahrzustand befindet. Ein solcher Fahrzustand ist für das ESP System dann gegeben, wenn kein nennenswerter Schwimmwinkel besteht, d. h., wenn Radwinkel und Fortbewegungsrichtung des Fahrzeuges in etwa übereinstimmen. Sollten größere Abweichungen bestehen, wird solange eine Drehkraft auf das Fahrzeug durch das gezielte Abbremsen einzelner Räder ausgeübt, bis die Übereinstimmung wieder hergestellt ist.A Class of these applications uses vehicle motion condition measurements to detect dangerous driving conditions. One Example is the ESP system. Here is taken from measurements of Wheel speeds, the steering angle and the lateral acceleration calculated, whether the vehicle is in an average driver controllable Driving state is located. Such a driving condition is for the ESP system given if there is no significant slip angle, d. h., When wheel angle and direction of travel of the vehicle in about the same. Should be bigger Deviations exist, as long as a turning force on the vehicle exercised by the selective braking of individual wheels, until the match is restored.

In der so genannten ”Early Pole Crash Detection” Funktion wird bei Erkennen eines Schleudervorgangs durch das ESP Steuergerät die Plausibilität und/oder eine Schwellenanpassung für eine Auslösung von Seitenrückhaltemitteln vereinfacht um eine schnellere Auslösung derselben zu erzielen.In the so-called "Early Pole Crash Detection" function is detected by the ESP control unit when a spin is detected the plausibility and / or a threshold adjustment for facilitates deployment of side restraints to achieve a faster triggering of the same.

Eine andere Methode ist das Erkennen einer gefährlichen Fahrsituation durch Messung der Betätigungsgeschwindigkeit der Bremsanlage. Wird die Bremsanlage mit einer Geschwindigkeit betätigt, die über einer vorgegebenen Schwelle liegt, erkennt eine Auswerteeinheit dies als Notsituation (Notbremsung) und regelt dann das Bremssystem auf die maximale mögliche Fahrzeugverzögerung. Eine andere Methode ist ein Abgleich der gemessenen Fahrzeuggeschwindigkeit mit einer gespeicherten Karte des Straßenverlaufs über eine automatische Positionserkennung des Fahrzeuges mittels Satellitennavigation. Sollte die momentane Fahrzeuggeschwindigkeit höher sein, als die für die vorausliegende Fahrbahn physikalische maximal mögliche, wird der Insasse gewarnt, bzw. das Fahrzeug automatisch auf eine ungefährliche Geschwindigkeit abgebremst.A Another method is the recognition of a dangerous driving situation by measuring the operating speed of the brake system. If the brake system is operated at a speed which is above a predetermined threshold, detects an evaluation unit this as an emergency situation (emergency braking) and then regulates the braking system to the maximum possible vehicle deceleration. Another method is a comparison of the measured vehicle speed with a saved map of the road over an automatic position detection of the vehicle by means of satellite navigation. Should the current vehicle speed will be higher than that physical maximum possible for the preceding lane, the occupant is warned, or the vehicle automatically to a slowed down safe speed.

Eine andere Methode misst mittels RADAR, LIDAR, optischen Kamerasystemen oder Ultraschall Abstände und Positionen von vorausliegenden Hindernissen. Wenn aufgrund der Fahrzeugdaten eine Kollision zu erwarten ist, werden automatisch Maßnahmen eingeleitet, welche die Kollision verhindern sollen (Abbremsung, Ausweichmanöver) oder deren Folgen für Fahrzeug und Insassen mindern sollen (Aktivieren eines Gurtstraffers, Aufblasen eines Airbags, Manipulation der Sitzgeometrie).A other method measures by means of RADAR, LIDAR, optical camera systems or ultrasound distances and positions of preceding ones Obstacles. If due to the vehicle data a collision too expected, measures will be taken automatically, which should prevent the collision (braking, evasive maneuvers) or their consequences for vehicle and passengers should be reduced (Activate a belt tensioner, inflation of an airbag, manipulation of the seat geometry).

Gemeinsam ist diesen Funktionen, dass sie jeweils eine ganz bestimmte Situation über einen ausgefeilten Algorithmus erkennen und dann entsprechende Maßnahmen ergreifen.Together is these features that each have a very specific situation over recognize a sophisticated algorithm and then take appropriate action take.

Im Bereich der Algorithmen zur Unfallerkennung und Crashcharakterisierung existieren Verfahren aus dem Bereich der statistischen Lernverfahren und kognitiven Systeme bzw. Klassifikationsverfahren, z. B. K-Nearest Neighborhood-Klassifikator, Support Vector Machine, Hidden Markov Verfahren und Vekor Quantisierung.in the Area of algorithms for accident detection and crash characterization There are procedures in the field of statistical learning and cognitive systems or classification methods, eg. B. K-Nearest Neighborhood Classifier, Support Vector Machine, Hidden Markov Method and Vekor Quantization.

Die DE 10 2006 048 907 A1 beschreibt ein Verfahren zur Ansteuerung von Personenschutzmitteln. Dabei werden mehrere, für Personenschutzmittel auslöserelevante Messgrößen zu einem Merkmalsvektor zusammenfasst. Anschließend wird der Merkmalsvektor mit einem Datensatz mit bekannten Crasheigenschaften verglichen und einer für die Auslösung der Personenschutzmittel relevanten Klasse zugeordnet. Verschiedene Klassen können verschiedene Crashschweren repräsentieren.The DE 10 2006 048 907 A1 describes a method for controlling personal protective equipment. In this case, a plurality of measures relevant for personal protection means are combined into a feature vector. Subsequently, the feature vector is compared with a data set with known crash characteristics and assigned to a relevant class for triggering the personal protection. Different classes can represent different crash severity.

Der Hauptmangel des Standes der Technik besteht darin, dass es für eine Vielzahl von speziellen Gefahrensituationen genau auf diese Situationen abgestimmte Systeme erfordert, deren Aufgabe es ist, diese spezielle Gefahrensituation zu erkennen. Dies führt nachteiliger weise dazu, dass fast jede Gefahrensituation ein eigenes Erkennungssystem erfordert. Wobei jedes Erkennungssystem spezialisierte Sensoren und darauf genau abgestimmten Auswerteeinheiten erfordert. Wird auf diese Art einer Reihe von Gefahrensituationen begegnet, so wachsen der technische Aufwand, die Kosten und die Systemkomplexität stark an.Of the Main lack of the state of the art is that it is for a variety of specific hazardous situations exactly to this Situations requires coordinated systems whose job it is this to recognize special danger situation. This leads to disadvantageous As an example, almost every dangerous situation has its own recognition system requires. Each detection system being specialized sensors and requires exactly matched evaluation units. Becomes encountered in this kind of a series of dangerous situations, so grow the technical effort, the costs and the system complexity strong.

Ein anderer Nachteil der bekannten Vorgehensweisen ist die Tatsache, dass bisher unbekannte Gefahrensituation nicht erkannt werden können. Da die aufgeführten Systeme immer nur speziell auf eine vorher bekannte Situation ausgerichtet sind, sprechen sie auf eine bei der Auslegung noch nicht berücksichtigte Situation nicht an. Dies führt in diesen Fällen dazu, dass den Insassen oder anderen Beteiligten kein Schutz geboten wird.One another disadvantage of the known approaches is the fact that previously unknown danger situation can not be detected. Since the listed systems are always specific to one before well-known situation, they respond to one not yet taken into account in the interpretation of the situation at. This leads in these cases to the fact that the No protection is offered to inmates or other parties.

Ein weiterer Mangel des Standes der Technik ist die Trennung in „aktive” und „passive” Sicherheit, also in Systeme die sich primär mit Fahrdynamik befassen und in Systeme die sich primär mit Insassenschutz befassen. Eine solche Trennung ist willkürlich und erhöht die Komplexität, die Fehleranfälligkeit, die Kosten und den Wartungs- und Entwicklungsaufwand, da hier nicht nach einem einheitlichen Entscheidungsprinzip und einer einheitlichen Systemarchitektur vorgegangen wird.Another shortcoming of the prior art is the separation into "active" and "passive" safety, that is, systems primarily concerned with vehicle dynamics and in systems dealing primarily with occupants protection. Such a separation is arbitrary and increases the complexity, the susceptibility to errors, the costs and the maintenance and development effort, since it does not proceed according to a uniform decision-making principle and a uniform system architecture.

Offenbarung der ErfindungDisclosure of the invention

Vor diesem Hintergrund wird mit der vorliegenden Erfindung ein Verfahren zum Erkennen eines Fahrzustands eines Fahrzeugs, weiterhin ein Steuergerät, das dieses Verfahren verwendet sowie schließlich ein entsprechendes Computerprogrammprodukt gemäß den unabhängigen Patentansprüchen vorgestellt. Vorteilhafte Ausgestaltungen ergeben sich aus den jeweiligen Unteransprüchen und der nachfolgenden Beschreibung.In front In this background, the present invention provides a method for detecting a driving state of a vehicle, furthermore a control device, using this method and finally a corresponding one Computer program product according to independent Claims presented. Advantageous embodiments emerge from the respective subclaims and the following description.

Die Erfindung basiert auf der Erkenntnis, dass sich gefährliche Fahrsituationen zuverlässig erkenn lassen, indem jede Fahrsituation, die nicht als „normales Fahren” eingestuft werden kann, als potentiell gefährliche Fahrsituation eingestuft wird.The Invention is based on the recognition that dangerous Reliably recognize driving situations by taking into account every driving situation, not classified as "normal driving" can be classified as a potentially dangerous driving situation becomes.

Das allgemeine Erkennen des Fahrzustandes ”gefährliche Fahrsituation” ermöglicht es nachgeschalteten Systemen, wie z. B. Insassenschutzsystemen, die erkannte Gefahr zu reduzieren, bzw. im Falle einer nachfolgenden Kollision durch frühzeitiges Ansteuern von Schutzmitteln die Folgen für die Fahrzeuginsassen oder von sich außerhalb des Fahrzeuges befindlichen Personen zu mindern.The General recognition of the driving condition "dangerous Driving situation "allows downstream Systems, such. B. occupant protection systems, the perceived danger or in the case of a subsequent collision by early triggering of protection means the consequences for the vehicle occupants or from outside the vehicle persons to be reduced.

Eine erfindungsgemäße Vorrichtung kann die Sensorsignale von verschiedenen in einem Fahrzeug vorhandenen Sensoren gemeinsam auswerten und mittels eines auf statistischen Lernverfahren beruhenden Klassifikationssystem dahingehend bewerten, ob sie mit dem Fahrzustand ”normales Fahren” verträglich sind. Diese Information kann an eine Rückhaltesystemsteuerung weitergegeben werden.A Device according to the invention can the sensor signals of various sensors present in a vehicle in common and using a statistical learning method Assess the classification system to determine whether they with the driving condition "normal Driving "are compatible. This information can be passed to a restraint system control.

Sobald über die Sensordaten und den Klassifikationsalgorithmus ein Fahrzustand erkannt wird, der nicht in die Klasse ”normales Fahren” klassifiziert werden kann, wird dieser Fahrzustand erfindungsgemäß als mögliche gefährliche Situation bewertet. Daher werde alle Fahrzustände die nicht in die Klasse normales Fahren fallen, ohne das die Notwendigkeit besteht diese näher zu spezifizieren, als potentiell gefährliche Situationen angesehen. Daraufhin können dann entsprechende Gegenmaßnahmen oder Schutzmaßnahmen, z. B. durch das Insassenschutzsystem aktiviert werden.Once over the sensor data and the classification algorithm a driving condition is not classified in the class "normal driving" can, this driving state according to the invention as possible dangerous situation. Therefore all driving conditions are not normal in the class Driving fall without the need for this closer to specify, as potentially dangerous situations considered. Then then appropriate countermeasures or protective measures, eg. B. by the occupant protection system to be activated.

Vorteilhafterweise arbeitet ein erfindungsgemäßes System nicht mit vorgegebenen Gefahrenmustern, wie dies bei bekannten Systemen der Fall ist. Daher ist es mit dem erfindungsgemäßen System durchaus möglich, auch vorher noch nicht bekannte Gefahren zu erkennen. Somit ist die Anzahl der gemäß der vorliegenden Erfindung erkennbaren Gefahrensituationen nicht begrenzt. Die Systemkomplexität und damit auch die Kosten sind andererseits geringer als bei herkömmlichen Systemen, da alle Gefahrensituationen nach dem gleichen Erkennungsprinzip erkannt werden können.advantageously, does not work with an inventive system given danger patterns, as in known systems of Case is. Therefore, it is with the invention System quite possible, even previously unknown hazards to recognize. Thus, the number of times according to the Present invention recognizable dangerous situations not limited. The system complexity and thus the costs are on the other hand less than with conventional systems, as all dangerous situations can be recognized according to the same detection principle.

Die vorliegende Erfindung schafft ein Verfahren zum Erkennen eines Fahrzustands eines Fahrzeugs, wobei sich das Fahrzeug in einem ersten Fahrzustand befinden kann, der einem normalen Fahren entspricht oder in einem zweiten Fahrzustand befinden kann, der einer gefährlichen Fahrsituation entspricht, wobei das Verfahren die folgenden Schritte umfasst: Empfangen von Fahrzustandsmerkmalen über eine Schnittstelle; Ausführen eines Klassifikationsalgorithmus, der ausgebildet ist, um eine Klassifizierung der Fahrzustandsmerkmale in Bezug auf den ersten Fahrzustand durchzuführen; und Bereitstellen eines von der Klassifizierung abhängigen Auswertesignals, um einen Fahrzustand des Fahrzeugs anzuzeigen.The The present invention provides a method of detecting a driving condition a vehicle, wherein the vehicle is in a first driving state which is normal driving or in one second driving condition, which may be dangerous Driving situation corresponds, whereby the procedure the following steps comprising: receiving driving condition features via a Interface; Executing a classification algorithm, configured to provide a classification of the driving condition characteristics in relation to the first driving condition; and Provide a classification-dependent one Evaluation signal to indicate a driving condition of the vehicle.

Die Fahrzustandsmerkmale können Daten oder Informationen repräsentieren, die von Sensoren des Fahrzeugs bereitgestellt werden oder auf von Sensoren bereitgestellten Signalen basieren. Aus den Fahrzustandsmerkmalen kann auf eine aktuelle Fahrsituation des Fahrzeugs geschlossen werden. Der Klassifikationsalgorithmus ist ausgebildet, um zu ermitteln, ob sich die Fahrzustandsmerkmale einer ersten Klasse zuordnen lassen, die dem ersten Fahrzustand des normalen Fahrens entspricht. Die Klassifizierung in Bezug auf die erste Klasse kann dabei direkt erfolgen, d. h. nicht unter Einbeziehung weiterer Klassen die einen Rückschluss auf die erste Klasse ermöglichen. Das Auswertesignal kann eine Information darüber aufweisen, ob sich das Fahrzeug im Zustand des normalen Fahrens oder in einer gefährlichen Fahrsituation befindet. Das Auswertesignal kann beispielsweise an eine Rückhaltesystemsteuerung oder an ein Fahrerassistenzsystem bereitgestellt werden.The Driving condition features may represent data or information which are provided by sensors of the vehicle or on sensors based signals are based. From the driving condition characteristics can be closed to a current driving situation of the vehicle. Of the Classification algorithm is designed to determine whether the driving condition characteristics can be assigned to a first class, which corresponds to the first driving state of the normal driving. The Classification in relation to the first class can be direct take place, d. H. not including other classes the one Allow conclusion to the first class. The evaluation signal may have information about it, whether the vehicle is in normal driving or in a state of normal driving dangerous driving situation. The evaluation signal can For example, to a restraint system control or on be provided a driver assistance system.

Das Auswertesignal kann ausgebildet sein, um den zweiten Fahrzustand anzuzeigen, wenn sich die Fahrzustandsmerkmale durch Ausführen des Klassifikationsalgorithmus nicht dem ersten Fahrzustand zuordnen lassen. Somit kann ein gefährlicher Fahrzustand angezeigt werden, sobald sich die Fahrzustandsmerkmale nicht dem normalen Fahrzustand zuordnen lassen. Somit können auch dem System unbekannte Fahrzustände oder Fahrzustandsmerkmalkombinationen als gefährliche Fahrzustände eingestuft werden.The Evaluation signal may be configured to the second driving state indicate when the driving condition characteristics by running do not assign the classification algorithm to the first driving state to let. Thus, a dangerous driving condition can be displayed as soon as the driving condition characteristics are not normal Assign driving condition. Thus, even the system unknown Driving conditions or driving condition feature combinations as dangerous driving conditions are classified.

Der Klassifikationsalgorithmus kann ausgebildet sein, um ein auf statistischen Lernverfahren beruhendes Klassifikationssystem umzusetzen. Durch Anwendung von Verfahren aus dem Bereich der statistischen Lernverfahren ergeben sich weitere Vorteile. Zum einen bewirkt die einheitliche Behandlung der aus den Sensordaten abgeleiteten Merkmale eine starke Vereinfachung der Systemarchitektur gegenüber herkömmlichen Systemen. Durch ebendiese einheitliche Behandlung ist eine leichte Erweiterbarkeit des Systems gegeben. So können Daten zusätzlicher Sensoren, unabhängig von deren physikalischen Messprinzip problemlos durch einfache Erweiterung des Klassifikationssystems in das System integriert werden. Es ist keine Erweiterung der Systemarchitektur notwendig. Auch ist es bei Verwendung eines Klassifikationsverfahrens nicht in jedem Fall notwendig für Gefahrensituationen eine physikalische Beschreibung zu kennen. Dadurch werden auch Situationen, die sich bisher nur mit hohem Aufwand oder ungenau durch ein Schutzsystem erfassen lassen zugänglich gemacht. Ferner ermöglicht die Verwendung eines Klassifikationsverfahrens eine vollständig automatisierte Applikation des Systems an ein bestimmtes Fahrzeug. Dadurch sind Kosteneinsparungen und Qualitätsgewinne gegeben.The classification algorithm may be configured to be based on statistical learning implement a static classification system. Applying methods from the field of statistical learning methods offers further advantages. On the one hand, uniform treatment of the characteristics derived from the sensor data greatly simplifies the system architecture compared to conventional systems. By this same uniform treatment is an easy expandability of the system given. This means that data from additional sensors, regardless of their physical measuring principle, can easily be integrated into the system simply by extending the classification system. There is no need to expand the system architecture. Also, when using a classification method, it is not always necessary for dangerous situations to know a physical description. As a result, situations that previously could only be detected with great effort or imprecisely by a protection system are made accessible. Further, the use of a classification method allows a fully automated application of the system to a particular vehicle. This provides cost savings and quality gains.

Mittels des Klassifikationsalgorithmus kann bestimmt werden, ob die Fahrzustandsmerkmale von einem ersten Merkmalsraum umfasst sind, wobei der erste Merkmalsraum den ersten Fahrzustand definiert. Durch die Verwendung eines Merkmalsraums ist eine einfache Zuordnung der Fahrzustandsmerkmale möglich.through of the classification algorithm can be determined whether the driving condition characteristics are included by a first feature space, wherein the first feature space defines the first driving state. By using a feature space is a simple assignment of Fahrzustandsmerkmale possible.

Das erfindungsgemäße Verfahren kann einen Schritt des Bereitstellens mindestens eines Gütefaktors aufweisen, der ausgebildet ist, um eine Begrenzung des Merkmalsraums zu verändern, um eine Definition des ersten Fahrzustands anzupassen. Somit ist beispielsweise eine Anpassung an spezielle Straßenverhältnisse oder an spezielle Fahrweisen eines Fahrers möglich.The inventive method can be a step the provision of at least one figure of merit, which is designed to change a boundary of the feature space, to adapt a definition of the first driving state. Thus is for example, an adaptation to special road conditions or a driver's special driving style.

Gemäß einer Ausgestaltung kann der zweite Fahrzustand einer gefährlichen Fahrsituation ohne Kollision entsprechen und das Fahrzeug kann sich in mindestens einem dritten Fahrzustand befinden, der einer Kollision entspricht. Im Schritt des Empfangens können ferner Rückhaltesystemmerkmale empfangen werden und der Klassifikationsalgorithmus kann ausgebildet sein, um eine Klassifizierung der Fahrzustandsmerkmale und Rückhaltesystemmerkmale in Bezug auf den ersten Fahrzustand und den mindestens einen dritten Fahrzustand durchzuführen. Durch Verwendung des klassifikationsbasierten Verfahrens lässt sich das vorgeschlagene System direkt mit einer, auf ebendemselben Verfahren basie renden Auslösevorrichtung für Rückhaltesysteme vereinigen. Dadurch wird die Unterscheidung zwischen sogenannter „aktiver” und „passiver” Sicherheit hinfällig zugunsten eines integrierten Ansatzes, der diese beiden Zweige vereinheitlicht und zudem mittels eines gemeinsamen Auswerteverfahrens bearbeitet.According to one Embodiment, the second driving state of a dangerous Driving situation without collision correspond and the vehicle can in at least a third driving condition, that of a collision equivalent. The receiving step may further include restraint system features can be received and the classification algorithm can be formed be a classification of the driving condition characteristics and restraint system features with respect to the first driving state and the at least one third Driving condition to perform. By using the classification-based Method, the proposed system can be directly with a triggering device based on the same method for restraint systems. This will the distinction between so-called "active" and "passive" security lapsed in favor of an integrated approach that this unified both branches and also by means of a common Evaluation procedure processed.

Dabei kann mittels des Klassifikationsalgorithmus bestimmt werden, ob die Fahrzustandsmerkmale und Rückhaltesystemmerkmale von einem gemeinsamen Merkmalsraum umfasst sind, wobei der gemeinsamen Merkmalsraum den ersten Merkmalsraum und mindestens einen dritten Merkmalsraum umfasst, der den mindestens einen dritten Fahrzustand definiert. Der gemeinsame Merkmalsraum kann alle bekannten Fahrzustände umfassen, die nicht als gefährliche Fahrsituation ohne Kollision eingestuft werden. Somit kann eine gefährliche Fahrsituation ohne Kollision auf einfache Weise durch Vergleichen der Merkmale mit dem gemeinsamen Merkmalsraum bestimmt werden.there can be determined by means of the classification algorithm, whether the driving condition features and restraint system features of a common feature space are included, wherein the common Feature space the first feature space and at least a third Feature space includes the at least one third driving state Are defined. The common feature space can all known driving conditions include, not as a dangerous driving situation without Collision are classified. Thus, a dangerous Driving situation without collision in a simple way by comparing the features are determined with the common feature space.

Für den Fall, dass die Fahrzustandsmerkmale und Rückhaltesystemmerkmale von dem gemeinsamen Merkmalsraum umfasst sind, kann mittels einer weiteren Klassifizierung bestimmt werden, von welchem, dem ersten oder dem mindestens einen dritten Merkmalsraum, die Fahrzustandsmerkmale und Rückhaltesystemmerkmale umfasst sind. Auf diese Weise kann der genaue Fahrzustand ermittelt werden. Insbesondere kann unterschieden werden, ob sich das Fahrzeug im Fahrzustand normales Fahren oder in einer Kollision befindet.For the case that the driving condition characteristics and restraint system features are encompassed by the common feature space can by means of a further classification, from which, the first or the at least one third feature space, the driving condition characteristics and Restraint system features are included. This way you can the exact driving condition can be determined. In particular, a distinction can be made whether the vehicle is in normal driving or driving condition in a collision.

Gemäß einer Ausgestaltung können ferner Rückhaltesystemsmerkmale über die Schnittstelle empfangen werden und der Klassifikationsalgorithmus kann ausgebildet sein, um die Klassifizierung basierend auf den Fahrzustandsmerkmalen und den Rückhaltesystemsmerkmalen durchzuführen. Bei den Rückhaltesystemsmerkmalen kann es sich um Merkmale handeln, die auf Informationen basieren, die von Sensoren zum Detektieren einer Kollision des Fahrzeugs bereitgestellt werden. Somit kann der erfindungsgemäße Ansatz vorteilhaft mit einer Rückhaltesystemsteuerung kombiniert oder in eine solche integriert werden.According to one Embodiment may further include restraint system features the interface will be received and the classification algorithm can be designed to be classified based on the classification Driving condition features and restraint system features perform. In the restraint system features These may be features based on information that provided by sensors for detecting a collision of the vehicle become. Thus, the approach of the invention advantageously combined with a restraint system control or be integrated into one.

Die vorliegende Erfindung schafft ferner eine Vorrichtung, beispielsweise in Form eines Steuergeräts zum Erkennen eines Fahrzustands eines Fahrzeugs. Die Vorrichtung ist ausgebildet, um das erfindungsgemäße Verfahren durchzuführen. Dazu kann die Vorrichtung eine Einrichtung zum Empfangen von Fahrzustandsmerkmalen über eine Schnittstelle, eine Einrichtung zum Ausführen eines Klassi fikationsalgorithmus, der ausgebildet ist, um eine Klassifizierung der Fahrzustandsmerkmale in Bezug auf den ersten Fahrzustand durchzuführen und eine Einrichtung zum Bereitstellen eines von der Klassifizierung abhängigen Auswertesignals aufweisen, um einen Fahrzustand des Fahrzeugs anzuzeigen. Auch durch diese Ausführungsvariante der Erfindung in Form einer Vorrichtung oder eines Steuergeräts kann die der Erfindung zugrunde liegende Aufgabe schnell und effizient gelöst werden.The present invention further provides a device, for example in the form of a control device for detecting a driving state of a vehicle. The device is designed to carry out the method according to the invention. To this end, the apparatus may include means for receiving driving condition features via an interface, means for executing a classification algorithm adapted to perform a classification of the driving condition characteristics with respect to the first driving condition, and means for providing an evaluation signal dependent on the classification to indicate a driving condition of the vehicle. Also by this embodiment of the invention in the form of a device or a control device can the Invention underlying task to be solved quickly and efficiently.

Unter einem Steuergerät kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuersignale ausgibt. Das Steuergerät kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen des Steuergeräts beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.Under a control device can in the present case an electrical device be understood, the sensor signals processed and in dependence of which outputs control signals. The control unit can have a Have interface that formed hardware and / or software can be. For a hardware training For example, the interfaces can be part of a so-called System ASICs, the various functions of the controller includes. However, it is also possible that the interfaces own integrated circuits are or at least partially off consist of discrete components. In a software-based Training, the interfaces may be software modules, for example, on a microcontroller in addition to other software modules available.

Von Vorteil ist auch ein Computerprogrammprodukt mit Programmcode, der auf einem maschinenlesbaren Träger wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert ist und zur Durchführung des Verfahrens nach einem der vorstehend beschriebenen Ausführungsformen verwendet wird, wenn das Programm auf einem Steuergerät ausgeführt wird.From Advantage is also a computer program product with program code, the on a machine-readable medium such as a semiconductor memory, stored in a hard disk memory or an optical memory is and to carry out the method according to one of used in the above-described embodiments, if the program is running on a controller becomes.

Die Erfindung wird nachstehend anhand der beigefügten Zeichnungen beispielhaft näher erläutert. Es zeigen:The The invention will be described below with reference to the accompanying drawings exemplified in more detail. Show it:

1 ein Blockschaltbild einer Vorrichtung zur Erkennung gefährlicher Zustände gemäß einem Ausführungsbeispiel der Erfindung; 1 a block diagram of a device for detecting dangerous states according to an embodiment of the invention;

2 eine schematische Darstellung einer Wirkungsweise eines Klassifizierungsverfahrens, gemäß einem Ausführungsbeispiel der Erfindung; 2 a schematic representation of an operation of a classification method, according to an embodiment of the invention;

3 ein Blockschaltbild einer Vorrichtung zur Erkennung gefährlicher Zustände gemäß einem weiteren Ausführungsbeispiel der Erfindung; und 3 a block diagram of a device for detecting dangerous states according to another embodiment of the invention; and

4 eine schematische Darstellung einer Wirkungsweise eines Klassifizierungsverfahrens, gemäß einem weiteren Ausführungsbeispiel der Erfindung. 4 a schematic representation of an operation of a classification method, according to another embodiment of the invention.

Gleiche oder ähnliche Elemente können in den nachfolgenden Figuren durch gleiche oder ähnliche Bezugszeichen versehen sein. Ferner enthalten die Figuren der Zeichnungen, deren Beschreibung sowie die Ansprüche zahlreiche Merkmale in Kombination. Einem Fachmann ist dabei klar, dass diese Merkmale auch einzeln betrachtet werden oder sie zu weiteren, hier nicht explizit beschriebenen Kombinationen zusammengefasst werden können.Same or similar elements can be found in the following Figures provided by the same or similar reference numerals be. Further included in the figures of the drawings, their description and the claims numerous features in combination. a It is clear to a person skilled in the art that these features are also considered individually or they become further combinations not explicitly described here can be summarized.

1 zeigt ein Blockschaltbild einer Vorrichtung zur Erkennung gefährlicher Zustände gemäß einem Ausführungsbeispiel der Erfindung. Die Vorrichtung ist ausgebildet, um das erfindungsgemäße Verfahren zum Erkennen eines Fahrzustands eines Fahrzeugs auszuführen. Dabei kann sich das Fahrzeug in einem ersten Fahrzustand befinden, der einem normalen Fahren entspricht oder das Fahrzeug kann sich in einem zweiten Fahrzustand befinden, der einer gefährlichen Fahrsituation entspricht. 1 shows a block diagram of a device for detecting dangerous states according to an embodiment of the invention. The device is designed to carry out the method according to the invention for recognizing a driving state of a vehicle. In this case, the vehicle may be in a first driving state, which corresponds to a normal driving or the vehicle may be in a second driving state, which corresponds to a dangerous driving situation.

Zum Ausführen des erfindungsgemäßen Verfahrens können Fahrzustandsmerkmale 100 über eine Schnittstelle empfangen werden. Die Fahrzustandsmerkmale 100 können als Merkmalsvektor empfangen werden und an einen Klassifikator 102 bereitgestellt werden. Der Klassifikator 102 ist ausgebildet, um einen Klassifikationsalgorithmus auszuführen. Mittels des Klassifikationsalgorithmus können die Fahrzustandsmerkmale 100 in Bezug auf den ersten Fahrzustand klassifiziert werden. Abhängig von der im Klassifikator 102 durchgeführten Klassifizierung der Fahrzustandsmerkmale 100 kann ein Auswertesignal 104 bereitgestellt werden.For carrying out the method according to the invention, driving state characteristics can be used 100 be received via an interface. The driving condition characteristics 100 can be received as a feature vector and sent to a classifier 102 to be provided. The classifier 102 is designed to execute a classification algorithm. By means of the classification algorithm, the driving condition characteristics 100 classified in terms of the first driving condition. Depending on the classifier 102 carried out classification of the driving condition characteristics 100 can be an evaluation signal 104 to be provided.

Gemäß diesem Ausführungsbeispiel kann die Vorrichtung ferner eine Mehrzahl von Sensoren aufweisen, von denen beispielhaft ein erster Sensor 111, ein zweiter Sensor 112 und ein n-ter Sensor 113 gezeigt sind. Die Sensoren 111, 112, 113 sind ausgebildet, um Daten zu liefern, die mit dem Zustand des Fahrzeuges oder der Umgebung verknüpft sind. Die Daten der Sensoren 111, 112, 113 können an eine Einrichtung zur Vorverarbeitung 115 bereitgestellt werden. Die Einrichtung zur Vorverarbeitung 115 ist ausgebildet, um gegebenenfalls eine Vorverarbeitung der Sensordaten durchzuführen. Die vorverarbeiteten Sensordaten können von der Einrichtung zur Vorverarbeitung 115 an eine Einrichtung zur Merkmalserzeugung 116 bereitgestellt werden. Die Einrichtung zur Merkmalserzeugung 116 ist ausgebildet, um gegebenenfalls aus den vorverarbeiteten Sensordaten durch Weiterverarbeitung einen Merkmalsvektor 100 zu erzeugen und an den Klassifikator 102 bereitzustellen.According to this embodiment, the device may further comprise a plurality of sensors, of which, for example, a first sensor 111 , a second sensor 112 and an nth sensor 113 are shown. The sensors 111 . 112 . 113 are configured to provide data associated with the state of the vehicle or the environment. The data of the sensors 111 . 112 . 113 can be sent to a preprocessing facility 115 to be provided. The device for preprocessing 115 is designed to optionally perform a preprocessing of the sensor data. The preprocessed sensor data may be provided by the preprocessing facility 115 to a device for feature generation 116 to be provided. The device for feature generation 116 is designed to optionally from the preprocessed sensor data by further processing a feature vector 100 and to the classifier 102 provide.

Der Klassifikator 102 ist ausgebildet, um den Merkmalsvektor 100 auszuwerten und, in seiner einfachsten Umsetzung, zu untersuchen ob der Merkmalsvektor 100 mit dem Zustand ”normales Fahren” verträglich ist. Eine Ansteuervorrichtung 117 ist ausgebildet, um dann in Aktion zu treten, wenn ein Merkmalsvektor 100 nicht mit dem Zustand ”normales Fahren” verträglich ist. In diesem Fall kann davon ausgegangen werden, dass eine potentiell gefährliche Situation vorliegt. Bei der Vorrichtung 118 kann es sich um eine von der Ansteuervorrichtung 117 aktivierbare Vorrichtung handeln, die zur Gefahrenabwehr oder Unfallfolgenminderung dienen kann.The classifier 102 is designed to be the feature vector 100 evaluate and, in its simplest implementation, examine whether the feature vector 100 is compatible with the state of "normal driving". A drive device 117 is designed to take action when a feature vector 100 not compatible with the state of "normal driving". In this case, it can be assumed that a potentially dangerous situation exists. In the device 118 it may be one of the driving device 117 activatable device that can serve to prevent or reduce the consequences of accidents.

Bei den Sensoren 111, 112, 113 kann es sich um verschiedene im Fahrzeug vorhandene Sensoren handeln. Die in 1 gezeigte Vorrichtung kann Daten der Sensoren 111, 112, 113 als Eingangsdaten verwenden, wobei es im Allgemeinen nicht zwingend notwendig ist, dass eine ganz bestimmte Kombination von Sensoren 111, 112, 113 verwendet wird. Als Eingangsdaten können beispielsweise ein Lenkwinkel, eine Querbeschleunigung, eine Längsbeschleunigung, eine Eigengeschwindigkeit des Fahrzeuges, eine Raddrehzahl der einzelnen Räder, eine Drehrate um die Fahrzeug-Hochachse, Daten eines Abstandsradars, Daten eines Ultraschallabstandssensors und/oder ein Bremspedalweg verwendet werden. Beispielhaft können in einer bestimmten Umsetzung die Daten der Sensoren Querbeschleunigung, Lenkwinkel, Gierrate und Eigengeschwindigkeit verwendet werden. Es können aber auch andere Sensorkombinationen verwendet werden. Auch kann die Anzahl der verwendeten Sensoren 111, 112, 113 größer oder kleiner als vier sein. Dies ist für das Funktionsprinzip unerheblich. Ebenso können die Sensoren als Empfänger für externe Signale ausgebildet sein, beispielsweise Signale aus einer Fahrzeug-Fahrzeug Kommunikation (Car2Car), einer Fahrzeug-Infrastruktur Kommunikation oder einer Infrastruktur-Information.With the sensors 111 . 112 . 113 it can be different existing sensors in the vehicle. In the 1 The device shown can be data of the sensors 111 . 112 . 113 use as input data, although it is generally not necessary that a specific combination of sensors 111 . 112 . 113 is used. As input data, for example, a steering angle, a lateral acceleration, a longitudinal acceleration, an intrinsic speed of the vehicle, a wheel speed of the individual wheels, a yaw rate about the vehicle's vertical axis, data of a distance radar, data of an ultrasonic distance sensor and / or a brake pedal travel can be used. By way of example, in a particular implementation, the data of the sensors lateral acceleration, steering angle, yaw rate and airspeed can be used. But it can also be used other sensor combinations. Also, the number of sensors used 111 . 112 . 113 be greater or less than four. This is irrelevant to the operating principle. Likewise, the sensors may be designed as receivers for external signals, for example signals from vehicle-vehicle communication (Car2Car), vehicle infrastructure communication or infrastructure information.

Bei der Vorverarbeitung 115 kann es sich um eine Logikeinheit handeln. Die von den Sensoren 111, 112, 113 produzierten Daten können gegebenenfalls der Vorverarbeitung 115 unterworfen werden. Die Vorverarbeitung 115 kann eine Filterung, Offsetkorrektur, Fehlerkorrektur oder ein Verfahren gemäß einem anderen, dem Stand der Technik entsprechenden Verfahren der Vorverarbeitung umfassen.In preprocessing 115 it can be a logic unit. The ones from the sensors 111 . 112 . 113 possibly produced data may be preprocessing 115 be subjected. The preprocessing 115 may include filtering, offset correction, error correction or a method according to another prior art method of preprocessing.

Bei der Merkmalserzeugung 116 kann es sich um eine weitere Logikeinheit handeln, in der die in der Vorverarbeitung 115 aufbereiteten Daten zu Merkmalen weiterverarbeitet werden können. Dies kann durch ein- oder mehrfache Integration, Differentiation, Quadrierung und Ähnlichem geschehen. Die Daten können jedoch auch unverändert übernommen werden. Die Vorverarbeitung 115 und Weiterverarbeitung kann für jeden der Sensoren 111, 112, 113 auf unterschiedliche Weise erfolgen. Die Gesamtheit der Daten der einzelnen Sensoren 111, 112, 113 bilden zusammengenommen den Merkmalsvektor (M) 100.In feature generation 116 it can be another logic unit, in which the pre-processing 115 processed data on characteristics can be further processed. This can be done by single or multiple integration, differentiation, squaring and the like. However, the data can also be taken over unchanged. The preprocessing 115 and finishing can be done for each of the sensors 111 . 112 . 113 done in different ways. The entirety of the data of the individual sensors 111 . 112 . 113 together make up the feature vector (M) 100 ,

Bei dem Klassifikator 102 kann es sich um eine weitere Logikeinheit handeln. Der Merkmalsvektor 100 kann an den Klassifikator 102 übergeben werden. Der Klassifikator 102 kann beispielsweise nach der Muster einer Support Vector Machine, eines k-nearest-Neighborhood-Klassifikator oder eines anderen Klassifikationsalgorithmus aufgebaut sein.At the classifier 102 it can be another logic unit. The feature vector 100 can go to the classifier 102 be handed over. The classifier 102 For example, it may be constructed according to the patterns of a Support Vector Machine, a k-nearest Neighborhood classifier, or some other classification algorithm.

Eine vorteilhafte Ausprägung besteht darin, dass unabhängig von dem speziellen Klassifikationsalgorithmus ein so genannter „One Class Classifier”, auch „Single Class Classifier” genannt, eingesetzt werden kann.A advantageous expression is that independent from the special classification algorithm a so-called "One Class Classifier ", also called" Single Class Classifier ", can be used.

Ein „One Class Classifier” kann einen zugeführten Merkmalsvektor nicht in eine von mehreren unterschiedlichen Klassen einteilen, wie es bei den sonst üblichen Klassifikationsverfahren möglich ist. Mit dem „One Class Classifier” kann lediglich festgestellt werden, ob ein Merkmalsvektor zu einer einzigen, ganz bestimmten, vorgegebenen Klasse gehört oder nicht. Genau diese Eigenschaft macht den „One Class Classifier” für die erfindungsgemäße Anwendung geeignet. Die vielen Klassen, also anschaulich gesagt, die vielen Ausprägungen, die ein Merkmals vektor in den unzähligen gefährlichen Fahrzuständen annehmen kann sind nicht erfassbar. Mit einem normalen, vielklassigen Klassifikator können sie daher auch schlecht erfasst werden. Dagegen ist eine vorgegebene, ganz bestimmte Klasse des ”normalen Fahrens” einfach definierbar und daher auch die Bestimmung, ob ein Merkmalsvektor zu dieser Klasse gehört oder nicht, einfach mit einem „One Class Classifier” durchführbar. Falls nun ein Merkmalsvektor nicht mehr in die Klasse des „normalen Fahrens” fällt, kann dies als gefährliche Situation aufgefasst werden.A "one Class Classifier "can be a supplied feature vector do not divide it into one of several different classes, as with the usual classification methods is possible. With the "One Class Classifier" can merely determining whether a feature vector is a single, very specific, given class or not. Exactly this property makes the "One Class Classifier" for the application of the invention suitable. The many Classes, so to speak clearly, the many forms, the one feature vector in countless dangerous ones Can assume driving conditions are not detectable. With a Therefore, they can also be used as a normal classifier badly recorded. In contrast, a given, very specific Class of "normal driving" easily definable and therefore also the determination of whether a feature vector belongs to this class or not, simply with a "One Class Classifier" feasible. If a feature vector is no longer in the class of "normal Driving "falls, this can be dangerous Situation can be understood.

Eine weitere Eigenschaft des „One Class ist, dass die Empfindlichkeit des „One Class Classifier” über einen Gütefaktor G eingestellt werden kann. Damit kann eine „Gefährlichkeitsschwelle” vorgegeben werden, d. h. es kann mittels des Gütefaktors G beeinflusst werden, ab welcher Größe der Abweichung vom normalen Fahrverhalten eine Fahrsituation als nicht mehr normal, also als ”gefährlich” klassifiziert wird. Darüberhinaus ist es möglich, mit einer Vorgabe von mehreren Werten für den Gütefaktor G, also z. B. einen Gütefaktor G1 und einen weiteren Gütefaktor G2 verschieden Gefahrenklassen einzuführen. Mit einer solchen Unterscheidung können dann abhängig von der Gefahrenklasse unterschiedliche Maßnahmen ergriffen werden.Another feature of the "One Class" is that the sensitivity of the "One Class Classifier" can be adjusted via a quality factor G. Thus, a "danger threshold" can be specified, ie it can be influenced by means of the quality factor G, from which size of the deviation from the normal driving behavior a driving situation as no longer normal, ie classified as "dangerous". Moreover, it is possible with a specification of several values for the quality factor G, ie z. B. introduce a quality factor G 1 and another quality factor G 2 different hazard classes. With such a distinction, different measures can then be taken depending on the hazard class.

2 zeigt eine Darstellung einer schematischen Wirkungsweise eines „One Class Classifiers” gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. Beispielhaft wird der Merkmalsraum durch einen zweidimensionalen Zustandsvektor aufgespannt. Auf der Abszisse ist ein Merkmal 1 und auf der Ordinate ein Merkmal 2 aufgetragen. Der Zustandsvektor, bei dem es sich um den in 1 gezeigten Merkmalsvektor 100 handeln kann, definiert Punkte 200, 201 in diesem Merkmalsraum. Der „One Class Classifier” definiert die Klasse 230 „normales Fahren”. Liegt ein Merkmalsvektor 200 innerhalb der Klasse 230, so entspricht dies dem Zustand normales Fahren. Beispielhaft sind acht mögliche Merkmalsvektoren 200 innerhalb der Klasse 230 gezeigt, von denen der Übersichtlichkeit halber nur einer mit dem Bezugszeichen 200 gekennzeichnet ist. 2 shows a representation of a schematic operation of a "one class classifier" according to an embodiment of the present invention. By way of example, the feature space is spanned by a two-dimensional state vector. A characteristic 1 is plotted on the abscissa and a characteristic 2 is plotted on the ordinate. The state vector, which is the in 1 shown feature vector 100 can act, defines points 200 . 201 in this feature space. The "One Class Classifier" defines the class 230 "Normal driving". Is a feature vector 200 within the class 230 , this corresponds to the state normal driving. Exemplary are eight possible Merk times vectors 200 within the class 230 of which for the sake of clarity, only one with the reference numeral 200 is marked.

Der unbegrenzte Raum außerhalb der Klasse 230 wird als ”gefährliche Fahrsituation” interpretiert. Liegt ein Merkmalsvektor 201 außerhalb der Klasse 230 ”normales Fahren” wird dies als ”gefährliche Fahrsituation” interpretiert. Beispielhaft sind drei mögliche Merkmalsvektoren 201 gezeigt, die außerhalb der Klasse 230 liegen. Von den drei Merkmalsvektoren 201 ist wiederum der Übersichtlichkeit halber nur einer mit dem Bezugszeichen 201 gekennzeichnet.The unlimited space outside the class 230 is interpreted as a "dangerous driving situation". Is a feature vector 201 outside the class 230 "Normal driving" is interpreted as "dangerous driving situation". By way of example, three possible feature vectors 201 shown outside the class 230 lie. Of the three feature vectors 201 again, for the sake of clarity, only one with the reference numeral 201 characterized.

Gemäß diesem Ausführungsbeispiel sind die Grenzen des Raums der Klasse 230 mittels unterschiedlicher Gütefaktoren einstellbar. Die Grenzen des Raums der Klasse 230 sind durch einen ersten Gütefaktor G1 eingestellt. Mittels eines zweiten Gütefaktors G2 lassen sich die Grenzen gemäß diesem Ausführungsbeispiel ausdehnen, so dass ein erweiterter Raum einer erweiterten Klasse 231 geschaffen wird.According to this embodiment, the boundaries of the space are the class 230 adjustable by means of different quality factors. The boundaries of the classroom 230 are set by a first figure of merit G1. By means of a second quality factor G2, the limits according to this exemplary embodiment can be extended so that an extended space of an extended class 231 is created.

Ein Klassifikator benötigt, unabhängig vom verwendeten Klassifikationsverfahren Informationen über die zu unterscheidenden Klassen und sogenannte Trainingsdaten. Trainingsdaten sind Daten mit bekannter Klassenzugehörigkeit. Sie ermöglichen es einem Klassifikator, seinen inneren Zustand so an das Problem anzupassen, dass er in der Lage ist, einen unbekannten Merkmalsvektor M korrekt einer bestimmten Zustandsklasse K zuzuordnen. Die Trainingsdaten können dem System bereitgestellt werden. Zusätzlich oder alternativ können die Trainingsdaten während des Betriebs von dem System ermittelt werden. Die Festlegung des inneren Zustands erfolgt bei Klassifikatoren üblicherweise durch die Definition einer oder mehreren Grenzfläche im mehrdimensionalen Merkmalsraum, wobei die Dimension des Merkmalsraumes der Dimension des Zustandsvektors entspricht. Im Falle der Verwendung eines „One Class Classifier” beinhaltet die einzige Klasse den Zustand „normales Fahren”, entsprechend also auch nur eine mehrdimensionale Grenzfläche. Wenn der Zustandsvektor nicht dieser Klasse zugeordnet werden kann, wird der momentane Zustand als ”gefährliche Fahrsituation” interpretiert. Hier wird der Vorteil der vorliegenden Erfindung offenbar. Zur Einstellung des Klassifikators werden nur Trainingsdaten aus dem Zustand ”normales Fahren” benötigt. Allein aus diesen leicht zu beschaffenden Trainingsdaten ist der Klassifikator nun in der Lage seinen inneren Zustand so zu konfigurieren dass er diesen Fahrzustand im tatsächlichen Einsatz, also im Straßenverkehr, immer erkennt.One Classifier needed, regardless of the used Classification procedure Information about the ones to be distinguished Classes and so-called training data. Training data is data with known class. they allow it's a classifier, its internal state so the problem adapt that he is capable of an unknown feature vector M correctly assign a certain condition class K. The training data can be provided to the system. additionally or alternatively, the training data may be during operation of the system. The determination of the inner state usually occurs with classifiers by defining one or more interfaces in the multidimensional Feature space, where the dimension of the feature space of the dimension of the state vector. In case of using a "One Class Classifier "the only class that contains the state" normal Driving ", so also only a multidimensional interface. If the state vector can not be assigned to this class, the current state is interpreted as "dangerous driving situation". Here, the advantage of the present invention will become apparent. To adjustment of the classifier only training data from the state "normal Driving "needed. Alone from these easy too The classifier is now able to acquire training data to configure its internal state to be in that driving state in actual use, ie on the road, always recognizes.

Die in 1 gezeigte Ansteuervorrichtung 117 kann zur Aufgabe haben, die durch den Einsatz des Klassifikators gewonnene Erkenntnis einer potentiell gefährlichen Situation an ein mechanisches, elektrisches oder anderweitig betriebenes System weiterzuleiten. Dies kann durch einfache direkte Ansteuerung die ses Systems geschehen. Es besteht auch die Möglichkeit, dass in der Ansteuervorrichtung eine weitere logische Verarbeitung der gewonnenen Erkenntnis durchgeführt wird. Ebenso ist es möglich, die Erkenntnis an ein anderes System weiterzuleiten. Insbesondere ist es möglich, die Information erst in diesem Schritt einem Rückhaltesystemalgorithmus zur Verfügung zu stellen. Von dem Rückhaltesystemalgorithmus kann die Information zur verbesserten Ansteuerung von Rückhaltemitteln verwendet werden. Dazu kann die Information in einer entsprechenden Zusatzfunktion verwendet werden oder, bei einem klassifikationsbasierten Algorithmus, als einzelnes zusätzliches Merkmal im Merkmalsvektor des Rückhaltsystems integriert werden.In the 1 shown drive device 117 The task may be to pass on the knowledge of a potentially dangerous situation gained through the use of the classifier to a mechanical, electrical or otherwise operated system. This can be done by simple direct control of these systems. There is also the possibility that a further logical processing of the knowledge gained is carried out in the drive device. It is also possible to pass the knowledge on to another system. In particular, it is possible to provide the information to a restraint system algorithm only in this step. The restraint system algorithm may use the information for improved control of restraints. For this purpose, the information can be used in a corresponding additional function or, in the case of a classification-based algorithm, can be integrated as a single additional feature in the feature vector of the restraint system.

Bei der in 1 gezeigten, aktivierbaren Vorrichtung 118 zur Gefahrenminderung oder zur Unfallfolgenminderung können unterschiedliche Einrichtungen zum Einsatz kommen.At the in 1 shown, activatable device 118 To reduce the danger or to reduce the consequences of an accident, different facilities can be used.

Um dem Fahrer im Falle einer bestehenden Kollision einen besseren Schutz zu gewähren, kann ein Gurtstraffer, bevorzugter weise ein reversibler Gurtstraffer aktiviert werden. Durch die dadurch gegebene frühzeitige Fixierung des Insassen an den Sitz können im Falle einer eintretenden Kollision die Belastungswerte auf den Körper des Insassen signifikant vermindert werden. Falls es zu keiner Kollision des Fahrzeuges kommt kann ein reversibler Gurtstraffer nach einer gewissen Aktivierungszeit tA wieder in seinen Ausgangszustand zurückkehren. Durch die in diesem Fall erfolgte temporäre Aktivierung des Gurtstraffers, kann der Fahrer in positiver Weise zusätzlich darauf aufmerksam gemacht werden, dass eine gefährliche Situation besteht. Andererseits kann dem Fahrer durch die erfolgte Straffung ein erfahrbares Gefühl der Fahrzeugsicherheit vermittelt werden.To give the driver in the event of an existing collision better protection, a belt tensioner, preferably a reversible belt tensioner can be activated. By thus given early fixation of the occupant to the seat in the event of an incoming collision, the load values on the body of the occupant can be significantly reduced. If there is no collision of the vehicle, a reversible belt tensioner after a certain activation time t A return to its original state. Due to the temporary activation of the belt tensioner in this case, the driver can also be made aware in a positive way that a dangerous situation exists. On the other hand, the driver can be conveyed by the tightening an experienced feeling of vehicle safety.

In ähnlicher Weise können im Insassensitz verbaute Elemente zum Schutz des Insassen vorbeugend aktiviert werden. Beispielsweise können Sitzseitenwangen eingesetzt werden, die ausfahren, um dem Insassen im Seitencrashfall mehr Seitenhalt zu geben bzw. als zusätzliches Energieabsorptionselement wirken. Auch können bestimmte ausfahrbare Polster oder Strukturen eingesetzt werden, die im Falle eines Frontalcrashes ein Durchrutschen des Insassen unter dem Sicherheitsgurt (submarining) verhindern. Gemeinsam ist diesen Systemen, dass sie einfacher und günstiger zu verwirklichen sind, wenn die Anforderungen an die Aktivierungszeit geringer ausfallen. Kann ein solches System schon vor dem Crash in langsamer Art und Weise aktiviert werden, z. B. aufgeblasen werden, dann ist es günstiger herzustellen. Durch das erfindungsgemäße Verfahren ist genau diese Eigenschaft der früheren und damit langsameren Aktivierbarkeit gegeben. Da schon vor einer Kollision bekannt ist, dass Gefahr droht, können diese Systeme auch schon frühzeitig aktiviert werden. Falls dann doch keine Kollision eingetreten ist, können solche Systeme, sofern sie reversibel sind, wieder in den Ausgangszustand zurückversetzt werden.Similarly, elements installed in the occupant seat can be preventively activated to protect the occupant. For example, seat side panels can be used, which extend to give the occupant in the side crash case more lateral support or act as an additional energy absorption element. Certain extendable upholstery or structures can be used, which prevent slippage of the occupant under the seat belt (submarining) in the event of a frontal crash. What these systems have in common is that they are simpler and cheaper to implement if the activation time requirements are lower. Can such a system be activated even before the crash in a slow manner, z. B. be inflated, then it is cheaper to produce. By the method according to the invention exactly this property of the earlier and thus slower activatability given. Since it is already known before a collision that threatens danger, these systems can also be activated early. If then no collision has occurred, such systems, if they are reversible, can be restored to the initial state.

In vielen Fällen wird der Insasse selbst den Gefahrenzustand erkennen und versuchen, ihn durch gezielte Fahrmanöver zu beenden. Solche Manöver können z. B. ein Betätigen der Lenkung oder eine Betätigung der Bremsanlage sein. Hier kann es für den Insassen hilfreich sein, wenn er in der Gefahrensituation unterstütz wird. So kann bei Erkennen der Gefahrensituation beispielsweise ein Vorbefüllen der Bremsanlage vorgenommen werden und so ein schnelleres Ansprechen nach der Bremsanforderung durch den Fahrer erreicht werden.In In many cases, the occupant himself becomes the dangerous condition recognize and try him through targeted driving maneuvers to end. Such maneuvers can z. B. an actuation be the steering or an actuation of the brake system. Here it may be helpful for the occupant if he is in the danger situation is supported. Thus, when recognizing the Hazardous situation, for example, a pre-filling the brake system be made and so a faster response to the brake request by to reach the driver.

Bei Erkennen der Gefahrensituation kann ein aktives Fahrwerk in einen solchen Zustand versetzt werden, dass eine bessere Manövrierfähigkeit des Fahrzeuges gegeben ist. Für normale Fahrsituationen ist dies nicht notwendig und wird aus Komfortgründen auch nicht gemacht. In einer Notsituation spielt dagegen beispielsweise der Federungskomfort keine Rolle und aufgrund der Vorwarnung kann das Fahrwerk entsprechend umkonfiguriert werden. Dadurch wird der Fahrer bei seiner Reaktion auf die Gefahr unterstützt.at Detecting the dangerous situation can be an active suspension in one Such condition can be offset that a better maneuverability of the vehicle is given. For normal driving situations This is not necessary and will be for reasons of comfort too not done. In an emergency, for example, plays the suspension comfort does not matter and due to the warning can the chassis are reconfigured accordingly. This will be the Driver assisted in his response to the danger.

Die in 1 gezeigte Einrichtung zur Vorverarbeitung 115, die Einrichtung zur Merkmalserzeugung 116, der Klassifikator 102, die Ansteuervorrichtung 117 und die Vorrichtung 118 können separat oder auch innerhalb einer Rückhaltesystemsteuerungseinheit verwirklicht sein. Sind die Elemente 102, 115, 116, 117, 118 innerhalb einer Rückhaltesystemsteuerungseinheit verwirklicht, so können sie vom erfindungsgemäßen System und gleichzeitig vom Rückhaltsystem verwendet werden, bzw. vollständig in dem Rückhaltsystem integriert sein.In the 1 shown device for preprocessing 115 , the device for feature generation 116 , the classifier 102 , the driving device 117 and the device 118 may be realized separately or within a restraint system control unit. Are the elements 102 . 115 . 116 . 117 . 118 within a restraint system control unit, they may be used by the system of the invention and at the same time by the restraint system, or fully integrated with the restraint system.

3 zeigt ein Beispiel für eine Integration der in 1 gezeigten Vorrichtung zur Erkennung gefährlicher Zustände in eine Rückhaltesystemansteuerung, gemäß einem Ausführungsbeispiel der Erfindung Gemäß diesem Ausführungsbeispiel wird der von der Einrichtung zur Merkmalserzeugung 116 bereitgestellte Merkmalsvektor 100 mit einem weiteren Merkmalsvektor 300 in einer Verknüpfungseinrichtung 305 verknüpft. Die Verknüpfungseinrichtung 305 ist ausgebildet, um einen gemeinsamen Merkmalsvektor an den Klassifikator 102 bereitzustellen. Der weitere Merkmalsvektor 300 wird von einer Einrichtung zur Merkmalserzeugung 316 des Rückhaltesystems bereitgestellt. Die Einrichtung zur Merkmalserzeugung 316 kann ausgebildet sein, um den Merkmalsvektor 300 basierend auf Sensoren des Rückhaltesystems zu ermitteln. 3 shows an example of an integration of in 1 in a restraint system drive, according to an embodiment of the invention shown according to this embodiment, the device of the invention for generating characteristics 116 provided feature vector 100 with another feature vector 300 in a linking device 305 connected. The linking device 305 is designed to apply a common feature vector to the classifier 102 provide. The further feature vector 300 is by a device for feature generation 316 of the restraint system. The device for feature generation 316 can be designed to be the feature vector 300 based on sensors of the restraint system to determine.

Auf diese Weise können die Merkmale der Rückhaltesystemansteuerung mit den Merkmalen des Systems zur Erkennung gefährlicher Fahrzustände zu einem gemeinsamen Merkmalsvektor vereinigt werden. Der Klassifikator 102 unterscheidet nicht mehr zwischen beiden Systemen sondern behandelt sie als Einheit. Die Ansteuerung des Rückhaltesystems wird durch die Einbeziehung der Informationen der Sensoren 111, 112, 113, die auch Informationen über den Gefahrenzustand vor einer Kollision enthalten, verbessert.In this way, the features of the restraint system driver can be combined with the features of the dangerous vehicle state detection system to form a common feature vector. The classifier 102 no longer distinguishes between the two systems but treats them as one unit. The control of the restraint system is by the inclusion of the information of the sensors 111 . 112 . 113 , which also contain information about the danger state before a collision, improved.

Die vollständige Integration in das Rückhaltsystem ist am günstigsten dann zu verwirklichen, wenn der Auslösealgorithmus oder Teile davon auch auf einem klassifikationsbasierten Ansatz aufbauen.The full integration into the retention system is most beneficial then to realize if the triggering algorithm or parts of it also on a classification-based approach build up.

In diesem Fall kann der Merkmalsvektor (M) 100 mit dem Merkmalsvektor (MR) 300 aus der klassifikationsbasierten Rückhaltesystemsteuerung zu einem Gesamtmerkmalsvektor (MG) vereinigt werden. Die Dimension des Gesamtmerkmalsvektors kann die Summe der Einzelmerkmalsvektoren 100, 300 sein.In this case, the feature vector (M) 100 with the feature vector (MR) 300 from the classification-based restraint system control to a total feature vector (MG). The dimension of the total feature vector may be the sum of the individual feature vectors 100 . 300 be.

Das Training des Klassifikators 102 zur Erkennung einer gefährlichen Fahrsituation kann nun gemeinsam mit dem Rückhaltesystem erfolgen. Die Dimension des Trainingsdatensatzes kann dazu entsprechend erweitert werden.The training of the classifier 102 to detect a dangerous driving situation can now be done together with the restraint system. The dimension of the training data set can be extended accordingly.

Neben der Möglichkeit, den Zustand ”normales Fahren” wie zuvor direkt mit einem „One Class Classifier” zu erkennen, kann es in diesem Falle auch günstig sein, die Klasse ”normales Fahren” zunächst als eine unter mehreren Klassen in einem Klassifikator anzuordnen. Die anderen Klassen wären dann beispielsweise ein als „Misuse” bezeichneter Zustand mit crashähnlichen Signalen, aber ohne eine Aktivierung von Rückhaltemitteln, ein „leichter FrontCrash”, ein „schwerer Frontcrash”, ein „SeitenCrash”, ein „Heckcrash”, ein „RollOver” oder „normales Fahren”. Als unechte (indirekte) Klasse besteht ein „gefährlicher Fahrzustand ohne Crash”.Next the possibility of the state "normal driving" like previously directly with a "one class classifier" too In this case, it can also be beneficial to recognize the Class "normal driving" initially as to arrange one among several classes in a classifier. The other classes would then, for example, one referred to as "misuse" Condition with crash-like signals, but without activation of restraints, a "light front crash", a "heavy front crash", a "side crash", a "rear crash", a "RollOver" or "normal Drive". As a fake (indirect) class there is a "dangerous Driving condition without crash ".

Virtuell können die aufgeführten Klassen zu einer einzigen zusammengefügt werden, so dass wieder ein „One Class Classifier” zur Erkennung angewendet werden kann. Alles was nicht in die aufgeführten Klassen fällt, wird als „gefährliche Fahrsituation ohne Crash” erkannt. Darüberhinaus besteht aber gleichzeitig noch die Möglichkeit, sofern der Merkmalsvektor einer der inneren Klassen zugeordnet wird, die Situation noch näher zu klassifizieren.Virtual The listed classes can become a single be merged, so again a "One Class Classifier "can be used for detection. Everything that does not fall into the listed classes, is recognized as a "dangerous driving situation without crash". But at the same time there is still the possibility if the feature vector is assigned to one of the inner classes, to classify the situation even closer.

4 zeigt eine schematische Darstellung von Klassen und Unterklassen in einem Merkmalsraum, gemäß einem Ausführungsbeispiel der vorliegenden Erfindung. Entsprechend zu 2 wird der Merkmalsraum durch einen zweidimensionalen Zustandsvektor aufgespannt. Auf der Abszisse ist das Merkmal 1 und auf der Ordinate das Merkmal 2 aufgetragen. Der gemeinsame Merkmalsvektor definiert Punkte 400, 402, 403, 404, 405 in dem Merkmalsraum. Ferner ist eine Klasse 230 „normales Fahren”, eine Klasse 427 „leichter Crash”, eine Klasse 428 „schwerer Crash” und eine Klasse 429 „Misuse” gezeigt. Die verschiedene Klassen 230, 427, 428, 429 können zunächst zu einer gemeinsamen Klasse „One Class” 430 zusammengefasst werden. Alles was nicht in der gemeinsamen Klasse 430 enthalten ist, wird dem Zustand ”gefährliches Fahren ohne Crash” zugeordnet. Der Zustand ”gefährliches Fahren ohne Crash” füllt somit den in 4 gezeigten Merkmalsraum außerhalb der Begrenzung der gemeinsamen Klasse 430 aus. 4 shows a schematic representation of classes and subclasses in a feature raum, according to an embodiment of the present invention. Correspondingly too 2 the feature space is spanned by a two-dimensional state vector. On the abscissa the feature 1 and on the ordinate the feature 2 is plotted. The common feature vector defines points 400 . 402 . 403 . 404 . 405 in the feature space. Further, a class 230 "Normal driving", a class 427 "Light crash", a class 428 "Serious crash" and a class 429 Shown "misuse". The different classes 230 . 427 . 428 . 429 can first become a common class "One Class" 430 be summarized. Anything not in the common class 430 is assigned to the state "dangerous driving without crash". The state "dangerous driving without crash" thus fills the in 4 feature space outside the boundary of the common class 430 out.

Fällt ein spezieller Zustand in die gemeinsame Klasse 430, kann in einem Zusatzschritt dieser spezielle Zustand in die Unterklassen 230, 427, 428, 429 eingeteilt werden und damit näher bestimmt werden. Beispielhaft sind in 4 acht mögliche Merkmalsvektoren 400 gezeigt, die innerhalb der Klasse 230 liegen. Drei mögliche Merkmalsvektoren 402 sind gezeigt, die außerhalb der der Klasse 430 liegen und somit den Zustand ”gefährliches Fahren ohne Crash” anzeigen. Ferner sind drei mögliche Merkmalsvektoren 403 gezeigt, die innerhalb der Klasse 427 liegen, zwei mögliche Merkmalsvektoren 404, die innerhalb der Klasse 428 liegen und zwei mögliche Merkmalsvektoren 405, die innerhalb der Klasse 429 liegen.If a special condition falls into the common class 430 , in an additional step, this special state can be subclassed 230 . 427 . 428 . 429 be divided and thus specified. Exemplary are in 4 eight possible feature vectors 400 shown within the class 230 lie. Three possible feature vectors 402 are shown outside of the class 430 lie and thus indicate the state "dangerous driving without crash". Furthermore, there are three possible feature vectors 403 shown within the class 427 lie, two possible feature vectors 404 that are within the class 428 lie and two possible feature vectors 405 that are within the class 429 lie.

Die beschriebenen Ausführungsbeispiele sind nur beispielhaft gewählt und können miteinander kombiniert werden.The described embodiments are only exemplary chosen and can be combined with each other.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDE IN THE DESCRIPTION

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.This list The documents listed by the applicant have been automated generated and is solely for better information recorded by the reader. The list is not part of the German Patent or utility model application. The DPMA takes over no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • - DE 102006048907 A1 [0009] - DE 102006048907 A1 [0009]

Claims (11)

Verfahren zum Erkennen eines Fahrzustands eines Fahrzeugs, wobei sich das Fahrzeug in einem ersten Fahrzustand befinden kann, der einem normalen Fahren entspricht oder in einem zweiten Fahrzustand befinden kann, der einer gefährlichen Fahrsituation entspricht, wobei das Verfahren die folgenden Schritte umfasst: Empfangen von Fahrzustandsmerkmalen (100) über eine Schnittstelle; Ausführen eines Klassifikationsalgorithmus (102), der ausgebildet ist, um eine Klassifizierung der Fahrzustandsmerkmale in Bezug auf den ersten Fahrzustand durchzuführen; und Bereitstellen eines von der Klassifizierung abhängigen Auswertesignals (104), um einen Fahrzustand des Fahrzeugs anzuzeigen.A method of detecting a driving condition of a vehicle, wherein the vehicle may be in a first driving state that corresponds to normal driving or may be in a second driving state that corresponds to a dangerous driving situation, the method comprising the steps of: receiving driving condition characteristics ( 100 ) via an interface; Execution of a classification algorithm ( 102 ) configured to perform a classification of the driving condition characteristics with respect to the first driving condition; and providing an evaluation signal dependent on the classification ( 104 ) to indicate a driving condition of the vehicle. Verfahren gemäß Anspruch 1, bei dem das Auswertesignal (104) ausgebildet ist, um den zweiten Fahrzustand anzuzeigen, wenn sich die Fahrzustandsmerkmale (100) durch Ausführen des Klassifikationsalgorithmus (102) nicht dem ersten Fahrzustand zuordnen lassen.Method according to Claim 1, in which the evaluation signal ( 104 ) is configured to indicate the second driving state when the driving state characteristics ( 100 ) by executing the classification algorithm ( 102 ) can not be assigned to the first driving state. Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem der Klassifikationsalgorithmus (102) ausgebildet ist, um ein auf statistischen Lernverfahren beruhendes Klassifikationssystem umzusetzen.Method according to one of the preceding claims, in which the classification algorithm ( 102 ) is adapted to implement a statistical learning based classification system. Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem mittels des Klassifikationsalgorithmus (102) bestimmt wird, ob die Fahrzustandsmerkmale (100) von einem ersten Merkmalsraum (230) umfasst ist, wobei der erste Merkmalsraum den ersten Fahrzustand definiert.Method according to one of the preceding claims, in which by means of the classification algorithm ( 102 ) determines whether the driving condition characteristics ( 100 ) from a first feature space ( 230 ), wherein the first feature space defines the first driving condition. Verfahren gemäß Anspruch 4, mit einem Schritt des Bereitstellens mindestens eines Gütefaktors, der ausgebildet ist, um eine Begrenzung des Merkmalsraums (230) zu verändern, um eine Definition des ersten Fahrzustands anzupassen.Method according to claim 4, comprising a step of providing at least one figure of merit designed to define a boundary of the feature space ( 230 ) to adjust a definition of the first driving state. Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem der zweite Fahrzustand einer gefährlichen Fahrsituation ohne Kollision entspricht und sich das Fahrzeug in mindestens einem dritten Fahrzustand befinden kann, der einer Kollision entspricht, und bei dem im Schritt des Empfangens ferner Rückhaltesystemmerkmale (300) empfangen werden und der Klassifikationsalgorithmus (102) ausgebildet ist, um eine Klassifizierung der Fahrzustandsmerkmale und Rückhaltesystemmerkmale in Bezug auf den ersten Fahrzustand und den mindestens einen dritten Fahrzustand durchzuführen.Method according to one of the preceding claims, wherein the second driving state corresponds to a dangerous driving situation without collision and the vehicle can be in at least a third driving state which corresponds to a collision, and wherein in the step of receiving further restraint system features ( 300 ) and the classification algorithm ( 102 ) is configured to perform a classification of the driving state characteristics and restraint system characteristics with respect to the first driving state and the at least one third driving state. Verfahren gemäß Anspruch 6, bei dem mittels des Klassifikationsalgorithmus (102) bestimmt wird, ob die Fahrzustandsmerkmale und Rückhaltesystemmerkmale von einem gemeinsamen Merkmalsraum (430) umfasst sind, wobei der gemeinsame Merkmalsraum den ersten Merkmalsraum (230) und mindestens einen dritten Merkmalsraum (427, 428, 429) umfasst, der den mindestens einen dritten Fahrzustand definiert.Method according to Claim 6, in which by means of the classification algorithm ( 102 ) determines whether the driving state characteristics and restraint system characteristics of a common feature space ( 430 ), the common feature space containing the first feature space ( 230 ) and at least one third feature space ( 427 . 428 . 429 ) defining the at least one third driving condition. Verfahren gemäß Anspruch 7, bei dem, wenn die Fahrzustandsmerkmale (100) und Rückhaltesystemmerkmale (300) von dem gemeinsamen Merkmalsraum (430) umfasst sind, mittels einer weiteren Klassifizierung bestimmt wird, von welchem, dem ersten Merkmalsraum (430) oder dem mindestens einen dritten Merkmalsraum (427, 428, 429), die Fahrzustandsmerkmale und Rückhaltesystemmerkmale umfasst sind.Method according to claim 7, wherein when the driving condition characteristics ( 100 ) and restraint system features ( 300 ) from the common feature space ( 430 ) is determined by means of a further classification, from which, the first feature space ( 430 ) or the at least one third feature space ( 427 . 428 . 429 ) comprising driving condition features and restraint system features. Verfahren gemäß einem der vorangegangenen Ansprüche, bei dem ferner Rückhaltesystemsmerkmale (300) über die Schnittstelle empfangen werden und der Klassifikationsalgorithmus (102) ausgebildet ist, um die Klassifizierung basierend auf den Fahrzustandsmerkmalen und den Rückhaltesystemsmerkmalen durchzuführen.Method according to one of the preceding claims, further comprising restraint system features ( 300 ) are received via the interface and the classification algorithm ( 102 ) to perform the classification based on the driving condition characteristics and the restraint system features. Steuergerät um alle Schritte eines Verfahrens gemäß einem der Ansprüche 1 bis 9 durchzuführen.Control unit to all steps of a method according to a of claims 1 to 9 perform. Computerprogrammprodukt mit Programmcode, der auf einem maschinenlesbaren Träger gespeichert ist, zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 9, wenn das Programm auf einem Steuergerät ausgeführt wird.Computer program product with program code based on a machine-readable carrier is stored for execution of the method according to any one of claims 1 to 9, when the Program is executed on a control unit.
DE102009000080.1A 2009-01-08 2009-01-08 Method and control unit for detecting a driving state of a vehicle Expired - Fee Related DE102009000080B4 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102009000080.1A DE102009000080B4 (en) 2009-01-08 2009-01-08 Method and control unit for detecting a driving state of a vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102009000080.1A DE102009000080B4 (en) 2009-01-08 2009-01-08 Method and control unit for detecting a driving state of a vehicle

Publications (2)

Publication Number Publication Date
DE102009000080A1 true DE102009000080A1 (en) 2010-07-15
DE102009000080B4 DE102009000080B4 (en) 2019-03-07

Family

ID=42243449

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102009000080.1A Expired - Fee Related DE102009000080B4 (en) 2009-01-08 2009-01-08 Method and control unit for detecting a driving state of a vehicle

Country Status (1)

Country Link
DE (1) DE102009000080B4 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9977988B2 (en) 2013-05-03 2018-05-22 Csb-System Ag Device and method for the classification of a food item of an organic or irregular structure
DE102020103768B4 (en) 2019-03-28 2023-03-16 GM Global Technology Operations LLC Monitor and diagnose vehicle system problems with machine learning classifiers

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006048907A1 (en) 2006-10-17 2008-04-30 Robert Bosch Gmbh Method and device for controlling personal protection devices and a corresponding computer program and computer program product

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10318111A1 (en) 2003-04-22 2004-11-11 Continental Aktiengesellschaft Method and device for recognizing a driving state
DE102006061889B3 (en) 2006-12-28 2008-03-27 Siemens Ag Method for detection of optimum emergency operation function for engine of vehicle, involves forming engine with device, where torque or rotational speed of engine is limited by developing error indication
DE102008011607A1 (en) 2008-02-28 2009-09-03 Robert Bosch Gmbh Method for adapting the accelerator pedal characteristic in a vehicle

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006048907A1 (en) 2006-10-17 2008-04-30 Robert Bosch Gmbh Method and device for controlling personal protection devices and a corresponding computer program and computer program product

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9977988B2 (en) 2013-05-03 2018-05-22 Csb-System Ag Device and method for the classification of a food item of an organic or irregular structure
DE102020103768B4 (en) 2019-03-28 2023-03-16 GM Global Technology Operations LLC Monitor and diagnose vehicle system problems with machine learning classifiers

Also Published As

Publication number Publication date
DE102009000080B4 (en) 2019-03-07

Similar Documents

Publication Publication Date Title
EP1034985B1 (en) Method and apparatus for controlling a passive restraint system of a vehicle
DE102014210494B4 (en) Method and device for operating a vehicle
DE102018207977A1 (en) Interior monitoring for seat belt adjustment
DE102015202919A1 (en) Method for controlling at least one safety function for a motor vehicle
WO2005102768A1 (en) Protective device for a motor vehicle
EP2276650A1 (en) Method and control unit for activating at least one security means
DE102017201822A1 (en) Method and device for controlling a vehicle seat
WO2008019915A1 (en) Method and device for the actuation of personal protection means
EP2788229A1 (en) Method and control device for controlling an occupant protection means of a vehicle
DE102009047071A1 (en) Method and control unit for detecting a width of an impact area of an object in the front area of a vehicle
DE102014107618A1 (en) Occupant protection system
WO2013068286A1 (en) Method and device for analysing a collision of a vehicle
DE102004024265A1 (en) Security system for operating at least one electrically operable closure device of a door of a vehicle
WO2005085012A1 (en) Vehicle safety device
EP2167351B1 (en) Method and control device for actuating vehicle occupant 's safety means for a vehicle
DE102009000080B4 (en) Method and control unit for detecting a driving state of a vehicle
DE102007012461B4 (en) Control device and method for controlling pedestrian protection devices
DE102009027402B4 (en) Method and control unit for controlling occupant protection means of a vehicle in a multiple collision
EP1618017B1 (en) Device for triggering an active headrest in a vehicle
DE102007004345A1 (en) Person protection unit e.g. airbag, controlling method for vehicle, involves activating or deactivating set of functions of crash classification by sequence control based on distribution size
WO2021219284A1 (en) Method for detecting a collision direction of a vehicle, method for actuating a collision protection system of a vehicle when a collision direction of the vehicle is detected, device, and a vehicle
DE102011084842B4 (en) A method of generating a free flight advisory information for a vehicle and a method of detecting a free flight condition of a vehicle
DE102008003079B4 (en) Method and control device for controlling personal protective equipment for a vehicle
DE102007012507A1 (en) Driver assistance system's evaluation unit for use in car, has integral part determining change of speed of vehicle, and output unit for outputting output signal pertaining to change of speed to be accomplished
DE102018204065A1 (en) A method and apparatus for preventing occupant travel of a vehicle and vehicle having a device

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee